BAB I
PENDAHULUAN
1.1 Latar Belakang
Hewan ternak yang ada di Indonesia merupakan salah satu aspek bisnis untuk para penduduk Indonesia demi kelangsungan hidup, dan dimana hewan juga sangat bermanfaat bagi tumbuhan (kotorannya). Menurut (A. Prasetyo, t.t.) sapi merupakan hewan ternak yang memiliki potensi ekonomi yang cukup tinggi, baik sebagai ternak bibit maupun sebagai produk hewani yang dapat diambil daging, susu, dan lainnya. Menurut Statistik Peternakan dan Kesehatan Hewan 2023, Secara nasional, jumlah populasi ternak sapi tahun 2022 mengalami penurunan bila dibandingkan dengan populasi pada tahun 2021. Adapun rinciannya sebagai berikut: sapi potong 17,6 juta ekor atau penurunan 2,08 persen, sapi perah 507,1 ribu ekor atau penurunan 12,90 persen. Salah satu faktor yang perlu diperhatikan dalam pemeliharaan ternak sapi adalah kesehatan ternak itu sendiri. Salah satu bagian yang paling penting dalam penanganan kesehatan ternak adalah melakukan pengamatan terhadap ternak yang sakit melalui pemeriksaan ternak yang diduga sakit. Namun sayangnya, para peternak sapi memiliki pengetahuan yang rendah mengenai teknis pemeliharaan sapi seperti mutu pakan, perkandangan, dan kesehatan atau penyakit sapi. Keadaan tersebut mengakibatkan para peternak memiliki ketergantungan yang tinggi terhadap pakar ternak sapi atau dokter hewan yang ahli dalam menangani penyakit sapi. Akan tetapi, jumlah pakar ternak sapi atau dokter hewan saat ini jumlahnya terbatas, terutama di pedesaan. Biaya yang harus dikeluarkan juga tidak sedikit jumlahnya karena ternak sapi atau dokter hewan harus bekerja secara on call.
Menurut (Sibagariang, 2015) sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam.
Sistem pakar dibuat agar dapat menyelesaikan suatu permasalahan tertentu yang meniru kerja dari para ahli atau dari para pakar dibidangnya, dengan pengembangan
sistem pakar, diharapkan semua orang bisa menyelesaikan masalah yang hanya dapat diselesakan dengan bantuan para ahli atau pakar. Kemampuan sistem dalam mendiagnosa suatu gejala memanglah tidak sebaik seorang dokter ahli, masih banyak hal yang tidak pasti atau tidak konsisten yang dapat menyebabkan kemungkinan kesalahan diagnosa. Ketidak konsistenan ini dapat menyebabkan kekaburan hasil diagnosa sistem dan menjadi sebuah pertanyaan baru tentang besarnya persentasi kepastian hasil tersebut. Perhitungan ketidakpastian sangat diperlukan dalam sistem pakar, agar hasil diagnosa sistem dapat meyakinkan seperti layaknya diagnosa seorang ahli pakar. Menurut (Manik dkk., 2019) perhitungan ketidakpastian dalam sistem pakar dapat dilakukan dengan beberapa metode ketidakpastian. Salah satunya adalah dengan menggunakan metode Certainty Factor. Metode ini dapat digunakan untuk mendiagnosa penyakit mad cow disease pada manusia dengan cara memecah permasalahan Certainty Factor pakar dan Certainty Factor user yang telah ditentukan, kemudian mengalikan antara nilai Certainty Factor user dan nilai Certainty Factor pakar untuk menghasilkan nilai akhir pada setiap alternatif.
Penelitian mengenai sistem pakar penyakit menggunakan metode Certainty Factor pernah dilakukan oleh (Manik dkk., 2019). Pada penelitian tersebut didapatkan kesimpulan bahwa perangkat lunak yang dihasilkan mampu mendiagnosa penyakit pada sapi berdasarkan gejala yang dimasukkan dan dapat memberikan data mengenai penyakit yang diderita berupa nama penyakit dan solusi yang dilengkapi dengan nilai persentase dari penyakit tersebut. Penelitian lain juga telah dilakukan (Saputra & Wijaya, 2022). Pada penelitian tersebut, hasil dari penelitian ini adalah berhasilnya pengembangan sebuah sistem pakar diagnosa penyakit sapi dengan metode Fuzzy Tsukamoto. Sistem ini dapat menampilkan diagnosa penyakit sapi berdasarkan keluhan yang dimasukkan pengguna ke dalam sistem, serta memberikan saran dan aturan bagi pengguna dalam mengobati penyakit sapi. Dengan adanya sistem pakar ini, diharapkan dapat membantu peternakan sapi Pohon 99 dalam melakukan pemeriksaan dengan cepat karena sistem pakar dapat diakses secara online, sehingga memudahkan petugas dalam melakukan pemeriksaan dalam skala banyak.
Berdasarkan beberapa penelitian tersebut, maka akan dibuat “Sistem Pakar Diagnosa Penyakit Sapi Menggunakan Metode Certainty Factor Berbasis Web”.
Data-data yang dibutuhkan seperti nama penyakit, gejala penyakit, dan cara penanganannya didapatkan langsung dari ahli/pakar yang memahami ilmu tentang penyakit sapi serta buku dan jurnal yang mendukung
1.2 Rumusan Masalah
Berdasarkan latar belakang yang diangkat, maka dibuat rumusan masalah yang akan diselesaikan dalam penelitian ini adalah:
1. Bagaimana merancang sistem pakar diagnosa penyakit pada hewan sapi berbasis web?
2. Bagaimana mengimplementasikan metode Certainty Factor dalam sistem pakar untuk mendiagnosa penyakit pada sapi?
3. Bagaimana mengukur tingkat akurasi dan kehandalan sistem pakar dalam mendiagnosa penyakit sapi berbasis web dengan metode Certainty Factor ?
1.3 Batasan Masalah
Untuk membatasi pembatasan agar terfokuskan pada aspek yang diangkat sebagai pembahasan utama dalam penelitian ini, maka perlu dibuat adanya batasan- batasan masalah, antara lain:
1. Sistem pakar yang dibangun berbasiskan web
2. Jumlah penyakit yang dapat di diagnose sebanyak 25 penyakit.
3. Jenis penyakit yang akan digunakan yaitu penyakit non-viral
1.4 Tujuan Penelitian
Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan teknologi informasi yang dapat membantu mendiagnosa penyakit pada hewan ternak, khususnya sapi, dengan lebih akurat dan efisien.
1.5 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat yang signifikan dalam bidang peternakan, khususnya dalam upaya mendiagnosa penyakit pada sapi dengan lebih baik.
1.6 Sistematika Penulisan
Sistematika dalam penulisan skripsi ini berfungsi sebagai gambaran mengenai isi laporan berdasarkan susunan bab, yaitu:
BAB I PENDAHULUAN
Pada bab ini menguraikan latar belakang dilakukannya penelitian ini, menentukan perumusan masalah, tujuan penelitian, manfaat penelitian, dan batasan masalah yang ada berdasarkan latar belakang yang telah dibuat, serta sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini berisi tentang konsep dasar serta teori-teori yang berkaitan dengan topik penelitian dari sumber pustaka dan refrensi yang menjadi landasan dasar dalam perancangan, analisis kebutuhan sampai implementasi dan pengujian sistem.
BAB III METODOLOGI PENELITIAN
Menguraikan secara rinci metode penelitian yang di gunakan. Metode tersebut meliputi pengumpulan data dan metode system pakar.
