Fakultas Ilmu Komputer
Universitas Brawijaya
2587
Sistem Pakar Diagnosis Penyakit Pada Kambing
Menggunakan Metode Dempster Shafer
Agus Ardiansyah1, Lailil Muflikhah2, Suprapto3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1ardiansyahagus19@gmail.com, 2lailil@ub.ac.id, 3spttif @ub.ac.id
Abstrak
Penyakit pada ternak kambing merupakan suatu hal penting yang harus diperhatikan, karena dapat menimbulkan kerugian bagi peternak bahkan dapat menyebabkan kematian ternak. Pemeriksaan penyakit pada ternak kambing secara berkala sangat diperlukan agar ternak kambing tetap terjaga dari penyakit. Proses pemeriksaan penyakit ternak kambing tidak bisa dilakukan oleh sembarang orang karena antara jenis penyakit dengan gejalanya memiliki ketidakpastian. Hal ini membuat peternak kesulitan dalam melakukan penanganan dini dan tidak tahu apa yang harus dilakukan tanpa adanya seorang pakar/dokter hewan. Berdasarkan permasalahan tersebut, penulis membuat sebuah sistem pakar yang mampu mendiagnosis penyakit pada kambing sebagaimana yang biasa dilakukan oleh seorang pakar/dokter hewan. Sistem pakar ini menggunakan metode Dempster Shafer. Metode Dempster Shafer merupakan teori matematika dari evidence. Teori tersebut dapat memberikan sebuah cara untuk menggabungkan evidence dari beberapa sumber dan mendatangkan atau memberikan tingkat kepercayaan (direpresentasikan melalui fungsi kepercayaan) yang mana mengambil dari seluruh evidence yang tersedia. Berdasarkan hasil pengujian yang dilakukan terhadap 32 kasus uji, diperoleh hasil rata-rata precision sebesar 93%, recall 96%, dan tingkat akurasi untuk f-measure sebesar 94%.
Kata kunci: penyakit kambing, sistem pakar, dempster shafer.
Abstract
Disease in goat cattle is an important thing to be considered, because it can cause losses for breeders can even cause the death of goat. Examination disease periodically are necessary to keep goats from disease. The investigation disease goats cannot be done by any person as between types of disease with this shows a tendency to having uncertainty. This makes it difficult for farmers to do early treatment and do not know what to do without an expert/veterinarian. Based on these problems, the authors create an expert system capable of diagnosing disease in goats as is usually done by an expert/veterinarian. This expert system uses the Dempster Shafer method. The Dempster Shafer method is a mathematical theory of evidence. The theory can provide a way of combining evidence from multiple sources and bringing in or providing a level of trust (represented by a trust function) which takes from all available evidence. Based on the results of the tests conducted on 32 test cases, obtained the average result of precision of 93%, 96% recall, and accuracy for f-measure of 94%.
Keywords: goat disease, expert system, dempster shafer.
1. PENDAHULUAN
Kambing merupakan salah satu sumber protein hewani yang diminati oleh masyarakat Indonesia setelah sapi dan ayam. Permintaan daging kambing selalu ada walaupun tidak sebesar permintaan daging sapi dan ayam. Adanya permintaan daging kambing dipasaran dapat dijadikan sebuah peluang bisnis untuk beternak kambing. Sebelum beternak kambing,
peternak harus mengetahui jenis kambing yang akan diternak. Jenis kambing Jawa dikategorikan menjadi 2 kategori yaitu kambing kacang dan kambing etawa. Kambing kacang adalah kambing asli berasal dari Indonesia. Kambing jenis ini memiliki ukuran kecil, telinga lebar dan leher yang pendek, selain itu berat kambing ini antara 20 hingga 25 kilogram (kg). Kambing etawa merupakan kambing hasil percampuran kambing kacang dengan kambing
asli dari India. Berat kambing jenis ini lebih besar dari kambing kacang dan memiliki kualitas daging lebih bermutu, hal tersebut membuat kambing etawa lebih diunggulkan untuk diternakkan.
