By: Sulindawaty, M.Kom

Transkripsi

1 By: Sulindawaty, M.Kom 1

2 Kata Pengantar Sistem Pakar adalah mata kuliah yang mendukung untuk membuat aplikasi yang dapat memecahkan masalah dengan pengetahuan seorang pakar yang di dimasukkan dalam komputer. Beberapa kontribusi dari mata kuliah sistem pakar selain dapat memberikan pengetahuan untuk mampu menangkap pengetahuan dari kepakaran seseorang. Juga memberikan teknik-teknik representasi pengetahuan dalam suatu rule atau sistem berbasis rule, yaitu pengetahuan disimpan dalam bentuk rule, sebagai prosedur pemecahan masalah. Selain memberikan latihan dalam kemampuan menganalisa dan menghitung dengan beberapa metode penelusuran, tingkat probabilitas dan tingkat kepastian. Harapannya buku ini dapat bermanfaat sebagai referensi bahan ajar, penelitian dsb. Dan memberikan sumbangan yang berarti bagi perkembangan ilmu pengetahuan di Indonesia, khususnya di STMIK Triguna Dharma. April, 2015 ( Penulis) 2

3 DAFTAR ISI Halaman KATA PENGANTAR... DAFTAR ISI... i ii BAB I MENGENAL SISTEM PAKAR Defenisi Sistem Pakar Struktur Sistem Pakar Pengembangan Sistem Pakar Metode Inferensi Arsitektur Sistem Pakar Metode Inferensi Keuntungan dan kelemahan Sistem Pakar.. 15 BAB II BACKWARD CHAINNING Implemantasi Algoritma Sistem Flowchart Program Perancangan Sistem Perancangan Antar Muka Implementasi system Pengujian Sistem Diskusi

4 BAB III FORWARD CHAINNING Anlisa Permasalahan Algortima Sistem Flowchart Program Pemodelan/ Perancangan Sistem Implementasi Sistem Diskusi.. 82 BAB IV DEMSTER SHAFER Implementasi Dempstr Shafer Penerapan Demster Shafer Flowchart Program Pemodelan/ Perancangan Sistem implementasi Sistem Diskusi 113 BAB V TEOREMA BAYES Jenis-jenis penyakit Algoritma Sistem Flowchart Program Pemodelan/ Perancangan Sistem Antar muka pemakai BAB VI TEOREMA BAYES KASUS Aplikasi dengan ayes Pengujian Diskusi 186 4

5 BAB VII CERTAINTY FACTOR Defenisi Certainty Factor Implementasi Certainty Factor Analisis Permasalahan Pembuatan Aplikasi Pengujian Kelebihan Sistem Diskusi

6 BAB. 1 MENGENAL SISTEM PAKAR 1.1 Defenisi Sistem Pakar Sistem pakar adalah program kecerdasan buatan yang menggabungkan pangkalan pengetahuan base dengan sistem inferensi untuk menirukan seorang pakar. Sistem pakar merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Diharapkan dengan sistem pakar ini, pengguna dapat menyelesaikan masalah tertentu, tanpa bantuan para ahli dalam bidang tersebut. Suatu sistem dikatakan sistem pakar apabila memiliki ciri-ciri sebagai berikut: 1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat menjelaskan alasan-alasan dengan cara yang dapat dipahami. 4. Bekerja berdasarkan pada kaidah atau rule tertentu. 5. Mudah dimodifikasi. 6. Basis pengetahuan dan mekanisme inferensi terpisah. 7. Keluarnya atau output bersifat anjuran. 8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai. 1.2 Struktur Sistem Pakar 6

7 Ada dua bagian penting dari Sistem pakar, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan oleh pembuat sistem pakar untuk membangun komponen-komponennya dan memperkenalkan pengetahuan ke dalam knowledge base (basis pengetahuan). Lingkungan konsultasi digunakan oleh pengguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan dan nasihat dari Sistem Pakar layaknya berkonsultasi dengan seorang pakar. User Lingkungan Konsultasi Lingkungan Pengembangan 7 Fakta-fakta tentang kejadian tertentu Basis Pengetahuan

8 Sumber: kecerdasan buatan(2010:167) Gambar 2.1 Komponen-komponen yang penting dalam sebuah sistem pakar Keterangan : 1. Akuisi Pengetahuan Subsistem ini digunakan untuk memasukkan pengetahuan dari seorang pakar dengan cara merekayasa pengetahuan agar bisa diproses oleh komputer dan menaruhnya ke dalam basis pengetahuan dengan format tertentu (dalam bentuk representasi pengetahuan). Sumbersumber pengetahuan bisa diperoleh dari pakar, buku, dokumen multimedia, basis data, laporan riset khusus, dan informasi yang terdapat di web. 2. Basis Pengetahuan (Knowladge Base) 8

9 Basis pengetahuan mengandung pengetahuan yang diperlukan untuk memahami, memformulasikan dan menyelesaikan masalah. Basis pengetahuan terdiri dari dua elemen dasar, yaitu : a. Fakta, misalnya situasi, kondisi, atau permasalahan yang ada. b. Rule (Aturan), untuk mengarahkan penggunaan pengetahuan dalam memecahkan masalah. 3. Mesin Inferensi (Inference Engine) Mesin inferensi adalah sebuah program yang berfungsi untuk memandu proses penalaran terhadap suatu kondisi berdasarkan pada basis pengetahuan yang ada, memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan untuk mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi pengendalian, yaitu strategi yang berfungsi sebagai panduan arah dalam melakukan proses penalaran. Ada tiga teknik pengendalian yang digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik tersebut. 4. Daerah Kerja (Blackboard) Untuk merekam hasil sementara yang akan dijadikan sebagai keputusan dan untuk menjelaskan sebuah masalah yang sedang terjadi, Sistem Pakar membutuhkan Blackboard, yaitu area pada memori yang berfungsi sebagai basis data. Tiga tipe keputusan yang dapat direkam pada blackboard, yaitu: a. Rencana : bagaimana menghadapi masalah b. Agenda : aksi-aksi potensial yang sedang menunggu untuk dieksekusi. c. Solusi : calon aksi yang akan dibangkitkan. 5. Antarmuka Pemakai (User Interface) 9

10 Digunakan sebagai media komunikasi antara pengguna dan Sistem Pakar. Komunikasi ini paling bagus bila disajikan dalam bahasa alami (natural language) dan dilengkapi dengan grafik, menu, dan formulir elektronik. Pada bagian ini akan terjadi dialog antara Sistem Pakar dan pengguna. 6. Subsistem Penjelasan (Explanation Subsystem / Justifier) Berfungsi memberi penjelasan kepada pengguna, bagaimana suatu kesimpulan dapat diambil. Kemampuan seperti ini sangat penting bagi pengguna untuk mengetahui proses pemindahan keahlian pakar maupun dalam pemecahan masalah. 7. Sistem Perbaikan Pengetahuan (Knowledge Refining System) Kemampuan memperbaiki pengetahuan (knowledge refening system) dari seorang pakar diperlukan untuk menganalisis pengetahuan, belajar dari kesalahan masa lalu, kemudian memperbaiki pengetahuannya sehingga dapat dipakai pada masa mendatang. Kemampuan evaluasi diri seperti itu diperlukan oleh program agar dapat menganalisis alasan-alasan kesuksesan dan kegagalannya dalam mengambil kesimpulan. Dengan cara ini basis pengetahuan yang lebih baik dan penalaran yang lebih efektif akan dihasilkan. 8. Pengguna (User) Pada umumnya pengguna sistem pakar bukanlah seorang pakar (non-expert) yang membutuhkan solusi, saran, atau pelatihan (training) dari berbagai permasalahan yang ada. 1.3 Pengembangan Sistem Pakar Pengembangan penjelasan lebih lanjut mengenai keunggulan sistem pakar dibanding seorang pakar, yaitu: 1. Sistem pakar bisa digunakan setiap hari menyerupai sebuah mesin sedangkan seorang pakar tidak mungkin bekerja terus menerus setiap hari tanpa beristirahat. 10

11 2. Sistem pakar merupakan suatu software yang dapat diperbanyak dan kemudian dibagikan ke berbagai lokasi maupun tempat yang berbeda untuk digunakan sedangkan seorang pakar hanya bekerja pada satu tempat dan pada saat yang bersamaan. 3. Suatu sistem pakar dapat diberi pengamanan untuk menentukan siapa saja yang diberikan hak akses untuk menggunakannya dan jawaban yang diberikan oleh sistem terbebas dari proses intimidasi atau ancaman, sedangkan seorang pakar bisa saja mendapat ancaman atau tekanan pada saat menyelesaikan permasalahan. 4. Pengetahuan (knowledge) yang disimpan pada sistem pakar tidak akan bisa hilang atau lupa, yang dalam hal ini tentu harus didukung oleh maintenance yang baik, sedangkan pegetahuan seorang pakar manusia lambat laun akan hilang karena meninggal, usia yang semakin tua, maupun menderita suatu penyakit. 5. Kemampuan memecahkan masalah pada suatu sistem pakar tidak dipengaruhi oleh faktor dari luar seperti intimidasi, perasaan kejiwaan, faktor ekonomi atau perasaan tidak suka. 6. Umumnya kecepatan dalam memecahkan masalah pada suatu sistem pakar relatif lebih cepat dibandingkan oleh seorang pakar manusia. 7. Biaya menggaji seorang pakar lebih mahal bila dibandingkan dengan penggunaan program sistem pakar (dengan asumsi bahwa program sistem pakar itu sudah ada). 1.4 Metode Inferensi Inferensi adalah proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsi. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi). 11

12 1.5 Bentuk Sistem Pakar Ada 4 bentuk sistem pakar yaitu : 1. Berdiri sendiri. Sistim pakar jenis ini merupakan software yang berdiri sendiri tidak bergabung dengan software yang lainnya. 2. Tergabung. Sistem pakar jenis ini merupakan bagian program yang terkandung di dalam suatu algoritma konvensional, atau merupakan program di mana di dalamnya memanggil algoritma subrutin lain. 3. Menghubungkan ke software yang lain Bentuk ini biasanya merupakan sistem pakar yang menghubungkan ke suatu paket program tertentu, misalnya dengan DBMS (Data Base Management System). 4. Sistem mengabdi. Sistem pakar merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu.misalnya sistem pakar yang digunakan untuk membantu menganalisis data radar. 1.6 Arsitektur Sistem Pakar Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan oleh pembuat sistem pakar untuk membangun komponenenkomponennya dan memperkenalkan pengetahuan ke dalam knowladge base (basis pengetahuan). 12

13 Lingkungan konsultasi digunakan penguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan dan nasihat dari sistem pakar layaknya berkonsultasi dengan pakar. 1.7 Metode Inferensi Metode inferensi merupakan suatu cara penarikan kesimpulan yang dilakukan oleh mesin inferensi dalam menyelesaikan masalah. Secara umum metode inferensi dalam sistem pakar terdiri atas 2 yaitu : a. Pelacakan Ke Depan (Forward Chaining) Menurut Irawan 2007 dalam ( Rima Izzul Millah dkk.) metode forward chaining adalah suatu metode dari inference engine untuk memulai penalaran atau pelacakan suatu data dari fakta-fakta yang ada menuju suatu kesimpulan. Forward chaining juga dapat diartikan strategi pengambilan keputusan yang dimulai dari bagian premis (fakta) menuju konklusi (kesimpulan akhir) (Kusrini,2006). Pelacakan kedepan adalah pendekatan yang dimotori data ( data-driven ). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan kedepan, mencari fakta yang sesuai dengan bagian IF dari aturan IF THEN. Pencocokan fakta atau pernyataan dimulai dari bagian kiri (IF dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Contoh penerapan forward chaining pada pendeteksian penyakita ayam dapat dilihat pada kasus di bawah ini : IF nafsu makan berkurang 13

14 AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND mencret keputih-putihan AND kedinginan AND kaki bengkak AND terdapat kotoran putih menempel di sekitar dubur THEN Berak kapur / Pullorum Disease Secara sederhana kaidah di atas dapat dijelaskan bahwa IF dan AND merupakan bagian premis (fakta). Fakta ini harus diinputkan terlebih dahulu, kemudian hasil penginputan tersebut akan otomtis diperoleh konklusinya dalam bentuk THEN b. Pelacakan Ke Belakang (Backward Chaining) Backward Chaining adalah suatu strategi pengambilan keputusan dimulai dari pencarian solusi dari kesimpulan kemudian menelusuri fakta-fakta yang ada hingga menemukan solusi yang sesuai dengan fakta-fakta yang diberikan pengguna (Kusrini, 2006). Contoh penalaran backward chaining adalah : Lampu 1 rusak. IF lampu 1 dinyalakan AND lampu 1 tidak menyala AND lampu 1 dihubungkan dengan sekering 14

15 AND sekering masih utuh Penalaran di atas dapat dijelaskan bahwa sistem terlebih dahulu menduga. 1.8 Keuntungan dan Kelemahan Sistem Pakar Ada beberapa keuntungan di dalam sistem pakar, di antaranya : 1. Menghimpun data dalam jumlah yang besar 2. Menyimpan data tersebut dalam jangka waktu yang lama dalam bentuk tertentu 3. Mengerjakan perhitungan secara cepat dan tepat serta mencari kembali data yang tersimpan dengan kecepatan tinggi Sementara kemampuan sistem pakar ( expert system ) di antaranya adalah : 1. Menjawab berbagai pertanyaan yang menyangkut bidang keahliannya 2. Bila diperlukan dapat menyajikan asumsi dan latar penalaran yang digunakan untuk sampai ke jawaban yang dikehendaki. 3. Menambah fakta kaidah dan alur penalaran. Selajutnya keuntungan yang bisa diambil dari sistem pakar adalah : 1. Menjadikan pengetahuan lebih mudah didapat. 2. Meningkatkan output dan produktifitas. 3. Menyimpan kemampuan dan keahlian para pakar. 4. Meningkatkan penyelesaian masalah, penerangan, sistem pakar khas. 5. Meningkatkan realibitas. 15

16 6. Memberikan respons (jawaban) yang cepat. 7. Merupakan panduan yang intelegence (cerdas). 8. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian 9. Inteligent databases (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas Selain keuntungan keuntungan di atas, sistem pakar seperti halnya sistem yang lainnya juga memiliki kelemahan, di antaranya adalah : 1. Masalah dalam mendapatkan pengetahuan, di mana pengetahuan tidak selalu bisa didapat dengan mudah. Hal ini disebabkan terkadang karena kepakaran tersebut tidak ada atau pendekatan yang dibuat oleh satu pakar dengan pakar lainnya berbeda. 2. Untuk membuat suatu sistem yang berkualitas sangat sulit dan memerlukan biaya yang tinggi. 3. Boleh jadi sistem pakar tidak dapat membuat keputusan. 4. Sistem pakar tidaklah 100% menguntungkan, walaupun sering tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang sebelum digunakan. Dalam hal ini peranan manusia merupakan faktor dominan Kelemahan kelemahan dari sistem pakar tersebut bukanlah sama sekali tidak bisa diatasi, tetapi dengan terus melakukan perbaikan dan pengolahan berdasarkan pengalaman yang telah ada maka hal ini diyakini akan dapat diatasi, walaupun dalam waktu yang panjang dan terus menerus. 16

17 BAB. 2 BACKWARD CHAINNING SYSTEM Backward Chaining adalah metode inferensi yang bekerja mundur kearah kondisi awal. Proses diawali dari Goal ( yang berada dibagian THEN dan rule IF-THEN), kemudian pencarian mulai dijalankan untuk mencocokkan apakah fakta-fakta yang ada cocok dengan premis-premis dibagian IF. Jika cocok, rule dieksekusi, kemudian hipotesis dibagian THEN ditempatkan di basis data sebagai fakta baru. Jika tidak cocok, simpan premis di bagian IF ke dalam stack sebagai sub Goal. Proses berakhir jika Goal ditemukan atau tidak ada rule yang bisa membuktikan kebenaran dari sub atau Goal. Gambar 1 menunjukkan proses Backward Chaining. Gambar 2.1 Proses Backward Chaining 2.1 Implementasi Penggunaan Metode Backward Chainning untuk Menentukan Kesesuaian Pembayaran Rekening Air Pelanggan pada PDAM.. Sistem informasi ini sangat dibutuhkan oleh pelanggan, karena tidak banyak pelanggan yang mengetahui tentang rekening yang dibanyarnya sesuai atau tidak. Untuk mempermudah pelanggan dibuat program untuk mengetahui tentang informasi dari penyesuaian tarif rekening yang harus dan tidak seharusnya dibayar. 17

18 Dalam kesesuaian pemakaian air pelanggan memilih beberapa kriteria yang harus dipilih oleh pelanggan. Berikut ini adalah kriteria untuk kesesuaian pemakaian air : NPA (Nomor Pelanggan Air ) (Q1), Angka Meter Awal (Q2), Angka Meter Akhir (Q3), Jumlah Pemakaian (Q4), Kaca Meter Kabur (Q5), Kaca Meter Pecah (Q6), Kaca Meter Putus (Q7), Meteran tetap berjalan walaupun kran air sudah dimatikan (Q8), Meteran berhenti pada saat kran air dimatikan (Q9). Dimana Sesuai (S1) dan Tidak Sesuai (S2). Maka berikut adalah rule sisten informasi keluhan pelanggan dalam kesesuaian pemakaian air : Rule 1 : Then S2 IF Q4, Q5, Q9 Q4, Q6, Q9 Q8 Q2, Q5 Q3, Q6 Q4, Q7 Q4, Q8 Rule 2 : Then S2 IF Q4, Q9 Q2 Q3 Q4 Q3, Q9 Q2, Q9 18

19 Tabel 2.1 Pengelompokan Parameter Kriteria Parameter Ket Q4, Q5, Q9 P1 Q4, Q6, Q9 P2 Q4, Q7, Q9 P3 Jumlah pemakaian, kaca meter kabur, meteran berhenti pada saat kran air dimatikan Jumlah pemakaian, kaca meter pecah, meteran berhenti pada saat kran air dimatikan Jumlah pemakaian, kaca meter putus, meteran berhenti pada saat kran air dimatikan Q8 P4 Meteran tetap berjalan walaupun kran air dimatikan Q2, Q5 P5 Angka meter awal, kaca meter kabur Q3, Q6 P6 Angka meter akhir, kaca meter pecah Q4, Q7 P7 Jumlah pemakaian, kaca meter putus Q4, Q8 P8 Q4, Q9 P9 Jumlah pemakaian, meteran tetap berjalan walau kran air dimatikan Jumlah pemakaian, meteran berhenti pada saat kran air dimatikan Q2 P10 Angka meter awal Q3 P11 Angka meter akhir Q4 P12 Jumlah meter Q3, Q9 P13 Angka meter akhir, meteran berhenti pada saat kran air dimatikan Q2, Q9 P14 Angka meter awal, meteran berhenti pada saat 19

20 kran air dimatikan Maka diperoleh rule sebagai berikut : Tabel 2.2 Tampilan Rule Rule If Then 1 P1, P2, P3, P4, P5, P6, P7, P8 S1 2 P9, P10, P11, P12, P13, P14 S2 Dari kumpulan rule diatas maka didapatlah Goal kesesuaian dan parameter keluhan pelanggan dalam kesesuaian pemakaian air seperti dibawah ini : Gambar 2.2 Goal Sesuai (S1) Tidak Sesuai(S2) Keterangan : 20

21 Goal S1 : dikatakan Sesuai jika memiliki gejala Jumlah pemakaian, kaca meter kabur, meteran berhenti pada saat kran air dimatikan (P1), Jumlah pemakaian, kaca meter pecah, meteran berhenti pada saat kran air dimatikan (P2), Jumlah pemakaian, kaca meter putus, meteran berhenti pada saat kran air dimatikan (P3), Meteran tetap berjalan walaupun kran air dimatikan (P4), Angka meter awal, kaca meter kabur (P5), Angka meter akhir, kaca meter pecah (P6), Jumlah pemakaian, kaca meter putus (P7), Jumlah pemakaian, meteran tetap berjalan walau kran air dimatikan (P8). Goal S2 : Dikatakan Tidak Sesuai jika memiliki gejala Jumlah pemakaian, meteran berhenti pada saat kran air dimatikan (P9), Angka meter awal (P10), Angka meter akhir (P11), Jumlah meter (P12), Angka meter akhir, meteran berhenti pada saat kran air dimatikan (P13), Angka meter awal, meteran berhenti pada saat kran air dimatikan (P14). Sehingga, If P1 and P2 and P3 and P4 and P5 and P6 and P7 and P8 Then S1 If P9 and P10 and P11 and P12 and P13 and P14 and P 15 and P 16 Then S2 If Q4 and Q5 and Q6 then P1 If Q4 and Q6 and Q9 then P2 Dst Algoritma Sistem Penggunaan strategi pencarian backward chaining untuk membangun mesin inferensi memerlukan suatu algorima tertentu sehingga bisa diimplementasikan menggunakan bahasa pemrograman. 21