BAB IV ANALISIS DAN PERANCANGAN SISTEM, IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini berisi tentang analisis kebutuhan dalam membangun aplikasi ini, analisis sistem yang sedang berjalan pada aplikasi sesuai dengan metode pembangunan perangkat lunak yang digunakan. Selain itu terdapat juga perancangan antar muka yang akan dibangun sesuai dengan analisis yang telah dibuat.
BAB V HASIL DAN PEMBAHASAN
Pada bab ini akan menjelaskan tentang tahapan dari implementasi pembuatan website yang sesuai dengan analisis dan desain yang telah dibuat di bab sebelumnya dan tahapan penggunaan serta testing program.
BAB VI KESIMPULAN DAN SARAN
Bab ini akan dibuat kesimpulan dan saran yang telah didapat setelah melakukan proses pembuatan aplikasi sistem.
5
2.1 Penelitian Terdahulu
Penelitian terdahulu adalah upaya peneliti untuk mencari perbandingan dan selanjutnya untuk menemukan inspirasi baru untuk peneltiain selanjutnya di samping itu kajian terdahulu membantu penelitian dapat memposisikan penelitian serta menujukkan orsinalitas dari penelitian. Pada bagaian ini peneliti mencamtumkan berbagai hasil penelitian terdahulu terkait dengan penelitian yang hendak dilakukan, kemudian membuat ringkasannya, baik penelitian yang sudah terpublikasikan atau belum terpu blikasikan. Berikut merupakan penelitian terdahulu :
Penelitian yang dilakukan oleh (Manik dkk., 2019). Mengangkat permasalahan tentang bagaimana merancang sebuah sistem pakar berbasis aplikasi yang menggunakan metode Certainty Factor untuk mendiagnosa penyakit Mad Cow Disease pada manusia dengan tingkat ketepatan dan akurasi yang tinggi.
Metode yang digunakan dalam penelitian ini adalah metode Certainty Factor.
Metode ini memecah masalah diagnosa penyakit Mad Cow Disease dengan mempertimbangkan Certainty Factor pakar dan Certainty Factor user yang telah ditentukan sebelumnya. Certainty Factor pakar mengacu pada tingkat keyakinan pakar medis terhadap suatu gejala yang berkaitan dengan penyakit Mad Cow Disease, sedangkan Certainty Factor user mencerminkan tingkat kepastian pengguna dalam mengamati dan melaporkan gejala-gejala yang dialami
Penelitian yang dilakukan oleh (Rizqi Muhammad Hakim, 2022). Membahas tentang kebutuhan akan sistem yang dapat membantu dalam mendiagnosis penyakit pada sapi dengan cepat dan akurat. Dalam bidang peternakan sapi, deteksi dini terhadap penyakit yang dapat menyerang sapi sangat penting. Oleh karena itu, pengembangan sistem pakar untuk mendiagnosis penyakit pada sapi menjadi topik yang relevan dan penting untuk dibahas dalam jurnal ini.Metode penelitian yang digunakan dalam studi ini adalah metode Certainty Factor (CF). Metode Certainty Factor digunakan untuk menghitung tingkat keahlian sistem pakar dalam
mendiagnosis penyakit pada sapi. Metode ini memperhitungkan tingkat kepastian berdasarkan gejala yang diinputkan dalam sistem. Dalam penelitian ini, metode Certainty Factor digunakan untuk menghasilkan prediksi hasil diagnosa dengan tingkat akurasi yang tinggi.
Penelitian yang dilakukan oleh (Muzakkir & Botutihe, 2020). Penelitian ini mengangkat permasalahan mengenai tingginya populasi sapi di Kabupaten Pohuwato dan kurangnya pemahaman masyarakat dalam menangani penyakit pada sapi. Hal ini menyebabkan kesulitan dalam mencari tenaga ahli atau pakar yang dapat menangani penyakit hewan ternak, terutama di daerah pedesaan. Oleh karena itu, diperlukan suatu metode yang dapat membantu dalam mendiagnosa penyakit pada sapi, mengingat pengetahuan mengenai penyakit sapi yang dimiliki oleh masyarakat masih terbatas. Metode yang digunakan dalam penelitian ini adalah metode Case Based Reasoning (CBR). Metode CBR digunakan untuk mendiagnosa penyakit pada sapi dan memberikan solusi penanganan berdasarkan kasus-kasus yang telah terjadi sebelumnya. Metode ini memanfaatkan pengetahuan yang tersimpan dalam casebase untuk mempercepat proses pembelajaran.
Penelitian yang dilakukan oleh (Irawan dkk., 2021). Penelitian ini mengangkat beberapa permasalahan, di antaranya adalah sulitnya akses peternak di desa Aek Nagali untuk mendapatkan bantuan dari dokter hewan, kurangnya pengetahuan peternak tentang gejala penyakit pada sapi, serta kesulitan dalam menentukan pencegahan dan pengobatan penyakit sapi. Metode yang digunakan dalam penelitian ini adalah kombinasi antara Forward Chaining dan Backward Chaining dalam mendiagnosa penyakit pada sapi. Metode Forward Chaining digunakan untuk mengidentifikasi gejala-gejala yang terjadi pada sapi, sedangkan metode Backward Chaining digunakan untuk menentukan langkah-langkah pencegahan dan pengobatan berdasarkan gejala yang terdeteksi. Dengan menggabungkan kedua metode ini, diharapkan sistem pakar dapat memberikan solusi yang tepat dan efektif dalam mencegah dan mengobati penyakit sapi.
Penelitian yang dilakukan oleh (Priatmana dkk., 2023). Penelitian ini bertujuan untuk mengatasi permasalahan serangan penyakit pada sapi yang sering dihadapi oleh peternak sapi. Sapi yang sehat dengan berat badan ideal memiliki nilai jual yang tinggi di pasaran. Dengan mengetahui informasi mengenai penyakit
sapi sejak dini, gejala penyakit pada sapi dapat dicegah. Oleh karena itu, penulis merancang aplikasi sistem pakar yang berfungsi untuk mendiagnosa penyakit pada sapi menggunakan metode Certainty Factor yang dikembangkan berbasis Android.
Dalam penelitian ini, digunakan metode Certainty Factor untuk mendiagnosa penyakit pada sapi. Metode Certainty Factor digunakan untuk membuktikan tingkat ketidakpastian pemikiran seorang pakar melalui perhitungan yang menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi.
Metode ini dapat mengukur tingkat kepastian atau ketidakpastian dalam pengambilan keputusan pada sistem pakar diagnosa penyakit. Dalam penelitian ini, metode Certainty Factor diimplementasikan dalam aplikasi berbasis Android untuk memudahkan peternak sapi dalam mendiagnosa penyakit yang mungkin dialami oleh sapi mereka.
Penelitian yang dilakukan oleh (Handayani, 2021). Penelitian ini bertujuan untuk mengatasi permasalahan kurangnya pengetahuan para peternak sapi dalam mengidentifikasi penyakit pada sapi sejak dini. Kurangnya pengetahuan ini dapat menyebabkan penyebaran penyakit yang cepat dan berpotensi menyebabkan kematian pada sapi. Selain itu, proses identifikasi penyakit pada sapi juga membutuhkan biaya yang signifikan dan waktu yang lama. Oleh karena itu, pengembangan sistem pakar diagnosa penyakit hewan ternak sapi dengan metode Bayesian Network diharapkan dapat membantu dalam mencegah dan mengobati penyakit pada sapi dengan lebih efisien Dalam penelitian ini, digunakan metode Bayesian Network dalam sistem pakar diagnosa penyakit hewan ternak sapi.