Pada peternakan kambing hal yang paling penting untuk diperhatikan adalah serangan penyakit terhadap ternak. Penyakit pada ternak dapat menimbulkan kerugian bagi peternak. Jika penyakit yang menyerang ternak dibiarkan atau terlambat untuk diobati dapat menyebabkan terganggunya produksi ternak bahkan menyebabkan kematian. Oleh karena itu salah satu faktor yang perlu diperhatikan dalam pemeliharaan ternak adalah kesehatan ternak itu sendiri. Untuk menjaga kesehatan ternak agar tetap prima perlu dilakukan pengobatan, pemberian vaksin atau antibiotik sesuai kasus penyakit yang biasanya hanya diketahui oleh dokter hewan (Mulyono & Sarwono, 2014).
Jumlah dokter hewan yang ada masih terbatas terlebih di daerah pelosok negeri. Hal tersebut membuat peternak harus memanggil dokter hewan untuk melakukan diagnosis penyakit yang sedang menyerang ternaknya. Untuk membantu dokter hewan dalam melakukan diagnosis penyakit dan juga membantu peternak agar selalu siap dalam menjaga kesehatan ternak dari serangan penyakit dapat dilakukan berbagai cara. Salah satu cara yang dapat dilakukan adalah dengan mendistribusikan pengetahuan pakar atau dokter hewan dalam mendiagnosis penyakit ternak serta cara pengobatannya. Pengetahuan pakar atau dokter hewan akan diterapkan ke dalam sebuah sistem pakar. Sistem pakar merupakan sistem berbasis komputer yang digunakan untuk meniru semua aspek kemampuan pengambilan keputusan seorang pakar (Rosnelly, 2012). Sistem pakar merupakan program yang dapat menggantikan keberadaan seorang pakar sehingga pengetahuan pakar dapat diperoleh dan dipakai dimana saja (Kusrini, 2006).
Pada penelitian yang dilakukan oleh (Wahyuni & Prijodiprojo, 2013) mengenai pendeteksi tingkat resiko penyakit jantung koroner menggunakan metode Dempster Shafer. Penelitian ini bertujuan menerapkan metode Dempster Shafer pada sistem pakar untuk mendiagnosis tingkat resiko penyakit jantung koroner seseorang berdasarkan faktor serta gejala penyakit jantung koroner. Hasil pengujian yang didapatkan dari penelitian sebesar 100% dari 10 kasus uji.
Berdasarkan pembahasan di atas, maka penulis membangun sebuah aplikasi “Sistem Pakar Diagnosis Penyakit Pada Kambing Menggunakan Metode Dempster Shafer”. Sistem pakar ini akan digunakan sebagai sarana untuk membantu pakar atau dokter hewan dan juga peternak kambing dalam mendiagnosis penyakit, sebagai alat pendukung dan pertimbangan dalam mengambil tindakan selanjutnya, namun sistem ini tetap hanya bersifat sebagai sarana referensi bagi pakar atau dokter hewan dan juga peternak kambing.
2. DASAR TEORI
2.1 Sistem Pakar
Gambar 1. Struktur Sistem Pakar
Sistem pakar (expert system) merupakan solusi yang sangat baik dan berhasil untuk menyelesaikan permasalahan artificial intelligent (AI) klasik dari pemrograman intelligent (cerdas). Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut (Kusrini, 2006). Dengan sistem pakar, orang awam pun dapat menyelesaikan masalahnya atau sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Seseorang pakar yang dimaksud di sini adalah orang yang mempunyai keahlian dalam bidang tertentu yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang tidak dimiliki oleh orang lain. Struktur sistem pakar dibagi oleh 2 bagian yaitu, lingkungan konsultasi dan lingkungan
pengembangan. Struktur sistem pakar dapat dilihat pada Gambar 1.
2.2 Dempster Shafer
Teori Dempster Shafer pertama kali diperkenalkan oleh oleh Arthur P. Dempster and Glenn Shafer, yang melakukan percobaan ketidakpastian dengan range probabilities daripada sebagai probabilitas tunggal. Kemudian pada tahun 1976 Shafer mempublikasikan teori
Dempster pada buku yang berjudul
Mathematichal Theory of Evident. Teori Dempster Shafer merupakan teori matematika dari evidence. Teori tersebut dapat memberikan sebuah cara untuk menggabungkan evidence dari beberapa sumber dan mendatangkan atau memberikan tingkat kepercayaan (direpresentasikan melalui fungsi kepercayaan) di mana mengambil dari seluruh evidence yang tersedia.
Secara umum teori Dempster Shafer ditulis dalam suatu interval (Kusumadewi, 2003):
] ,
[Belief Plausability
• Belief (Bel) adalah ukuran kekuatan
evidence dalam mendukung suatu
himpunan proporsi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence dan jika bernilai 1 menunjukkan adanya kepastian.
