Penerapan Forward Chaining dan Certainty Factor Pada Sistem Pendeteksi Penyakit Hewan Qurban Berbasis Android

(1)

Penerapan Forward Chaining dan Certainty Factor Pada Sistem Pendeteksi Penyakit Hewan Qurban Berbasis Android

Nabila Tiara Nuraini, Rima Tamara Aldisa, Iskandar Fitri^*

Fakultas Teknologi Komunikasi dan Informatika, Sistem Informasi, Universitas Nasional, Jakarta, Indonesia Email: ¹[email protected], ²[email protected], ³,*[email protected]

Email Penulis Korespondensi: [email protected]

Abstrak−Ibadah qurban adalah ibadah penyembelihan hewan ternak yang dilaksanakan pada hari raya Idul Adha. Di Indonesia hewan ternak yang dominan digunakan untuk ibadah qurban yaitu kambing dan sapi, hewan qurban yang diperbolehkan untuk disembelih juga memiliki syarat-syarat mulai dari usia dan yang paling penting yaitu kesehatannya. Dilakukannya penelitian ini agar hewan kambing dan sapi yang akan disembelih untuk ibadah qurban bebas dari penyakit-penyakit yang ada. Beberapa permasalahan pada sistem yang akan dibangun ini yaitu kurangnya pemahaman para penjual hewan qurban tentang penyakit- penyakit yang di derita hewan kambing dan sapi dari gejala yang diderita hewan tersebut. Penelitian ini menggunakan metode forward chaining dan certaity factor untuk memecahkan kasus hewan qurban kambing dan sapi, untuk menghasilkan sebuah kesimpulan dalam mendeteksi penyakit-penyakit yang ada pada hewan tersebut sesuai dengan gejala yang ada. Proses perancangan aplikasi sistem pakar deteksi penyakit hewan qurban kambing dan sapi ini menggunakan text editor android studio dan bahasa pemrograman java. Penulis juga melakukan perbandingan 2 metode kombinasi antara metode yang digunakan dengan metode forward chaining dan naive bayes, mendapatkan hasil nilai persentase tertinggi yaitu pada metode forward chaining dan certainty factor dengan nilai 9.553% pada penyakit keropeng yang diderita hewan kambing dan nilai 9.509%

pada penyakit kembung yang diderita hewan sapi. Mendapatkan hasil akhir pada perhitungan deteksi penyakit hewan kambing sebesar 91.264% dengan terindikasi menderita penyakit keropeng dan juga pada hewan sapi sebesar 90.432% yang terindikasi menderita penyakit kembung, kedua hasil akhir perhitungan dari jenis penyakit yang masing-masing diderita hewan kambing dan sapi dilihat dari gejala yang telah diinputkan oleh user.

Kata Kunci: Android; Certainty Factor; Deteksi Penyakit Hewan; Forward Chaining; Sistem Pakar.

Abstract−Qurbani worship is a worship of the slaughter of livestock that is carried out on the feast of Eid al-Adha. In Indonesia the dominant livestock used for qurban worship is goats and cows, qurban animals that are allowed to be slaughtered also have conditions ranging from age and most importantly their health. This research is done so that goats and cows that will be slaughtered for qurban worship are free from existing diseases. Some of the problems in the system that will be built is the lack of understanding of the sellers of animals qurban about the diseases suffered by goats and cows from the symptoms suffered by the animal. This study used forward chaining and certaity factor methods to solve cases of goat and cow animals, to produce a conclusion in detecting diseases in the animals in accordance with existing symptoms. The process of designing the application of animal disease detection expert system qurban goat and cow uses android studio text editor and java programming language. The authors also compared two combination methods between the methods used with the forward chaining and naïve bayes methods, getting the highest percentage value results, namely on the forward chaining and certainty factor methods with a value of 9.553% in scab disease suffered by goat animals and a value of 9,509% in bloating suffered by cow animals. Getting the final result on the calculation of detection of goat disease by 91,264% with indicated suffering from scab disease and also in cow animals by 90,432% indicated to suffer from bloated disease, both the final results of the calculation of the type of disease suffered by goats and cows respectively seen from the symptoms that have been inputted by the user.

Keywords: Android; Certainty Factor; Animal Disease Detection; Forward Chaining; Expert Systems

1. PENDAHULUAN

Ibadah qurban merupakan ibadah penyembelihan hewan ternak yang dilaksanakan pada hari raya Idul Adha. Di Indonesia hewan ternak yang dominan digunakan untuk ibadah qurban yaitu kambing dan sapi, hewan qurban yang diperbolehkan untuk disembelih juga memiliki syarat-syarat mulai dari usia dan yang paling penting yaitu kesehatannya. Keterbatasan tenaga paramedis khususnya dokter pakar hewan pada wilayah terpencil bisa diatasi dengan mengambil keputusan dokter hewan kedalam sistem komputer yang dapat melakukan diagnosis seperti seorang pakar dokter hewan. Berdasarkan permasalahan yang ada, dalam kesempatan ini penulis melakukan penelitian agar hewan kambing dan sapi yang akan disembelih untuk ibadah qurban bebas dari penyakit-penyakit yang ada[1]. Dari permasalahan berikut kurangnya informasi terkait penyakit - penyakit yang diderita hewan kambing dan sapi dari gejala-gejala yang dialaminya. Maka dibangunlah sistem pakar (sispak) yang digunakan untuk membantu para penjual hewan qurban kambing atau sapi agar dapat mendeteksi penyakit-penyakit yang di derita dengan gejala-gejala yang di alami hewan tersebut. Sispak juga berperan penting untuk mempercepat dalam mendeteksi suatu jenis penyakit[2].

Beberapa penelitian relevan yang sudah dilakukan para peneliti-peneliti sebelumnya antara yaitu, penelitian dilakukan pada tahun 2018 yang diteliti oleh Rotama Handika dan Deni Ahmad Jakaria, bertujuan membuat suatu sistem pakar untuk digunakan dalam mendiagnosa penyakit sapi potong, dimana pengguna dapat mendiagnosa tanda-tanda yang terdapat pada sapi. Didapatkan hasil dari proses pendiagnosa penyakit sapi menurut data gejala yang menunjukan sapi kemungkian mengalami penyakit sapi ingusan atau MFC sebesar 97.3 %[1].

Penelitian selanjutnya dilakukan pada tahun 2018 yang diteliti oleh Mohammad Ammar Ramzy, Riska Nurtantyo Sarbini dan Dian Efytra Yuliana, dalam penelitiannya merancang sebuah aplikasi memakai metode

(2)

forward chaining merupakan inferensi penalaran dengan memakai fakta-fakta untuk mendapatkan kesimpulan.