Metode Bayesian Network adalah pendekatan yang menggunakan model probabilitas untuk menggambarkan hubungan antara gejala-gejala penyakit dan kemungkinan diagnosis yang mungkin. Dalam konteks ini, Bayesian Network digunakan untuk memodelkan hubungan antara gejala-gejala yang diamati pada hewan ternak sapi dan kemungkinan penyakit yang mungkin diderita oleh hewan tersebut. Dengan memanfaatkan model ini, sistem pakar dapat memberikan diagnosis yang akurat dan membantu peternak sapi dalam mengambil keputusan yang tepat terkait pencegahan dan pengobatan penyakit pada sapi.
Penelitian yang dilakukan oleh (Rachmania dkk., 2023). Penelitian ini bertujuan untuk mengatasi permasalahan kesulitan peternak dalam mendapatkan
dokter hewan untuk mengontrol kesehatan hewan ternak, terutama di daerah terpencil dan pedesaan. Selain itu, biaya yang dikeluarkan untuk mendatangkan dokter hewan juga cukup mahal dan dapat mengurangi margin keuntungan peternakan sapi. Oleh karena itu, dibuatlah sebuah aplikasi sistem pakar untuk mendeteksi penyakit pada hewan ternak sapi secara tepat dan akurat menggunakan metode Case Based Reasoning berbasis Android. Metode yang digunakan dalam penelitian ini adalah metode Case Based Reasoning (CBR). Metode ini digunakan untuk melakukan diagnosa penyakit pada hewan ternak sapi berdasarkan kasus- kasus sebelumnya yang tersimpan dalam database. Dalam konteks ini, sistem pakar memanfaatkan pengetahuan yang ada dalam casebase untuk membandingkan gejala yang muncul pada hewan ternak dengan kasus-kasus sebelumnya dan memberikan diagnosa penyakit yang sesuai. Dalam penelitian ini, metode CBR diimplementasikan dalam sebuah aplikasi berbasis Android, sehingga memudahkan peternak dalam melakukan diagnosa penyakit pada hewan ternak sapi dengan cepat dan efisien.
Penelitian yang dilakukan oleh (Saputra & Wijaya, 2022). Penelitian ini bertujuan untuk mengatasi kesulitan dalam mendiagnosa penyakit sapi yang dapat menyebabkan kematian pada sapi dan mengakibatkan kerugian pada peternakan.
Selain itu, pengurus peternakan sering mengalami kesulitan dalam memeriksa penyakit pada sapi karena jumlah sapi yang banyak, sehingga membuat pengurus kewalahan dan dapat terjadi kesalahan dalam diagnosa penyakit sapi. Dalam penelitian ini, digunakan metode Fuzzy Tsukamoto untuk mendiagnosa penyakit pada sapi. Metode ini menggunakan logika fuzzy untuk mengubah input yang berupa gejala-gejala penyakit menjadi suatu bilangan pada himpunan fuzzy yang telah ditentukan. Dengan menggunakan aturan-aturan yang didefinisikan berdasarkan pengetahuan pakar, sistem pakar dapat menghasilkan nilai output yang mencerminkan tingkat keparahan atau kemungkinan terjadinya penyakit pada sapi.
Penelitian yang dilakukan oleh (Gunawan & Hadikurniawati, 2023).
Permasalahan yang diangkat dalam penelitian ini adalah mendiagnosis penyakit pada sapi berdasarkan gejala yang muncul, serta memberikan rekomendasi penanganan berdasarkan gejala yang dipilih. Metode yang digunakan dalam penelitian ini adalah metode Case Based Reasoning (CBR). Metode CBR
digunakan untuk mengambil keputusan berdasarkan solusi kasus-kasus lampau yang pernah terjadi, sehingga dapat membantu dalam mendiagnosis penyakit pada sapi berdasarkan gejala yang muncul.
Penelitian yang dilakukan oleh (Zamroni dkk., 2022). Jurnal ini membahas tentang penyebaran penyakit mulut dan kuku (PMK) pada sapi di Indonesia pada tahun 2022 yang menyebabkan kerugian besar bagi peternak. Selain itu, terdapat kebutuhan akan sistem yang dapat membantu mendiagnosa penyakit pada sapi dan memberikan informasi tentang pencegahan dan penanganannya. Penelitian ini menggunakan metode Forward Chaining untuk mengembangkan sistem pakar dalam mendiagnosa penyakit pada sapi, khususnya penyakit mulut dan kuku (PMK). Metode Forward Chaining merupakan teknik pelacakan ke depan yang menggunakan informasi yang tersedia dan menggabungkan aturan-aturan untuk menghasilkan sebuah keputusan atau tujuan. Metode ini digunakan untuk mencari aturan-aturan hingga ditemukan satu klausa IF yang bernilai benar (True), dan kemudian memberikan kesimpulan atau keputusan terhadap data yang ada.
Penelitian yang dilakukan oleh (Taufik & Mulia, 2021). Penelitian ini membahas tentang kesulitan yang dihadapi oleh peternak dalam menangani dan mengetahui penyebab penyakit pada ternak sapi dengan pengetahuan yang terbatas, sehingga jumlah kematian ternak sapi terus meningkat setiap harinya. Selain itu, jumlah ahli atau pakar kesehatan hewan ternak yang tersedia tidak seimbang dengan jumlah masyarakat atau peternak sapi. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data primer melalui observasi, wawancara, dan studi kepustakaan. Selain itu, data sekunder juga digunakan untuk mendukung penelitian ini. Metode pengembangan sistem System Development Life Cycle (SDLC) diimplementasikan dalam pengembangan sistem pakar diagnosa penyakit sapi berbasis web mobile.
Penelitian yang dilakukan oleh (W. D. Prasetyo & Wahyudi, 2019). Penelitian ini bertujuan untuk mengatasi kesulitan peternak dalam mendiagnosis penyakit pada sapi, yang dapat mengakibatkan kesalahan dalam pengobatan dan kerugian bagi peternak. Selain itu, jarak yang jauh antara peternak dan dokter hewan juga menjadi kendala dalam mengobati sapi yang terserang penyakit. Oleh karena itu, diperlukan suatu sistem yang dapat membantu peternak dalam mendiagnosis
penyakit pada sapi dan memberikan informasi mengenai cara pengobatan yang tepat. Metode yang digunakan dalam penelitian ini adalah metode Forward Chaining yang merupakan salah satu metode dari sistem pakar yang mencari atau menelusuri solusi melalui masalah. Metode ini melakukan pertimbangan dari fakta- fakta yang kemudian berujung pada sebuah kesimpulan yang berdasarkan pada fakta-fakta.
Penelitian yang dilakukan oleh (Maya, 2021). Jurnal ini membahas tentang pentingnya diagnosis dini penyakit Creutzfeldt-Jakob (CJD) dan bagaimana sistem pakar dapat membantu dalam proses diagnosa. Selain itu, artikel ini juga membahas penerapan metode Theorema Bayes dalam penyelesaian masalah diagnosa penyakit CJD. Metode yang digunakan dalam penelitian ini adalah metode Theorema Bayes.
Metode ini digunakan untuk menghitung probabilitas terjadinya suatu kejadian berdasarkan informasi yang ada. Dalam konteks penelitian ini, metode Theorema Bayes digunakan untuk menghitung probabilitas terjadinya penyakit Creutzfeldt- Jakob (CJD) berdasarkan gejala yang dialami oleh pasien.