• Plausibility (Pls) akan mengurangi tingkat kepastian dari evidence. Plausibility bernilai 0 sampai 1. Jika yakin akan X’, maka dapat dikatakan bahwa Bel(X’) = 1, sehingga rumus di atas nilai dari Pls(X) = 0. Belief dinotasikan pada Persamaan 1
X Ym
Y
X
Bel
(
)
(
)
(1) Keterangan:Bel(X)adalah belief (X)
m(Y)adalah mass function dari (Y) Plausibility dinotasikan pada Persamaan 2
X Ym
X
X
Bel
X
Pls
(
)
1
(
)
1
(
)
(2) Keterangan:Bel(X)adalah belief (X) Pls(X)adalah plausibility (X)
m(X)adalah mass function dari (X)
Pada teori Dempster Shafer dikenal adanya Frame of Discrement yang dinotasikan dengan simbol (Θ). Frame of Discrement ini merupakan
semesta pembicaraan dari sekumpulan hipotesis sehingga sering disebut dengan environtment. Environtment mengandung elemen-elemen yang menggambarkan kemungkinan sebagai jawaban, dan hanya ada satu yang sesuai dengan jawaban yang dibutuhkan. Kemungkinan ini dalam teori Dempster Shafer disebut dengan power set dinotasikan dengan P (Θ), setiap elemen dalam power set memiliki nilai interval antara 0 sampai 1.
Mass function (m) dalam teori Dempster Shafer adalah tingkat kepercayaan dari suatu evidence (gejala), sering disebut dengan evidence measure sehingga dinotasikan dengan (m). Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah 2n. Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai m{θ} = 1,0.
Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, ditunjukkan pada Persamaan 3.
y x Z Y X Y m X m Y m X m Z m ) ( 2 ). ( 1 1 ) ( 2 ). ( 1 ) ( 3(3)
Keterangan:m3(Z) adalah mass function dari evidence (Z)
m1(X) adalah mass function dari evidence (X) yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan disbelief dari evidence tersebut
m2(Y) adalah mass function dari evidence (Y) yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan disbelief dari evidence tersebut
∑X∩Y=Zm1(X).m2(Y) adalah nilai kekuatan dari evidence (Z) yang diperoleh dari kombinasi nilai keyakinan sekumpulan evidence.
2.3 Jenis-Jenis Penyakit Kambing
Beberapa jenis penyakit pada kambing yang akan diidentifikasi oleh sistem adalah sebagai berikut: 1. Cacingan 2. Endometritis 3. Kelumpuhan 4. Kembung 5. Keracunan 6. Mastitis 7. Myasis 8. Orf 9. Pink Eye 10. Pneumonia 11. Scabies 3. PERANCANGAN 3.1 Basis Pengetahuan
Basis pengetahuan berisi pengetahuan tentang data aturan yang diperlukan sistem pakar untuk memformulasikan, memahami dan memecahkan masalah. Basis pengetahuan digunakan untuk merepresentasikan pengetahuan seorang pakar. Basis pengetahuan mencakup dua elemen dasar yaitu fakta dan aturan khusus yang memberikan saran user untuk memecahkan masalah khusus dalam domain tertentu. Penalaran berdasarkan pada basis pengetahuan yang ada memanipulasi dan mengarahkan sesuai kaidah, model dan fakta yang disimpan hingga mencapai suatu kesimpulan. Kode dan data gejala klinis penyakit pada kambing dapat dilihat pada Tabel 1.