Didapakan hasil berupa aplikasi android, guna membantu menentukan penyakit kambing dan mudah dioperasikan dengan memasukkan fakta sebanyak 2 – 3 gejala yang terlihat untuk mendapatkan hasil nilai tingkat akurasi mencapai 100%[3].

Kemudian literatur yang ketiga dilakukan pada tahun 2021 yang diteliti oleh Maya Selvia Lauryn, Akhmad Saparudin, Muhamad Ibrohim, dalam penelitiannya merancang aplikasi berbasis android memakai metode certainty factor untuk menyelesaikan permasalahan pada hewan ternak kambing, dengan kesimpulan metode tersebut bisa mengidentifikasikan penyakit hewan ternak kambing dengan hasil 0,28 pada penyakit pink eye[4].

Mengacu pada referensi yang keempat, penelitian ini dilakukan pada tahun 2018 yang diteliti oleh Wahyu Rizki Ferdiansyah, Lailil Muflikhah, Sigit Adinugroho membahas mengenai sistem pakar menggunakan metode naive bayes dan certainty factor, database MySQL dan bahasa pemrograman PHP. Kesimpulan dari pengujian fungsional sispak menunjukkan kebutuhan berjalan baik. Dan mendapatkan hasil pengujian akurasi menggunakan metode f-measure dengan akurasi sebesar 86,80%[5].

Lalu yang terakhir, penelitian yang dilakukan oleh oleh Dhimas Tungga Satya, Nurul Hidayat, Sutrisno pada tahun 2018 yang mengimplementasikan sistem pakar diagnosa penyakit sapi ternak potong memakai metode naive bayes – certainty factor. Dengan memakai metode tersebut mendapatkan hasil diagnosa akurat karena output yang dihasilkan sistem memiliki tingkat keakuratan sebesar 92% dan sistem yang sudah dibuat memiliki tingkat kepuasan pengguna sebesar 3,19411[6].

Berdasarkan hasil pada penelitian-penelitian sebelumnya, kami mengusulkan untuk meneliti dengan menggabungkan pengujian menggunakan 2 metode gabungan yaitu forward chaining (fc) untuk menentukan aturan-aturan terhadap suatu penyakit sesuai dengan gejala dan disebut juga metode rantai maju mulai dari informasi input (jika) terlebih dahulu kemudian ke kesimpulan[7] dan certainty factor (cf) bertujuan memprediksi nilai ketidakpastian dari penyakit yang diderita hewan kambing dan sapi dengan penalaran atas gejala yang diderita, juga digunakan untuk menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi[8]-[9]. Pada penelitian ini, terlebih dahulu kami melakukan perbandingan dari kedua metode kombinasi forward chaining dan certainty factor dengan forward chaining dan naive bayes agar mengetahui hasil akhir nilai persentase manakah yang tertinggi, dan nantinya akan digunakan dalam aplikasi juga penelitian ini. Dengan pemilihan studi kasus mengenai jenis-jenis penyakit yang diderita hewan qurban kambing dan sapi karena penyakit-penyakit tersebut sering diabaikan oleh penjual hewan qurban. Maka dengan adanya aplikasi sistem pakar ini dapat digunakan sebagai pendeteksi awal suatu penyakit yang dapat membantu para penjual hewan qurban kambing dan sapi dalam mendeteksi penyakit yang diderita.

2. METODOLOGI PENELITIAN

Pada skema penelitian dibawah ini merupakan tahapan penelitian yang terdiri dari pengumpulan data penyakit pada hewan qurban kambing dan sapi, pengujian perbandingan 2 metode kombinasi antara forward chaining dan certainty factor dengan forward chaining dan naive bayes, perancangan sispak pendeteksi penyakit hewan qurban serta implementasi sistem pada aplikasi sistem pakar deteksi penyakit hewan qurban kambing dan sapi.

Gambar 1. Skema Penelitian Berikut penjelasan dari gambar 1 mengenai skema diatas, yaitu:

2.1 Pengumpulan Data

Dari data yang sudah dikumpulkan melalui proses wawancara, observasi dengan pakar dan studi literatur dari jurnal-jurnal terkait yang berisi kumpulan data gejala serta penyakit yang dapat digunakan oleh user untuk mendeteksi penyakit yang diderita hewan kambing dan sapi. Berikut ini merupakan data jenis penyakit, gejala juga aturan dari pergejala penyakit yang diderita hewan kambing dan sapi. Pada daftar data penyakit hewan kambing

(3)

Nabila Tiara Nuraini, Copyright © 2022, MIB, Page 156 dan sapi di masing – masing tabel terdiri dari 5 jenis penyakit dan 15 gejala. Pada tabel 1 dibawah, merupakan data penyakit yang diderita hewan kambing dan sapi.

Tabel 1. Daftar Penyakit Pada Hewan Kambing Dan Sapi Kode Penyakit

Kambing

Nama jenis Penyakit Kambing

Kode Penyakit Sapi

Nama Jenis Penyakit Sapi

PK01 Keropeng PI01 Leptospirosis

PK02 Kembung PI02 Foot Rot

PK03 Diare PI03 Antaraks

PK04 Myiasis PI04 Kembung

PK05 Foot Rot PI05 Bovine Viral Diarrhea

Tabel 1 merupakan klasifikasi dari daftar penyakit pada hewan kambing dan sapi yang masing-masing terdiri dari 5 jenis nama dan dibedakan antara kode penyakit hewan kambing dan sapi. Untuk penyakit hewan kambing berkode PK01 sampai dengan PK05, pada penyakit hewan sapi kodenya yaitu PI01 sampai PI05.

Tabel 2. Data Gejala Penyakit Hewan Kambing Kode

Gejala

Nama Gejala Penyakit Kambing Nilai CF Pakar

GK01 Fisik tampak lemah dan lesuh 0,6

GK02 Nafsu makan menurun 0,4

GK03 Suhu tubuh ternak naik 0,4

GK04 Kotoran cair, berbau busuk dan berwarna 0,8

GK05 Pembengkakan pada mulut 0,4

GK06 Pembengkakan pada luka 0,6

GK07 Pembengkakan pada kuku 0,6

GK08 Kambing berjalan pincang 0,8

GK09 Pernapasan menjadi lemah 0,6

GK10 Berat badan menurun 0,4

GK11 Muncul luka dibagian bibir dan mulut 0,6 GK12 Muncul keropeng pada bibir dan sekitar

mulut

0,8 GK13 Terdapat belatung pada bekas luka 0,4

GK14 Luka berbau busuk 0,8

GK15 Busung pada lambung 0,8

Pada tabel 2 yaitu, daftar keterangan nama dari 15 gejala–gejala penyakit yang diderita hewan kambing beserta kode yang terdiri dari GK01 sampai GK15, berserta nilai CFpakar yang sudah ditentukan oleh pakar sesuai dengan metode certainty factor dari setiap gejala yang ada.