Penelitian yang dilakukan oleh (Wardani dkk., 2022). Penelitian ini bertujuan untuk mengatasi kurangnya pengetahuan peternak tentang penyakit sapi dan kesulitan akses ke dokter hewan dalam mendiagnosa penyakit sapi. Hal ini dapat menyebabkan kerugian ekonomi yang besar bagi peternak jika penyakit tidak segera diidentifikasi dan ditangani dengan tepat. Metode yang digunakan dalam penelitian ini adalah metode Bayes. Metode Bayes adalah sebuah teorema yang digunakan untuk menentukan peluang terjadinya suatu kejadian berdasarkan informasi yang ada. Dalam konteks penelitian ini, metode Bayes digunakan dalam proses diagnosa penyakit sapi untuk menentukan solusi pengobatan berdasarkan gejala yang dialami oleh sapi.
Penelitian yang dilakukan oleh (Wulandari dkk., 2023). Artikel ini mengangkat permasalahan tentang kesulitan dalam memahami dan mendiagnosa penyakit yang menyerang sapi jenis Simmental. Ketika salah satu sapi Simmental sakit, peternak sering kali menghadapi kesulitan dalam memahami penyakit yang menyerang dan membutuhkan bantuan dokter hewan yang memerlukan biaya dan waktu yang cukup lama untuk pemeriksaan. Metode yang digunakan dalam penelitian ini adalah metode Teorema Bayes. Metode ini digunakan untuk
menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang dihasilkan dari observasi. Dalam konteks penelitian ini, metode Teorema Bayes digunakan untuk menghitung probabilitas terjadinya penyakit pada sapi Simmental berdasarkan gejala-gejala yang dialami oleh sapi tersebut.
Penelitian yang dilakukan oleh (Marifati dkk.,2020). Artikel ini membahas tentang pentingnya mencegah dan mendeteksi penyakit pada hewan ternak, khususnya sapi, karena hal ini berdampak langsung pada produksi daging sapi dan kesejahteraan peternak. Selain itu, artikel juga mengemukakan kebutuhan akan pengetahuan dan informasi mengenai penyakit pada sapi serta cara mendeteksi gejala penyakit secara dini. Metode yang digunakan dalam penelitian ini adalah metode Certainity Factor. Metode ini digunakan untuk menganalisis gejala-gejala yang muncul pada hewan ternak dan memberikan informasi mengenai kemungkinan jenis penyakit yang diderita sapi.
Penelitian yang dilakukan oleh (Harish & Topiq, 2023). Permasalahan yang diangkat dalam jurnal ini adalah banyaknya penyakit yang menyerang sapi dan kurangnya kepekaan setiap peternak terhadap gejala yang dialami oleh sapi ternaknya. Hal ini dapat menyebabkan kematian pada sapi jika tidak segera ditangani dengan tepat. Metode yang digunakan dalam penelitian ini adalah metode forward chaining. Forward Chaining merupakan salah satu metode reasoning yang digunakan dalam sistem pakar untuk mencapai suatu kesimpulan atau solusi berdasarkan aturan-aturan yang ada dan fakta-fakta yang ditemukan. Teknik ini menggunakan data untuk menentukan aturan mana yang akan dieksekusi atau menambahkan data ke memori untuk diproses guna menemukan hasilnya.
2.2 Sistem Pakar
Sistem pakar merupakan suatu program yang mengandung pengetahuan pada suatu bidang spesifik didasari oleh para pakar atau ahli. Sistem pakar pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970- an serta diterapkan secara komersial selama 1980-an. Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan untuk menganalisis informasi (biasanya diberikan oleh pengguna suatu sistem), dan analisis matematis dari masalah tersebut. Tergantung dari desainnya, sistem pakar juga mampu
merekomendasikan suatu rangkaian tindakan pengguna untuk menerapkan koreksi.
Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu kesimpulan.
Sistem pakar adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang ahli untuk menyelesaikannya.
a. Kelebihan Sistem Pakar
1) Increased Availability, Pengetahuan seorang pakar yang sudah diadaptasi ke bentuk software dapat diperbanyak dan disebarluaskan dalam jumlah yang tidak terbatas.
2) Reduced cost, Mengurangi biaya di mana pembuatan sistem pakar bertujuan untuk mengurangi biaya yang harus dikeluarkan untuk membayar pakar atau ahli.
3) Reduced danger atau mengurangi bahaya, sistem pakar dapat digunakan dalam lingkungan yang mungkin berbahaya untuk manusia.
4) Permanence, bersifat Tetap di mana software sistem pakar dapat digunakan kapan saja tanpa ada batas waktu dan tersimpan di dalam komputer.
5) Increased reliability, meningkatnya reliabilitas di mana para ahli sistem meningkatkan rasa percaya diri bahwa keputusan yang benar telah dibuat dengan memberikan pendapat kedua pakar manusia.
6) Explanation, keputusan yang dibuat oleh sistem pakar bersifat sangat Jelas dan tepat.
7) Meningkatkan produktifitas karena meningkatnya kualitas hasil pekerjaan.
b. Kekurangan Sistem Pakar
1) Daya kerja dan produktivitas manusia menjadi berkurang karena semuanya dilakukan secara otomatis oleh sistem.
2) Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan perangkat lunak konvensional.
3) Pengetahuan seorang pakar yang sudah diadaptasi kebentuk software dapat diperbanyak dan disebarluaskan dalam jumlah yang tidak terbatas.
2.3 Metode Certainty Factor
Faktor kepastian (Certainty Factor ) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley, 1984). Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty Factor menunjukkan ukuran kepastian terhadap suatu fakta atau aturan(Trainit-Algoritma.html, t.t.).
Certainty Factor memiliki kelebihan dalam efisiensi dan keakuratan karena mampu menghitung dan menganalisis data dalam satu proses perhitungan. Metode ini fokus pada dua data yang relevan, sehingga keakuratan data dapat terjaga dengan baik. Namun, kekurangannya terletak pada keterbatasan dalam mengolah jumlah data yang lebih besar, serta kompleksitas analisis yang meningkat jika terdapat banyak data yang relevan.
Certainty Factor menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Notasi Faktor Kepastian adalah sebagai berikut :
CF[h,e] = MB[h,e] – MD [h,e] ... 2.1 Dimana :
CF[h,e] = Faktor Kepastian.
MB[h,e] = Ukuran kepercayaan terhadap.
hipotesis h, jika diberikan evidence e(antara 0 dan 1).
MD[h,e] = Ukuran ketidak percayaan terhadap evidence h, jika diberikan evidence e (antara 0 dan 1).
Certainty factor dengan satu premis.
CF[h,e] = CF[e] * CF[rule] = CF[user] * CF[pakar] ... 2.2 Pada rumus persamaan (2.2) diatas adalah menentukan nilai certainty factor dengan satu premis (gejala) dimana untuk mencari CF[h,e] maka CF[e]user atau nilai bobot gejala dari user dikali dengan CF[pakar] atau nilai bobot gejala dari pakar.
Certainty factor dengan kesimpulan yang serupa.
CF gabungan [CF1, CF2] = CF1 + CF2 * (1 – CF1) ... 2.3
Pada persamaan 2.3 adalah rumus persamaan untuk mencari nilai certainty factor gabungan setelah dari rumus persamaan 2.2 untuk mencari hasil akhir dari nilai bobot akhir dari metode certainty factor dapat dilihat sesuai dengan rumus persamaan gabungan CF gabungan [CF1, CF2] di dapatkan dengan cara menambah hasil dari perhitungan nilai bobot pertama CF1 ditambahkan dengan nilai bobot kedua CF2 dan dikalikan dengan 1 lalu dikurangi dengan nilai bobot pertama CF1 dimana 1 adalah nilai tetap.Kelebihan dari metode ini adalah cocok digunakan pada sistem pakar yang mengukur sesuatu yang pasti atau tidak pasti seperti mendiagnosis penyakit dan perhitungan dari metode ini hanya berlaku untuk sekali hitung, serta hanya dapat mengolah dua data sehingga keakuratannya terjaga.