22 Gambar 2.2 Algoritma Sistem Penjelasan : 1. Petugas menghidupkan komputer dan melakukan registrasi menginput username dan password. 2. Pelanggan datang untuk melaporkan keluhan. 3. Pelanggan menginput data pelanggan setelah itu disimpan. 4. Pelanggan memilih kesalahan yang terjadi pada meteran dirumahnya. 22

23 5. Jika input kesalahan yang diplih pada parameter yang ada sesuai maka sistem akan memproses sesuai dan memberikan informasi tentang kesesuaiannya. 6. Jika input kesalahan yang diplih pada parameter yang ada tidak sesuai maka sistem akan memproses tidak sesuai dan memberikan informasi tentang ketidak sesuaiannya. 2.3 Flowchart Program Dibawah ini rancangan Flowchart program untuk menentukan kesesuaian pemakaian air, yaitu sebagai berikut : Flowchart Login Gambar 2.3 Flowchart Login 23

24 Flowchart Menu Utama Y X Y Data Customer T Customer A Y Data Pengaduan T Pengaduan B X Gambar 2.4 Flowchart Menu Utama 24

25 2.3.3 Flowchart Data Customer A Data Customer Add Y Input Data Simpan Jika Id Duplika T Id sudah ada Simpan Data Y Edit T Edit Data Simpan tbldatacustomer Y Bersih Hapus T Batal Y Kosongkan teks T X Gambar 2.5 Flowchart Data Customer 25

26 Flowchart Data Pengaduan B Data Pengadu Memilih Parameter Sesuai dengan Keluhan Y Proses Tampil aplikasi pengaduan T T Exit Y X Gambar 2.6 Flowchart Data Pengaduan 26

27 2.4 Perancangan Sistem Perancangan sistem adalah tahapan dimana sistem dimodelkan dalam bentuk alur program seperti Use Case, Activity, Class Diagram Use Case Diagram Berikut ini merupakan Use Case Diagram untuk keluhan pelanggan dalam kesesuaian pemakaian air yaitu : Sistem Kesesuaian Keluhan Pelanggan berdasarkan Pemakaian Air Gambar 2.7 Use Case Diagram kesesuaian pemakaian air 27

28 2.4.2 Activity Diagram Menggambarkan rangkaian aliran dari aktivitas, digunakan untuk mendeskripsikan aktivitas yang dibentuk dalam suatu operasi sehingga dapat juga digunakan untuk aktifitas lainnya. Berikut ini merupakan activity diagram untuk kesesuaian pemakaian air : Activity System Login Tampil Login Menu Utama Input Data Customer Cek login Tampilan Form Benar Salah Memilih ketidaksesuaian berdasarkan Parametter Proses kesesuaian dengan backward chaining Hasil Proses kesesuaian dengan backward chaining Gambar 2.8 Activity Diagram 28

29 2.4.3 Class Diagram Object adalah gambaran dari entity, baik dunia nyata atau konsep dengan batasan-batasan dan pengertian yang tepat. Objek bisa mewakili sesuatu yang nyata seperti komputer, mobil atau dapat berupa konsep seperti proses kimia, transaksi bank, permintaan pembelian, dll. Setiap objek dalam sistem memiliki tiga karakteristik yaitu state ( status), Behavior ( Sifat) dan identity ( identitas). Berikut ini merupakan class diagram untuk kesesuaian pemakaian air : User UserId : String Nama_User : string Kata_Kunci : String Simpan() Tampil() 1 Login User Username Password * Customer Npa/NPAL: String Nama: String No.Register/ No.Buku : String Add() Edit() Simpan() Bersih() 1...* Pengaduan No Urut: String Nama: String Tanggan : String Proses() Tampil () Gambar 2.9 Class Diagram 2.5 Rancangan Antarmuka (Interface) Perancangan antarmuka memperjelas rutinitas program yang akan dijalankan oleh sebuah sistem computer untuk memperjelaskan interaksi antar pemakai (user) dengan program yang dibuat. Semua software pengembangan sistem informasi memberikan interface yang berbeda 29

30 bagi user dan developer. User akan berhadapan dengan tampilan yang sederhana dan mudah, sedangkan developer akan berhadapan dengan editor dan source code waktu mengembangkan program. Pada bagian ini user bisa melihat dan berinteraksi dengan sistem, biasanya dalam bentuk display teks ataupun grafik yang interaktif. Di sini akan digambarkan rancangan antarmuka yang digunakan dalam sistem. Tampilan antarmuka yang dibuat menggunakan form tampilan yang dilengkapi tombol (button) menu. Tampilan antarmuka dibuat secara user friendly sehingga memudahkan masyarakat awam untuk menggunakan sistem informasi untuk mengetahui kesesuaian pemakaian air yang digunakan. Adapun rancangan antar mukanya adalah sebagai berikut: 1. Form Login Form login adalah form awal yang pertama kali muncul ketika menjalankan sistem informasi ini. Form login ini dibuat dengan dua pilihan yang pertama user sebagai Admin, untuk menjalankan program sebagai informasi maka dibutuhkan password untuk bisa menjalankan sistem informasi ini. Yang kedua adalah user sebagai mana seorang user langsung bisa menjalankan sistem ini. Adapun tampilannya adalah sebagai berikut : 30

31 Gambar 2.10 Rancangan Form Login 2. Form Menu Utama Berikut ini merupakan gambar tampilan awal yang menggambarkan menu pilihan yang dapat dipilih user (pengguna) yaitu : a. Menu Input Data adalah menu yang memberikan informasi tentang data pelanggan dan keluhan yang terjadi pada pelanggan beserta penjelasan. b. Menu About adalah menu ini hanya berisi tentang keterangan menngenai program keluhan pelanggan dalam kesesuaian pemakaian air. c. Menu Exit adalah menu keluar setelah pengguna selesai menggunakannya. 31

32 Gambar 2.11 Rancangan Form Utama 3. Form Customer Form Customer ini berfungsi untuk mengisi data pelanggan dan melihat catatan dari petugas. Dalam form ini dapat menambah nama pelanggan dan memperbaiki data pelanggan jika ada yang salah. Adapun rancangan tampilannya adalah sebagai berikut ini : Gambar 2.12 Rancangan Form Customer 32

33 4. Form Pengaduan Form pengaduan berfungsi untuk mengecek kesalahan yang terjadi pada pelanggan, berikut bentuk form pengaduan : Gambar 2.13 Rancangan Form Pengaduan 5. Form About Form About berfungsi untuk menjelaskan tentang pembuat dan juga tentang program sistem informasi. Berikut bentuk form tentang : 33

34 Gambar 2.14 Tentang Program 2.6 Implementasi Sistem Form Halaman Utama Form ini merupakan halaman utama yang berisikan menu menu program yaitu : menu input data, menu customer, menu pengaduan, menu laporan, menu about, dan menu exit. Pengguna juga bisa menggunakan menu ini untuk melihat identitas dan mengisi identitas bagi pelanggan baru serta juga bisa dipergunakan untuk melihat apakah pembayaran dengan pemakaian sesuai. Berikut bentuk form utama : 34

35 Gambar 2.15 Tampilan form Utama Form Data Customer Form ini merupakan halaman untuk melihat identitas pelanggan atau untuk memasukkan pelanggan baru dan dapat memperbaiki identitas pelanggan bila ada yang salah. Berikut adalah bentuk form data customer : 35

36 Gambar 2.16 Tampilan Form Data Customer Form Pengaduan Form ini merupakan halaman untuk pengujian program, pada form ini pengguna bisa memilih kesalah yang terjadi pada meteran anda. Tekan tombol proses untuk melakukan proses kesesuaian, dan tekan tombol exit apabila anda telah telah selesai mengeceknya. Berikut adalah bentuk form pengaduan : Gambar 2.17Tampilan Form Pengaduan 36

37 2.6.4 Form Laporan Data Customer Form ini hanya menjelaskan laporan tentang data customer, dan utuk keluar silahkan pilih tanda silang pada layar yang sebelah kanan. Berikut tampilan form laporan data customer : Gambar 2.18 Tampilan Form Laporan Data Customer Form Menu About Form ini berfungsi memberikan informasi tentang program ini dan tekan tombol keluar untuk keluar dari program. Berikut bentuk form menu about : Gambar 2.19 Form Menu About 37

38 2.6.5 Tampilan Database Gambar 2.20 Tampilan Database 2.7 Pengujian Sistem Pengujian sistem informasi ini meliputi pengujian identifikasi dengan menggunak metode backward chaining. Data yang akan dipilih sebagai asumsi untuk melakukan pengujian ini adalah data kesalahan yang sering terjadi dalam perusahaan. 38

39 2.8. Diskusi Misalkan diketahui sistem pakar yang menggunakan beberapa rule berikut. R1:IF (P AND D) THEN R R2:IF (X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5:IF (L AND M) THEN N Fakta-fakta: A,B,C,D, dan E bernilai benar. Goal: menentukan apakah R bernilai benar atau salah. Penyelesaian: Iterasi 1: Database:A,B,C,D,E Stack : R Knowledge Base (Basis Pengetahuan) R1:IF (Y AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Goal : R (sebagai isi awal dari stack) 39

40 D ada di database Y tidak ada di database,simpan di stack. Iterasi 2: Database:A,B,C,D,E Stack : R,Y Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : P B,E ada di database X tidak ada di database,simpan di stack. Iterasi 3: Database:A,B,C,D,E Stack : R,P,X Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X 40

41 R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : X A ada di database X hapus dari stack dan masukkan ke fakta baru. Iterasi 4: Database:A,B,C,D,E, (Fakta Baru: X) Stack : R,P Knowledge Base (Basis Pengetahuan) R1:IF (Y AND D) THEN R R2:IF(X AND B AND E) THEN Y R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : X X,B, E ada di database Y hapus dari stack dan masukkan ke fakta baru. Iterasi 5: Database:A,B,C,D,E, (Fakta Baru: X,P) Stack : R 41

42 Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Sub Goal : X P, D ada di database R hapus dari stack dan masukkan ke fakta baru. Sehingga, Database:A,B,C,D,E, (Fakta Baru: X, P,R) Karena Goal R ditemukan di database, maka proses pencarian dihentikan. Disini terbukti bahwa R bernilai Benar. 42

43 BAB. 3 FORWARD CHAINNING Metode forward chaining adalah suatu metode dari inference engine untuk memulai penalaran suatu data dari fakta-fakta yang ada menuju suatu kesimpulan. Forward chaining juga dapat diartikan strategi pengambilan keputusan yang dimulai dari bagian premis (fakta) menuju konklusi (kesimpulan akhir). Pelacakan kedepan adalah pendekatan yang dimotori data ( data-driven ). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan kedepan, mencari fakta yang sesuai dengan bagian IF dari aturan IF THEN. Pencocokan fakta atau pernyataan dimulai dari bagian kiri (IF dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Kesimpulan Observasi A Observasi B Aturan R1 Aturan R2 Fakta A Fakta B Aturan R3 Aturan R2 Kesimpulan Fakta C Gambar 3.1 Proses Forward Chaining Contoh penerapan forward chaining pada pendeteksian penyakita ayam dapat dilihat pada kasus di bawah ini : IF nafsu makan berkurang 43

44 AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND mencret keputih-putihan AND kedinginan AND kaki bengkak AND terdapat kotoran putih menempel di sekitar dubur THEN Berak kapur / Pullorum Disease Secara sederhana kaidah di atas dapat dijelaskan bahwa IF dan AND merupakan bagian premis (fakta). Fakta ini harus diinputkan terlebih dahulu, kemudian hasil penginputan tersebut akan otomtis diperoleh konklusinya dalam bentuk THEN 3.1 Analisa Permasalahan Ada beberapa jenis-jenis penyakit yang diderita oleh ayam, berikut ini jenis-jenis penyakit ayam : Kode Nama Penyakit Nama Latin P001 Berak kapur Pullorum Disease P002 Kolera Ayam Fowl Cholera P003 Flu Burung Avian Influenza P004 Tetelo Newcastle Disease P005 Tipus Ayam Fowl Typhoid P006 Berak Darah Coccidosis P007 Gumboro Gumboro Disease 44

45 P008 Salesma Ayam Infectious Coryza P009 Batuk Ayam Menahun Infectious Bronchitis P010 Busung Ayam Lymphoid Leukosis P011 Batuk Darah Infectious Laryngotracheitis Tabel 6.1 Daftar Penyakit Ayam yang Sering Timbul Kode Nama Penyakit Nama Latin P012 Mereks Mereks Disease P013 Produksi Telur Egg Drop Syndrome 76/EDS 76 P014 Produksi Awal Pullet Disease P001 sampai dengan P011 merupakan kode yang diberikan penulis untuk mempermudah mengetahui jenis penyakit ayam. Kode ini nantinya akan digunakan di aplikasi sistem pakar yang dibuat. Jadi, kesimpulannya kode ini bukan kode baku atau kode yang tetap dari dinas kesehatan hewan, tetapi kode ini hanyalah untuk mempermudah pengguna aplikasi sistem pakar ini untuk mengetahui jenis penyakit ayamnya saja. 3.2 Algoritma Sistem Untuk mengetahui penyakit ayam, maka harus diketahui terlebih dahulu gejala-gejala penyebab penyakit ayam tersebut. Berikut gejala-gejala tiap penyakit ayam. 45

46 3.2.1 Gejala Penyakit Berak Kapur Penyakit berak kapur memiliki nama latin pullorum disease disebut juga bacillary white diarrhea dan yang lebih populer disebut penyakit berak kapur atau berak putih. Berikut gejala-gejala yang muncul pada penyakit ini : Tabel 3.2 Daftar Gejala Penyakit Berak Kapur Kode Nama Gejala G001 G002 G004 G007 G008 G009 G010 G013 G016 G024 G037 Nafsu makan berkurang Nafas sesak/megap-megap Nafas cepat Badan kurus Bulu kusam dan berkerut Diare Produksi telur menurun Kedinginan Mencret keputih-putihan Kaki bengkak Terdapat kotoran putih menempel di sekitar anus Gejala Penyakit Kolera Ayam Penyakit kolera ayam memiliki nama latin penyakit fowl cholera, merupakan penyakit ayam yang dapat menyerang secara pelan-pelan dan juga dapat menyerang secara mendadak. Berikut gejala-gejala yang ditimbulkan dari penyakit ini : Tabel 3.3 Daftar Gejala Penyakit Kolera Ayam 46

47 Kode Nama Gejala G001 G002 G003 G006 G008 G009 G010 G012 G014 G015 G018 G022 G025 G029 Nafsu makan berkurang Nafas sesak/megap-megap Nafas ngorok Batuk Bulu kusam dan berkerut Diare Produksi telur menurun Kelihatan ngantuk dan bulu berdiri Tampak lesu Mencret kehijau-hijauan Banyak minum Jengger membengkak merah Kaki meradang/lumpuh Keluar cairan dari mata dan hidung Gejala Penyakit Flu Burung Penyakit flu burung memiliki nama latin avian influenza, disebut juga penyakit fowl plaque. Pertama kali terjadi di Italia sekitar tahun Selanjutnya menyebar luas sampai tahun 1930, setelah itu menjadi sporadis dan terlokasisasi terutama di timur tengah. Berikut daftar gejala-gejala penyakit flu burung : 47

48 Tabel 3.4 Daftar Gejala Penyakit Flu Burung Kode Nama Gejala G001 G002 G003 G005 G006 G009 G010 G020 G028 G015 G031 G041 Nafsu makan berkurang Nafas sesak/megap-megap Nafas ngorok Bersin-bersin Batuk Diare Produksi telur menurun Nampak membiru Keluar cairan berbusa dari mata Mencret kehijau-hijauan Kepala bengkak Mati secara mendadak Gejala Penyakit Tetelo Penyakit tetelo memiliki nama latin newcastle disease disebut juga pseudovogel pest rhaniket atau tortor furrens. Di Indonesia populer dengan sebutan tetelo. Penyakit ini pertama kali ditemukan oleh Doyle pada tahun 1927, di daerah newcastleon tyne, Inggris. Berikut ini daftar gejala-gejala penyakit tetelo : 48

49 Tabel 3.5 Daftar Gejala Penyakit Tetelo Kode Nama Gejala G001 Nafsu makan berkurang G002 Nafas sesak/megap-megap G003 Nafas ngorok G005 Bersin-bersin G006 Batuk G010 Produksi telur menurun G014 Tampak lesu G015 Mencret kehijau-hijauan G021 Sempoyongan G032 Kepala terputar Gejala Penyakit Tipus Penyakit tipus memiliki nama latin fowl typhoid, dikenal sebagai penyakit tipus ayam, tergolong penyakit menular. Berikut daftar gejala-gejala penyakit tipus : 49

50 Tabel 3.6 Daftar Gejala Penyakit Tipus Kode Nama Gejala G001 G007 G008 G009 G012 G014 G015 G023 Nafsu makan berkurang Badan kurus Bulu kusam dan berkerut Diare Kelihatan ngantuk dan bulu berdiri Tampak lesu Mencret kehijau-hijauan Jengger pucat Gejala Penyakit Berak Darah Penyakit berak darah memiliki nama latin coccidosis, merupakan penyakit menular yang ganas, di kalangan para peternak ayam disebut juga penyakit berak darah. Penyakit ini ditemukan pada tahun Berikut daftar gejala-gejala penyakit berak darah : 50

51 Tabel 3.7 Daftar Gejala Penyakit Berak Darah Kode Nama Gejala G001 G007 G008 G010 G017 G019 Nafsu makan berkurang Badan kurus Bulu kusam dan berkerut Produksi telur menurun Mencret bercampur darah Muka pucat Gejala Penyakit Gumboro Penyakit gumboro memiliki nama latin infectious bursal disease. Pertama kali ditemukan dan dilaporkan pada tahun 1975 oleh Dr. Csgrove di daerah gumboro, deleware, Amerika serikat. Berikut daftar gejala-gejala penyakit ini : Tabel 3.8 Daftar Gejala Penyakit Gumboro Kode Nama Gejala G001 G008 G014 G016 G039 G040 Nafsu makan berkurang Bulu kusam dan berkerut Tampak lesu Mencret keputih-putihan Tidur paruhnya diletakkan di lantai Duduk dengan sikap membungkuk 51

52 3.2.8 Gejala Penyakit Salesma Penyakit salesma memiliki nama latin infectious coryza, disebut juga infectious cold, Snot, Rhinitis atau Roup. Berikut daftra gejala-gejala penyakit ini: Tabel 3.9 Daftar Gejala Penyakit Salesma Kode Nama Gejala G001 G005 G009 G010 G027 G030 G034 Nafsu makan berkurang Bersin-bersin Diare Produksi telur menurun Kelopak mata kemerahan Keluar nanah dari mata dan bau Pembengkakan dari sinus dan mata Gejala Penyakit Batuk Menahun Penyakit batuk menahun memiliki nama latin infectious bronchitis, pertama kali ditemukan pada tahun 1930 dan penyakit ini mulai menjadi wabah sejak tahun Pada tahun 1950 penyakit infectious bronchitis sudah dapat dikendalikan dengan efektif. Berikut gejala-gejala yang ditimbulkan dari penyakit ini : 52

53 Tabel 3.10 Daftar Gejala Penyakit Menahun Kode Nama Gejala G001 G003 G005 G006 G009 G010 G012 G013 G014 G020 Nafsu makan berkurang Nafas ngorok Bersin-bersin Batuk Diare Produksi telur menurun Kelihatan ngantuk dan bulu berdiri Kedinginan Tampak lesu Nampak membiru Gejala Penyakit Busung Ayam Penyakit busung ayam memiliki nama latin lymphoid leukosis, penyakit ini termasuk kelompok leukosis komplex disease. Penyakit ini banyak menyerang ayam di Indonesia. Berikut gejala-gejala yang ditimbulkan dari penyakit ini : 53

54 Tabel 3.11 Daftar Gejala Penyakit Busung Ayam Kode Nama Gejala G001 G002 G007 G008 G023 G035 Nafsu makan berkurang Nafas sesak/megap-megap Badan kurus Bulu kusam dan berkerut Jengger pucat Perut membesar Gejala Penyakit Batuk Darah Penyakit batuk darah memiliki nama latin infcentious laryngotracheitis, disebut juga infectious tracheitis. Jenis penyakit ini ditemukan pada tahun 1925, dan secara resmi diakui oleh committee on pultry disease of the american veterinary medical association, pada tahun Berikut daftar gejalagejala yang ditimbulkan dari penyakit ini : Tabel 3.12 Daftar Gejala Penyakit Batuk Darah Kode Nama Gejala G002 G003 G005 G006 G033 G038 Nafas sesak/megap-megap Nafas ngorok Bersin-bersin Batuk Mata Berair Terdapat lendir bercampur darah pada rongga mulut 54