Tabel 3. Daftar Gejala Penyakit Hewan Sapi Kode

Gejala

Nama Gejala Penyakit Sapi Nilai CF

Pakar

GI01 Anemia 0.4

GI02 Nafsu makan menurun 0.6

GI03 Berat badan menurun 0.4

GI04 Fisik tampak lemas 0.8

GI05 Suhu tubuh naik 0.6

GI06 Pembengkakan kelentar getah bening dibeberapa bagian (dada dan leher)

0.6

GI07 Pembengkakan pada kuku 0.8

GI08 Pernapasan menjadi lemah 0.4

GI09 Keluar nanah pada luka 0.6

GI10 Diare terus-menerus dan berair 0.8

GI11 Perut bagian kiri membesar 0.8

GI12 Peningkatan denyut nadi 0.4

GI13 Mengeluarkan lendir dari mata dan hidung 0.4

GI14 Keluar darah berwarna kehitaman dari hidung, telinga, mulut dan anus

0.8

GI15 Kotoran berwarna hijau muda 0.6

(4)

Tabel 3 diatas merupakan 15 daftar gejala – gejala beserta keterangan nama gejala penyakit hewan sapi.

Didalam tabel terdapat kode-kode dari GI01 sampai dengan GI15 dan juga nilai CFpakar yang didapatkan dari pakar hewan sesuai pada metode certainty factor dari setiap gejala pada hewan tersebut.

2.2 Analisa Metode Yang Digunakan

Tahap ini merupakan metode yang digunakan pada penelitian. Metode certainty factor dan forward chaining di implementasikan kedalam aplikasi sistem pakar ini, sedangkan naive bayes hanya digunakan pada pengujian untuk menentukan metode manakah yang menghasilkan nilai tertinggi dan nantinya akan dipakai di pembahasan penelitian ini.

2.2.1 Metode Certainty Factor

Certainty factor bertujuan memprediksi nilai ketidakpastian dari penyakit yang diderita hewan kambing dan sapi, melalui penalaran gejala yang dialami dan dilengkapi juga dengan saran atau informasi yang diperlukan dengan hasil prediksi deteksi tersebut[9]. Dalam menggunakan derajat kepercayaan menggunakan nilai yang disebut Faktor Kepastian (CF) untuk mengasumsikan gelar kepercayaan tehadap data para ahli[10]. Rumus perhitungan nilai dengan metode certainty factor[11]:

CF[H,E] = MB[H,E] – MD[H,E] (1)

Keterangan[12]:

CF[H,E] = Faktor kepastian

MB[H,E] = Ukuran tingkat kepercayaan (measure of belief) pada hipotesis (H) yang dipengaruhi oleh evidence (E) yang memiliki nilai antara 0 – 1.

MD[H,E] = Ukuran tingkat ketidakpercayaan (measure of disbelief) pada hipotesis (H) yang dipengaruhi oleh evidence (E) yang memiliki nilai skala 0 – 1.

E = Evidence (fakta) H = Hipotesis (dugaan).

Kombinasi rumus perhitungan dari faktor kepastian metode certainty factor[13]:

1) Perhitungan dengan premis tunggal

CF[H,E] = CFpengguna * Cfpakar (2)

2) Perhitungan berdasarkan premis lebih dari satu (gabungan)

CFcombine [CF1,CF2] = CF1 + CF2 * (1 – CF1) (3)

3) Perhitungan hasil persentase dari penyakit CFcombine * 100%

Dalam menghitung nilai kepastian dari rumus yang telah dipaparkan diatas dibutuhkan tabel nilai keyakinan dari pakar penyakit hewan yang berguna untuk menghasilkan nilai persentase pada metode certainty factor yang sudah dirubah ke nilai CF seperti berikut:

Tabel 4. Nilai Keyakinan

Keterangan Nilai

Keyakinan

Tidak Yakin 0

Kurang Yakin 0.2

Sedikit Yakin 0.4

Cukup Yakin 0.6

Yakin 0.8

Sangat Yakin 1

Tabel 4 mengacu pada nilai keyakinan dari pakar penyakit hewan kambing dan sapi yang sudah dirubah ke nilai CF, untuk digunakan dalam perhitungan untuk mendapatkan hasil menggunakan metode certainty factor yang terdiri dari 6 keterangan dengan masing - masing nilai keyakinan mulai dari skala 0 – 1 berdasarkan masing- masing keterangannya.

Tabel 5. Keterangan Dari Nilai Hasil Persentase[14]

Tingkat Keyakinan Nilai

Presentase Sangat berkemungkinan atau sangat yakin 100%

Kemungkinan besar 80%-99%

Kemungkinan 51%-79%

Kemungkinan kecil atau sedikit kemungkinan

0%-50%

(5)

Nabila Tiara Nuraini, Copyright © 2022, MIB, Page 158 Dalam mengekspresikan derajat kepastian, mengasumsikan derajat kepastian pakar penyakit hewan terhadap suatu data. Lalu konsep ini diformulasikan kedalam rumusan dasar[14]. Tabel 5 menunjukkan keterangan dari nilai hasil persentase yang nantinya menjadi suatu kesimpulan untuk masing-masing nilai hasil dari jenis penyakit yang didapatkan user melalui pendeteksian gejala-gejala yang diderita hewan nya tersebut. Nilai persentase dimulai dari 0% sampai dengan 100%.

2.2.2 Metode Naïve Bayes

Naïve Bayes adalah metode yang menggunakan probabilitas dan statistik yang dikemukakan oleh seorang ilmuan Inggris Thomas Bayes untuk memprediksi probabilitas dimasa depan berdasarkan pengalaman dimasa sebelumnya[13]. Rumus perhitungan nilai dengan metode naive bayes sebagai berikut[15]:

𝑃(𝑎_𝑖|𝑣_{𝑗 =}𝑛𝑐+𝑚𝑝 𝑛+𝑚

(4)

Diketahui:

n = jumlah penyakit yang sama p = n/jumlah semua penyakit yang ada m = jumlah seluruh gejala

nc = nilai kepercayaan jawaban user 2.2.3 Teknik Forward Chaining

Forward chaining yaitu, suatu metode inferensi maju dengan mekanisme berfikir pola penalaran yang digunakan oleh sistem untuk mencapai suatu kesimpulan. Penalaran dimulai dengan mencocokkan kaidah-kaidah dalam basis pengetahuan dengan fakta yang ada dalam basis data. Penel usuran dalam forward chaining dimulai dari fakta (gejala penyakit pada hewan kambing dan sapi) yang diketahui, kemudian mencocokkan fakta tersebut melalui rules yang ada untuk menuju kesimpulan (penyakit yang diderita)[8].