Tabel 1. Gejala Penyakit Kambing
No Kode
Gejala Nama Gejala 1 G1 Ambing bengkak berwarna
kemerahan
2 G2 Bengkak di sekitar luka 3 G3 Bulu kusam terasa kasar 4 G4 Bulu rontok
5 G5 Bulu rontok pada bagian terinfeksi 6 G6 Demam
7 G7 Depresi 8 G8 Diare
9 G9 Diare berdarah 10 G10 Gatal-gatal 11 G11 Kaku saat berjalan
12 G12 Kejang-kejang
13 G13 Keluar belatung dari kulit luka 14 G14 Keluar ingus
15 G15 Keluar lendir pada vulva 16 G16 Keropeng di mulut 17 G17 Kornea keruh
18 G18 Kulit kasar dan bersisik 19 G19 Kurus
20 G20 Lemah lesu 21 G21 Mata merah
22 G22 Menggosokkan kulit ke dinding kandang
23 G23 Mulut berbusa 24 G24 Nafas berbau busuk 25 G25 Nafsu makan berkurang 26 G26 Perubahan warna susu dan
terdapat gumpalan pada susu 27 G27 Perut sebelah kiri membesar dan
terasa sakit
28 G28 Produksi susu menurun 29 G29 Sesak nafas
30 G30 Tidak dapat berdiri
31 G31 Tumbuh bintil-bintil kecil pada telinga
32 G32 Vulva berbau busuk
Berikut adalah jenis penyakit pada kambing berdasarkan penelitian dan observasi di UPT PT dan HMT Kabupaten Jember dapat dilihat pada Tabel 2.
Tabel 2. Jenis Penyakit Kambing
No Kode Penyakit Nama Penyakit 1 P1 Cacingan
2 P2 Endometritis (Radang uterus) 3 P3 Kelumpuhan (Hypocalcemia) 4 P4 Kembung (Bloat)
5 P5 Keracunan
6 P6 Mastitis (Radang ambing) 7 P7 Myasis (Belatungan) 8 P8 Orf
9 P9 Pink Eye (Radang mata) 10 P10 Pneumonia
11 P11 Scabies (Kudis)
3.2 Mesin Inferensi
Pada sistem pakar ini, mesin inferensi yang digunakan adalah mesin inferensi dengan penulusuran jawaban forward chaining. Proses diagnosis penyakit kambing ini dengan
melakukan proses perhitungan menggunakan metode Dempster Shafer untuk mendiagnosis jenis penyakit yang diderita oleh ternak. Diagram blok alur metode inferensi forward chaining dapat dilihat pada Gambar 2.
Gambar 2. Diagram Blok Inferensi Forward Chaning dengan Metode Dempster Shafer
Perhitungan dalam metode Dempster Shafer dimulai dengan memasukkan nilai densitas setiap gejala ke dalam basis data sebagai dasar perhitungan. Pengguna memasukkan gejala yang terjadi pada kambing ke dalam sistem pakar. Sistem pakar akan melakukan proses pencocokan gejala yang dimasukkan pengguna dengan data gejala yang terdapat pada basis data sehingga diperoleh kemungkinan penyakit dan nilai densitasnya untuk dihitung nilai belief dan plausibility. Jika nilai sudah diperoleh dan hanya terdapat satu gejala saja, maka hasil kemungkinan penyakit yang sesuai ditentukan berdasarkan nilai belief tertinggi.
Jika gejala yang dimasukkan lebih dari satu, maka hasil dari nama penyakit dan nilai belief, plausibility gejala pertama akan sementara disimpan pada blackboard. Untuk gejala kedua dilakukan tahapan yang sama dengan gejala pertama dan hasilnya disimpan sementara. Setelah diperoleh nilai dua gejala maka dapat dilakukan perhitungan untuk mencari nilai densitas gabungan atau nilai densitas ketiga yang berasal dari gejala 1 dan gejala 2 serta kemungkinan penyakit yang dimasukkan dalam persamaan 3 teori Dempster Shafer. Dari hasil nilai densitas ketiga akan diperoleh kemungkinan penyakit dengan nilai densitas baru yang kemudian disimpan dalam blackboard.
Setelah diperoleh nilai densitas ketiga dan masih terdapat gejala lain yang dimasukkan pengguna maka dilakukan perhitungan nilai densitas gabungan baru antara nilai densitas ketiga dengan nilai densitas gejala ketiga seperti pada tahapan sebelumnya. Proses perhitungan terus dilakukan sebanyak gejala yang dimasukkan pengguna. Jika semua gejala selesai dihitung, maka pengambilan kesimpulan diperoleh dari hasil nilai densitas gabungan yang paling terakhir dihitung. Diagram alir proses perhitungan dengan metode Dempster Shafer dapat dilihat pada Gambar 3.