55 Gejala Penyakit Mereks Penyakit mereks memiliki nama latin mereks disease. Pada awalnya penyakit ini dimasukkan dalam kelompok leukosis complex disease, namun setelah ditemukan penyebabnya dan penanggulangannya, penyakit ini dipisahkan dari kelompok leukosis complex disease. Berikut daftar gejala-gejala yang ditimbulkan dari penyakit ini : Tabel 3.13 Daftar Gejala Penyakit Mereks Kode Nama Gejala G001 G004 G007 G019 G021 G026 G036 Nafsu makan berkurang Nafas cepat Badan kurus Muka pucat Sempoyongan Kaki pincang Sayap menggantung Gejala Penyakit Produksi Telur Penyakit produksi telur memiliki nama latin egg drop syndrome, merupakan penyakit ayam yang ada pada tahun 1976, dilaporkan van eck di Nederland. Di kalangan pakar kesehatan ternak, penyakit ini disebut egg drop syndrome 76. Berikut daftar gejala-gejala penyakit ini : 55

56 Tabel 3.14 Daftar Gejala Penyakit Produksi Telur Kode Nama Gejala G004 G010 G011 G015 Nafas cepat Produksi telur menurun Kualitas telur jelek Mencret kehijau-hijauan Gejala Penyakit Produksi Awal Penyakit produksi awal memiliki nama latin pullet disease, disebut juga blue comb, avian monocytosis, dan summer disease. Penyakit ini umum menyerang ayam yang sedang mengawali produksi telurnya yang pertama. Berikut ini daftar gejala-gejala yang ditimbulkan dari penyakit ini : Tabel 3.15 Daftar Gejala Penyakit Produksi Awal Kode Nama Gejala G009 G010 G016 G022 Diare Produksi telur menurun Mencret keputih-putihan Jengger membengkak merah 3.3 Flowchart Program Basis pengetahuan didapat dari para pakar adalah masalah penyakit ayam tentunya basis pengetahuan ini dapat diperoleh dari pakar ayam atau dokter hewan. Selain itu basis pengetahuan dapat diperoleh dari buku-buku yang membahas tentang penyakit ayam. Analisis permasalahan yang digunakan 56

57 adalah menggunakan diagram flowchart. Berikut flowchart analisis permasalahan sebelum merancang aplikasi sistem pakar. Flowchart Diagnosa Penyakit Ayam Mulai Pilih Gejala Tidak Gejala Ya Jawab Ya Masukkan Ke temp_gejala dan temp_penyakit Masukkan Ke Data Peternak Tampilkan Data Peternak Selesai Gambar 3.2 Flowchart Diagnosa Penyakit Ayam 3.4 Pemodelan / Perancangan Sistem Tahap berikutnya adalah tahap perancangan yang bertujuan untuk membuat suatu perancangan kerangka dasar yang akan digunakan, sistem masukan yang dibutuhkan, keluaran yang diharapkan, serta prosedur penggunaan sistem. Tahapan yang akan dilakukan dalam perancangan sistem antara lain perancangan Use Case Diagram, Activity Diagram dan perancangan interface. 57

58 3.4.1 Perancangan Use Case Diagram Perancangan use case diagram sistem pakar mendeteksi penyakit pada ayam dengan menggunakan metode forward chaining adalah sebagai berikut : a. Usecase Untuk Halaman Depan Diagnosa Penyakit Ayam Daftar Peternak «extends» «uses» Diagnosa Penyakit Peternak Gambar 3.3 Usecase Halaman Depan Diagnosa Penyakit Dari gambar 3.3 peternak mendaftarkan biodatanya selanjutnya akan peternak akan menerima diagnosa dalam bentuk pernyataan. Peternak harus menjawab Ya atau Tidak sesuai dengan pernyataan yang tampil Representasi Pengetahuan Representasi pengetahuan yang digunakan adalah dengan menggunakan kaidah produksi. Perlu diketahui representasi ini nantinya akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang didapat. 58

59 a. Rule 1 Pada aturan 1 (rule 1), dapat ditentukan aturan yang digunakan untuk penyakit berak kapur. IF nafsu makan berkurang AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND mencret keputih-putihan AND kedinginan AND kaki bengkak AND terdapat kotoran putih menempel di sekitar dubur THEN berak kapur / pullorum disease. b. Rule 2 Pada rule 2 dapat ditentukan aturan yang digunakan untuk penyakit kolera ayam. IF nafsu makan hilang AND nafas sesak/megap-megap AND nafas ngorok 59

60 AND bulu kusam dan berkerut AND diare AND produksi telur menurun AND kelihatan mengantuk dengan bulu berdiri AND tampak lesu AND mencret kehijau-hijauan AND banyak minum AND jengger membengkak merah AND kaki meradang/lumpuh AND keluar cairan dari mata dan hidung THEN kolera ayam/ fowl cholera. c. Rule 3 Pada aturan 3 (rule 3) dapat ditentukan aturan yang digunakan untuk penyakit flu burung. IF nafsu makan hilang AND nafas sesak/megap-megap AND nafas ngorok AND bersin-bersin AND batuk 60

61 AND diare AND produksi telur menurun AND nampak membiru AND keluar cairan berbusa dari mata AND kepala bengkak AND mati secara mendadak THEN flu burung/avian influenza. d. Rule 4 Pada aturan 4 atau rule 4 dapat ditentukan aturan yang digunakan untuk penyakit tetelo. IF nafsu makan hilang AND nafas sesak/megap-megap AND nafas ngorok AND bersin-bersin AND batuk AND produksi telur menurun AND tampak lesu AND mencret kehijau-hijauan AND sempoyongan 61

62 AND kepala berputar THEN tetelo/newcastle disease. e. Rule 5 Pada aturan 5 dapat ditentukan aturan yang digunakan untuk penyakit tipus ayam. IF nafsu makan hilang AND badan kurus AND bulu kusam dan berkerut AND diare AND kelihatan ngantuk dengan bulu berdiri AND tampak lesu AND mencret kehijau-hijauan AND jengger pucat THEN tipus ayam/fowl typhoid. f. Rule 6 Pada aturan 6 atau rule 6 dapat ditentukan aturan yang digunakan untuk penyakit berak darah. IF nafsu makan hilang AND badan kurus AND bulu kusam dan berkerut 62

63 AND produksi telur menurun AND muka pucat AND mencret bercampur darah THEN berak darah/cocidosis. g. Rule 7 Pada aturan 7 atau rule 7 dapat ditentukan aturan yang digunakan untuk penyakit gumboro IF nafsu makan hilang AND bulu kusam dan berkerut AND tampak lesu AND mencret keputih-putihan AND tidur paruhnya diletakkan di lantai AND duduk dengan sikap membungkuk THEN gumboro/gumboro disease. h. Rule 8 Pada aturan 8 atau rule 8 dapat ditentukan aturan yang digunakan untuk penyakit salesma ayam. IF nafsu makan hilang AND bersin-bersin AND diare 63

64 AND produksi telur menurun AND kelopak mata kemerahan AND keluar nanah dari mata dan bau AND pembengkakan dari sinus dan mata THEN salesma ayam/infcection coryza. i. Rule 9 menahun. Pada aturan 9 atau rule 9 dapat ditentukan aturan yang digunakan untuk penyakit batuk ayam IF nafsu makan hilang AND nafas ngorok AND bersin-bersin AND batuk AND diare AND produksi telur menurun AND kelihatan mengantuk dengan bulu berdiri AND kedinginan AND tampak lesu AND nampak membiru THEN batuk ayam menahun/infectious bronchitis. 64

65 j. Rule 10 Pada aturan 10 atau rule 10 dapat ditentukan aturan yang digunakan untuk penyakit busung ayam. IF nafsu makan berkurang AND nafas sesak/megap-megap AND badan kurus AND bulu kusam dan berkerut AND jengger pucat AND perut membesar THEN busung ayam/lymphoid leukosis. k. Rule 11 Pada aturan 11 atau rule 11 ditentukan aturan yang digunakan untuk penyakit batuk darah. IF nafas sesak/megap-megap AND nafas ngorok AND bersin-bersin AND batuk AND mata berair AND terdapat lender bercampur darah pada rongga mulut THEN batuk darah/infectious laryngotracheitis. 65

66 l. Rule 12 Pada aturan 12 atau rule 12 dapat ditentukan aturan yang digunakan untuk penyakit mereka. IF nafsu makan berkurang AND nafas cepat AND badan kurus AND muka pucat AND sempoyongan AND kaki pincang AND sayap menggantung THEN penyakit mereka / mareks disease. m. Rule 13 telur. Pada aturan 13 atau rule 13 dapat ditentukan aturan yang digunakan untuk penyakit produksi IF nafas cepat AND produksi telur menurun AND kualitas telur jelek AND mencret kehijau-hijauan THEN produksi telur/egg drop syndrome 76 /EDS

67 m. Rule 14 Pada rule 14 dapat ditentukan aturan yang digunakan untuk penyakit produksi awal. IF diare AND produksi telur menurun AND mencret keputih-putihan AND jengger membengkak merah AND mati secara mendadak THEN produksi awal/pullet disease Pemodelan / Perancangan Sistem Data yang ada disusun dalam bentuk tabel untuk mempermudah sistem dalam pengambilan keputusan. Berikut tabel-tabel yang terdapat dalam aplikasi sistem pakar : 1. Tabel Penyakit Tabel penyakit berguna untuk menyimpan semua daftar penyakit termasuk dengan defenisi dan solusinya. Daftar penyakit yang disimpan di dalam tabel ini tentunya yang mungkin terjangkit pada ayam. Desain tabel ini dapat dilihat pada tabel Tabel 3.1 Desain Struktur Tabel Penyakit No Kolom Tipe Panjang Keterangan 1 kd_penyakit Char 4 Primary Key 2 nm_penyakit Varchar 60 Nama Penyakit 67

68 3 nm_latin Varchar 60 Nama Latin 4 Defenisi Text Defenisi 5 Solusi Text Solusi 2. Tabel Gejala Tabel gejala digunakan untuk menyimpan daftar gejala yang mungkin terjadi pada ayam, tentunya saata sakit. Tebel gejala ditunjukkan pada tabel 3.17 Tabel 3.2 Desain Struktur Tabel Gejala No Kolom Tipe Panjang Keterangan 1 kd_gejala Char 4 Primary Key 2 nm_gejala Varchar 100 Nama Gejala 3. Tabel Relasi Tabel relasi berguna untuk menghubungkan antara tabel penyakit dengan tabel Gejala, sehingga dapat membuat daftar gejala yang terjadi pada suatu penyakit tertentu yang diderita ayam. Tabel relasi dapat dilihat pada tabel Tabel 3.3 Desain Struktur Tabel Relasi No Kolom Tipe Panjang Keterangan 1 kd_penyakit Char 4 Kode Penyakit 2 kd_gejala Char 4 Kode Gejala 68

69 4. Tabel Analisa Tabel analisa berguna untuk menyimpan data hasil penelusuran, data yang disimpan termasuk identitas orang yang punya ayam yang menggunakan aplikasi. 69

70 Tabel 3.4 Desain Struktur Tabel Analisa No Kolom Tipe Panjang Keterangan 1 Id Int 4 Primary Key, Auto_Increment 2 Nm_Peternak Varchar 60 Nama Peternak 3 Kelamin ENUM P, W Kelamin 4 Alamat Varchar 100 Alamat 5 Pekerjaan Varchar 60 Pekerjaan 6 kd_penyakit Char 4 Kode Penyakit 7 Noip Varchar 60 No Ip 8 Tanggal Datetime Tanggal 5. Tabel Bantu Penyakit Tabel bantu penyakit dapat juga dinamakan sebagai tabel temporari atau tabel sementara untuk data penyakit. Tujuan dibuatnya tabel ini adalah untuk menyimpan daftar kemungkinan penyakit saat menjawab setiap gejala yang ditanyakan. Tabel 3.5 Desain Struktur Tabel Temp_Penyakit No Kolom Tipe Panjang Keterangan 1 Noip Varchar 60 No Ip 2 kd_penyakit Char 4 Kode Penyakit 6. Tabel Bantu Gejala 70

71 Tabel bantu gejala dapat juga dinamakan tabel temporari atau tabel sementara untuk data gejala. Tujuan dibuatnya tabel ini adalah untuk menyimpan daftar kode gejala yang telah dijawab YA, sedangkan untuk jawaban TIDAK akan dibuang. Berikut tabel bantu gejala seperti terlihat pada tabel 6.21 Tabel 3.6 Desain Struktur Tabel Temp_Gejala No Kolom Tipe Panjang Keterangan 1 Noip Varchar 60 No Ip 2 kd_gejala Char 4 Kode Gejala 7. Tabel Bantu Analisa Tabel bantu analisa dapat juga dinamakan sebagai tabel temporari atau tabel sementara untuk data relasi. Tujuan dibuatnya tabel ini adalah untuk menyimpan daftar relasi yang kode penyakitnya mungkin terjadi, yaitu dari semua kode penyakit yang tersimpan di dalam tabel tmp_penyakit. Berikut tabel bantu analisa seperti terlihat pada tabel Tabel 3.7 Desain Struktur Tabel Temp_Analisa No Kolom Tipe Panjang Keterangan 1 Noip Varchar 60 No Ip 2 kd_penyakit Char 4 Kode Penyakit 3 Kd_gejala Char 4 Kode Gejala 8. Tabel Bantu Peternak Tabel bantu peternak dapat juga dinamakan sebagai tabel temporari atau tabel 71

72 sementara untuk data peternak. Tujuan dibuatnya tabel ini adalah untuk menyimpan data peternak dari form pendaftaran. Data peternak disimpan sementara karena tidak semua orang yang mengakses meneruskan proses penelusurnya, sehingga data pendaftar yang tidak melakukan analisa gejala sampai akhir, program tidak akan menyimpannya. Tabel 3.8 Desain Struktur Tabel Peternak No Kolom Tipe Panjang Keterangan 1 Id Int 4 Primary key, auto_incrment 2 Nm_peternak Varchar 60 Nama Peternak 3 JenisKelamin Enum P, W Jenis Kelamin 4 Alamat Varchar 100 Alamat 5 Pekerjaan Varchar 60 Pekerjaan 6 Noip Varchar 60 No IP 7 Tanggal Datetime Tanggal 72

73 3.4.4 Rancangan Menu Utama Menu utama merupakan form utama pada saat user dan admin mengakses sistem pakar ini. User merupakan pengunjung yang mengunjungi web sistem pakar untuk memeriksa penyakit ayamnya. Berikut ini tampilan menu utama. SELAMAT DATANG DI WEBSITE SISTEM PAKAR Menu Daftar Penyakit Konsultasi Cara Penggunaan xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxx Sistem Pakar Mendeteksi Penyakit Ayam Gambar 3.4 Rancangan Menu Utama Pada menu daftar penyakit akan menampilkan nama penyakit dan jika diklik link lihat maka gejala-gejala penyakit akan ditampilkan. Menu konsultasi menampilkan konsultasi pengunjung tentang penyakit yang diderita oleh ayam pengunjung. 73

74 3.5.1 Rancangan Daftar Penyakit Daftar Semua Penyakit Beserta Gejalanya. No Nama Penyakit Nama Latin Detail x x x Lihat x x x Lihat x x x Lihat x x x Lihat Gambar 3.5 Rancangan Daftar Penyakit dan Gejala Penyakit Rancangan Daftar Pasien berkonsultasi. Rancangan daftar pasien maksud adalah rancangan pendaftaran untuk pengunjung yang akan 74

75 Daftar Peternak Nama xxxxxxxxxxxxxxxxxxxxxxxxxxxx Jenis Kelamin Laki-Laki Perempuan Alamat xxxxxxxxxxxxxxxxxxxxxxxxxxxx Pekerjaan xxxxxxxxxxxxxxxxxx Daftar Gambar 3.6 Rancangan Daftar Pasien Rancangan Daftar Pertanyaan Rancangan daftar pertanyaan akan muncul seteleah pasien mendaftarkan diri sebagai orang yang berkonsultasi. Setelah diklik tombol daftar pada rancangan daftar pasien,. Jawablah Jawablah Pertanyaan Di Di Bawah Bawah Ini Ini : xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx Benar (YA) Salah (TIDAK) Jawab Benar (YA) Salah (TIDAK) Jawab Gambar 3.7 Rancangan Daftar Pertanyaan 75

76 3.5.6 Rancangan Hasil Analisa Penyakit Ayam Rancangan hasil analisa penyakit ayam merupakan rancangan akhir untuk menentukan penyakit yang di derita oleh ayam, di sini akan diberikan juga solusi untuk mengatasi penyakit ayam tersebut. Berikut tampilan rancangan analisa penyakit ayam seperti terlihat pada gambar 3.1 Hasil Analisa Penyakit Ayam Data Peternak Nama xxxxxxxxxxxxxxxxxxxxxxxxxxxx Jenis Kelamin Alamat Pekerjaan xxxxxxxxxxxxxxxxxxxxxxxxxxxx Laki-Laki Perempuan xxxxxxxxxxxxxxxxxx Hasil Analisa : Penyakit Nama Latin Gejala Keterangan Solusi xxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx Gambar 3.8 Hasil Analisa Penyakit Ayam 76

77 3.5. Implementasi Sistem Implementasi sistem merupakan pengujian dari perancangan yang telah dihubungkan dalam sebuah program, jadi dengan adanya implementasi ini maka system dapat dievaluasi apakah sesuai dengan kebutuhan yang dibuat dalam perancangan Halaman Menu Utama Halaman ini digunakan sebagai tempat untuk menampung semua pilihan-pilihan yang terdapat didalam sistem yang di rancang seperti gambar dibawah ini : Gambar 3.9 Menu Utama Halaman Administrator Halaman ini digunakan untuk mengakses atau mengupdate gejala penyakit dan nama penyakit pada ayam yang dapat dilihat pada gambar berikut : 77

78 Gambar 3.10 Halaman Administrator Halaman Input Data Peternak berikut : Halaman ini digunakan untuk menginput data pasien yang dapat dilihat pada gambar 78

79 Gambar 3.11 Halaman input data pasien Halaman Hasil Analisa Penyakit Ayam berikut : Halaman ini adalah hasil dari input gejala penyakit yang dapat dilihat pada gambar 79

80 Gambar 3.12 Hasil Analisa Penyakit Ayam Halaman Daftar Semua Penyakit Halaman ini adalah daftar semua penyakit ayam yang dapat dilihat pada gambar berikut : 80

81 Gambar 3.13 Daftar Semua Penyakit Ayam Kelemahan Dan Kelebihan Adapun kelebihan dan kekurangan dari pada implementasi dan pengujian yang sudah dibahas di atas yaitu : 1. Kelemahan Sistem a. Interface masih sangat sederhana b. Fitur dalam program masih sedikit 2. Kelebihan Sistem c. Tidak akan menemui jalan buntu d. Mempersingkat pencariaan gejala penyakit e. Pencarian penyakit tidak harus mengetik semua nama gejala penyakit. 81

82 3.6. Diskusi Misalkan diketahui sistem Pakar menggunakan 5 buah rule berikut: R1:IF (P AND D) Then R R2: IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Fakta-fakta : A,B,C,D,dan E bernilai benar. Goal : menentukan apakah R bernilai benar atau salah. Penyelesaian: Iterasi 1: Database:A,B,C,D,E, (Fakta baru: X) Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N 82

83 Knowledge Base (Basis Pengetahuan) Fakta Baru: X,L R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Iterasi 2 Database:A,B,C,D,E, (Fakta baru: X,L,P) Knowledge Base (Basis Pengetahuan) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L R5: IF (L AND M) THEN N Iterasi 3 Knowledge Base (Basis Pengetahuan) (Fakta baru: X,L,P,R) R1:IF (P AND D) THEN R R2:IF(X AND B AND E) THEN P R3: IF A THEN X R4: IF C THEN L 83

84 R5: IF (L AND M) THEN N Sampai disini proses dihentikan karena sudah tidak ada lagi rule yang bisa dieksekusi. Hasil pencarian adalah bernilai R bernilai benar. 84

85 BAB. 4 DEMPSTER SHAFER Metode Dempster Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer. Secara umum teori Dempster Shafer ditulis dalam suatu interval: [Belief, lausibility]...[5.1] 1. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 (nol) maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Dimana nilai bel yaitu (0-0.9). 2. Plausibility (Pls) dinotasikan sebagai: Pl(s) = 1 B (-s)...[5.2] Pl(-s) = 0. Plausibility juga bernilai 0 sampai 1, jika yakin akan s, maka dapat dikatakan Bel(-s) = 1 dan Pada teori Dempster-Shafer juga dikenal adanya frame of discernment yang dinotasikan dengan. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefenisikan elemen-elemen saja, namun juga semua subsetnya. Sehingga jika berisi n elemen, maka subset adalah 2n. Jumlah m dalam dalam subset sama dengan 1. 85