Terkait hasil dan pembahasan ini menjelaskan mengenai tabel aturan yang digunakan sebagai mesin inference untuk mengetahui gejala yang ada pada jenis penyakit yang dialami hewan kambing dan sapi sesuai dengan metode forward chaining dan perhitungan secara sistem dan manual menggunakan implementasi metode certainty factor.

Tabel 6. ATURAN (RULES) DETEKSI PENYAKIT HEWAN KAMBING DAN SAPI Rules Penyakit Hewan Kambing Rules Penyakit Hewan Sapi IF GK05 AND GK11 AND GK12 THEN

PK01

IF GI01 AND GI04 AND GI05 THEN PI01

IF GK02 AND GK09 AND GK15 THEN PK02

Tabel 6 diatas merupakan tabel aturan-aturan yang diimplementasikan pada aplikasi sistem pakar deteksi penyakit pada hewan qurban kambing dan sapi. Tabel aturan (rules) digunakan untuk menghasilkan sebuah kesimpulan yang didapat dari metode forward chaining.

2.3 Rancangan Use Case

Rancangan sistem ini terkait identifikasi dan deskripsi sistem perangkat lunak yang mendasar dan hubungannya[16]. Agar memudahkan dalam penerapan metode forward chaining (fc) dan certainty factor (cf) sistem pendeteksi penyakit hewan qurban dibutuhkan bagan aturan-aturan yang membantu dalam mengimplementasikan. Perancangan ini digunakan dalam membangun aplikasi sistem pakar.

Gambar 2. Usecase Pada Perancangan Aplikasi Sistem Pakar Pendeteksi Hewan Qurban (Kambing Dan Sapi)

(6)

Pada gambar 2 diatas, perancangan use case pada aplikasi sistem pakar ini tedapat 1 aktor (user) dan 9 case system yang digunakan sebagai tahap awal rancangan aplikasi sistem pakar pendeteksi hewan qurban kambing dan sapi, yang menjelaskan tentang usecase pada sistem user. Berawal dari user membuat akun utnuk dapat melanjutkan ke tahap deteksi penyakit yaitu dengan cara mendaftar (register) untuk menginput data username dan juga password, lalu setelah memiliki akun user dapat login untuk kebagian tampilan utama. Selanjutnya user dapat melihat pengertian dari hewan qurban dan juga dapat melihat daftar-daftar penyakit yang diderita hewan kambing dan sapi untuk mengetahui pengertian dari jenis-jenis penyakit, penanganan/pengobatan dan pencegahan dari penyakit yang diderita hewan tersebut. Kemudian user melakukan pengujian untuk mendapatkan hasil deteksi mengenai jenis penyakit yang diderita hewan tersebut, pada menu deteksi gejala penyakit hewan kambing atau sapi.

3. HASIL DAN PEMBAHASAN

3.1 Penerapan Perhitungan Metode Forward Chaining dan Certainty Factor

Proses perhitungan dengan metode certainty factor yaitu, menentukan tabel rules dan nilai CFpakar dengan kondisi user dari masing – masing gejala yang selanjutnya dihitung tingkat kepercayaan CF agar mendapatkan data penyakit sebagai berikut:

Tabel 7. Perhitungan CF dari gejala yang terpilih pada hewan kambing Kode

Gejala

CF Pakar

CF User CF Hasil

GK05 0,4 0,4 0,16

GK11 0,6 0,8 0,48

GK12 0,8 1 0,8

Tabel 7 merupakan tabel perhitungan nilai CFhasil yang didapatkan dari hasil perhitungan nilai Cfpakar dan Cfuser pada salah satu sampel yaitu jenis penyakit keropeng yang diderita hewan kambing menggunakan metode certainty factor agar mendapatkan nilai perhitungan akurat.

CFcombine1 = CFgejala1 + CFgejala2 * (1 - CFgejala1)

= 0.16 + 0.48 * (1-0.16) CFold1 = 0.5632

CFcombine2 = CFold1 + CFgejala3 * (1 - CFold1)

= 0.5632 + 0.8 * (1-0.5632) CFold2 = 0.91264 * 100 CF Hasil = 91.264%

Hasil perhitungan manual menggunakan metode certainty factor, dapat disimpulkan hewan kambing menderita jenis penyakit keropeng yang dilihat dari gejala-gejala hewan tersebut yang telah diinputkan oleh user pada saat melakukan pendeteksian dan mendapatkan hasil tingkat kepercayaan sebesar 91.264% dengan keterangan kemungkinan besar.

Tabel 8. Hasil Dari Seluruh Percobaan Pengujian Menggunakan Pengujian Aplikasi Dan Manual Penyakit Kambing

Kode Gejala & CF User Pengujian Aplikasi

Pengujian

Manual Selisih Kode Penyakit Hasil Tertinggi GK05[0.4]; GK11[0.8]; GK12[1] 91.264% 91.264% 0% PK01

(Keropeng) GK02[0.4]; GK09[0.6]; GK15[1] 89.248% 89.248% 0% PK02

(Kembung) GK01[0.8]; GK03[0.4]; GK04[1] 91.264% 91.264% 0% PK03 (Diare) GK06[0.6]; GK13[0.2]; GK14[1] 88.224% 88.224% 0% PK04 (Myiasis) GK07[0.6]; GK08[1]; GK10[0.4] 89.248% 89.248% 0% PK05 (Foot

Rot)

GK01[0.8]; GK02[04]; GK03[0.6] 60.48% 60.48% 0% PK03 (Diare) GK01[0.8]; GK06[0.6]; GK07[0.8];

GK08[1]

89.6% 89.6% 0% PK05 (Foot

Rot) GK06[0.8]; GK09[0.6]; GK11[0.8];

GK12[1]

89.6% 89.6% 0% PK01

(Keropeng)

GK09[0.6]; GK10[1]; GK15[1] 87.2% 87.2% 0% PK02

(Kembung) GK08[0.4]; GK13[0.8]; GK014[0.8];

GK15[1]

75.52% 75.52% 0% PK04 (Myiasis)

(7)

Aplikasi

Pengujian

Manual Selisih Kode Penyakit Hasil Tertinggi GK01[0.4]; GK04[1]; GK06[0.8];

GK07[1]

84.8% 84.8% 0% PK03 (Diare)