2.4 Penyakit Pada Sapi
Penyakit pada sapi merupakan kasus yang paling sering ditemui pada sapi potong dan sapi perah. Penyakit pada sapi dapat disebabkan oleh berbagai agen seperti virus, bakteri, mikoplasma, dan jamur. Beberapa contoh penyakit pada sapi termasuk penyakit mulut dan kuku (PMK), lumpy skin disease (LSD), penyakit sapi gila (BSE), dan antraks. Penyakit-penyakit ini dapat menyebabkan berbagai gejala klinis seperti kehilangan nafsu makan, dehidrasi, lesu, dan depresi. Pencegahan penyakit pada sapi meliputi manajemen pemeliharaan yang baik, sanitasi, penerapan biosekuriti, serta kontrol faktor lingkungan. Selain itu, faktor-faktor seperti kepadatan populasi, kualitas udara, dan kebersihan lingkungan juga berperan dalam mencegah penyakit pada sapi.
Penyakit pada sapi dapat menyebabkan kerugian pada peternak seperti turunnya produksi susu hingga 50%, meningkatkan kematian, menurunkan indeks performa, dan bahkan meningkatkan biaya produksi hingga 20%. Oleh karena itu, pencegahan serta penanganan dari penyakit haruslah tepat. Kondisi sapi juga harus diperhatikan, karena kondisi imunosupresi dapat menyebabkan agen penyakit mudah masuk ke dalam tubuh sapi. Penyebaran dari penyakit pun cukup mudah, yaitu melalui antar individu sapi secara langsung maupun tidak langsung. Selain manajemen pemeliharaan yang baik, sanitasi, dan penerapan biosekuriti, faktor- faktor seperti kepadatan populasi, kualitas udara, dan kebersihan lingkungan juga berperan dalam mencegah penyakit pada sapi. Pencegahan yang tepat dapat
membantu mengurangi kerugian pada peternak dan meningkatkan produktivitas sapi.
2.5 PHP
PHP (Hypertext Preprocessor) adalah sebuah bahasa pemrograman server- side scripting yang bersifat open source. Bahasa ini pertama kali dikembangkan oleh Rasmus Lerdorf pada sekitar tahun 1995. PHP dirancang dengan sintaks yang mirip dengan bahasa pemrograman C, sehingga mudah dipelajari dan dipahami, terutama bagi pengembang yang sudah memiliki pengalaman dengan bahasa pemrograman berbasis C.
PHP (Hypertext Preprocessor) memiliki beberapa kelebihan yang membuatnya menjadi bahasa pemrograman yang populer dalam pengembangan aplikasi web. kemudahan pemelajaran dan sintaks yang sederhana, kompatibilitas yang luas dengan platform dan server web, sifat sumber terbuka yang memungkinkan modifikasi dan dukungan komunitas yang kuat, integrasi yang baik dengan HTML serta adanya dukungan dan sumber daya yang melimpah. Walaupun PHP memiliki beberapa kelemahan, seperti masalah keamanan dan performa dalam skala besar, dengan penggunaan yang tepat dan praktik terbaik, PHP tetap menjadi salah satu pilihan utama dalam pengembangan aplikasi web(Pengertian PHP, Sejarah, Sintak Dasar dan Kelebihannya - FIKTI.html, t.t.).
2.6 MYSQL
Menurut (Alifian, dkk, 2020), MySQL adalah sebuah software database.
MySQL merupakan tipe data relasional yang artinya MySQL menyimpan datanya dalam bentuk Tabel-tabel yang saling berhubungan. Keuntungan menyimpan data di database adalah kemudahannya dalam penyimpanan dan menampilkan data karena dalam bentuk tabel.
Menurut (Bere dkk., 2021) salah satu keunggulan utama MySQL adalah bahwa ini adalah perangkat lunak sumber terbuka (open-source), yang berarti pengguna dapat mengunduhnya, menggunakannya, dan memodifikasinya secara gratis. MySQL juga kompatibel dengan berbagai sistem operasi, termasuk Linux, Windows, dan macOS, sehingga dapat diimplementasikan di berbagai lingkungan.
BAB III
ANALISA DAN DESAIN SISTEM
3.1 Analisis Kebutuhan Sistem
Analisis kebutuhan sistem merupakan tahapan awal dan utama untuk membuat pondasi dalam langkah pengembangan sistem(Apa itu Persyaratan Non- Fungsional_ Contoh, Definisi, Panduan Lengkap - Solusi Visure.html, t.t.). Analisis kebutuhan sistem yaitu terdiri dari kebutuhan perangkat keras, kebutuhan perangkat lunak, kebutuhan input dan kebutuhan output.
Tujuan dari analisis kebutuhan sistem yaitu untuk menemukan masalah yang akan dihadapi atau kebutuhan yang akan diterapkan ke dalam sistem. Dari analisis kebutuhan sistem tersebut diharapkan dapat membantu penulis dalam memperbaiki masalah yang ada selama proses pengembangan sistem.
3.1.1. Kebutuhan Fungsional
Kebutuhan Fungsional adalah jenis kebutuhan yang berisikan proses proses apa saja yang di berikan oleh aplikasi yang di bangun.
Kebutuhan fungsional Sistem Pakar ini adalah:
1. Kebutuhan sistem admin yang harus dipenuhi:
a. Admin dapat merubah dan menghapus data gejala.
b. Admin dapat merubah dan menghapus data penyakit.
c. Admin dapat menambah dan merubah data diagnosa gejala dan penyakit.
d. Admin dapat merubah nilai MB dan MD Keluar dari aplikasi.
2. Kebutuhan sistem user yang harus dipenuhi:
a. User melakukan diagnosa dengan memilih gejala yang timbul.
b. User dapat melihat hasil diagnosa beserta Solusi terkait data.
3.1.2. Kebutuhan Non Fungsional
Kebutuhan yang menitik beratkan pada properti yang dimiliki sistem, baik dalam lingkungan pengembangan maupun operasional, atau atribut kualitas yang di penuhi oleh sistem.
a. Kebutuhan Perangkat Keras(Hardware)
Perangkat keras yang digunakan untuk mendukung pembangunan sistem ini adalah :
1. Laptop HP
2. Processor : AMD A4-9125 RADEON R3, 4 COMPUTE CORES 2C+2G 2.30 GHz.
3. RAM 4,00 GB
4. Sytem type 64-bit operating system, x64-based processor.
b. Kebutuhan Perangkat Lunak (Software)
Perangkat lunak yang digunakan untuk mendukung pembangunan sistem ini adalah :
1. Windows 10.
2. XAMPP versi 3.3.0.
3. Visual Studio Code.
4. Browser Google Chrome.
3.2 Perancangan Sistem dengan Diagram Alur
Pencangan sistem dengan diagram alur dapat dilakukan dengan menggunakan beberapa pendekatan, seperti Data Flow Diagram (DFD), Conceptual Data Model (CDM), dan Physical Data Model (PDM). DFD adalah alat pembuatan model yang memungkinkan profesional sistem untuk menggambarkan sistem sebagai suatu jaringan proses fungsional. CDM dan PDM digunakan untuk menggambarkan tabel-tabel basis data yang akan dibuat. Dalam perancangan sistem, penggunaan pendekatan yang tepat tergantung pada kebutuhan spesifik dari perancangan sistem yang dilakukan.