86 Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{ } = 1,0. Apabila diketahui X adalah subset dari, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dengan m 2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m 1 dan m 2 sebagai m 3, yaitu : x Y z m1(x).m2(y) M 3( Z)...[2.3] 1- x Y m (X).m (Y) 1 2 Keterangan: M1(X) : Mass function dari evidence X M2(Y) : Mass function dari evidence Y M3(Z) : Mass function dari evidence Z 4.1 Implementasi Dempster Shafer Analisis Permasalahan Analisis permasalahan merupakan proses awal yang harus dilaksanakan untuk menentukan permasalahan yang sedang dihadapi. Tahap ini dalah sangat penting, karena proses analisis data yang kurang akurat akan menyebabkan hasil dari suatu sistem tidak sesuai yang diharapkan. Jadi proses ini harus benar-benar sesuai dengan perencanaan agar menghasilkan suatu sistem yang baik. Analisis permasalahan data yang akan dilakukan adalah analisa tentang jenis-jenis tanaman tahunan dan musiman. Dalam sisitem pakar ini yang nantinya akan digunakan untuk membantu user dalam menentukan hasil atau pemecahan masalah yang dihadapi dalam memperhitungkan kriteria tanaman. Permasalahan yang dihadapi dengan menentukan jenis tanaman tahunan dan musiman. Dimana dalam memperhitungkan nilai kriteria tersebut adalah dengan menerapkan metode Dempster Shafer. Berdasarkan Dempster Shafer Dalam menghadapi suatu permasalahan sering ditemukan jawaban yang 86

87 tidak memiliki kepastian penuh. Ketidakpastian ini dapat berupa hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh beberapa faktor, yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis jenis kriteria tanaman dan pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Dempster Sahfer merupakan nilai parameter klinis yang diberikan untuk menunjukkan besarnya kepercayaan. Dimana nilai bel (m) suatu kriteria yang diinput antara (0-0.9) Algoritma Sistem Dibutuhkan algoritma untuk diimplementasikan ke dalam program aplikasi ini, yaitu langkahlangkah intruksi sehingga dicapai hasil yang diinginkan. Algoritma yang digunakan dalam aplikasi ini untuk menentukan klasifikasi Tanaman adalah sebagai berikut: 1. Memulai tes 2. Input User Name dan Password 3. User memilih satu karakter 4. User menjawab pertanyaan 5. Kesimpulan Dalam perancangan basis pengetahuan ini digunakan kaidah produksi sebagai sarana untuk representasi pengetahuan. Kaidah produksi dituliskan dalam bentuk pernyataan JIKA (premis) MAKA (konklusi). Pada perancangan basis pengetahuan sistem pakar ini premis adalah ciri-ciri yang terlihat pada kriteria tanaman dan konklusi adalah jenis tanaman, sehingga bentuk pernyataannya adalah JIKA (Nama Tanaman) DAN (Kriteria) MAKA (Jenis tanaman). Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu kriteria. Ciri-ciri tersebut dihubungkan dengan menggunakan operator logika DAN. Bentuk pernyatannya adalah: JIKA (Nama Tanaman) 87

88 JIKA (Kriteria 1) JIKA (Kriteria 2) JIKA (Kriteria 3) DAN (Kriteria 4) MAKA (Jenis Tanaman) Adapun contoh kaidah sistem pakar dalam menentukan jenis tanaman tahunan dan musiman dengan metode dempster shafer adalah sebagai berikut: Dari alur, rule dan tabel keputusan di atas, maka dapat dikonversikan menjadi kaidah produksi. Kaidah produksi dibentuk dari pengubahan tabel keputusan. Pembuatan suatu kaidah dilakukan dengan beberapa tahapan. Berikut ini merupakan bentuk pengkonversian tabel keputusan menjadi kaidah produksi: 1. Rule 1 : If T001 and K001 and K002 and K003 and K004 Then S Rule 2 : If T002 and K005 aand K006 and K007 and K008 Then S Rule 3 : If T003 and K009 and K010 and K011 and K012 Then S Rule 4 : If T004 and K013 and K014 and K015 and K016 Then S002 Analisa permasalahan yang akan dilakukan adalah analisa tentang jenis-jenis tanaman tahunan dan musiman, jenis tanaman dalam hal ini dibagi menjadi 4 jenis antara lain: 1. Tanaman Pala 2. Tanaman Kapuk Randu 3. Tanaman Ubi Kayu 4. Tanaman Tebu 88

89 Untuk mengetahui apakah tanaman dikatakan sebagai salah satu jenis tanaman diatas, terlebih dahulu kita mengetahui apa yang menjadi jenis-jenis tanaman tersebut, jenis-jenis itu akan dijadikan sebagai salah satu jenis pendukung untuk penentuan jenis tanaman. Adapun jenis-jenis umum dari setiap jenis tanaman tersebut antara lain: 1. Tanaman Pala Kriterianya: 1. Daun berbentuk elips dan langsing 2. Usia tanaman lebih dari satu tahun 3. Buahnya berbentuk lonjong 4. Biji memiliki warna coklat 2. Tanaman Kapuk Randu Kriterianya: 1. Batang seperti tiang lurus berduri 2. Usia tanaman lebih dari satu tahun 3. Bunga berwarna buram 4. Biji mengandung minyak 3. Tanaman Ubi Kayu Kriterianya: 1. Pohonnya dapat mencapai tinggi 1,5-5 m 2. Berbuah pada musimnya 3. Daunnya berbagi menjari dengan cangap Tiap tanaman dapat menghasilkan 5-10 umbi 4. Tanaman Tebu 89

90 Kriterianya: 1. Batang tumbuh tegak 2. Padat dan beruas 3. Usia tanaman kurang lebih tiga bulan 4. Pada tiap buku terdapat mata tunas Data di atas adalah data tentang berbagai jenis-jenis tanaman tahunan dan jenis musiman. Data tersebut merupkana data awal yang nantinya digunakan inputan dari sistem sebelum diproses menjadi data output. Tabel 4.1 Data Tanaman NO ID Tanaman Nama Tanaman 1 T001 Tanaman Pala 2 T002 Tanaman Kapuk randu 3 T003 Tanaman Ubi Kyu 4 T004 Tanaman Tebu Untuk lebih jelasnya kegunaan kriteria tanaman sebagai inputan dalam sistem, maka setiap kriteria tanaman dilambangkan derngan kode kriteria tanaman, seperti di jelaskan pada tabel di bawah ini. Tabel 4.2 Data Kriteria Tanaman NO ID Kriteria Kriteria Tanaman Nilai Bobot 1 K001 Daun berbentuk elips dan langsing K002 Buahnya berbentuk lonjong K003 Usia tanaman lebih dari satu tahun K004 Biji memiliki warna coklat

91 5 K005 Batang seperti tiang lurus berduri K006 Usia tanaman lebih dari satu tahun K007 Bunga berwarna buram K008 Biji mengandung minyak K009 Pohonnya dapat mencapai tinggi 1,5-5 m 0,1 10 K010 Berbuah pada musimnya 0,2 11 K011 Daunnya berbagi menjari dengan cangap 5-9 0,3 12 K012 Tiap tanaman dapat menghasilkan 5-10 umbi 0,1 13 K013 Batang tumbuh tegak 0,5 14 K014 Padat dan beruas 0,2 15 K015 Usia tanaman kurang lebih tiga bulan 0,2 16 K016 Pada tiap buku terdapat mata tunas 0,3 Dari tabel keputusan di atas, sistem dapat memberikan informasi mengenai jenis jenis tanaman. Jika kriteria yang dialami tersebut sesuai dengan yang diinput, maka rule yang dapat digunakan untuk menganalisa suatu jenis-jenis tanaman tersebut adalah sebagai berikut: 1. Rule 1 : If T001 and K001 And K002 and K003 and K004 Then S Rule 2 : If T002 and K005 And K006 and K007 and K008 Then S Rule 3 : If T003 and K009 And K010 and K011 and K012 Then S Rule 4 : If T004 and K013 And K014 And K015 and K016 Then S Dempster Shafer 91

92 Menurut Arthur dan Glenn, Dempster-Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (Fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasi potongan informasi yang terpisah (bukti) untuk mengkalukulasi kemungkinan dari suatu peristiwa. Rumus dari dempster shafer: M 3 ( Z) 1- x Y z m1(x).m2(y) x Y m (X).m 1 2 (Y) Dalam menghadapi suatu permasalahan sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini dapat berupa hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh beberapa faktor, yaitu aturan yang tidak pasti dan jawaban penggunaa yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis jenis kriteria tanaman dan pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Dempster-Sahfer merupakan nilai parameter klinis yang diberikan untuk menunjukkan besarnya kepercayaan. Dimana nilai bel (m) suatu kriteria yang diinput antara (0-0.9). 4.2.Penerapan Dampster Shafer Pada contoh di bawah ini akan dicari presentase kemungkinan dari jenis Tanaman pala dengan menggunakan perhitungan pada tabel di bawah ini: Tabel 4.3 Contoh Pilihan Kriteria Tanaman Pala No ID Kriteria Tanaman Nilai bobot K001 Daun berbentuk elips dan langsing 0.5 K002 Buahnya berbentuk lonjong 0.3 K003 Usia tanaman lebih dari satu tahun 0,3 92

93 4 K004 Biji memiliki warna coklat 0,2 Dempster Shafer (DS) jenis tanaman yang dipilih dengan menggunakan nilai believe yang telah ditentukan pada setiap tanaman. Pl(Ɵ) = 1 Bel Dimana nilai bel (believe) merupakan nilai bobot yang diinput oleh pakar, maka untuk mencari nilai dari kedua tanaman diatas, terlebih dahulu di cari nilai dari, seperti yang di bawah ini. Jenis Kriteria 1: Daun berbentuk elips dan langsing (K001) Maka : K001(bel) = 0.5 K001(Ɵ) = = 0.5 Jenis Kriteria 2: Buahnya berbentuk lonjong (K002) Maka : K002(bel) = 0.3 K002(Ɵ) = = 0.7 Jenis Kriteria 3: Usia tanaman lebih dari satu tahun (K003) Maka : K003(bel) = 0.3 K003(Ɵ) = = 0.7 Jenis Kriteria 4: Biji memiliki warna coklat (K004) 93

94 Maka : K004(bel) = 0.2 K004(Ɵ) = = 0.8 Maka untuk mencari nilai dari JTn, digunakan rumus: M 3 ( Z) 1- x Y z m1(x).m2(y) x Y m (X).m 1 2 (Y) Maka nilai JTn dari Tanaman diatas adalah: JTn 0.5*0.3*0.3*0.2 1 (0.5*0.7*0.7*0.8) JTn (0.196) JTn Maka nilai densitas dari kedua jenis tanaman tersebut adalah 0,0112. maka tanaman tersebut cukup kuat dikatakan sebagai jenis tanaman Pala, tanaman pala merupakan tanaman tahunan Penerapan Dampster-Sahfer Pada Jenis Tanaman Tebu Pada contoh di bawah ini akan dicari presentase kemungkinan dari jenis tanaman tebu dengan menggunakan perhitungan pada tabel di bawah ini: Tabel 4.4 Contoh Pilihan Kriteria Tanaman Tebu 94

95 No ID Kriteria Tanaman Nilai Bobot 1 K013 Batang tumbuh tegak 0,5 2 K014 Padat dan beruas 0,2 3 K015 Usia tanaman kurang lebih tiga bulan 0,2 4 K016 Pada tiap buku terdapat mata tunas 0,3 Dempster Shafer (DS) jenis tanaman yang di pilih dengan menggunakan nilai believe yang telah ditentukan pada setiap Tanaman. Pl(Ɵ) = 1 Bel Dimana nilai bel (believe) merupakan nilai bobot yang diinput oleh pakar, maka untuk mencari nilai dari kedua tanaman diatas, terlebih dahulu dicari nilai dari, seperti yang di bawah ini. Jenis Kriteria 1: Batang tumbuh tegak (K013) Maka: K013(bel) = 0.5 K013(Ɵ) = = 0.5 Jenis kriteria 2: Padat dan beruas (K014) Maka: K014(bel) = 0.2 K014(Ɵ) = = 0.8 Jenis kriteria 3: Usia tanaman kurang lebih tiga bulan (K015) 95

96 Maka: K015(bel) = 0.2 K015(Ɵ) = = 0.8 Jenis kriteria 4: Pada tiap buku terdapat mata tunas (K016) Maka: K016(bel) = 0.3 K016(Ɵ) = = 0.7 Maka untuk mencari nilai dari JTn, digunakan rumus: M 3 ( Z) 1- x Y z m1(x).m2(y) x Y m (X).m 1 2 (Y) Maka nilai JTn dari Tanaman diatas adalah: JTn 0.5*0.2*0.2*0.3 1 (0.5* 0.8* 0.8* 0.7) JTn (0.224) JTn Maka nilai densitas dari kedua jenis tanaman tersebut adalah 0,0077. maka tanaman tersebut cukup kuat dikatakan sebagai jenis tanaman tebu, tebu merupakan tanaman musiman. 96

97 4.3 Flowchart Program Flowchart merupakan diagram alir yang menggambarkan suatu sistem peralatan komputer yang digunakan dalam proses pengolahan data serta hubungan antar peralatan tersebut. Sistem flowchart tidak digunakan untuk menggambarkan urutan langkah untuk memecahkan masalah, tetapi hanya untuk menggambarkan prosedur dalam sistem yang dibentuk. Proses yang terjadi pada program yang dirancang ini dapat dijelaskan melaui flowchart pada gambar 3.1 berikut ini: Start Input User Name dan Password Pilih Id Pengunjung dan Id Tanaman Proses T Kesimpulan Y End Gambar 4.1 Flowchart Program 97

98 4.4 Pemodelan/Perancangan Sistem Sistem pakar merupakan suatu program komputer yang menggunakan aturan-aturan dan dengan disertai fakta-fakta untuk memecahkan suatu masalah dengan memberikan pertanyaan kepada pengguna, sistem telah merekam catatan yang diberikan oleh pengguna berdasarkan catatan itu, sistem menganalisa lalu sistem memberikan pemecahan masalahnya. Dalam rancangan ini terdiri dari 3 bagian penting diantarannya: 1. Antarmuka pengguna (user interface) 2. Mesin inferensi 3. Basis pengetahuan A. Form Input Data Login Form Input Data Login ini berguna untuk memasukkan dan menggubah data User Name. Dan sebagaia informasi lengkap dari for ini dapat di lihat pada gambar di bawah ini: User Name Password LOGIN CANCEL Gambar : 4.2 Rancangan Form Login 98

99 B. Perancangan Interface Menu Utama Berdasarkan data keluaran dan data yang diperoleh, membuat rancangan input yang digunakan dalam perancangan program adalah sebagai berikut: 1. Design Menu Utama Pakar Konsultasi Keluar Gambar : 3.3 Menu Utama Sistem Rancangan Menu Utama Sistem berguna sebagai tempat untuk menampung semua form-form yand di jalankan nantinya, dan sebagai informasi lengkap dari Menu Utama ini dapat dilihat di bawah ini: Nama Keluaran : Form Menu Utama Fungsi : Untuk Menampung Semua Menu-menu yang akan dijalankan. 2. Design Sub Menu Utama Pakar Konsultasi Keluar Data Tanaman Data Kriteria Data Solusi Gambar : 4.2 Sub Menu File 99

100 Rancangan Sub Menu pakar ini berguna sebagai tempat untuk membuat pilihan pada user yaitu program apa yang akan dijalankan, dan sebagai informasi lengkap dari Menu Utama ini dapat dilihat di bawah ini: Nama Keluaran : Sub Menu File Fungsi : Untuk Menampilkan Sub Menu File 3. Design Sub Menu Konsultasi Pakar Konsultasi Keluar Uji Inferensi Konsultasi Gambar : 4.3 Sub Menu Konsultasi 4. Design Form Input Data Tanaman Rancangan Form Jenis Tanaman ini berguna untuk memasukkan jenis tanaman ke dalam sistem, dan sebagai informasi lengkap dari Form ini dapat dilihat di bawah ini: ID Tanaman : Nama Tanaman : Simpan Diperbaiki Hapus ID Tanaman Nama Tanaman Bersih Selesai 100

101 Gambar : 4.4 Design Form Data Tanaman 5. Design Form Input Data Kriteria ID Kriteria : Nama Kriteria : Simpan Diperbaiki Hapus Bersih Nilai Bobot : Gambar : 4.5 Design Form Data Kriteria 6. Design Form Solusi ID Solusi : Solusi : Solusi 1 : ID Solusi Solusi Solusi 1 Simpan Diperbaiki Hapus Bersih Selesai 101

102 Gambar : 4.5 Design Form Data Solusi 7. Design Form Pengunjung ID Pengunjung : Nama Lengkap : Jenis Kelamin : Alamat Lengkap : Usia : Tahun Cari Simpan Diperbaiki Hapus Bersih ID Pengunjung Nama Lengkap Jenis Kelamin Alamat Lengkap Usia 8. Design Form Uji Inferensi Gambar : 4.6 Design Form Data Pengunjung ID Tanaman Nama Tanaman ID Kriteria Nama Kriteria Nilai Bobot ID Solusi Solusi Solusi 1 Simpan Diperbaiki Tanaman : Kriteria : Hapus Bersih Soluis : 102

103 Gambar :4.7 Design Form Uji Inferensi 9. Design Form Konsultasi Form konsultasi digunakan untuk melihat jenis tanaman dan sekaligus solusi yang ditawarkan oleh para pakar, yang merancangnya dapat di lihat pada gambar di bawah ini: Identitas Pengunjung Konsultasi Pakar ID Pengunjung : ID Tanaman : Nama Pengunjung : Nama Tanaman : Alamat : Kriteria Tanaman : Solusi : Solusi 1 : Nilai DS : Gambar : 4.8 Design Form Konsultasi Database (Basis Data) Database merupakan himpunan kelompok data/arsip yang saling berhubungan yang diorganisasikan sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah. Adapun database yang dibuat dalam perancangan ini adalah sebagai berikut: 1. Tabel Data Tanaman Tabel ini digunakan untuk menampung semua data-data tanaman. Tabel 4.5 Data Tanaman 103

104 Field name Type Size Indexed Description IDTanaman Text 20 Yes ID Tanaman NamaTanaman Text 20 - Nama Tanaman 2. Tabel Data Kriteria Tabel ini digunakan untuk menampung semua data-data Kriteria. Tabel 4.6 Data Kriteria Field name Type Size Indexed Description IDKriteria Text 20 Yes ID Kriteria NamaKriteria Text 50 - Nama Kriteria NilaiBobot Number 5 - Nilai Bobot 3. Tabel Data Solusi Tabel ini digunakan untuk menampung semua data-data Solusi. Tabel 4.7 Data Solusi Field name Type Size Indexed Description IDSolusi Text 10 Yes ID Solusi Solusi Text 50 - Solusi 104

105 Solusi1 Text 50 - Solusi1 4. Tabel Data Pengunjung Tabel ini digunakan untuk menampung semua data-data pengunjung. Tabel 4.8 Data Pengunjung Field name Type Size Indexed Description IDPengunjung Text 10 Yes ID Pengunjung NamaLengkap Text 15 - NamaLengkap JenisKelamin Text 10 - Jenis Kelamin AlamatLengkap Text 15 - Alamat Lengkap Usia Text 10 - Usia UML (Unifed Modeling Language) Use Case Diagram Sistem Pakar Konsultasi Solusi 105

106 Gambar 4.9 Use Case Diagram Sistem Pakar Nama Use Case : Konsultasi Actor : User Tujuan : Mendapatkan Hasil konsultasi Deskripsi : User datang untuk melakukan konsultasi kemudian sistem mencari, memproses basis aturan yang input oleh pakar, sehingga didapat hasil konsultasi dan hasil akan diberikan kepada user. User Sitem 1. Menjawab Pertanyaan 1. Memberi Pertanyaan 2. Meminta Solusi 2. Memberi Solusi Activity Diagram. a. Activity Diagram Mengikuti Tes User Sistem 106

107 Memulai konsultasi Menjawab Semua Pertanyaan Menampilkan Pertanyaan 4.5 Implementasi Sistem Implementasi merupakan langkah yang digunakan untuk penerapan sistem atau serangkaian instruksi yang sistematis dan komponen-komponen yang mendukung hasil output yang ditampilkan dalam mencapai tujuan Tampilan Form Login Form Login digunakan untuk masuk ke dalam aplikasi atau operasi selanjutnya. Apabila login berhasil, maka akan masuk kedalam form menu utama, tetapi apabila login tidak berhasil maka akan ada peringatan bahwa login yang dilakukan salah. Di dalam form login terdapat 2 pilihan button yaitu Login yang digunakan untuk masuk ke dalam login dan Cancel untuk keluar. 107

108 Gambar Tampilan login Tampilan Utama Pada menu utama terdapat 3 menu yang dapat digunakan, yaitu Pakar, Konsultasi dan Keluar. Setiap menu akan terhubung dengan form-form lain yang sesuai dengan form yang dipanggil. 108