GK06[0.8]; GK07[0.6]; GK08[0.8];

GK10[0.6]

82.4896% 82.4896% 0% PK05 (Foot Rot) GK09[0.6]; GK10[0.6]; GK11[0.8];

GK12[0.6]

72.96% 72.96% 0% PK01

(Keropeng) GK01[0.6]; GK02[0.8]; GK03[0.4];

GK04[1]

89.248% 89.248% 0% PK03 (Diare) GK02[0.4]; GK08[0.6]; GK09[0.8] 56.312% 56.312% 0% PK02

(Kembung) GK06[0.8]; GK08[1]; GK10[0.4];

GK13[1]

83.2% 83.2% 0% PK05 (Foot

Rot) GK06[0.8]; GK11[0.8]; GK12[1];

GK13[0.6]

89.6% 89.6% 0% PK01

(Keropeng) GK06[0.4]; GK08[0.8]; GK09[0.4];

GK13[1]

54.4% 54.4% 0% PK04 (Myiasis) GK01[0.8]; GK03[0.6]; GK05[0.8];

GK06[0.6]

60.48% 60.48% 0% PK03 (Diare)

GK05[0.6]; GK11[0.6] 51.36% 51.36% 0% PK01

(Keropeng) GK03[0.4]; GK07[0.8]; GK08[1] 89.6% 89.6% 0% PK05 (Foot

Rot) GK01[0.4]; GK02[0.6]; GK03[0.4];

GK09[0.6]

51.36% 51.36% 0% PK02

(Kembung) GK04[0.6]; GK05[0.6]; GK11[0.8];

GK12[0.6]

79.4496% 79.4496% 0% PK01 (Keropeng) GK03[0.4]; GK04[0.8]; GK09[0.6];

GK10[0.6]

69.76% 69.76% 0% PK03 (Diare) GK06[0.8]; GK10[0.4]; GK13[0.4] 56.32% 56.32% 0% PK04 (Myiasis) GK01[0.6]; GK06[0.8]; GK14[0.8] 81.28% 81.28% 0% PK04 (Myiasis) GK01[0.4]; GK02[0.6]; GK05[0.6];

GK12[1]

84.8% 84.8% 0% PK01

(Keropeng) GK01[0.6]; GK04[0.6]; GK06[0.2] 66.72% 66.72% 0% PK03 (Diare)

GK13[0.6]; GK14[0.6] 60.48% 60.48% 0% PK04 (Myiasis)

GK07[0.4]; GK09[0.4]; GK10[0.4];

GK15[1]

84.8% 84.8% 0% PK02

(Kembung)

GK01[0.6]; GK03[0.4] 46.24% 46.24% 0% PK03 (Diare)

GK02[0.4]; GK09[0.4] 36.16% 36.16% 0% PK02

(Kembung) GK05[0.6]; GK09[0.4]; GK10[0.6];

GK12[0.6]

60.48% 60.48% 0% PK01

(Keropeng)

GK07[0.8]; GK10[0.8] 64.64% 64.64% 0% PK05 (Foot

Rot) GK03[0.4]; GK04[0.8]; GK09[0.4];

GK10[0.2]

69.76% 69.76% 0% PK03 (Diare)

GK06[0.4]; GK13[0.6] 42.24% 42.24% 0% PK04 (Myiasis)

GK01[0.6]; GK04[0.8] 76.96% 76.96% 0% PK03 (Diare)

GK06[0.6]; GK10[0.2]; GK13[0.6] 51.36% 51.36% 0% PK04 (Myiasis) GK08[0.8]; GK09[0.2]; GK10[0.4] 69.76% 69.76% 0% PK05 (Foot

Rot) GK03[0.2]; GK09[0.6]; GK10[0.2];

GK15[0.6]

66.72% 66.72% 0% PK02

(Kembung) GK01[0.8]; GK02[0.2]; GK03[0.4];

GK05[0.2]

56.32% 56.32% 0% PK03 (Diare) GK03[0.2]; GK04[0.8]; GK05[0.2] 66.88% 66.88% 0% PK03 (Diare)

GK11[0.6]; GK12[0.8] 76.96% 76.96% 0% PK01

(Keropeng) GK04[0.2]; GK13[0.6]; GK14[0.6] 60.48% 60.48% 0% PK04 (Myiasis) GK02[0.6]; GK13[0.6]; GK14[0.6];

GK15[1]

84.8% 84.8% 0% PK02

(Kembung)

(8)

Pengujian

Manual Selisih Kode Penyakit Hasil Tertinggi

GK08[0.8]; GK10[0.4] 69.76% 69.76% 0% PK05 (Foot

Rot) GK05[0.8]; GK09[0.2]; GK10[0.2];

GK11[0.8]

64.64% 64.64% 0% PK01

(Keropeng)

GK13[0.2]; GK14[1] 81.6% 81.6% 0% PK04 (Myiasis)

GK02[0.6]; GK03[0.2]; GK04[0.2];

GK15[0.8]

72.64% 72.64% 0% PK01

(Kembung) GK02[0.8]; GK05[0.6]; GK09[0.4];

GK12[0.8]

72.64% 72.64% 0% PK01

(Keropeng)

Pada tabel 8 merupakan hasil dari percobaan pengujian deteksi penyakit pada hewan kambing menggunakan pengujian aplikasi dan manual mendapatkan kesimpulan hasil terbesar pada jenis penyakit keropeng di tabel baris ke-1 dan penyakit diare di tabel baris ke-3 dengan nilai 91.264%. Hasil terkecil dari seluruh pengujian pada tabel diatas yaitu jenis penyakit kembung dengan nilai 36.16% pada tabel baris ke-32. Kesimpulan yang mengacu pada tabel 8, bahwa dari 50 pengujian diatas terdapat nilai persentase 0% - 50% dengan keterangan tingkat kepercayaan kemungkinan kecil atau sedikit kemungkinan berjumlah 3 user atau sekitar 6%, lalu yang kedua tingkat kepercayaan kemungkinan berjumlah 26 user atau sekitar 52% yang bernilai 51% - 79%, dan yang terakhir kemungkinan besar berjumlah 21 user atau sebesar 42% dengan nilai 80% - 99% pada hewan kambing yang terkena penyakit sesuai dengan gejala sesuai pilihan user.