3.2.1. Deskripsi Sistem
Sistem pakar diagnosa penyakit pada sapi yaitu aplikasi berbasis web digunakan untuk membantu pengguna dalam mendiagnosa penyakit sapi.
Menggunakan metode Certainty Factor yang diwujudkan dengan adanya dialog antara user dengan sistem. Pada proses ini user akan diberikan pertannyaan yang berupa gejala-gejala dari penyakit yang diderita sapi. Dari jawaban tersebut diproses menggunakan perhitungan Certainty Factor , sehingga dapat menghasilkan kesimpulan tentang penyakit dan solusi untuk mengatasi penyakit tersebut.
3.2.2. Flowchart (Bagan Alir)
Flowchart atau dalam bahasa Indonesia disebut "Bagan Alir," adalah sebuah diagram yang menampilkan langkah-langkah dan keputusan untuk melakukan sebuah proses dari suatu program. Setiap langkah digambarkan dalam bentuk diagram dan dihubungkan dengan garis atau panah. Flowchart digunakan untuk menerjemahkan proses berjalannya sebuah program agar lebih mudah dipahami, memutuskan sebuah langkah atau fungsionalitas dari sebuah proyek, serta menghubungkan antara kebutuhan teknis dan non-teknis dalam dunia pemrograman. Adapun keseluruhan tahapan dari penelitian digambarkan dalam sebuah flowchart Certainty Factor pada Gambar 3.1.
Gambar 3.1 Flowchart Metode Certainty Factor
Dapat di perhatikan pada Gambar 3.1 adalah alur tahapan keseluruhan pada sistem dimana menggunakan metode certainty factor. Pertama sistem akan memberikan pilihan gejala dengan beberapa pertayaan yang akan di input oleh user , selanjutnya sistem akan membaca input gejala tersebut lalu akan menyimpan ke
dalam rule yang sudah di sediakan oleh sistem pada memori kerja, setelah itu sistem akan membaca rule pertama yang sudah di atur di dalam memori kerja dan jika gejala cocok maka akan langsung di masukan ke dalam memori kerja. Selanjutnya jika gejala tidak cocok maka akan di kembalikan ke sisa rule yang ada dan di lanjutkan ke periksa rule dari pertama hingga akhir. Sementara jika tidak tersedia rule lagi maka akan diteruskan ke mesin inferensi yang akan menelusuri rule yang tersedia , lalu dilanjutkan dengan perhitungan nilai certainty factor menggunakan persamaan pertama pada rumus certainty factor yang digunakan jika sudah maka sistem akan melanjutkan perhitungan dengan persamaan certainty factor yang kedua lalu selesai.
3.2.3. Diagram Konteks
Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram ini merupakan level tertinggi dari Data Flow Diagram (DFD) yang menggambarkan seluruh input ke dalam sistem dan dibatasi oleh boundary (digambarkan dengan garis putus-putus).
Gambar 3.2 Diagram Konteks.
Pada Gambar 3.2 Diagram Konteks merupakan penjelasan dari sistem pakar penyakit pada sapi yang terdiri dari user dan admin atau pakar. Admin dapat menginputkan data penyakit, data gejala, rule dan memberikan solusi, memasukkan gejala dan penyakit pada sistem aplikasi penyakit pada sapi, memperoleh info diagnosa, info gejala, dan info penyakit. Sedangkan pada user dapat menjawab
pertanyaan yang merupakan gejala yang dialami oleh user, dan user memperoleh hasil diagnosa.
3.2.4. DFD Alur Admin dan User
DFD level 0 memberikan pandangan secara menyeluruh mengenai sistem yang ditangani, menjelaskan fungsi-fungsi utama tentang aliran atau proses yang ada. Adapun perancanganya sebagai berikut:
Gambar 3.3 DFD level 0 alur admin dan user.
Pada Gambar 3.3 DFD Level alur admin dan user menjelaskan tentang melakukan proses diagnosa dan mendapatkan hasil dari diagnosa yang dilakukan oleh user. Admin bisa melakukan login untuk melakukan proses input gejala, input penyakit dan rule yang dilakukan oleh admin juga. User bisa melakukan registrasi untuk melakukan proses diagnosa dan mendapatkan hasil dari diagnosa tersebut.
3.2.5. CDM
Conceptual Data Model (CDM) adalah representasi seluruh muatan informasi yang dikandung oleh basis data. CDM ini menggambarkan struktur basis data dalam bentuk logik dan mencakup bagian-bagian lain dari sistem informasi yang akan tipe data bersifat general dan spesifik. Adapun perancangannya sebagai berikut :
Gambar 3.4 CDM sistem pakar penyakit sapi
Pada Gambar 3.4 CDM sistem pakar penyakit sapi ada 7 tabel yang saling terkoneksi. Tabel tersebut merupakan komponen untuk membuat database sistem pakar penyakit sapi menggunakan metode Certainty Factor . Data penyakit sapi terdiri dari data penyakit, data gejala, data admin, data rule dan data hasil.
3.2.6. PDM
Physical Data Model (PDM) adalah model data yang spesifik untuk database dan merepresentasikan objek data relasional seperti tabel, kolom, kunci primer dan asing. PDM mencakup detail struktur data dasar, termasuk definisi tabel, kolom, tipe data, indeks, dan detail penyimpanan. Model ini terkait erat dengan Sistem Manajemen Basis Data (DBMS) dan teknologi penyimpanan, dan memperhitungkan persyaratan denormalisasi yang diusulkan untuk proyek tersebut.
PDM juga menggambarkan kebutuhan data proyek tunggal, tetapi dapat diintegrasikan dengan model data fisik dari proyek lain untuk memperhitungkan proses dan teknologi. Adapun perancangannya sebagai berikut :
Gambar 3.5 CDM sistem pakar penyakit sapi
3.2.7. Tabel temporeri
Tabel sementara digunakan untuk menyimpan data sementara di dalam MSQL. Adapun tabel yang digunakan yaitu :
1. Tabel Gejala
Nama Field Tipe & Nilai Data Keterangan
kode_gejala Integer (11) PrimaryKey, Not Null, Auto increment
nama_gejala Varchar (50) Not Null
2. Tabel Penyakit
Nama Field Tipe & Nilai Data Keterangan
kode_penyakit Integer (11) PrimaryKey, Not Null, Auto increment
nama_penyakit Varchar (50) Not Null
det_penyakit Varchar (500) Not Null
srn_penyakit Varchar (500) Not Null
gambar Varchar (500) Not Null
3. Tabel Basis_Pengetahuan
Nama Field Tipe & Nilai Data Keterangan
kode_pengetahuan Integer PrimaryKey, Not Null, Auto increment
kode_penyakit Integer ForeignKey dari Table
DataPenyakit
kode_gejala Integer ForeignKey dari Table
DataGejala
Md Varchar (11) Not Null
Mb Varchar (11) Not Null
4. Tabel Hasil
Nama Field Tipe & Nilai Data Keterangan
Id_hasil Integer PrimaryKey, Not Null,
Auto increment
tanggal Date Not Null
penyakit Text Not Null
gejala Text Not Null
hasil_id Integer Not Null
hasil_nilai Varchar (16) Not Null
5. Tabel Admin
Nama Field Tipe & Nilai Data Keterangan
username Varchar (20) PrimaryKey
password Varchar (20) Not Null
nama_lengkap Varchar (20) Not Null
6. Tabel Kondisi
Nama Field Tipe & Nilai Data Keterangan
id Integer PrimaryKey, Auto
increment
kondisi Varchar (64) Not Null
ket Varchar (256) Not Null
7. Tabel Post
Nama Field Tipe & Nilai Data Keterangan
kode_post Integer PrimaryKey, Auto
increment
nama_post Varchar (50) Not Null
det_post Varchar (1500) Not Null
srn_post Varchar (1500) Not Null
gambar Varchar (500) Not Null
3.3 Data Set
Dalam sistem aplikasi sistem pakar menggunakan metode Certainty Factor terdapat data penyakit jenis penyakit dan gejala penyakit terkait dengan penyakit sapi.