109 Gambar Tampilan Menu Utama Tampilan Data Tanaman Input jenis tanaman dapat dilakukan dengan cara memilih menu Pakar kemudian memilih Data Tanaman juga dapat dilakukan dengan memilih icon yang ada ditoolbar dengan nama Form Tanaman seperti terlihat pada gambar di bawah ini: Gambar Tampilan Input Data Tanaman Tampilan Data Kriteria Input data tanaman dapat dilakukan dengan cara memilih menu Pakar kemudian memilih Form Data Kriteria juga dapat dilakukan dengan memilih icon yang ada ditoolbar dengan nama Form Kriteria seperti terlihat pada gambar di bawah ini: Gambar Tampilan Input Kriteria Tanaman 109

110 4.5.5 Tampilan Solusi Input data tanaman dapat dilakukan dengan cara memilih menu Pakar kemudian memilih Form Data Solusi juga dapat dilakukan dengan memilih icon yang ada ditoolbar dengan nama Form Solusi seperti terlihat pada gambar di bawah ini: Gambar Tampilan Input Data Solusi Tampilan Data Pengunjung Data Pengunjung dapat dilakukan dengan cara memilih menu Pakar kemudian memilih Data Pengunjung hingga muncul form Data Pengunjung seperti terlihat pada Gambar di bawah ini: 110

111 Gambar Tampilan Input Data Pengunjung Uji Inferensi Uji Inferensi dapat dilakukan dengan cara memilih menu Konsultasi kemudian memilih Uji Inferensi hingga muncul form Uji Inferensi seperti terlihat pada Gambar di bawah ini: Gambar Tampilan Uji Inferensi Tampilan Konsultasi Konsultasi dapat dilakukan dengan cara memilih menu Konsultasi kemudian memilih Konsultasi hingga muncul form Konsultasi seperti terlihat pada Gambar di bawah ini: 111

112 Gambar Tampilan Konsultasi Kelemahan dan Kelebihan Sistem Berikut ini dijelaskan mengenai kelebihan dan kelemahan dari sistem kepribadian ini: a. Kelemahan - Hanya saja sistem ini masih belum sempurna - Program hanya dapat menganalisa berdasarkan data-data yang sudah ditentukan program. b. Kelebihan - Sistem ini dapat membantu untuk mengetahui jenis tanaman tahunan dan tanaman musiman. - Sistem ini lebih mempermudah pengguna dalam menggunakan sistem tersebut. 112

113 4.6 Diskusi: Si Agus mengalami gejala panas badan, Dari diagnose dokter penyakit yang mungkin di derita oleh si Agus adalah flue, demam at au bronchitis.kemudian diketahui juga nilai kepercayaan setelah dilakukan observasi terhadap hidung buntu sebagai gejala dari alergi,penyakit flu, dan demam\.hari berikutnya, si Agus datang lagi dan memberitahukan bahwa minggu lalu dia baru datang ke piknik.jika diketahui nilai kepercayaan setelah dilakuan observasi terhadap piknik sebagai gejala dari alergi adalah 0,6. Penyelesaian: M1{F,D,B}=0,8 M1{ø}=1-0,8=0,2. Kemudian gejala ke-2 Hidung Buntu: M2{A,F,D}=0,9. M2{ ø }=1-0,9=0,1. Aturan kombinasi untuk m3 Ø {A,F,D} (0,9) ø (0,1) {F,D,B} Ø (0,8) {F,D} (0,72) {F,D,B} (0,08) (0,2) {A,F,D} (0,18) ø (0,02) M3{F,D}=0,72/1-0=0,72 M3{A,F,D}=0,18/1-0=0,18 M3{F,D,B}=0,08/1-0=0,08 M3{ ø }=0,02/1-0=0,02 113

114 Dari sini kita lihat bahwa pada mulanya dengan hanya ada gejala panas,m{f,d,b}=0,8,namun setelah ada gejala baru yaitu hidung buntu,maka nilai m{a,f,d}=0.18. Dengan adanya 2 gejala ini, nilai densitas yang paling kuat adalah m{f,d} yaitu sebesar 0,72. Dan akibat gejala ke-3. M{4}=0,6 M{ ø }=1-0,6=0,4 Ø {A} {0,6} ø (0,4) {F,D} {A,F,D} {F,D,B} Ø (0,72) Ø (0,432) {F,D} (0,288) (0,18) {A} (0.108) {A,F,D} (0,072) (0,08) Ø (0,048) {F,D,B} (0,032) (0,02) {A} (0,012) ø (0,008) M5{A}=(0,108+0,012)/1-(0,432+0,048)=0,231 M5{F,D}=(0,288)/1-(0,432+0,048)=0,554 M5{A,F,D}=(0,072)/1-(0,432+0,048)=0,138 M5{}=(0,008)/1-(0,432+0,048)=0,015 Dengan adanya gejala baru ini nilai densitas yang paling kapuat tetap m{f,d} yaitu sebesar 0,

115 BAB. 5 TEOREMA BAYES Teorema Bayes dikemukan oleh seorang pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes. Teorema bayes ini kemudian disempurnakan oleh Laplace. Teorema bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hal observasi. Teorema bayes memungkinkan seseorang untuk mempengaruhi keyakinannya mengenai sebuah parameter setelah data diperoleh. Sehingga dalam hal ini mengharuskan adanya keyakinan awal ( prior ) sebelum memulai inferensi. Pada dasarnya distribusi Prior biasa diperoleh berdasarkan keyakinan subjektif dari peneliti itu sendiri mengenai nilai yang mungkin untuk parameter yang di estimasi, sehingga perlu diperhatikan bagaimana cara menentukan prior. Metode Bayes disamping memanfaatkan data sampel yang diperoleh dari populasi juga memperhitungkan suatu distribusi awal yang disebut distribusi prior. Metode Bayes memandang parameter sebagai variabel yang menggambarkan pengetahuan awal tentang parameter sebelum pengamatan dilakukan dan dinyatakan dalam suatu distribusi yang disebut dengan distribusi prior. Setelah pengamatan dilakukan, informasi dalam distribusi prior dikombinasikan dengan informasi dengan data sampel melalui teorema bayes. Sesuai dengan probabilitas subjektif, bila seseorang mengamati kejadian B dan mempunyai keyakinan bahwa ada kemungkinan B akan muncul, maka probabilitas B disebut probabilitas prior. Setelah ada informasi tambahan bahwa misalnya kejadian A telah muncul, mungkin akan 115

116 terjadi perubahan terhadap perkiraan semula mengenai kemungkinan B untuk muncul. Probabilitas untuk B sekarang adalah probabilitas bersyarat akibat A dan disebut probabilitas posterior. Teorema bayes, diambil dari nama Rev. Thomas Bayes, menggambarkan hubungan antara peluang bersyarat dari dua kejadian A dan B sebagai berikut : P( A B ) = P( B A ) P(A) P( B ) Gambar 2.3 Rumus Teorema Bayes Sumber : sudaryono, M.Pd 2011, Statistika Probabilitas. Teori P( A \ B ) = Hasil Yang dicari P( A ) = Bobot Bayes P( B ) = Jumlah Gejala P ( B \ A ) = Bobot Gejala 5.1 Jenis Jenis Penyakit Sapi Ternak sapi merupakan bagian dari kehidupan petani dan sebagian masyarakat. Bahkan, ternak sapi banyak dimanfaatkan oleh masyarakat sebagai lahan bisnis. Namun pemeliharaan ternak sapi tidak lepas dari permasalahan kesehatan dan penyakit yang menyerang ternak sapi. Dengan kian berkembang dan majunya teknologi dan informasi, termasuk manajemen pemeliharaan ternak sapi, peternak dapat mendeteksi dan membedakan secara dini sapi yang sehat atau sapi yang sedang sakit. 116

117 Berbagai penyakit sapi sering terjadi di Indonesia, baik yang menular maupun yang tak menular.penyakit menular merupakan ancaman bagi para peternak. Walaupun penyakit menular tidak langsung mematikan, tetapi dapat merusak kesehatan ternak sapi secara berkepanjangan, mengurangi pertumbuhan, dan menghentikan pertumbuhan sama sekali. Dari tahun ke tahun, ribuan ternak sapi terserang penyakit radang limpah (antrak), brucellosis, penyakit surra, dan sebagainya. Penyakit menular timbul akibat serangan agen penyakit menularkan racun (toksin) yang dapat merusak jaringan tubuh penderita, menghancurkan alat alat tubuh, dan menimbulkan kematian. Di bawah ini tabel tanda tanda sapi yang sehat dan sapi yang sakit Tabel 2.1 Tanda-tanda sapi yang sehat dan sapi yang sakit No Pengamatan Sehat Sakit 1 Mata Jernih Merah, kotor 2 Hidung Tidak berbau Berbau busuk 3 Telingah Bersih Kotor, berdarah 4 Rongga mulut Bau rumput Bau busuk 5 Badan Gemuk Kurus 6 Kulit Bersih, halus, dan Kasar, kisut kencang 7 Kaki Tidak pincang, Pincang, borok tidak ada luka 8 Perabaan badan Memberikan Pasif respon 117

118 9 Pakan/air minum Banyak Kurang, tidak mau Sambungan Tabel 2.1 Tanda-tanda sapi yang sehat dan sapi yang sakit No Pengamatan Sehat Sakit 10 Waktu istirahat Memamah biak Diam saja 11 Kotoran Tidak mencret, Mencret, berbusa, berdarah tidak berbusa. 12 Pergerakan Aktif dan lincah Kurang aktif dan tidak lincah 13 Lender lubang alami Tidak ada Ada 14 Suara nafas Halus, teratur, dan Ngorok, tidak teratur, dan tidak tersengalsengal tersengal-sengal 15 Temperature Normal (38, ) Naik turun Sumber : Prof. Dr. drh. Ida Tjahajati, M.P, Berbagai penyakit pada sapi 118

119 Di bawah ini ada beberapa penyakit jenis penyakit sapi sebagai berikut : 1. Radang limpah Penyakit radang limpah disebabkan oleh bakteri Bacillus anthracis. Bakteri ini berbentuk panjang dan terbungkus kapsul. Pada kondisi yang menguntungkan, bakteri ini akan berbentuk spora untuk melindungi dirinya sehingga dia mampu hidup dalam segala cuaca dan selama bertahun tahun. Spora juga dapat hidup dalam suasana anaerob sehingga apabila terbenam dalam lapisan tanah, spora dapat bertahan hidup. Pada saat tanah tergenang air, dicangkul atau dibajak, spora terangkat ke atas. Untuk membasmi spora, antara lain dengan uap basah suhu 90 0 C selama 45 menit, air mendidih C selama 10 menit, dan panas kering pada suhu C selama satu jam. A. Gejala- gejala a. Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh b. Pada awalnya sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang kadang darah. c. Kesulitan bernafas. d. Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk, dan sulit membeku. e. Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar. f. Kematian dalam waktu singkat tanpa disertai tanda tanda sebelumnya. g. Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati. B. Pencegahan a. Menjaga kebersihan kandang sapi 119

120 b. Bangkai sapi yang mati karena terkena terkena antraks tidak boleh dibuka dan sebaiknya segera dibakar atau dikubur dalam lubang sedalam 2,5 meter, lalu diberi kapur dan ditimbun kembali dengan tanah. c. Waspadai perubahan musim dari kemarau kemusim hujan. Permukaan tanah tererosi air hujan, maka spora muncul kepermukaan bersama tunas rumput yang kemudian termakan sapi. d. Hindarkan sapi dari kontak dengan barang yang tercemar antraks. C. Pengobatan a. Memberikan antibiotic pada sapi sejak dini b. Vaksinasi sebelum sapi berusia 6 bulan, usia paling rentan terhadap penularan penyakit antranks c. Vaksinasi ulang 12 bulan berikutnya akan member kekebalan terhadap penyakit antraks 2. Brucellosis Brucellosis atau keguguran menular atau abortus adalah kelahiran fetus lebih awal sehingga fetus tidak dapat bertahan hidup, tetapi pembentukan organ pada fetus tersebut telah selesai. A. Gejala gejala a. Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron. b. Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat. c. Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Anak yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik. d. Kemajiran/kemandulan temporer atau permanen. 120

121 e. Pada sapi perah terjadi penurunan produktifitas susu. f. Cairan janin yang keluar kelihatan keruh. g. Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan menurun dan demam. h. Ambing dan alat kelamin kadang kadang membengkak, juga ditemukan pembengkakan pada persendian lutut. B. Pencegahan a. Sapi yang mengalami keguguran disendirikan/dipisahkan dari sapi yang sehat. b. Sapi sapi dara divaksin brucella sebelum dikawinkan dan hindari perkawinan antara pejantan dan betina yang mengalami keguguran/keluron c. Selalu waspada terhadap bibit bibit yang baru dibeli. d. Apabila terjadi keguguran, maka sisa keguguran disucihamakan, fetus dan flasenta harus dibakar. Apabila vagina mengeluarkan cairan, maka dilakukan irigasi. C. Pengobatan Sapi yang menderita brucellosis menjadi pembawa carrier dan sebaiknya dieliminasi (dipotong) untuk mencegah penularan lebih meluas. 3. Radang Ambing Radang ambing (mastitis) adalah radang pada ambing yang biasanya disebabkan oleh infeksi bakteri dan secara signifikan dapat menurunkan produksi susu pada industri sapi perah. Mastitis dapat menyebabkan penurunan kadar potassium dan laktoferrin serta kasein sebagai protein utama pada susu. 121

122 Mastitis pada sapi perah merupakan radang yang bersifat akut, subakut, maupun kronis, yang ditandai dengan kenaikan sel radang dalam air susu, perubahan fisik ambing dan susunan air susu, dan tanpa disertai perubahan patologis pada keenjar mammae. A. Gejala gejala a. Radang bersifat subklinis apabila gejala gejala klinis radang tidak ditemukan pada saat pemeriksaan ambing b. Radang bersifat akut apabila tanda tanda radang jelas ditemukan, seperti kebengkakan ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing. c. Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjot fibrin, reruntuhan sel dan gumpalan protein, atau darah. a. Radang berlangsung subakut dengan tanda tanda di atas, tetapi derajatnya lebih ringan, yaitu sapi mau makan dan temperatur tubuh dalam batas normal. b. Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu. B. Pencegahan a. Menjaga kebersihan kandang ( terutama lantai bebas dari kotoran dan kering ), alat alat pemerah, dan sumber air. b. Secara berkala susu diuji menggunakan cawan hitam untuk melihat pecah atau tidak, uji CMT, atau metode lainnya untuk memonitor adanya mastitis. c. Susu tidak dipancarkan ke atas tangan, lantai, atau tempat sapi perah berbaring. 122

123 d. Sapi yang terkena mastitis diperah pada akhir pemerahan, semua peralatan dan bahan yang digunakan terpisah dari sapi yang sehat. e. Pemberian nutrisi yang berkualitas yang mengandung cukup vitamin E, A, β-katoren, kobalt ( Co ), dan seng ( Zn ). C. Pengobatan Dalam beberapa kasus, sapi yang diberi antibiotic sejak dini dapat bertahan hidup, meskipun pada akhirnya sapi tersebut sering menderita cacat permanen karena kerusakan sebagian atau seluruh pada otot. 1. Botulisme Botulisme merupakan penyakit yang melumpuhkan sapi. Racun saraf yang kuat yang dihasilkan oleh bakteri clostridium botulinom. Toksin diproduksi ketika ketika bakteri dalam keadaan negatif, baik dalam pakan maupun yang tumbuh di usus atau dalam luka yang tertutup. A. Gejala gejala a. Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot otot pernapasan. a. Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur. b. Sapi biasanya ditemukan duduk, tidak mampu berdiri, dan nafas berat. Sering sapi memanjangkan kaki belakangnya seperti posisi kaki katak untuk memudahkan bernafas. B. Pencegahan a. Memberikan pakan yang mengandung protein dan fosfor agar sapi tidak mengunyah tulang didaerah penggembalaan sapi. 123

124 b. Memanen dan menyimpan hijauan pakan sebaik mungkin untuk mengurangi kemungkinan pakan terkontaminasi. c. Bangkai sapi dikubur minimal sedalam 2,5 3 meter dari permukaan tanah. C. Pengobatan a. Tidak ada pengobatan khusus, hanya terapi suportif. Sapi yang terkena botulisme diberi terapi suportif. b. Sapi harus diberi naungan. 2. Surra Surra (Trypanosomiasis/Penyakit Mubeng). Surra dari surah marathi, artinya suara napas berat melalui lubang hidung. Surra disebabkan oleh Protozoa Trypanosoma evansi. Protozoa ini hidup dalam darah penderita dan mengisap glukosa yang terkandung dalam darah. Selain itu protozoa ini ini mengeluarkan sejenis racun yang disebut trypanotoksin yang dapat mengganggu penderita. A. Gejala gejala a. Gejala umum meliputi demam, lesu, dan lemah. b. Nafsu makan berkurang, penderita kurus, dan kehilangan berat badan. c. Temperatur badan naik dan demam berselang seling. d. Muka pucat, anemia, kurus, bulu rontok, dan busung daerah dagu dan anggota gerak. e. Di bawah dagu dan kaki kelihatan kotor dan kering seperti bersisik. f. Penderita menjadi letih dan tak mampu bekerja. g. Di daerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala. h. Keluar leleran radang dari hidung dan mata. i. Selaput lender terlihat menguning. 124

125 B. Pencegahan a. Penderita diasingkan di kandang yang tertutup sehingga terlindung dari gigitan lalat. b. Sapi yang mati akibat penyakit surra harus dibakar atau dikubur. c. Pembasmian serangga penghisap darah dengan menyemprotkan kandang, semua peralatan, sapi, atau lingkungan yang banyak dihinggapi lalat menggunakan asuntol atau insektisida lain yang aman bagi sapi. d. Pembersihan tempat yang basah dan rimbun. e. Pengeringan tanah dan penertiban pembuangan kotoran dan sampah sisa pakan. f. Pemotongan sapi yang sakit pada malam hari untuk menghindari lalat. g. Sapi yang sakit dapat dipotong dan dikonsumsi di bawah pengawasan dokter hewan. C. Pengobatan a. Mengobati dengan menggunakan naganol b. Mengobati dengan menggunakan arsokol, dan atoxyl apabila diketahui gejalanya dengan cepat. 3. Kelumpuhan Salah satu penyakit metabolik yang sering dialami oleh sapi perah, yakni kelumpuhan (milk fever) atau paresis puerpuralis. Penyakit ini banyak menyerang sapi perah pada saat jam setelah kelahiran, pada masa laktasi ketiga, atau sapi yang sudah tua dan produksi susunya tinggi. A. Gejala gejala a. Kelumpuhan atau sapi tidak mampu berdiri pada periode tiga hari setelah sapi melahirkan. 125

126 a. Pada awal laktasi, sapi membutuhkan kalsium yang cukup tinggi sesuai dengan produksinya. Oleh karena itu, jika kalsium pada pakan tidak mencukupi, kalsium tulang akan dibongkar untuk memenuhi kebutuhan tersebut. b. Karena kesalahan manajemen pengeringan, sering menyebabkan terjadinya pembongkaran kalsium tulang secara besar besaran sehingga menyebabkan sapi ambruk. B. Pencegahan a. Pada saat sapi melahirkan ditempatkan di kandang yang cukup empuk dan lantai tidak licin. b. Apabila terjadi milk fever segera ditangani agar tidak berlanjut. c. Sapi setelah melahirkan harus terus diawasi agar apabila terjadi Pendarahan segera dapat diketahui. d. Apabila sapi sudah terlanjur tidak dapat bangun, posisi sapi harus sering diubah sehingga kaki yang tertindih tidak mengalami gangguan sirkulasi. Sapi dibantu/diusahakan berdiri dengan menggunakan katrol. e. Kebersihan tempat dapat mengurangi dan mencegah terjadinya infeksi setelah melahirkan. C. Pengobatan a. Kelumpuhan harus diobati agar kadar kalsium darah normal kembali sesegera mungkin. b. Pengobatan yang biasa dilakukan, yakni dengan menyuntikkan kalsium boroglukonat Analisis Permasalah Analisis data merupakan proses awal yang harus dilakssapian untuk menentukan permasalahan yang sedang dihadapi. Tahap ini adalah sangat penting, karena proses analisis data yang kurang akurat akan menyebabkan hasil dari suatu sistem tidak sesuai dengan yang diharapkan. Jadi proses ini harus benar-benar sesuai dengan perencanaan agar mengasilkan suatu sistem yang baik 126