Gambar 3.Flowchart Metode Demspter Shafer
3.3 Blackboard
Blackboard adalah area memori yang berfungsi sebagai basis data untuk merekam hasil sementara suatu keputusan dengan menyetarakan hasil perhitungan akhir sebelum sistem memutuskan kesimpulan. Pada sistem pakar diagnosis penyakit kambing ini data yang disimpan dalam blackboard adalah hasil perhitungan sementara dari metode Dempster Shafer. Perhitungan sementara itu meliputi data
gejala masukan dari pengguna, nilai perhitungan belief dan plausibility tiap gejala, hasil perhitungan nilai densitas baru, hasil perhitungan nilai densitas akhir, dan diagnosis penyakit kambing.
3.4 Fasilitas Penjelas
Fasilitas penjelas pada sistem ini akan dimasukkan ke dalam hasil diagnosis. Fasilitas penjelas berisi penjelasan bagaimana sebuah kesimpulan dapat diambil. Fasilitas penjelas yang akan diberikan dalam aplikasi penyakit kambing ini yaitu menjelaskan proses diagnosis penyakit yang dimulai dari masukan gejala oleh pengguna, kemudian proses perhitungannya sehingga didapatkan kesimpulan penyakit, nilai densitas berupa nilai keyakinan beserta saran pengobatannya. Fasilitas penjelas juga dapat digunakan untuk meyakinkan pengguna atas diagnosis yang dihasilkan oleh sistem pakar. 3.5 Perbaikan Pengetahuan
Perbaikan pengetahuan pada sistem pakar ini akan melakukan pembaharuan jika terdapat pengetahuan baru yang belum ada di database. Pembaharuan pengetahuan dilakukan dengan memeriksa data nilai densitas, jika ada pengetahuan baru maka sistem akan menambahkan pengetahuan di basis pengetahuan.
3.6 Antarmuka
Antarmuka merupakan penghubung antara sistem pakar dengan pemakai. Dengan antarmuka, pengguna dapat melakukan komunikasi dengan sistem pakar. Pada umumnya sistem pakar melakukan pendekatan berupa form tanya jawab dengan pengguna. Form tanya jawab tersebut berupa form konsultasi yang dapat dilihat pada Gambar 4.
Gambar 4. Antarmuka Konsultasi
4. PENGUJIAN DAN ANALISIS
Pengujian yang dilakukan dalam sistem pakar diagnosis penyakit pada kambing menggunakan metode Dempster Shafer yaitu pengujian validasi kebutuhan fungsional, pengujian perbandingan hasil proses perhitungan manual dengan hasil sistem dan pengujian akurasi.
4.1 Pengujian Validasi
Blackbox merupakan teknik pengujian validasi yang digunakan untuk mengetahui apakah sistem yang dibangun sudah benar sesuai dengan yang dibutuhkan baik untuk kebutuhan fungsional. Hasil pengujian validasi dengan menggunakan blackbox menunjukkan hasil akurat dengan nilai 100% karena semua fungsi pada sistem telah berjalan sesuai dengan apa yang dirancang.
4.2 Pengujian Akurasi
Pengujian akurasi dilakukan guna mengetahui performa dari sistem pakar dalam memberikan hasil diagnosis penyakit pada kambing berdasarkan gejala yang dimasukkan oleh pengguna. Pengujian akurasi dilakukan dengan metode pengujian f-measure. Pembagian kondisi tiap kelas dan nilai f-measure dapat dilihat pada Tabel 3.
Tabel 3. Pengujian f-measure
Kode TP FP FN TN Prec ision Rec all f-mea sure P001 4 0 1 27 1 0.8 0.89 P002 1 0 0 31 1 1 1 P003 2 0 0 30 1 1 1 P004 3 1 1 27 0.75 0.7 5 0.75 P005 2 0 0 30 1 1 1 P006 2 0 0 30 1 1 1 P007 3 0 0 29 1 1 1 P008 3 0 0 29 1 1 1 P009 4 0 0 28 1 1 1 P010 1 1 0 30 0.5 1 0.67 P011 5 0 0 27 1 1 1 Rata-rata 0.93 0.9 6 0.94
Berdasarkan hasil perhitungan f-measure diatas didapatkan nilai akurasi sebesar 0,94 atau 94%. Berdasarkan hasil tersebut dapat dikatakan bahwa sistem pakar ini memiliki tingkat akurasi yang cukup baik.
5. KESIMPULAN
Kesimpulan yang diperoleh berdasarkan pada penelitian yang telah dilakukan adalah sebagai berikut:
1. Proses diagnosis penyakit pada kambing dilakukan dengan cara memasukkan gejala klinis yang muncul pada kambing. Melalui gejala klinis tersebut akan dilakukan perhitungan menggunakan metode Dempster Shafer.