Tabel 3.1 Data jenis-jenis penyakit pada sapi
NO Kode Nama Penyakit
1 P001 BEF (Bovine epizooric fever) 2 P002 PINK EYE (Penyakit Mata) 3 P003 Bloat
4 P004 Peradangan Pada Puting (Mastitis) 5 P005 Helminthiasis (cacing)
6 P006 Scabies (Kudis)
7 P007 BRUCELLOSIS (Kluron atau Bang) 8 P008 ANTHRAK (Radang Limpa)
9 P009 SEPTICEMIA EPIZOOTICA
(Ngorok)
10 P010 Penyakit Mulut Dan Kuku (PMK)
11 P011 Surra (trypanosomiasis nagana) 12 P012 Ingusan (Malignant Catrrahal Fever) 13 P013 Lumpy Skin Disesase (LSD)
14 P014 Tuber Culosis (T.B.C) 15 P015 Botulismus
16 P016 Tetanus 17 P017 Eryspelas 18 P018 Leptospirosis 19 P019 Listeriosis 20 P020 Black Leg 21 P021 Babesiosis 22 P022 Ringworm 23 P023 Ascariasis 24 P024 Demodecosis 25 P025 Keracunan
Tabel 3.2 Data gejala-gejala penyakit pada sapi
NO Kode Gejala
1 G001 Demam
2 G002 Leleran hidung 3 G003 Radang sendi 4 G004 Kekauan
5 G005 Mata sayu dan berair
6 G006 Kelopak mata yang terlipat atau terbalik 7 G007 Nanah mulai muncul pada bagian tubuh 8 G008 Lemas
9 G009 Nafsu makan berkurang 10 G010 Mata merah
11 G011 Perut membesar 12 G012 Gangguan Pernafasan 13 G013 Gelisah
14 G014 Produksi gas yang berlebihan
15 G015 Pembengkakan dan nyeri pada kelenjar susu 16 G016 Ambing membesar
17 G017 Perubahan pada puting susu 18 G018 Penurunan produksi susu 19 G019 Ingusan
20 G020 Faeces lembek sampai encer, berlendir dan disertai keluarnya segmen- segmen cacing dari lubang anus Diare profus (terus-menerus)
21 G021 Diare profus (terus-menerus) 22 G022 Muntah
23 G023 Kulit pucat
24 G024 Pembengkakan pada bagian tubuh tertentu 25 G025 Bulu keriting
26 G026 Sering menggaruk
27 G027 Kulit yang kering dan bersisik
28 G028 Luka terbuka akibat menggaruk yang berlebihan 29 G029 Bulu rontok nanah mulai muncul pada bagian tubuh 30 G030 Pembengkakan
31 G031 Nanah mulai muncul pada bagian tubuh 32 G032 Keguguran janin
33 G033 Kelahiran anak sapi yang lemah 34 G034 Sesak nafas
35 G035 Diare berdarah
36 G036 Susu yang dihasilkan berwarna sangat kuning atau kemerahan 37 G037 Terjadi pembengkakan pada tenggorok dan lidah
38 G038 Gangguan respirasi dan terdengar ngorok 39 G039 Depresi
40 G040 Pernapasan cepat dan berat 41 G041 Berat badan turun
42 G042 Rongga mulut, lidah, dan telapak kaki atau tracak sapi melepuh 43 G043 Anemia
44 G044 Pembesaran kelenjar getah bening 45 G045 Pembengkakan kaki
46 G046 Kejang-kejang
47 G047 Kebingungan atau perilaku ga normal 48 G048 Inkoordinasi
49 G049 Batuk
50 G050 Selaput bening mata/kornea menjadi keruh
51 G051 Timbulnya benjolan-benjolan pada kulit dengan batas yang jelas 52 G052 Kesulitan menelan
53 G053 Keringat berlebihan 54 G054 Konstipasi
55 G055 Kesulitan membuka mulut 56 G056 Kaku pada otot leher 57 G057 Kaku pada otot perut
58 G058 Sensitivitas terhadap rangsangan seperti suara keras atau cahaya 59 G059 Kemerahan pada kulit
60 G060 Menggigil 61 G061 Nyeri
62 G062 Kencing bedarah 63 G063 Tidak bersemangat
64 G064 Gerakan mata yang tidak normal 65 G065 Kemerahan pada otot-otot 66 G066 Kesulitan bergerak
67 G067 Pernapasan cepat 68 G068 Pembesaran limpa
69 G069 Pada pejantan terjadi orchitis dan kemanjiran 70 G070 Lesi bentuk cincin
71 G071 Iritasi 72 G072 Erupsi kulit
73 G073 Kuku kehilangan warna / hancur 74 G074 Gatal-gatal
75 G075 Nodul pada kulit 76 G076 Peradangan 77 G077 Sakit perut 78 G078 Ruam kulit
79 G079 Kehilangsan kesadaran 80 G080 Mulut berbusa
81 G081 Keluar leleran / mucus vagina
3.3.1. Matrik Pengolahan data gejala dan penyakit
Matrik gejala dan penyakit di gunakan dalam perhitungan yaitu perhitungan metode Certainty Factor agar mendapatkan hasil yang mengindikasi penyakit pada sapi.
Tabel 3.3 Matrik Pengolahan data gejala dan penyakit
Kode Penyakit Gejala
P001 G001, G002, G003, G004
P002 G005, G006, G007, G008, G009, G010 P003 G011, G012, G013, G009, G014
P004 G015, G016, G017, G018, G001, G008, G009, G013 P005 G008, G020, G021, G022, G023, G018, G024, G025 P006 G013, G026, G027, G028, G029, G030, G031 P007 G032, G033, G008, G081, G069
P008 G001, G008, G009, G034, G035, G036, G037 P009 G001, G038, G009, G008, G039, G018, G040 P010 G001, G009, G041, G018, G042
P011 G001, G009, G041, G008, G043, G044, G045, G046, G047, G048
P012 G001, G019, G049, G050, G021, G009, G008, G034, G046 P013 G051, G001, G009, G018, G041, G008
P014 G049, G001, G009, G041, G008, G034 P015 G052, G053, G054, G008
P016 G055, G056, G052, G057, G046, G058
P017 G059, G024, G061, G001, G060, G008 P018 G001, G008, G022, G044, G062 P019 G008, G063, G064
P020 G037, G065, G063, G008, G001, G066, G012, G067 P021 G001, G009, G063, G018, G043, G068, G062, G046 P022 G009, G001, G063, G070, G029, G072, G073 P023 G022, G021, G009, G041, G008
P024 G059, G071, G074, G076, G030, G027, G075, G029
P025 G022, G021¸ G077, G008, G046, G012, G078, G013, G079, G080
3.4 Perancangan User Interface
Perancangan interface atau antar muka program berperan untuk menghubungkan antara pengguna dengan aplikasi. Interface yang baik akan membuat pengguna program menjadi lebih mudah digunakan serta tidak membingungkan, untuk itu peranan interface sangat penting. Berikut adalah interface yang ada pada aplikasi “Sistem Pakar Diagnosa Penyakit Sapi Dengan Metode Certainty Factor ” akan di jelaskan dari Gambar 3.6 sampai Gambar 3.15.