127 Analisa data yang akan dilakukan adalah penyakit pada sapi yang harus diwaspadai antara lain : 1. Radang limpah 2. Brucellosis 3. Radang Ambing 4. Botulisme 5. Surra 6. Kelumpuhan Untuk mengetahui apakah seekor sapi dikatakan memiliki salah satu jenis penyakit di atas, terlebih dahulu kita mengetahui apa yang sering menjadi gejala-gejala atau yang sering dialami penderita penyakit sapi tersebut, gejala-gejala itu akan dijadikan sebagai salah satu gejala pendukung untuk penentuan penyakit. Adapun gejala-gejala umum dari setiap gejala-gejala antara lain. Tabel 5.1. Gejala Penyakit Sapi Kode Gejala GK01 Nama Gejala Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh GK02 Pada awalnya sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang kadang darah GK03 Kesulitan bernafas GK04 Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk, dan sulit membeku 127

128 GK05 Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar GK06 Kematian dalam waktu singkat tanpa disertai tanda tanda sebelumnya GK07 Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati GK08 Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron GK09 Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat Tabel 3.1. Gejala Penyakit Sapi(Lanjutan) GK10 Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Sapi yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik GK11 Kemajiran/kemandulan temporer atau permanen GK12 Pada sapi perah terjadi penurunan produktifitas susu GK13 Cairan janin yang keluar kelihatan keruh GK04 Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan 128

129 menurun, dan demam GK14 Radang bersifat subklinis apabila gejala gejala klinis radang tidak ditemukan pada saat pemeriksaan ambin GK04 Radang bersifat akut apabila tanda tanda radang jelas ditemukan, seperti kebengkakak ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing GK15 Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjotfibrin, reruntuhan sel dan gumpalan protein, atau darah GK16 Radang berlangsung subakut dengan tanda tanda di atas, tetapi derajatnya lebih ringan, yaitu sapi mau makan dan temperatur tubuh dalam batas normal GK17 Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu Tabel 3.1. Gejala Penyakit Sapi(Lanjutan) GK18 Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot otot pernapasan 129

130 GK19 Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur GK20 GK21 GK22 Keluar leleran radang dari hidung dan mata Selaput lender terlihat menguning Sapi biasanya ditemukan duduk, tidak mampu berdiri dan nafas berat. GK23 Gejala umum meliputi demam, lesu dan lemah. GK24 Nafsu makan berkurang, penderita kurus dan berat badan menurun. GK25 Suhu badan naik dan demam yang berselang seling, GK26 GK27 Muka pucat, anemia, kurus, bulu rontok dan busung daerah dagu dan anggota gerak. Dibawah dagu dan kaki kelihatan kotor dan kering seperti bersisik. GK28 Penderita menjadi letih dan tak mampu untuk bergerak. GK29 GK30 Didaerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala. Keluar leleran radang dari hidung dan mata. GK31 Selaput lender terlihat menguning GK32 Kelumpuhan atau sapi tidak mampu berdiri pada periode tiga hari setelah sapi melahirkan. Tabel 5.2. Jenis Penyakit Sapi 130

131 No Urut Kode Penyakit Nama Penyakit 1 P01 Radang limpah 2 P02 Brucellosis 3 P03 Radang Ambing 4 P04 Botulisme Tabel 3.2. Jenis Penyakit Sapi(Lanjutan) 5 P05 Surra 6 P06 Kelumpuhan berikut : Dibawah ini merupakan tabel dari basis aturan dalam mendiagnosa penyakit sapi adalah sebagai Tabel 5.3 Basis Aturan Mendiagnosa Penyakit Sapi No Nama Penyakit Gejala Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh Pada awalnya sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang kadang darah Kesulitan bernafas 1. Radang Limpa Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk dan sulit membeku Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar 131

132 Kematian dalam waktu singkat tanpa disertai tanda tanda sebelumnya. Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati. Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, Pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron. Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat. 2. Brucellusis Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Sapi yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik Kemajiran/kemandulan temporer atau permanen Pada sapi perah terjadi penurunan produktifitas susu Tabel 3.3 Basis Cairan Aturan janin Mendiagnosa yang keluar Penyakit kelihatan Sapi(Lanjutan) keruh Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan menurun, dan demam Radang bersifat subklinis apabila gejala gejala klinis radang tidak ditemukan pada saat pemeriksaan ambin Radang bersifat akut apabila tanda tanda radang jelas ditemukan, seperti Bengkak ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjotfibrin, reruntuhan sel dan gumpalan protein, atau darah 3. Radang Ambing Radang berlangsung subakut dengan tanda tanda di atas, tetapi derajatnya lebih ringan, yaitu sapi mau makan dan temperatur tubuh dalam batas normal 132

133 Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot-otot pernapasan 4. Botulisme Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur Sapi biasanya ditemukan duduk, tidak mampu berdiri dan nafas berat. Gejala umum meliputi demam, lesu dan lemah. Nafsu makan berkurang, penderita kurus dan berat badan menurun. Suhu badan naik dan demam yang berselang seling, Muka pucat, anemia, kurus, bulu rontok dan busung daerah dagu dan anggota gerak. 5. Surra Dibawah dagu dan kaki kelihatan kotor dan kering seperti bersisik. Penderita menjadi letih dan tak mampu untuk bergerak. Didaerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala. Tabel 3.3 Basis Keluar Aturan leleran Mendiagnosa radang dari Penyakit hidung Sapi(Lanjutan) dan mata. Selaput lender terlihat menguning. 6. Kelumpuhan Kelumpuhan atau sapi tidak mampu berdiri pada periode tiga hari setelah sapi melahirkan. 133

134 5.2 Algoritma Sistem Dalam perancangan basis pengetahuan ini digunakan kaidah produksi sebagai sarana untuk representasi pengetahuan. Kaidah produksi dituliskan dalam bentuk pernyataan JIKA [premis] MAKA [konklusi]. Pada perancangan basis pengetahuan sistem pakar ini premis adalah gejala-gejala yang terlihat dan konklusi adalah jenis penyakit sapi, sehingga bentuk pernyataannya adalah JIKA [gejala] MAKA [penyakit]. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu gejala. Gejala-gejala tersebut dihubungkan dengan menggunakan operator logika DAN. Bentuk pernyatannya adalah: JIKA [gejala 1] DAN [gejala 2] DAN [gejala 3] MAKA [Penyakit] Adapun contoh kaidah sistem pakar diagnosa penyakit pada sapi adalah sebagai berikut : 1. Rule 1 JIKA GK1 DAN GK2 DAN GK3 DAN GK4 DAN GK5 DAN GK6 DAN GK7 MAKA Radang limpah 2. Rule 2 JIKA GK8 DAN GK9 DAN GK10 DAN GK11 DAN GK12 DAN GK13 DAN GK14 MAKA Brucellosis 3. Rule 3 JIKA GK15 DAN GK16 DAN GK17 DAN GK18 DAN GK19 MAKA Radang Ambing 4. Rule 4 134

135 JIKA GK20 DAN GK21 DAN GK22 MAKA Botulisme 5. Rule 5 JIKA GK23 DAN GK24 DAN GK25 DAN GK26 DAN GK27 DAN GK28 DAN GK29 DAN GK30 MAKA Surra 6. Rule 6 JIKA GK31 DAN GK32 MAKA Kelumpuhan Dibawah ini merupakan tabel gejala penyakit dan nilai probabilitas dari setiap gejala tersebut adalah sebagai berikut : Tabel 5.4 Nilai Densitas Gejala Penyakit Sapi Kode Penyakit Kode Gejala Nilai Densitas/Nilai Probabilitas GK GK GK P01 GK GK GK GK GK GK

136 P02 GK Tabel 3.4 Nilai Densitas Gejala Penyakit Sapi(Lanjutan) GK GK GK GK GK GK P03 GK GK GK GK P04 GK GK GK GK GK P05 GK GK GK GK GK GK P06 GK

137 a. Pengkonversian Tabel Keputusan Menjadi Kaidah Produksi Representasi pengetahuan, kaidah produksi dibentuk dari pengubahan tabel keputusan. Pembuatan suatu kaidah dilakukan dengan beberapa tahapan. Sebagai contoh perhatikan pembuatan kaidah Konklusi ini akan dapat tercapai bila kondisi-kondisi yang mendukung terpenuhi. Pembuatan kaidah 1 menggunakan goal dan kondisi yang telah diperoleh dari langkah 1 dan 2, seperti berikut : Tabel 5.5 Kaidah Dari Gejala Penyakit Sapi Kode Penyakit Kode Gejala P1 P2 P3 P4 P5 P6 GK01 GK02 GK03 GK04 GK05 GK06 GK07 GK08 GK09 137

138 GK10 GK11 GK12 GK13 GK14 GK15 GK16 GK17 GK18 GK19 GK20 GK21 GK22 Tabel 3.5 Kaidah Dari Gejala Penyakit Sapi(Lanjutan) GK23 GK24 GK25 GK26 138

139 GK27 GK28 GK29 GK30 GK31 GK32 Problema Bayes merupakan salah satu cara untuk mengatasi ketidak pastian data dengan cara menggunakan formula bayes yang dinyatakan dengan : P( H \ E) P( H \ E)* P( H) P( E) Dimana P ( H E) = Probabilitas hipotesis H benar jika diberikan evidencee P ( E H) = Probabilitas munculnya evidencee, jika diketahui hipotesis H benar. P(H) = Probabilitas hipotesis H (Menurut hasil sebelumnya) tanpa memandang Evidence apapun P(H) = Probabilitas evidencee 139

140 Secara umum teorema buyes dengan E kejadian dengan hipotesis H dapat dituliskan dalam bentuk Contoh kasus Berikut ini adalah contoh Perhitungan dengan metode Bayes mengenai gejala penyakit pada sapi adalah sebagai berikut : 1. Radang Limpa Tabel 5.6 Contoh Gejala Pilihan Penyakit Radang Limpa Kode Gejala Nama Gejala Nilai Gejala Nilai Bayes GK01 Demam, gelisah, lemas, paha gemetar, nafsu makan hilang, dan roboh GK02 Pada awalnya Sapi sulit buang kotoran ( konstipasi ), tetapi kemudian diare, kotoran bercampur air dan kadang kadang darah GK03 Kesulitan bernafas GK04 Keluar darah dari lubang alami (mulut, lubang hidung, telinga, dubur, dan kemaluan). Darah berwarna hitam pekat seperti kecap atau aspal, agak berbau amis, busuk, dan sulit membeku

141 GK05 GK06 GK07 Pembengkakan di darah leher, dada dan sisi lambung, perut, pinggang, dan alat kelamin luar Kematian dalam waktu singkat tanpa disertai tanda tanda sebelumnya. Serangan antraks per akut berlangsung cepat, yakni hanya dalam tempo1-3 hari. Setelah terinfeksi, sapi akan mengalami kejang, pendarahan hebat, dan akhirnya mati Perhitungan Bayes Penyakit Radang Limpa Persentase = % Kepastian = Tidak Pasti 2. Brucellusis Tabel 5.7 Contoh Gejala Pilihan Penyakit Brucellusis Kode Gejala Nama Gejala Nilai Gejala Nilai Bayes 141

142 GK08 GK09 GK10 Penderita biasanya tidak menunjukkan suatu gejala yang mencolok. Penderita tampak biasa, nafsu makan biasa, dan tidak menunjukkan perubahan klinis yang dapat diamati. Namun, Pada kebuntingan 5-8 bulan sapi mengalami keguguran/ keluron. Sapi mengalami keguguran/keluron 1-3 hari, kemudian kelahiran normal dan kelihatan sehat. Pedet yang gugur biasanya mati dan berwarna biru kecokelatan. Sapi yang lahir tetap hidup akan menjadi sangat lemah dan tidak dapat berkembang baik GK11 Kemajiran/kemandulan temporer atau permanen GK12 Pada sapi perah terjadi penurunan produktifitas susu GK13 Cairan Tabel janin 3.7 Contoh yang keluar Gejala kelihatan Pilihan Penyakit keruh Brucellusis(Lanjutan) GK14 Pada sapi jantan terjadi peradangan pada buah pelir dan saluran sperma. Skorotum membengkak dan membesar ( hernia ), nafsu makan menurun, dan demam Perhitungan Bayes Penyakit Brucellusis Persentase = % 142

143 Kepastian = Tidak Pasti 3. Radang Ambing Tabel 5.8 Contoh Gejala Pilihan Penyakit Radang Ambing Kode Gejala GK15 GK16 GK17 GK18 GK19 Nama Gejala Nilai Gejala Nilai Bayes Radang bersifat subklinis apabila gejala gejala klinis radang tidak ditemukan pada saat pemeriksaan ambin Radang bersifat akut apabila tanda tanda radang jelas ditemukan, seperti Bengkak ambing, panas saat diraba, rasa sakit, warna kemerahan, dan terganggunya fungsi ambing Susu berubah dari sifat normalnya, yakni susu pecah, bercampur endapan atau jonjotfibrin, reruntuhan sel dan gumpalan protein, atau darah Radang berlangsung subakut dengan tanda tanda di atas, tetapi derajatnya lebih Tabel ringan, 3.8 Contoh yaitu Gejala sapi Pilihan mau Penyakit makan Radang Ambing(Lanjutan) temperatur tubuh dalam batas normal Radang berlangsung kronis apabila infeksi dalam suatu ambing berlangsung lama, dari suatu periode laktasi ke periode berikutnya. Proses kronis yang tidak diobati biasanya berakhir dengan matinya jaringan kelenjar susu Perhitungan Bayes Penyakit Radang Ambing 143

144 Persentase = 4 % Kepastian = Tidak Pasti 4. Radang Botulisme Tabel 5.9 Contoh Gejala Pilihan Penyakit Botulisme Kode Gejala Nama Gejala Nilai Gejala Nilai Bayes GK20 GK21 GK22 Sapi menderita kelumpuhan progresif dan gagal bernafas karena kelumpuhan otot-otot pernapasan Sapi cenderung memiliki gaya berjalan kaku dan mengeluarkan air liur Sapi biasanya ditemukan duduk, tidak mampu berdiri dan nafas berat Perhitungan Bayes Penyakit Botulisme 144

145 Persentase = 12.5 % Kepastian = Tidak Pasti 5. Penyakit Surra Tabel 3.10 Contoh Gejala Pilihan Penyakit Surra Kode Gejala Nama Gejala Nilai Gejala Nilai Bayes GK23 GK24 Gejala umum meliputi demam, lesu dan lemah. Nafsu makan berkurang, penderita kurus dan berat badan menurun GK25 Suhu badan naik dan demam yang berselang seling, GK26 GK27 GK28 GK29 Muka pucat, anemia, kurus, bulu rontok dan busung daerah dagu dan anggota gerak. Dibawah dagu dan kaki kelihatan kotor dan kering seperti bersisik. Penderita menjadi letih dan tak mampu untuk bergerak. Didaerah endemic sapi mungkin terkena infeksi, tetapi tidak terlihat adanya gejala GK30 Keluar leleran radang dari hidung dan mata Perhitungan Bayes Penyakit Surra 145

146 Persentase = % Kepastian = Tidak Pasti 6. Radang Kelumpuhan Tabel 3.11 Contoh Gejala Pilihan Penyakit Kelumpuhan Kode Gejala Nama Gejala Nilai Gejala Nilai Bayes GK31 Selaput lender terlihat menguning GK32 Kelumpuhan atau sapi tidak mampu berdiri pada periode tiga hari setelah sapi melahirkan Perhitungan Bayes Penyakit Botulisme Persentase = 25 % Kepastian = Tidak Pasti. 146

147 5.3 Flowchart Program Pemilihan Metode Penelusuran Teknik penelusuran ada tiga yaitu depth firsth search, breath first search dan best first search. Metode penelusuran yang digunakan dalam perancangan sistem ini menggunakan Breath First Search sebagai metode pelacakan untuk mencapai suatu tujuan. Proses ini bekerja dari kiri ke kanan baru bergerak ke bawah. Hal ini akan berlanjut sampai di temukan titik tujuan. Flowchart penelusuran dapat dilihat pada gambar dibawah ini adalah sebagai berikut : mulai Input Data Gejala Penyakit Input Jenis-Jenis Penyakit Yang Terjadi Pada Sapi Basis Aturan Proses T Y Dapatkan kesimpulan Selesai Gambar 3.2 bentuk pencarian kesimpulan tentang penyakit sapi 147

148 5.4 Pemodelan/Perancangan Sistem Merupakan gambaran dari sistem yang akan dibangun. Sebagai contoh adalah rancangan antarmuka, rancangan masukan, rancangan keluaran, dan lain-lain Unified Modeling Languange (UML). Use Case Diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem yang menekankan apa yang dibuat sistem dan merepresentasikan sebuah interaksi antara actor dengan system. a. Use Case Diagram Login Admin TPermasalahan <<extend>> <<extend>> <<extend>> Basis Aturan <<extend>> Administrator <<extend>> Solusi <<extend>> Pakar LogoOut Gambar. 3.3 User Case Analisis penyakit sapi menggunakan Metode Teorema Buyes b. Class diagram Diagram yang digunakan untuk menampilkan beberapa kelas serta paket-paket yang ada dalam sistem / perangkat lunak yang sedang kita kembangkan Diagram kelas (Class Diagram) memberi kita gambaran (diagram statis ) tentang sistem / perangkat lunak dan relasi-relasi yang ada di dalamnya. Bentuk Class Diagram dari system yang dibangun dapat dilihat pada gambar dibawah ini. 148

149 Data Penyakit 1 + kodepenyakit= varchar(5) + namapenyakit= varchar(30) + keterangan= numeric(3) +Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar() Data Solusi 1 N Data Permasalahan + id=varchar(5) + kodepermasalahan=varchar(5) + kodepenyakit= varchar(40) + pertanyaan= varchar(40) + NilaiA= Numeric(4) + NilaiB= Numeric(4) +Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar() 1 + nosolusi=varchar(5) + solusi=longtext(0) +Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar() 1 Hasil + id=varchar(5) + nosolusi=varchar(5) N +Baru() +Simpan() +Batal() +Edit() +Hapus() +Keluar() Gambar 3.4 Class Diagram c. Activity Diagram Activity diagram adalah teknik untuk menggambarkan logika procedural, prosedur bisnis, dan jalur kerja. Dalam beberapa hal, diagram ini memainkan peran mirip sebuah sebuah diagram alir, tetapi perbedaan prinsip antara diagram ini dan notasi diagram alir adalah diagram ini mendukung behavior pararel. 149

150 User Pakar Melakukan Konsultasi INPUT ATURAN Proses Pengolahan Konsultasi Simpan Aturan Didatabase Hitung Persentase Penyakit Tampilkan Solusi End Gambar 5.5 UML Activity diagram 150

151 5.4.2 Rancangan Database Rancangan database marupakan sebuah perancangan pada sistem yang digunakan sebagai tempat penyimpanan data-data. Adapun bentuk rancangan database pada Sistem Pakar Diagnosis Penyakit Sapi Dengan Metode Buyes adalah sebagai berikut : 1. Nama Tabel : Tabel Data Sapi Adapun struktur tabel dari Tabel Sapi yaitu : Tabel 5.12 Tabel Sapi No. Field Name Data Type Size Description 1. IDSapi Text 10 ID Sapi 2. Jenis Sapi Text 35 Jenis Sapi 3. Jenis Kelamin Text 25 Jenis Kelamin 4. Usia Integer 4 Usia 2. Nama Tabel : Tabel Gejala Adapun struktur tabel dari Tabel Gejala yaitu : Tabel 5.13 Tabel Gejala No. Field Name Data Type Size Description 1. KdGejala Text 10 Kode Gejala 2. NamaGejala Text 35 Nama Gejala 3. NilaiDensitas Double 4 Nilai Densitas 151

152 3. Nama Tabel : Tabel Penyakit Adapun struktur tabel dari Tabel Penyakit yaitu : Tabel 5.14 Tabel Penyakit No. Field Name Data Type Size Description 1. KdPenyakit Text 10 Kode Gejala 2. JenisPenyakit Text 35 Jenis Penyakit 3. NilaiDensitas Double 4 Nilai Densitas 4. Solusi Text 35 Solusi 4. Nama Tabel : Tabel Solusi Adapun struktur tabel dari Tabel Solusi yaitu : Tabel 5.15 TblSolusi No. Field Name Data Type Size Description 1. IDSapi Text 10 IDSapi 2. KdGejala Text 35 Kode Gejala 3 KdPenyakit Text 10 Kode Penyakit 4. Hasil Double 4 Hasil 5. Solusi Text 50 Solusi Yang Disarankan 152

153 5. Tabel user Tabel user berguna untuk keamanan data. Jadi dalam hal ini hanya terdaftar didalam tabel pengembang yang berhak untuk melakukan perubahan terhadap sistem. Tabel 5.16 Tabel user Field Name Type Size Indexed Description UserName Varchar 20 - User Name Password Varchar 20 - Password Rancangan Relasi Antar Tabel Dibawah ini merupakan perancangan relasi antar tabel pada Sistem Pakar Untuk Mendiagnosa Penyakit Pada Sapi adalah sebagai berikut : TblSolusi IDSapi * KdGejala ** KdPenyakit ** Hasil Solusi 1 N N 1 1 TblSapi IDSapi * JenisSapi JenisKelamin Usia TblGejala KdGejala * NamaGejala NilaiDensitas 1 TblGejala KdPenyakit * JenisPenyakit NilaiDensitas Solusi 153