Tabel 9. Perhitungan CF Dari Gejala Yang Terpilih Pada Hewan Sapi (Penyakit Kembung) Kode

Gejala

CFpakar Cfuser Cfhasil

GI02 0.6 0.8 0.48

GI09 0.4 0.2 0.08

G12 0.8 1 0.8

Tabel 9 diatas sama seperti pada tabel 8, merupakan tabel perhitungan antara nilai Cfpakar dikali dengan nilai Cfuser dan kemudian mendapatkan hasil nilai Cfhasil yang digunakan untuk menghitung menggunakan metode certainty factor agar menghasilkan nilai perhitungan persentase yang akurat dari penyakit kembung yang diderita hewan sapi. Berikut perhitungannya:

CFcombine1 = CFgejala1 + CFgejala2 * (1 - CFgejala1)

= 0.48 + 0.08 * (1-0.48) CFold1 = 0.5216

CFcombine2 = CFold1 + CFgejala3 * (1 - CFold1)

= 0.5216 + 0.8 * (1-0.5216) CFold2 = 0.90432 * 100 CF Hasil = 90.432%

Hasil dari perhitungan manual diatas menggunakan metode certainty factor, dapat disimpulkan bahwa hewan sapi menderita jenis penyakit kembung yang dilihat dari gejala yang telah diinputkan oleh user ketika pendeteksian, mendapatkan hasil tingkat kepercayaan sebesar 90.432% keterangannya yaitu kemungkinan besar.

Tabel 10. Hasil Dari Seluruh Percobaan Pengujian Menggunakan Pengujian Aplikasi Dan Manual Penyakit Sapi

Pengujian

Manual Selisih Kode Penyakit Hasil Tertinggi GI01[0.4]; GI04[1]; GI05[0.6] 89.248% 89.248% 0% PI01

(Leptospirosis) GI03[0.6]; GI07[0.8]; GI09[1] 89.056% 89.056% 0% PI02 (Foot Rot) GI06[0.6]; GI12[0.4]; GI14[1] 89.248% 89.248% 0% PI03 (Antaraks) GI02[0.8]; GI08[0.2]; GI11[1] 90.432% 90.432% 0% PI04 (Kembung) GI10[1]; GI13[0.2]; GI15[0.8] 90.432% 90.432% 0% PI05 (BVD) GI01[0.4]; GI03[0.6]; GI04[0.8];

GI07[0.8]

72.64% 72.64% 0% PI02 (Foot Rot) GI08[0.4]; GI10[1]; GI11[0.8];

GI13[0.4]

83.2% 83.2% 0% PI05 (BVD)

GI02[0.8]; GI06[0.6]; GI08[0.4];

GI12[0.4]

56.32% 56.32% 0% PI04 (Kembung) GI06[0.8]; GI07[0.4]; GI09[0.4];

GI12[0.6]

60.48% 60.48% 0% PI03 (Antaraks) GI01[0.6]; GI03[0.6]; GI04[0.8];

GI07[0.6]

72.64% 72.64% 0% PI01

(Leptospirosis)

(9)

Aplikasi

Pengujian

Manual Selisih Kode Penyakit Hasil Tertinggi GI02[0.6]; GI03[0.6]; GI07[0.8];

GI08[0.4]

72.64% 72.64% 0% PI02 (Foot Rot) GI12[0.4]; GI13[0.6]; GI14[0.6];

GI15[0.8]

60.48% 60.48% 0% PI05 (BVD)

GI06[0.8]; GI12[0.6] 60.48% 60.48% 0% PI03 (Antaraks)

GI02[0.8]; GI08[0.4] 56.32% 56.32% 0% PI04 (Kembung)

GI01[0.4]; GI03[0.2]; GI05[0.6] 46.24% 46.24% 0% PI01

(Leptospirosis) GI07[0.6]; GI08[0.4]; GI09[0.6] 66.72% 66.72% 0% PI02 (Foot Rot) GI13[0.4]; GI14[0.4]; GI15[0.8] 56.32% 56.32% 0% PI05 (BVD)

GI06[0.6]; GI14[0.6] 66.72% 66.72% 0% PI03 (Antaraks)

GI02[0.8]; GI11[0.8] 81.28% 81.28% 0% PI04 (Kembung)

GI01[0.6]; GI04[0.8] 72.64% 72.64% 0% PI01

(Leptospirosis) GI10[0.8]; GI11[0.8]; GI12[0.4];

GI13[0.6]

72.64% 72.64% 0% PI05 (BVD) GI06[0.4]; GI07[0.8]; GI08[0.2];

GI09[0.6]

76.96% 76.96% 0% PI02 (Foot Rot) GI08[0.4]; GI09[0.2]; GI10[0.8];

GI11[0.8]

69.76% 69.76% 0% PI04 (Kembung)

GI01[0.6]; GI05[0.6] 51.36% 51.36% 0% PI01

(Leptospirosis)

GI03[0.4]; GI07[0.8] 69.76% 69.76% 0% PI02 (Foot Rot)

GI12[0.4]; GI13[0.4]; GI14[0.8] 69.76% 69.76% 0% PI03 (Antaraks) GI01[0.2]; GI04[0.6]; GI06[0.2] 52.16% 52.16% 0% PI01

GI14[0.6]

69.76% 69.76% 0% PI05 (BVD) GI05[0.2]; GI07[0.8]; GI09[0.6] 76.96% 76.96% 0% PI02 (Foot Rot) GI08[0.4]; GI10[0.2]; GI11[0.8] 69.76% 69.76% 0% PI04 (Kembung) GI04[0.8]; GI05[0.4]; GI06[0.2];

GI07[0.2]

72.64% 72.64% 0% PI01

(Leptospirosis) GI12[0.4]; GI14[0.6]; GI15[0.2] 56.32% 56.32% 0% PI03 (Antaraks)

GI08[0.4]; GI11[0.8] 69.76% 69.76% 0% PI04 (Kembung)

GI03[0.6]; GI09[0.6] 51.36% 51.36% 0% PI02 (Foot Rot)

GI04[0.8]; GI05[0.4] 72.64% 72.64% 0% PI01

(Leptospirosis)

GI10[1]; GI13[0.4] 83.2% 83.2% 0% PI04 (Kembung)

GI06[0.6]; GI08[0.4]; GI10[0.2];

GI12[0.6]

51.36% 51.36% 0% PI03 (Antaraks) GI08[0.4]; GI11[0.8]; GI12[0.2] 69.76% 69.76% 0% PI04 (Kembung) GI01[0.4]; GI02[0.8]; GI04[0.8];

GI08[0.4]

69.76% 69.76% 0% PI01

(Leptospirosis)

GI10[1]; GI15[0.8] 89.6% 89.6% 0% PI05 (BVD)

GI04[0.6]; GI05[0.4]; GI07[0.8];

GI09[0.6]

76.96% 76.96% 0% PI02 (Foot Rot) GI02[0.8]; GI04[0.2]; GI08[0.6] 60.48% 60.48% 0% PI04 (Kembung) GI01[0.6]; GI02[0.6]; GI03[0.4];