3.4.1. Halaman Beranda
Tampilan pada Gambar 3.10 adalah tampilan utama, tampilan ini akan muncul ketika aplikasi pertama kali dibuka dan berisi informasi singkat deskripsi sistem pakar yang di buat dan di samping menu beranda terdapat menu utama non login.
Gambar 3.6 Menu Beranda
3.4.2. Halaman Diagnosa
Tampilan pada Gambar 3.7 merupakan proses pemilihan gejala yang diderita sapi. Pada halaman ini akan menampilkan daftar gejala yang telah di inputkan pakar sebelumnya.
Gambar 3.7 Menu Diagnosa
3.4.3. Halaman Hasil Diagnosis
Gambar 3.8 merupakan desain halaman hasil diagnosa yang merupakan sebuah halaman yang memunculkan kemungkinan penyakit yang menyerang sapi berdasarkan hasil perhitungan. Dan menampilkan penyakit sapi yang memiliki
persentase kemungkinan dengan nilai tertinggi. Dan saran berserta tindakan singkat ada di bawah hasil diagnosa.
Gambar 3.8 Menu Hasil Diagnosis
3.4.4. Halaman Keterangan Penyakit
Pada Gambar 3.9 merupakan desain halaman dari menu Keterangan Penyakit berupa daftar informasi lengkap untuk pencegahan dan penanganan.
Gambar 3.9 Menu Keterangan Penyakit
3.4.5. Halaman Tentang
Halaman ini menyediakan informasi tentang pengembang aplikasi dan pakar yang berkontribusi di halaman ini juga di tampilkan animasi css. Gambar 3.10 merupakan desain dari halaman tentang.
Gambar 3.10 Menu Tentang
3.4.6. Halaman Login
Pada Gambar 3.11 merupakan desain halaman login. Dimana pakar atau admin yang memiliki hak akses bisa masuk ke menu gejala, penyakit dan pengetahuan. Hak akses sendiri di buatkan admin terlebih dahulu di database handler.
Gambar 3.11 Menu Login Admin
3.4.7. Halaman Admin
Pada Gambar 3.12 sampai 3.15 merupakan isi dari menu pakar yaitu halaman admin, penyakit, gejala, pengetahuan, dan password. Di halaman admin, penyakit, gejala, pengetahuan pakar bisa melakuan CRUD atau Create, Read, Update dan Delete.
Gambar 3.12 Menu Admin
Gambar 3.13 Menu Penyakit
Gambar 3.14 Menu Gejala
Gambar 3.15 Menu Basis Pengetahuan
35
Alifian, dkk. (2020). Principles of Management. Routledge.
https://doi.org/10.4324/9781315246079
Apa itu Persyaratan Non-Fungsional_ Contoh, Definisi, Panduan Lengkap—Solusi Visure.html. (t.t.).
Bere, J., Dedy Irawan, J., & Ariwibisono, F. (2021). SISTEM PAKAR DIAGNOSIS PENYAKIT PADA AYAM MENGGUNAKAN METODE CERTAINTY FACTOR. JATI (Jurnal Mahasiswa Teknik Informatika), 5(1), 217–224.
https://doi.org/10.36040/jati.v5i1.3251
Gunawan, D. T., & Hadikurniawati, W. (2023). Sistem Pakar Diagnosa Penyakit Sapi menggunakan Metode Case Based Reasoning (CBR). 08.
Handayani, N. (2021). SISTEM PAKAR DIAGNOSA PENYAKIT HEWAN TERNAK SAPI DENGAN METODE BAYESIAN NETWORK. 4(1).
Harish, S. R., & Topiq, S. (2023). Sistem Pakar Untuk Mendiagnosa Penyakit Sapi Berbasis Android. 4(1).
Irawan, M. D., Widarma, A., Siregar, Y. H., & Rudi, R. (2021). Penerapan Metode Forward-Backward Chaining pada Sistem Pakar Pencegahan dan Pengobatan Penyakit Sapi. Jurnal Teknologi dan Informasi, 11(1), 14–25.
https://doi.org/10.34010/jati.v11i1.3286
Manik, R., Kom, M., Panjaitan, Z., Kom, S., & Kom, M. (2019). Sistem Pakar Mendiagnosa Penyakit Mad Cow Disease (Sapi Gila) Menggunakan Metode Certainty Factor.
Maya, W. R. (2021). Sistem Pakar Mendiagnosa Penyakit Creutzfeldt Jakob(Sapi Gila) Dengan Metode Theorema Bayes Study Kasus Rumah Sakit Siti Hajar Medan. 4(3).
Muzakkir, I., & Botutihe, M. H. (2020). Case Based Reasoning Method untuk Sistem Pakar Diagnosa Penyakit Sapi. ILKOM Jurnal Ilmiah, 12(1), 25–31.
https://doi.org/10.33096/ilkom.v12i1.506.25-31
Pengertian PHP, Sejarah, Sintak Dasar dan Kelebihannya—FIKTI.html. (t.t.).
Prasetyo, A. (t.t.). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2018.
Prasetyo, W. D., & Wahyudi, R. (2019). SISTEM PAKAR DIAGNOSIS PENYAKIT TERNAK SAPI MENGGUNAKAN METODE FORWARD CHAINING BERBASIS WEBSITE RESPONSIF. 2(1).
Priatmana, J. A., Habib, M., & Iswanto, B. B. (2023). Rancang Bangun Sistem Pakar Diagnosa Penyakit Sapi Menggunakan Metode Certainty Factor Berbasis Android. 2.
Rizqi Sukma Kharisma, & Rizqi Muhammad Hakim. (2022). Sistem Pakar Diagnosa Penyakit Sapi Menggunakan Metode Certainty Factor Berbasis Web. e-Jurnal JUSITI (Jurnal Sistem Informasi dan Teknologi Informasi), 11(01), 36–46. https://doi.org/10.36774/jusiti.v11i1.909
Saputra, M. D., & Wijaya, A. (2022). Sistem Pakar Diagnosa Penyakit Sapi Dengan Metode Fuzzy Tsukamoto Pada Peternakan Sapi Pohon 99. 1(06).
Sibagariang, S. (2015). SISTEM PAKAR DIAGNOSA PENYAKIT SAPI DENGAN METODE CERTAINTY FACTOR BERBASIS ANDROID. 2.
Trainit-Algoritma.html. (t.t.).
Wardani, P. E., Siagian, Y., & Ihsan, M. (2022). Sistem Pakar Untuk Diagnosa Penyakit Sapi Menggunakan Metode Bayes. Building of Informatics, Technology and Science (BITS), 4(2), 413–421.
https://doi.org/10.47065/bits.v4i2.2197
Wulandari, A. N., Ishak, I., & Mariami, I. (2023). Sistem Pakar Untuk Mendiagnosa Penyakit Sapi Jenis Simmental (Bos Taurus) Menggunakan Metode Teorema Bayes. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(4), 508. https://doi.org/10.53513/jursi.v2i4.5354
Zamroni, Moh. R., Cita K. N. S, Q., & Wahyudi, A. (2022). SISTEM PAKAR DIAGNOSA PENYAKIT SAPI SEBAGAI UPAYA PENCEGAHAN PENYEBARAN WABAH PMK DI LAMONGAN. JURNAL ILMIAH
INFORMATIKA, 10(02), 145–152.
https://doi.org/10.33884/jif.v10i02.6373