154 Gambar 3.7 Relasi Antar Tabel Diagnosa Penyakit Sapi 5.5 Antar Muka Pemakai (User Interface) Rancangan Konsultasi Pada Gambar 3.8 dibawah ini untuk memilih gejala penyakit sapi dari daftar kemudian klik tombol lanjutkan. ID Sapi Jenis Sapi Kode Gejala Nama Gejala Pilihan Xxxxxxxxxxxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx Mulai Konsultasi Xxxxxxxxxxxxxxxxxxxxxxxxxxx Tutup 0004 Xxxxxxxxxxxxxxxxxxxxxxxxxxx Gambar 3.8 Rancangan Form Konsultasi 0005 Xxxxxxxxxxxxxxxxxxxxxxxxxxx Setelah tombol lanjutkan di pilih, selanjutnya akan muncul form hasil konsultasi. Jika Semua 0006 Xxxxxxxxxxxxxxxxxxxxxxxxxxx gejala Penyakit Sapi dipilih maka akan muncul Penyakit Sapi dan solusinya. Jika gejala-gejala Penyakit 0007 Xxxxxxxxxxxxxxxxxxxxxxxxxxx Sapi belum lengkap maka akan muncul pesan "Gejala Penyakit Sapi yang anda Input Belum Lengkap, 0008 Xxxxxxxxxxxxxxxxxxxxxxxxxxx tetapi belum bisa ditentukan jenis Penyakit Sapi ". Form Hasil konsultasi dapat dilihat pada Gambar 3.9 ID Sapi Lihat Hasil 154

155 Tutup xxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx Xxxxxxxxxxxxxxxxxxxxxxxxxxx Jenis Penyakit xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx Gambar 3.9 Perancangan Form Hasil Diagnosa Rancangan Menu Sistem Pakar 155

156 Perancangan antar muka merupakan tampilan program aplikasi yang digunakan pemakai untuk dapat berkomunikasi dengan komputer. Adapun yang menjadi rancangan antar muka dalam perancangan ini adalah rancangan menu utama program, dimana melalui rancangan ini satu form dapat berinteraksi dengan form lainnya. 1. Perancangan Form Login Perancangan ini digunakan untuk masuk ke sistem dengan memasukkan nama, password, dan status. Rancangan ini ditunjukkan pada gambar dibawah ini : Form Login X User Name Password Login Batal Gambar 3.10 Rancangan Login 2. Perancangan Menu Menu Utama merupakan tampilan awal dari sistem pakar untuk Mendiagnosa penyakit sapi. Rancangan menu utama dapat dilihat pada gambar dibawah ini. 156

157 Menu Utama X File Solusi Keluar Gambar 3.10 Perancangan Form Menu Utama Rancangan Input Data 1. Form Gejala Penyakit Sapi 157

158 Gambar 3.11 Rancangan Form Interface Gejala Penyakit Sapi 2. Form Jenis-jenis Penyakit Sapi dan Basis Aturan Form jenis penyakit sapi dan Basis Aturan merupakan form pemasukan basis aturan setiap rule. Bentuk dari jenis penyakit sapi dan basis aturan dapat dilihat pada gambar berikut ini Add Cancel Kode Penyakit Baru Simpan Batal Nama Penyakit Edit Hapus Keluar 158

159 Gambar 3.12 Rancangan Form Interface Jenis Penyakit Sapi 3. Rancangan Form Data Sapi Form Data Sapi X ID Sapi Nama Jenis Sapi Jenis Kelamin Usia Pilih : Tahun ID Sapi Nama Jenis Jenis Kelamin Usia 99 Xxxx xxxx Xxxx xxxx 99 Baru Simpan Ubah Hapus Keluar Gambar 3.13 Rancangan Form Data Sapi 159

160 BAB. 6 TEOREMA BAYES (Kasus.2) 5.1 Implementasi Metode Bayes pada penderita Autis. Autis (Autisme) adalah kelainan perkembangan sistem saraf pada seseorang yang kebanyakan diakibatkan oleh faktor hereditas dan kadang-kadang telah dapat dideteksi sejak bayi berusia 6 bulan. Deteksi dan terapi sedini mungkin akan menjadikan si penderita lebih dapat menyesuaikan dirinya dengan yang normal. Kadang-kadang terapi harus dilakukan seumur hidup, walaupun demikian penderita Autisme yang cukup cerdas, setelah mendapat terapi Autisme sedini mungkin, seringkali dapat mengikuti Sekolah Umum, menjadi Sarjana dan dapat bekerja memenuhi standar yang dibutuhkan, tetapi pemahaman dari rekan selama bersekolah dan rekan sekerja seringkali dibutuhkan, misalnya tidak menyahut atau tidak memandang mata si pembicara, ketika diajak berbicara. Karakteristik yang menonjol pada seseorang yang mengidap kelainan ini adalah kesulitan membina hubungan sosial, berkomunikasi secara normal maupun memahami emosi serta perasaan orang lain. Autisme merupakan salah satu gangguan perkembangan yang merupakan bagian dari Kelainan Spektrum Autisme atau Autism Spectrum Disorders (ASD) dan juga merupakan salah satu dari lima jenis gangguan dibawah payung Gangguan Perkembangan Pervasif atau Pervasive Development Disorder (PDD). Autisme bukanlah penyakit kejiwaan karena ia merupakan suatu gangguan yang terjadi pada otak sehingga menyebabkan otak tersebut tidak dapat berfungsi selayaknya otak normal dan hal ini termanifestasi pada perilaku penyandang autisme. Autisme adalah yang terberat di antara PDD. 160

161 Gejala-gejala autisme dapat muncul pada anak mulai dari usia tiga puluh bulan sejak kelahiran hingga usia maksimal tiga tahun. Penderita autisme juga dapat mengalami masalah dalam belajar, komunikasi, dan bahasa. Seseorang dikatakan menderita autisme apabila mengalami satu atau lebih dari karakteristik berikut: kesulitan dalam berinteraksi sosial secara kualitatif, kesulitan dalam berkomunikasi secara kualitatif, menunjukkan perilaku yang repetitif, dan mengalami perkembangan yang terlambat atau tidak normal. Beberapa penelitian yang melakukan riset mengenai penyakit menggunakan metode penelitian serta basis pengetahuan yang beragam diantaranya yaitu pendeteksian penyakit autis menggunakan metode Theorema Bayes yang menyimpulkan bahwa sistem pakar yang dibangun dapat memberikan hasil beserta tingkat kebenarannya berdasarkan nilai kepercayaan yang dimiliki oleh gejala tiap masing-masing kasus. Teorema Bayes adalah sebuah teorema dengan dua penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan seberapa jauh derajat kepercayaan subjektif harus berubah secara rasional ketika ada petunjuk baru. Dalam penafsiran frekuentis teorema ini menjelaskan representasi invers probabilitas dua kejadian. Teorema ini merupakan dasar dari statistika Bayes dan memiliki penerapan dalam sains, rekayasa, ilmu ekonomi (terutama ilmu ekonomi mikro), teori permainan, kedokteran dan hukum. Penerapan teorema Bayes untuk memperbarui kepercayaan dinamakan inferens Bayes. Metode Teorema Bayes merupakan metode penalaran non monotonis yang digunakan untuk mencari ketidak konsistenan akibat adanya penambahan maupun pengurangan fakta baru yang akan merubah aturan yang ada, sehingga metode Theorema Bayes memungkinkan seseorang aman dalam melakukan pekerjaan seorang pakar, sekaligus dapat mengetahui 161

162 probabilitas atau prosentase dari penyakit yang mungkin diderita. Pemanfaatan sistem pakar ini untuk mendeteksi tingkat resiko penyakit autis dengan teorema Theorema Bayes untuk mencari besarnya nilai kepercayaan gejala dan faktor resiko tersebut terhadap kemungkinan tingkat resiko terkena penyakit Autis Algoritma Sistem Sistem pakar menggunakan metode Theorema Bayes untuk mendeteksi tingkat resiko penyakit autis adalah sistem pakar yang dapat menentukan tingkat resiko penyakit autis berdasarkan faktor resiko serta gejala yang mempengaruhi tingkat resiko penyakit autis tiap pasien. Sistem juga dapat memberikan informasi prognosis yang mungkin dimiliki pasien berdasarkan faktor dan gejala yang dimiliki pasien serta memberikan informasi berupa tindakan secara umum berdasarkan tingkat resiko penyakit autis yang diderita pasien. Sesuai dengan struktur system pakar, model arsitektur sistem pakar menggunakan metode Theorema Bayes untuk mendeteksi tingkat resiko penyakit autis dapat digambarkan seperti Gambar 3.1. Bagian Pengetahuan (Kaidah) Mesin Inferensi (Agenda) Memori Kerja (Fakta) Fasilitas Penjelasan Akuisisi Pengetahuan Antar Muka Pengguna Gambar 6.1 Model Arsitektur Sistem Pakar Untuk Mendeteksi Tingkat Resiko Penyakit Autis 162

163 Sistem yang dirancang dan dibangun dalam penelitian ini adalah sistem pakar untuk membantu paramedis dalam menganalisa tingkat resiko penyakit autis yang diderita oleh pasien. Untuk mengabalisa apakah seorang anak menderita autis atau tidak, digunakan standar internasional tentang autis. ICD (InternationalClassification of Diseases) 1993 dan DSM (Diagnostic andstatistical Manual) 1994 merumuskan kriteria diagnosis untuk Autis Infantil yang isinya sama, yang saat ini dipakai di seluruh dunia. Kriteria tersebut adalah: Untuk hasil diagnosa, diperlukan total 6 gejala (atau lebih) dari no. (1), (2), dan (3), termasuk setidaknya 2 gejala dari no. (1) dan masing-masing 1 gejala dari no. (2) dan (3). 1. Gangguan kualitatif dalam interaksi sosial yang timbal balik. Minimal harus ada dua dari gejala-gejala di bawah ini: Tak mampu menjalin interaksi sosial yang cukup memadai kontak mata sangat kurang, ekspresi muka kurang hidup, gerak- gerik kurang tertuju. Tidak bisa bermain dengan teman sebaya. Tak ada empati (tak dapat merasakan apa yang dirasakan orang lain). Kurang mampu mengadakan hubungan sosial dan emosional yang timbal balik. 2. Gangguan kualitatif dalam bidang komunikasi. Minimal harus ada satu dari gejala-gejala di bawah ini: 163

164 Perkembangan bicara terlambat atau sama sekali tak berkembang.anak tidak berusaha untuk berkomunikasi secara non-verbal. Bila anak bisa bicara, maka bicaranya tidak dipakai untuk berkomunikasi. Sering menggunakan bahasa yang aneh dan diulang-ulang. Cara bermain kurang variatif, kurang imajinatif, dan kurang dapat meniru. 3. Adanya suatu pola yang dipertahankan dan diulang-ulang dalam perilaku, minat, dan kegiatan. Minimal harus ada satu dari gejala di bawah ini: Mempertahankan satu minat atau lebih dengan cara yang sangat khas dan berlebihan. Terpaku pada suatu kegiatan yang ritualistik atau rutinitas yang tidak ada gunanya. Ada gerakan-gerakan aneh yang khas dan diulang-ulang. Seringkali sangat terpukau pada bagian-bagian benda. Sebelum umur 3 tahun tampak adanya keterlambatan atau gangguan dalam bidang: a. interaksi sosial, b. bicara dan berbahasa, c. cara bermain yang monoton, kurang variatif Representasi Pengetahuan Representasi dilakukan setelah proses akuisisi pengetahuan dilakukan. Tujuan representasi adalah untuk mengembangkan suatu struktur yang akan membantu pengkodean pengetahuan ke dalam program. Representasi pengetahuan menggunakan aturan produksi. 164

165 Perhitungan manual dengan menggunakan Metode Bayesian dapat dilihat di tabel yang ada dibawah ini. Penyimpangan yang terkait dengan gejala yang diinputkan dihitung dengan menggunakan tabel knowledge base. Gejala yang dialami ditandai dengan nomer urutnya yaitu : Usia 0 sampai 3 Tahun a = Tak mampu menjalin interaksi sosial yang cukup memadai b = kontak mata sangat kurang, ekspresi muka kurang hidup, gerak- gerik kurang tertuju c = Tidak bisa bermain dengan teman sebaya Tak ada empati d = Sering menggunakan bahasa yang aneh dan diulang-ulang e = memegang benda kecil dengan ibu jari dan jari telunjuk f = Cara bermain kurang variatif, kurang imajinatif, dan kurang dapat meniru g = Terpaku pada suatu kegiatan yang ritualistik atau rutinitas yang tidak ada gunanya h = Ada gerakan-gerakan aneh yang khas dan diulang-ulang I = Seringkali sangat terpukau pada bagian-bagian benda Isi data = 1=Ya 2=Tidak Tabel 3.2 Knowledge Base 165

166 No a b c d e f g h i Hasil Autis Interaksi Sosial Autis Interaksi Sosial Autis Interaksi Sosial Autis Interaksi Sosial Autis Bicara Dan Bahasa Autis Bicara Dan Bahasa Autis Bicara Dan Bahasa Autis Bermain Monoton Autis Bermain Monoton Tahap 1 menghitung jumlah class/label P(Y= Sosial) = 4/9, jumlah data Interaksi Sosial pada kolom, HASIL dibagi jumlah data. P(Y= Bahasa) = 3/9, jumlah data Bicara dan Bahasa pada kolom, HASIL dibagi jumlah data P(Y= Monoton) = 2/9, jumlah data Bermain Monoton pada kolom, HASIL dibagi jumlah data Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama 1. Kolom a P(a =Ya Y=Sosial) = 2/4 P(a =Tidak Y=Sosial) = 2/4 P(a=Ya Y=Bahasa) = 0/3 P(a=Tidak Y=Bahasa) = 3/3 P(a = Ya Y= Monoton) = 0/2 P(a = Tidak Y= Monoton) = 2/2 2. Kolom b 166

167 P(b=Ya Y=Sosial) = 4/4 P(b =Tidak Y=Sosial) = 0/4 P(b=Ya Y=Bahasa) = 0/3 P(b=Tidak Y=Bahasa) = 3/3 P(b = Ya Y= Monoton) = 0/2 P(b = Tidak Y= Monoton) = 2/2 3. Kolom c P(c=Ya Y=Sosial) = 4/4 P(c =Tidak Y=Sosial) = 0/4 P(c=Ya Y=Bahasa) = 0/3 P(c=Tidak Y=Bahasa) = 3/3 P(c= Ya Y= Monoton) = 1/2 P(c= Tidak Y= Monoton) = 1/2 4. Kolom d P(d=Ya Y=Sosial) = 3/4 P(d=Tidak Y=Sosial) = 1/4 P(d=Ya Y=Bahasa) = 1/3 P(d=Tidak Y=Bahasa) = 2/3 P(d = Ya Y= Monoton) = 0/2 P(d= Tidak Y= Monoton) = 0/2 5. Kolom e P(e=Ya Y=Sosial) = 3/4 P(e=Tidak Y=Sosial) = 1/4 P(e=Ya Y=Bahasa) = 3/3 P(e=Tidak Y=Bahasa) = 0/3 167

168 P(e = Ya Y= Monoton) = 1/2 P(e= Tidak Y= Monoton) = 1/2 6. Kolom f P(f=Ya Y=Sosial) = 1/4 P(f=Tidak Y=Sosial) = 3/4 P(f=Ya Y=Bahasa) = 3/3 P(f=Tidak Y=Bahasa) = 0/3 P(f = Ya Y= Monoton) = 0/2 P(f= Tidak Y= Monoton) = 2/2 7. Kolom g P(g=Ya Y=Sosial) = 1/4 P(g=Tidak Y=Sosial) = 2/4 P(g=Ya Y=Bahasa) = 3/3 P(g=Tidak Y=Bahasa) = 0/3 P(g = Ya Y= Monoton) = 1/2 P(g= Tidak Y= Monoton) = 1/2 8. Kolom h P(h=Ya Y=Sosial) = 1/4 P(h=Tidak Y=Sosial) = 3/4 P(h=Ya Y=Bahasa) = 2/3 P(h=Tidak Y=Bahasa) = 1/3 P(h= Ya Y= Monoton) = 2/2 P(h= Tidak Y= Monoton) = 0/2 168

169 9. Kolom i P(i=Ya Y=Sosial) = 1/4 P(i=Tidak Y=Sosial) = 3/4 P(i=Ya Y=Bahasa) = 2/3 P(i=Tidak Y=Bahasa) = 1/3 P(i= Ya Y= Monoton) = 2/2 P(i= Tidak Y= Monoton) = 0/2 Tahap 3 kalikan semua hasil variable sesuai dengan kolom sosial, bahasa, monoton. Autis Interaksi Sosial =2/4*4/4*4/4*3/4*3/4*1/4*1/4*1/4*1/4 = Autis Bicara dan Bahasa =0/3*3/3*0/3*1/3*3/3*3/3*3/3*2/3*2/3 =0 Autis Bermain Monoton =0/2*0/2*1/2*0/2*1/2*0/2*1/2*2/2*2/2 =0 Tahap 4, diambil yang paling maksimal, sehingga dapat disimpilkan bahwa anak tersebut mengalami Autis Interaksi Sosial dengan nilai Dari beberapa tahapan diatas, maka untuk menentukan penyimpangan pada anak usia 0 3 tahun dapat dideteksi dengan mudah dengan menggunakan 9 (Sembilan) variabel yang digunakan Flowchart Program Flowchart adalah penggambaran secara grafik dari langkah-langkah dan urut-urutan prosedur dari suatu program. Flowchart menolong analis dan programmer untuk memecahkan masalah kedalam segmen-segmen yang lebih kecil dan menolong dalam menganalisis alternatifalternatif lain dalam pengoperasian. 169

170 Start Input Data Pengguna Input Data Gejala T Data Gejala Sudah Lengkap? Y Hitung Diagnosa Gejala Tampilkan Hasil Perhitungan End Gambar 6.2 flowchart Program Diagnosa Penyakit Autis Perancangan Sistem Dalam perancangan struktur aplikasi ini dibantu dengan menggunakan beberapa komponenkomponen pemodelan sistem dari metode Unified Modeling Language. Ada 2 (dua) jenis diagram yang akan digunakan yaitu: Use Case Diagram dan Activity Diagram. 170

171 a. Use Case Diagram Prilaku beserta tugas-tugas dari tiap-tiap element maupun aktor yang terlibat dalam sistem yang akan dirancang, akan digambarkan dalam diagram use case yang bertujuan untuk memberikan gambaran secara umum tentang sistem yang akan dirancang. Login Gejala User Hitung Sistem Hasil Gambar 6.2 Use Case Diagram Deskripsi Use Case di atas sebagai berikut: Aktor : Sebagai pengguna Sistem informasi atau User Pengguna : Pengguna program memasukan data diri. Gejala : Pengguna memasuka gejala yang ada. Hitung : Proses ini di gunakan untuk menghitung gejala yang menentukan hasil dari diagnosa. 171

172 Diagnosa : Dalam proses ini digunakan untuk mendiagnosa penyakit yang dialami pengguna yaitu autis Hasil : Dalam proses ini digunakan untuk memberikan hasil yang didapat kepada pengguna berupa out put keterangan penyakit autis. b. Activity Diagram Diagram aktivitas atau activity diagram menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem atau proses. Berikut pada diagram di bawah ini ditampilkan proses aktifitasnya. User User Interface Interface Engine Masukan Data Biodata Penggunaan Menbaca Biodata Dan Gejala Menbaca Biodata Dan Gejala Melakukan Perhitungan Data Dari Gejala Menghasilkan Hasil Keluaran/Output Berupa Keputusan Melakukan Diagnosa dari hasil perhitungan Menampilkan Informasi Hasil Diagnosa Gambar 6.3 Activity Diagram 172

173 c. Class Diagram Class diagram menggambarkan class dan hubungan antar class di dalam sistem. Berikut ini bentuk dari Class diagram. Pengguna Hasil - NoPengguna : Char - NmPengguna : Char - Umur : Char - Jk : Char +Tambah () : Char +Edit () : Char +Hapus () : Char Diagnosa - No_Diagnosa : Char - No_Pengguna : Char - Hasil : Char - Nohasil :Char - NoDiagnosa : Char - Penjelasan : Char +Tambah () : Char +Edit () : Char +Hapus () : Char +Tambah () : Char +Edit () : Char +Hapus () : Char Gambar 6.4 Class Diagram Keterangan : - Input Diagnosa : Menampilkan form Diagnosa untuk proses penginputan Diagnosa - Simpan Diagnosa : Proses penyimpanan data yang diinputkan pada form Diagnosa - Proses Penilaian : Proses penilaian terhadap gejala yang ditentukan. - Penilaian : Menampilkan form penilaian yang berisi data hasil dari proses penilaian. 173