GI04[0.8]

72.64% 72.64% 0% PI01

(Leptospirosis)

GI07[0.8]; GI09[0.6] 76.96% 76.96% 0% PI02 (Foot Rot)

GI13[0.4]; GI15[0.8] 56.32% 56.32% 0% PI05 (BVD)

GI02[0.2]; GI04[0.8]; GI05[0.6] 76.96% 76.96% 0% PI01

GI11[0.8]

69.76% 69.76% 0% PI04 (Kembung)

GI12[0.6]; GI14[0.6] 60.48% 60.48% 0% PI03 (Antaraks)

GI01[0.4]; GI03[0.2]; GI04[0.8] 69.76% 69.76% 0% PI01

GI12[0.4]

72.64% 72.64% 0% PI04 (Kembung)

Pada tabel 10 merupakan hasil dari percobaan pengujian deteksi penyakit pada hewan sapi menggunakan pengujian aplikasi dan manual, dan mendapatkan kesimpulan hasil terbesar pada jenis penyakit kembung di tabel

(10)

baris ke-4 dan penyakit bovine viral diarrhea (BVD) di tabel baris ke-5 dengan nilai 90.432% dari gejala yang telah di inputkan oleh user. Dan untuk hasil terkecil dari seluruh pengujian pada tabel diatas yaitu jenis penyakit leptospirosis dengan nilai 36.16% pada tabel baris ke-32 dari gejala yang di pilih user. Dari kesimpulan pada tabel 12, bahwa dari 50 pengujian diatas terdapat nilai persentase nilai 0% - 50% dengan keterangan tingkat kepercayaan kemungkinan kecil atau sedikit kemungkinan berjumlah 1 user atau sekitar 2%, lalu yang kedua tingkat kepercayaan kemungkinan berjumlah 40 user atau sekitar 80% dengan nilai 51% - 79%, dan yang terakhir tingkat kepercayaan kemungkinan besar berjumlah 9 user atau sebesar 18% dengan nilai 80% - 99% pada hewan sapi yang terkena penyakit sesuai dengan gejala sesuai pilihan user.

3.2 Hasil Analisis Komparasi Metode Certainty Factor dan Naïve Bayes

Tahap ini merupakan tahapan perbandingan eksponensial yang digunakan untuk membandingkan metode kombinasi yaitu antara metode forward chaining dan certainty factor dengan forward chaining dan Naïve Bayes pendeteksi penyakit hewan kambing dan sapi.

Tabel 11. Prioritas Keputusan Dari Kedua Metode Kombinasi (Penyakit Hewan Kambing) Penyakit

Kambing

Bobot Range (0-1)

Metode FC & CF (Perhitungan 1 & 3)

Metode FC & NB (Perhitungan 4)

Keropeng 0.5 9.553 5.023

Kembung 0.5 9.447 4.889

Diare 0.5 9.553 5.023

Myiasis 0.5 9.392 5.031

Foot Rot 0.5 9.447 4.889

Mengacu pada tabel 11, setelah melakukan perhitungan perbandingan eksponensial dari kedua metode kombinasi didapatkan hasil dengan masing-masing nilai pada jenis penyakit hewan kambing yang terbesar yaitu pada perhitungan metode forward chaining dan certainty factor.

Tabel 12. Prioritas Keputusan Dari Kedua Metode Kombinasi (Hewan Sapi) Penyakit

Sapi

Bobot Range (0-1)

Metode FC & CF (Perhitungan 1 & 3)

Metode FC &

NB (Perhitungan 4)

Leptospirosis 0.5 9.553 5.023

Foot Rot 0.5 9.447 4.889

Antaraks 0.5 9.553 5.023

Kembung 0.5 9.392 5.031

Bovine Viral Diarrhea

0.5 9.447 4.889

Tabel 12 adalah hasil dari perhitungan perbandingan eksponensia metode kombinasi. Selanjutnya setelah melakukan perhitungan, didapatkan hasil dengan masing-masing nilai pada jenis penyakit hewan sapi yang terbesar yaitu pada perhitungan metode forward chaining dan certainty factor.

3.3 Implementasi Sistem

Implementasi sistem adalah tahapan desain rancangan yang sudah dibuat sebelumnya yang dikodekan menggunakan bahasa pemrograman untuk membuat sebuah aplikasi[16]. Tahapan ini dilakukan menyesuaikan perancangan dan analisa yang telah dilakukan sebelumnya. Pada pembahasan implementasi ini salah satunya terdiri dari implementasi antarmuka pada aplikasi dan juga mengimplementasikan rules kedalam inference engine memakai metode penalaran forward chaining dan menerapkan metode certainty factor ke dalam bahasa pemrograman java berbasis android studio. Berikut merupakan desain tampilan antarmuka pada aplikasi sistem pakar ini.

Gambar 3. Menu Login Pada Aplikasi Pendeteksi Penyakit Hewan

(11)

Nabila Tiara Nuraini, Copyright © 2022, MIB, Page 164 Tampilan gambar 5 merupakan form login yang dipergunakan user untuk masuk ke menu utama pada aplikasi sistem pakar pendeteksi hewan kambing dan sapi yang merujuk pada gambar 6. Dengan cara user menginputkan username serta password yang telah dibuat di menu register.

Gambar 4. Menu Utama (Dashboard) Pada Aplikasi Pendeteksi Penyakit Hewan Qurban

Merujuk pada gambar 6, setelah user berhasil login sistem akan beralih ke halaman menu utama (dashboard) pada aplikasi pendeteksi penyakit hewan qurban, halaman ini terdiri dari tombol-tombol yang dipergunakan untuk berpindah ke halaman selanjutnya.

Gambar 5. Menu Pendeteksi Penyakit Pada Hewan Kambing

Gambar diatas menampilkan halaman menu pendeteksi penyakit yang diderita pada hewan kambing yang dihasilkan dari proses pemilihan gejala sesuai keadaan hewan dan user juga memilih nilai kepercayaan terhadap gejala yang dialami hewan kambing.

Gambar 6. Menu Pendeteksi Penyakit Pada Hewan Sapi

Gambar 8 sama seperti gambar sebelumnya yaitu menampilkan halaman menu pendeteksi penyakit yang diderita pada hewan sapi yang dihasilkan dari pemilihan gejala menyesuaikan dengan keadaan hewan dan user memasukkan nilai kepercayaan terhadap gejala yang dialami hewan sapi.