2. Sistem pakar diagnosis penyakit pada kambing ini memiliki kinerja yang mampu berjalan dengan baik sesuai kebutuhan fungsional. Hal ini berdasarkan pengujian blackbox yang telah membuktikan bahwa seluruh fungsi dapat bekerja sesuai dengan hasil yang diharapkan.
3. Hasil pengujian akurasi terhadap jumlah data menghasilkan nilai akurasi sebesar 94%. Berdasarkan hasil tersebut dapat dikatakan bahwa sistem pakar ini memiliki tingkat akurasi yang cukup baik.
Saran yang dapat diberikan untuk pengembangan sistem agar menjadi lebih baik antara lain:
1. Data gejala, data penyakit, data latih, dan data aturan sebaiknya ditambahkan lagi agar dapat memperoleh hasil yang lebih akurat serta perbaikan pengetahuan dilakukan secara berkala agar dapat terus mengikuti perkembangan pengetahuan dan mengevaluasi apakah pengetahuan-pengetahuan yang sudah ada masih cocok digunakan di masa yang akan datang. 2. Sistem dapat dikembangkan lebih lanjut
dengan menggunakan metode algoritme evolusi untuk optimasi nilai densitas dari setiap gejala agar sistem lebih akurat. DAFTAR PUSTAKA
Dinas Pertanian Tanaman Pangan dan Peternakan., 2013. Gangguan Reproduksi Pada Ternak Ruminansia. Tersedia di: <http://dispertanak.batangkab.go.id/?p=29 2> [Diakses 1 Mei 2017]
Fadli, A., 2010. Sistem Pakar Dasar. Jakarta: Komunitas eLearning IlmuKomputer.Com. Giarratano, J., & Riley, G. 2005. Expert System;
Principles and Programming. PWS Publishing Company Boston.
Kementerian Pertanian RI, 2016. Sub Sektor
Peternakan. Tersedia di: <
http://www.pertanian.go.id/ap_pages/mod/ datanak> [Diakses 1 Mei 2017]
Kurniawati, D.P., 2014. Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosis Jenis-jenis Penyakit Diabetes Militus. Dewi Pratama Kurniawati.
Kusrini., 2006. Sistem Pakar, Teori dan Aplikasi. Yogyakarta: ANDI.
Kusrini., 2008. APLIKASI SISTEM PAKAR Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan. Yogyakarta: ANDI OFFSET.
Kusumadewi, S., 2003. Artificial Intellegence: Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu.
Luthfiarta, A., Zeniarja, J., Salam, A. 2013. Algoritma Latent Semantic Analysis (LSA) pada Peringkas Dokumen Otomatis untuk Proses Clustering Dokumen. SEMANTIK 2013.
Manning, C.D., Raghavan, P., Schtze, H. 2009. Introduction to Information Retrieval. New York, NY, USA: Cambridge University Press.
Mulyono, S., & Sarwono, B., 2014. Penggemukan Kambing Potong. Jakarta: Penerbit Swadaya.
Orisa, M., Santoso, P. B., & Setyawati, O., 2014. Sistem Pakar Diagnosis Penyakit Kambing Berbasis Web Menggunakan Metode Certainty Factor. EECCIS, 151-156. Pudjiatmoko, Syibili, M., & Nurtanto, S., 2014.
Manual Penyakit Hewan Mamalia. Jakarta: Direktorat Jenderal Peternakan dan Kesehatan Hewan.
Rosnelly, R., 2012. Sistem Pakar: Konsep dan Teori. Yogyakarta: ANDI.
Sjamsul bahri, R. A., Adjid, Beriajaya, & Wardhana., 2004. Manajemen Kesehatan Dalam Usaha Ternak Kambing. Lokakarya Nasional Kambing Potong, 79-95.
Suparman., 2014. Beternak Kambing. Semarang: Azka Press.
Susanto, A., & Sitanggang, M., 2015. Mengatasi Permasalahan Praktis Beternak Kambing. Jakarta: PT. Agro Media Pustaka.
Wahyuni, E.G., & Prijodiprojo, W., 2013. Prototype Sistem Pakar untuk Mendeteksi Tingkat Resiko Penyakit Jantung Koroner dengan Metode Dempster Shafer. IJCCS, 133-144.