(12)

4 KESIMPULAN

Hasil dari penelitian dan perancangan aplikasi sispak ini yang bertujuan memberikan pengetahuan untuk para penjual hewan qurban kambing dan sapi agar mempermudah dan mempercepat dalam mendeteksi penyakit- penyakit yang diderita hewan tersebut yang dilihat dari gejala yang di alaminya dan juga dapat mengetahui bagaimana cara penanganan awal dan pencegahan dari penyakit yang diderita hewan kambing dan sapi. Dari hasil pengujian yang telah dilakukan menggunakan gabungan dari kedua metode forward chaining (fc) dan certainty factor (cf), salah satu jenis penyakit keropeng yang diderita hewan kambing menghasilkan nilai kepercayaan sebesar 91.264% dan pada penyakit kembung yang diderita hewan sapi menghasilkan nilai kepercayaan sebesar 90.432%. Kemudian dari 50 sampel pada jenis-jenis penyakit yang diderita hewan kambing diketahui terdapat 6%

user yang dinyatakan tingkat kepercayaan kemungkinan kecil atau sedikit kemungkinan, yang kedua 52% user tingkat kepercayaan kemungkinan dan tingkat kepercayaan kemungkinan besar berjumlah 42% user. Selanjutnya 50 sampel dari jenis penyakit pada hewan sapi yang merujuk tabel 12, didapatkan hasil 2% user yang dinyatakan tingkat kepercayaan kemungkinan kecil atau sedikit kemungkinan, lalu tingkat kepercayaan kemungkinan berjumlah 80% user, dan yang terakhir tingkat kepercayaan kemungkinan besar 18% user. Dari hasil-hasil tersebut didapatkan sesuai dengan gejala pilihan user.Aplikasi berbasis android ini berisi informasi awal mengenai hasil analisa deteksi penyakit yang diderita hewan kambing dan sapi, aplikasi ini juga diharapkan dapat bermanfaat bagi para penjual hewan tersebut.

REFERENSI

[1] R. Handika and deni ahmad Jakaria, “Sistem pakar diagnosa penyakit sapi dengan metode certainty factor,” Jumantaka, vol. 1, no. 1, p. 103, 2018.

[2] R. I. P. Sari, D. A. Prastiningtyas, and S. Subari, “Sistem Pakar Diagnosa Penyakit Pada Hewan Ternak Sapi Menggunakan Case Based Reasoning (CBR) Berbasis Android,” J-Intech, vol. 7, no. 01, pp. 44–57, 2019, doi:

10.32664/j-intech.v7i01.405.

[3] M. A. Ramzy, R. N. Sarbini, and D. E. Yuliana, “Pengembangan SistemPakar Diagnosa Penyakit KambingMenggunakanMetode Forward Chaining Berbasis Android,” J. Ilm., vol. 7, no. 2, pp. 269–277, 2018.

[4] M. S. Lauryn, Akhmad Saparudin, and Muhamad Ibrohim, “Sistem Pakar Diagnosa Penyakit Hewan Ternak Kambing Dengan Metode Certainty Factor (Cf),” JSiI (Jurnal Sist. Informasi), vol. 8, no. 1, pp. 18–23, 2021, doi:

10.30656/jsii.v8i1.2947.

[5] D. Simanjuntak et al., “Sistem Pakar Diagnosis Penyakit Pada Kambing Menggunakan Metode Naive Bayes dan Certainty Factor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 2, p. 35, 2018, [Online]. Available: http://j- ptiik.ub.ac.id.

[6] D. T. Satya and N. Hidayat, “Sistem Pakar Diagnosis Penyakit Sapi Ternak Potong Menggunakan Metode Naïve Bayes - Certainty Factor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3406–3410, 2018.

[7] K. Rukun, B. H. Hayadi, I. Mouludi, A. Lubis, Safril, and Jufri, “Diagnosis of toddler digestion disorder using forward chaining method,” 2017 5th Int. Conf. Cyber IT Serv. Manag. CITSM 2017, 2017, doi: 10.1109/CITSM.2017.8089230.

[8] N. N. Fakhriyah, “Sistem Pakar Diagnosis Penyakit Pada Kambing Dengan Metode Forward Chaining Dan Certainty Factor,” J. Teknol. Informasi, Komputer, dan Apl. (JTIKA ), vol. 3, no. 1, pp. 72–84, 2021, doi: 10.29303/jtika.v3i1.138.

[9] S. Sibagariang, “Sistem Pakar Diagnosa Penyakit Sapi Dengan Metode Certainty Factor Berbasis Android,” J. TIMES, vol. 3, no. 2, pp. 35–39, 2008.

[10] A. Adhi, N. Purnomo, S. Andryana, and A. Iskandar, “Application of Expert System for Diagnosing Gastric Disease Android Based with Certainty Factor Method,” J. Tek. Inform. C.I.T, vol. 12, no. 1, pp. 7–15, 2020, [Online]. Available:

www.medikom.iocspublisher.org/index.php/JTI.

[11] H. R. Burhani, I. Fitri, and A. Andrianingsih, “Perbandingan Naïve bayes dan Certainty factor pada Sistem Pakar Untuk Mendiagnosa Dini Penyakit Glaukoma,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 5, no. 3, p. 291, 2020, doi:

10.35870/jtik.v5i3.183.

[12] J. Jtik, J. Teknologi, O. Saputra, I. Fitri, E. Tri, and E. Handayani, “Sistem Pakar Diagnosa Kerusakan Hardware Komputer Menggunakan Metode Forward Chaining dan Certainty Factor Berbasis Website,” vol. 6, no. 2, pp. 0–8, 2022.

[13] R. Al Dzahabi Yunas, A. Triayudi, and I. D. Sholihati, “Implementasi Sistem Pakar untuk Mendeteksi Virus Covid-19 dengan Perbandingan Metode Naïve Bayes dan Certainty Factor,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 5, no. 3, p. 338, 2021, doi: 10.35870/jtik.v5i3.221.

[14] H. T. Sihotang, F. Riandari, and P. Buulolo, “Sistem Pakar untuk Identifikasi Kandungan Formalin dan Boraks Pada Makanan dengan Menggunakan Metode Certainty Factor Expert System for Identification of Formalin and Borax Content in Food Using Certainty Factor Method,” vol. 21, no. 1, 2021, doi: 10.30812/matrik.v21i1.1364.

[15] M. A. Puspa, “Menggunakan Metode Naive Bayes Pada,” Ilk. J. Ilm., vol. 10, no. 2, pp. 166–174, 2018.

[16] A. Sucipto, Y. Fernando, R. I. Borman, and N. Mahmuda, “Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang Belakang,” J. Ilm. FIFO, vol. 10, no. 2, p. 18, 2019, doi: 10.22441/fifo.2018.v10i2.002.