174 - Eksekusi : proses penilaian terjadi, jika penentuan berhasil maka tampilkan hasil penilaian. Jika penilaian tidak berhasil maka ulangi proses penilaian data kembali Struktur Tabel Dalam perancangan suatu sistem dibutuhkan suatu database yang digunakan untum menyimpan data dan informsi lain yang diperlukan dalam sistem. Adapun tabel-tabel yang terbentuk dapat dilihat pada Diagnosa tabel berikut ini : 1. Tabel Pengguna Nama tabel : T_ Pengguna Primary key : NoPengguna Jumlah field : 6 Fungsi : Sebagai media penyimpanan data pengguna Tabel 3.2 Struktur Tabel Pengguna No. Field Nama Type Width Description 1. NoPengguna Text 10 Nomor Pengguna 2. NmPengguna Text 30 Nama Pengguna 3. Telp Text 15 Nomor Telepon 4. Alamat Text 50 Alamat Pengguna 174

175 5. Status Text 12 Status Pengguna 6. JK Texy 12 Jenis Kelamin 2. Tabel Diagnosa Nama tabel : T_ Diagnosa Primary key : NoDiagnosa Jumlah field : 3 Fungsi : Sebagai media penyimpanan data diagnosa Tabel 6.3 Struktur Tabel Pengguna No. Field Nama Type Width Description 1. Nodiagnosa Text 10 Nomor Diagnosa 2. NoPengguna Text 10 Nomor Pengguna 3. Hasil Text 30 Hasil Diagnosa 3. Tabel Hasil Nama tabel : T_ Hasil Primary key : NoHasil Jumlah field : 3 Fungsi : Sebagai media penyimpanan data hasil 175

176 Tabel 6.4 Struktur Tabel Hasil No. Field Nama Type Width Description 1. NoHasil Text 10 Nomor Hasil 2. NoDiagnosa Text 10 Nomor Diagnosa 3. Penjelasan Text 30 Penjelasan Disain Interface Rancangan interface ini merupakan gambaran struktur hirarki dari keseluruhan tampilan sistem merupakan tampilan menu utama yang berisi tombol-tombol dan menu. Rancangan ini terdiri dari tiga bagian yaitu rancangan Menu Login, rancangan Menu Utama dan rancangan tampilan form. Rancangan form dibuat setelah rancangan awal dan menu utama, hasil rancangan ini dinamakan sebagai Expert System. Rancangan menu adalah membuat menu-menu yang akan digunakan dalam aplikasi sisitem pakar. Menu Utama FILE PROSES ABOUT KELUAR Form Pengguna Form Diagnosa Form Programmer Gambar 6.5 Desain Interface a. Disain Form Menu Utama Form Menu Utama berisi menu yang digunakan untuk menginput data ke dalam database. Menu ini dapat digunakan oleh pemakai yang mempunyai hak akses untuk 176

177 menambahkan data, memperbaiki atau pun menghapus data pada database. Form menu utama seperti di bawah ini. Sistem Pakar Diagnosa Penyakit Autis Menu File Menu Proses Menu About Form Pengguna Form Diagnosa Form Programmer Menu Keluar X Gambar 6.7 Desain Menu Utama Pada form Menu Utama terdapat beberapa menu dan sub menu yang masing-masing mempunyai fungsi sebagai berikut : 1. Menu file, digunakan untuk mengaktifkan form pengguna. 2. Menu Proses, digunakan untuk mengaktifkan form diagnosa. 3. Menu About, digunakan untuk mengaktifkan form progreammer. 4. Menu Keluar, digunakan untuk keluar dari program. b. Disain Form Pengguna Jika dipilih menu file dan dipilih form pengguna pada menu utama maka akan ditampilkan form seperti pada gambar 3.8, form ini digunakan untuk melakukan penginputan data pengguna kedalam sistem berupa nomor pengguna, nama pengguna, Tanggal Lahir, Telepon, Alamat, Status dan Jenis Kelamin. 177

178 Form Data Pengguna Input Data Pengguna X Nomor Pengguna Tanggal Lahir No Telepon Alamat Status Jenis Kelamin LV1 Simpan Perbaiki Hapus Bersih Keluar Gambar 6.8 Desain Form Pengguna Pada form pengguna terdapat beberapa tombol yang masing-masing mempunyai fungsi sebagai berikut : 1. Tombol Simpan, digunakan untuk menyimpan data pengguna kedalam database sistem. 2. Tombol Perbaiki, digunakan untuk perbaiki data pengguna yang ada didalam database sistem. 3. Tombol Hapus, digunakan untuk menghapus data pengguna yang ada didalam database sistem. 4. Tombol Bersih, digunakan untuk membersihkan isi data pada form pengguna. 5. Tombol Keluar, digunakan untuk menutup form pengguna. 178

179 c. Disain Form Diagnosa Jika dipilih menu proses dan dipilih form diagnosa pada menu utama maka akan ditampilkan form seperti pada gambar 3.8, form ini digunakan untuk melakukan penginputan data diagnosa kedalam sistem. Form Data Diagnosa Nomor Diagnosa Nomor Pengguna Tanggal Lahir Alamat Status Jenis Kelamin X Input Data Diagnosa Tak Mampu Jalani Interaksi Sosial Ya Tidak Kontak Mata, Ekpresi Muka dan gerakgerik kurang Ya Tidak Tidak Bisa Bermain Dengan Teman Sebaya Ya Tidak Sering Menggunakan Bahasa Aneh Ya Tidak Sering Menggunakan Bahasa Yang Di Ulang2 Ya Tidak Memegang Benda Kecil Dengan Ibu Jari dan Telunjuk Ya Tidak Cara Bermain Kurang Variatif dan Imajinatif Ya Tidak Ada Gerak aneh yang khas dan diulang-ulang Ya Tidak Terpaku Pada Suatu Kegiatan Ya Tidak Proses Hasil Diagnosa Simpan Perbaiki Hapus Bersih Keluar LV1 Gambar 6.9 Desain Form Diagnosa Pada form pengguna terdapat beberapa tombol yang masing-masing mempunyai fungsi sebagai berikut : 1. Tombol Hitung, digunakan untuk menghitung data diagnosa. 2. Tombol Simpan, digunakan untuk menyimpan data diagnosa kedalam database sistem. 3. Tombol Perbaiki, digunakan untuk perbaiki data diagnosa yang ada didalam database sistem. 4. Tombol Hapus, digunakan untuk menghapus data diagnosa yang ada didalam database sistem. 5. Tombol Bersih, digunakan untuk membersihkan isi data pada form diagnosa. 6. Tombol Keluar, digunakan untuk menutup form diagnosa. 179

180 6.2 Aplikasi dengan Metode Teorema Bayes Implementasi Sistem a. Form Login Form ini merupakan tampilan form login untuk masuk kedalam form utama dengan cara mengisi nama user dan password. Gambar 6.1 Form Login b. Menu Utama Dengan menggunakan Form dibuat Menu Utama Program yang memiliki beberapa bagian menu program yaitu : Data, Proses, Laporan dan Exit dimana dalam masing-masing menu program terdapat beberapa sub menu pendukung lainnya yang berfungsi untuk menampilkan form-form yang dibutuhkan beserta laporannya. Didalam Menu Utama terdapat Menu Data yang memiliki dua (2) bagian sub menu program yaitu : data pengguna dan data diagnosa Didalam Menu Utama terdapat Menu Data yang 180

181 memiliki dua (2) bagian sub menu program yaitu : data pengguna dan data diagnosa dimana dalam masing-masing sub menu program terdapat beberapa sub menu pendukung lainnya dengan tampilan masing-masing sub menu program dengan tampilan menu program sebagai berikut : Gambar 6.2 Tampilan Form Menu Utama c. Form Data Pengguna Tampilan ini berisikan tentang data Pengguna yang berfungsi sebagai media dalam memasukan data Pengguna baru dan juga mengedit serta menghapus data Pengguna. Kelebihan dari form ini dapat mengolah data Pengguna secara update dengan database. Tampilan form sebagai berikut: Gambar 6.3 Tampilan Form Input Data Pengguna 181

182 Adapun fungsi-fungsi dari tombol yang terdapat dalam form yaitu : Simpan : Menyimpan data Pengguna baru Perbaiki : Merubah data-data yang dianggap salah Hapus : Menghapus data-data yang dianggap tidak perlu Bersih : Membatalkan penginputan data dan membersihkan form Keluar : Keluar dari form Pengguna d. Form Diagnosa Tampilan Diagnosa ini berisikan tentang data nilai diagnosa yang akan dihitung dengan metode dempster shafer. Tampilan form dapat dilihat pada gambar berikut ini. 182

183 Gambar 6.4 Tampilan Form Diagnosa Adapun fungsi-fungsi dari tombol yang terdapat dalam form yaitu : Simpan : Menyimpan Diagnosa yang telah diubah. Proses : Memproses hasil diagnosa penyakit. Perbaiki : Merubah data-data yang dianggap salah Hapus : Menghapus data-data yang dianggap tidak perlu Bersih : Membatalkan penginputan data dan membersihkan form Keluar : Keluar dari form diagnose 183

184 e. Prosedur Kerja Sistem 1). Prosedur Menu Utama Pertama-tama start, kemudian isikan password masuk ke menu utama dan akan tampil menu yang terdiri dari menu Data, Proses, Laporan dan Exit. Selanjutnya klik menu pertama data input yang terdiri dari sub menu yaitu data Pengguna yang akan menampilkan data-data tentang Pengguna. Kemudian klik menu laporan yang terdiri dari sub menu laporan data Pengguna dan laporan hasil keputusan yang fungsinya untuk menampilkan semua data-data yang ditampilkan di database. Kemudian klik tombol exit untuk keluar dari program. 1.1) Form Data Pengguna Simpan, Ubah, Hapus, Batal dan Keluar. Langkah-langkah untuk Tambah, Ubah, Hapus, Batal dan Keluar pada prosedur sub menu file Pengguna adalah sebagai berikut. a. Klik Menu data kemudian pilih menu data Pengguna. b. Dari form data Pengguna bisa langsung diinput data-data seperti nomor pengguna, nama pengguna, alamat, tanggal lahir, telepon, status dan jenis kelamin. c. Jika ingin memperbaiki data doubel klik pada tampilan Listview tabel data Pengguna, kemudian perbaiki bagian mana yang salah dan setelah selesai klik tombol Ubah. d. Bila data tidak ingin disimpan klik tombol Hapus untuk menghapus dan bila ingin dibersihkan klik tombol Batal. e. Jika tidak ada yang akan diisi dan disimpan lagi klik tombol Keluar. 1.2) Form Data Diagnosa Simpan, Proses, Batal dan Tutup. Langkah-langkah untuk Simpan, Proses, Batal dan Tutup pada prosedur sub menu data Diagnosa adalah sebagai berikut. 184

185 a. Klik menu data kemudian pilih menu data Diagnosa. b. Dari form data Diagnosa bisa langsung diinput data-data seperti nomor pengguna, nama pengguna, alamat, tanggal lahir, telepon, status, jenis kelamin, tanggal diagnosa, umur, tinggi badan, berat badan, nadi, tekanan darah, golongan darah dan kolesterol. c. Setelah itu klik Proses untuk melakukan perhitungan matriks Diagnosa dengan metode Dempster Shafer. d. Bila data tidak ingin disimpan klik tombol Batal maka form akan dibersihkan. e. Jika tidak ada yang akan diisi dan disimpan lagi klik tombol Keluar Pengujian Pengujian dilakukan dengan melakukan penginputan data sesuai dengan ketentuan yang ada, yaitu penginputan data yang maksudkan adalah dengan menceklis gejala-gejala yang ada pada form data diagnosa, maka sistem akan menghasilkan data sesuai dari inputan data dari gejala penyakit yang ada. Dari pengujian yang sudah dilakukan dengan meceklis beberapa gejala yang ada maka sistem akan menghasilkan data berupa hasil diagnosa yaitu yang menggambarkan apakah terkena penyakit autis atau tidak. 185

186 6.4 DISKUSI: Misalnnya gejala yang tampak pada tanaman kedelai ada 2 gejala yaitu bercak kemerahan pada akar (G01), dan ada bercak kemerahan pada akar (G02). Berdasarkan probalitas P01,P03=0,11. Dan bercak kemerahan pada akar (G01),(G02)=0,3. Tentukan persentase probabilitasnya terhadap 2 gejala ( G01) dan (G02)! Penyelesaian : 186

187 187

188 Perhitungan nilai Bayes: P(P01) (G01)= P(G01 P01)*P(P01)/ P(G01 P01)*P(P01)+ P(G01 P02)*P(P02)+ P(G01 P03)*P(P03)+ P(G01 P04)*P(P04)+ P(G01 P05)*P(P05)+ P(G01 P06)*P(P06)+ P(G01 P07)*P(P08)+ P(G01 P09)*P(P09). P(P01) (G01)=0.3*0,11/0.3*0,11 = 0,033/0,033 = 1 P(P01) (G02)= P(G02 P01)*P(P01)/ P(G02 P02)*P(P03)+ P(G02 P02)*P(P02)+ P(G02 P03)*P(P03)+ P(G02 P04)*P(P04)+ P(G02 P05)*P(P05)+ P(G02 P06)*P(P06)+ P(G02 P07)*P(P08)+ P(G02 P09)*P(P09). P(P01) (G01)=0.3*0,11/0.3*0,11 = 0,033/0,033 = 1 Totl Bayes 1= 1+1=2 2. Penyakit Antraknose (P03) 188

189 Jika probabilitas penykit Antraknose (p03)=0,11,jika probabilitas gejala memandang penyakit adalah aad brcak kemerahan pada akar (G01)=0 Dan ada bercak kemerahan pada batang (02):0. Sehingga Totl Bays 2=0+0 Hasil = Totl Bays1 + Totl Bayes2 = 2 Maka perhitungan probabilitas penyakitnya adalah Sport (P01) 1. Penyakit target spot (P01)=2/2 *100 % 2. Penyakit Antraknose (P03)=0/2 *10 189

190 BAB. 7 CERTAINTY FACTOR 7.1 Defenisi Certainty Factor Definisi menurut David McAllister Certainty Factor ( Faktor Kepastian) adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Teori Certainty Factor (CF) diusulkan oleh Shortliffe dan buchanan pada 1975 untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Seorang pakar, misalnya dokter sering kali menganalisis informasi yang ada dengan ungkapan seperti mungkin, kemungkinan besar, hampir seperti. Untuk mengakomodasi hal ini kita menggunakan Certainty Factor (CF) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi. Dalam menghadapi suatu permasalahan sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidak pastian ini dapat berupa probabilitas yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor, yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis penyakit, dimana pakar tidak dapat mendefinisikan hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. CF menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Certainty Factor menggunakan suatu nilai untuk mengasumsikan derajad keyakinan seorang pakar terhadap suatu data. Certainty Factor memperkenalkan konsep keyakinan dan 190

191 ketidak yakinan yang kemudian diformulakan dalam rumusan dasar. Ada dua cara dalam mendapatkan tingkat keyakinan (CF) dari sebuah rule,yaitu: 1. Metode Net Belief yang diusulkan oleh E. H. Shortliffe dan B. G. Buchanan CF(Rule) = MB(H, E) MD(H, E) MB(H,E) ={ [ ] [ ] MD(H,E) ={ [ ] [ ] Keterangan: CF : Certainty Factor (factor kepastian) MB(H,E) : Measure of Belief (ukuran kepercayaan) terhadap hipotesis H, jika diberikan evidence E (antara 0 dan 1) MD(H,E) : Measure of Disbelief (ukuran ketidakpercayaan) terhadap evidence H, jika diberikan evidence E (antara 0 dan 1) P(H) : Probability (probabilitas kebenaran hipotesis H) P(H E) : probabilitas bawah H benar karena fakta E 2. Dengan cara mewawancarai seorang pakar Nilai CF(Rule) didapat dari interprestasi term dari pakar, yang diubah menjadi nilai CF tertentu sesuai tabel berikut: Tabel 6.1 Nilai CF dari interperetasi term Uncertain Term Definitely not (pasti tidak) Almost certainly not (hampir pasti tidak) Probably not (kemungkinan besar tidak) Maybe not (mungkin tidak) Unknown (tidak tahu) Maybe (mungkin) Probably (kemungkinan besar) Almost certainly (hampir pasti) Definitely (pasti) CF to Sumber : Kecerdasan buatan (2010:195) 191

192 Berikut ini adalah deskripsi beberapa kombinasi Certainty Factor terhadap berbagai kondisi: 1. Certainty Factor untuk kaidah dengan premis tunggal (single premis rules): CF(H,E) = CF(E)*CF(rule) = CF(user)*CF(pakar) 2. Certainty Factor untuk kaidah dengan premis majemuk (multiple premis rules): CF (A AND B) = Minimum (CF (a),cf (b)) * CF (rule) CF (A OR B) = Maximum (CF (a),cf (b)) * CF (rule) 3. Certainty Factor untuk kaidah dengan kesimpulan yang serupa (similarly concluded rules): CFCOMBINE (CF1, CF2) = CF1 + CF2*(1-CF1) Rumus Certainty Factor didefinisikan sebagai persamaan berikut: CF (H, E) = MB (H, E) MD (H, E) MB (h,e1^e2) = MB(h,e1) + MB (h,e2) * (1-MB[h,e1]) MD (h,e1^e2) = MD(h,e1) + MD (h,e2) * (1-MD[h,e1]) Keterangan: CF (H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukkan ketidak percayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak. MB (H,E) : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. MD (H,E) : ukuran kenaikan ketidak percayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala. Definisi menurut David McAllister Certainty Factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. 1. Kelebihan metode Certainty Factors adalah : 192

193 a. Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti dalam memprediksi perbedaan Ikan Betina dan Ikan Jantan. b. Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah dua data saja sehingga keakuratan data dapat terjaga. 2. Kekurangan metode Certainty Factors adalah : a. Ide umum dari pemodelan ketidak pastian manusia dengan menggunakan numerik metode certainty factor biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factor diatas memilki sedikit kebenaran. b. Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari 2 buah. 7.2 Implementasi Certainty Factor Aplikasi sistem pakar yang dikembangkan ini bertujuan untuk membantu proses perbedaan ikan betina dan ikan jantan menggunakan metode penelitian Certainty Factor (CF) Untuk membedakan jenis kelamin antara gurami betina dan jantan di antaranya dahi, dagu, ujung sirip, tutup insang, keadaan sirip dada, dan keadaan perut. Perbedaan paling mencolok antara ikan betina dengan jantan adalah adanya ciri khas pada ikan jantan yaitu benjolan di bagian kepala (dahi), bibir bawah tebal dan memerah terutama pada saat birahi dan tidak memiliki warna hitam pada ketiak sirip dada. Sedangkan pada ikan betina memiliki ciri-ciri sebaliknya. Secara morfologi, ikan ini memiliki garis lateral tunggal, lengkap dan tidak terputus, bersisik stenoid serta memiliki gigi pada rahang bawah. Sirip ekor membulat. Jari-jari lemah pertama sirip perut merupakan benang panjang yang berfungsi sebagai alat peraba. Tinggi badan 2,0-2,1 kali dari panjang standar. Pada ikan muda terdapat garis-garis tegak berwarna hitam berjumlah 8 sampai dengan 10 buah dan pada daerah pangkal ekor terdapat titik hitam bulat. Berikut ini tabel karakteristik Perbedaan Ikan Betina dan Jantan 193

194 Dahi terlihat rata Dagu tidak tebal Tabel 3.2 Perbedaan Ikan Gurami Betina dan Jantan Gurami Betina Gurami Jantan Ujung sirip ekor terlihat lebih rata Tutup insang berwarna putih kecoklatan Dasar sirip dada berwarna kehitaman Perut membundar Dahi terlihat menonjol Dagu terlihat lebih tebal/menonjol Ujung sirip ekor lebih membundar Tutup insang berwarna kekuningan. Dasar sirip dada berwarna lebih putih Perut meruncing 7.3. Analisis Permasalahan Metode Certainty Factor adalah metode yang digunakan untuk menyelesaikan kasus ketidak pastian, dimana ukurannya di dasarkan pada suatu fakta atau aturan. Certainty Factor adalah sebuah nilai numerik dari sebuah bukti yang diterima sebagai sebuah kesimpulan. Aplikasi sistem pakar untuk memprediksi perbedaan ikan betina dan ikan jantan adalah aplikasi yang dirancang untuk membantu para pembaca dan peternak ikan berdasarkan ciri-ciri ikan tersebut, kemudian dari ciri-ciri tersebut akan dicari nilai CF nya berdasarkan nilai kepastian (MB) dan ketidakpastian (MD) dari masing-masing ciri-ciri yang dipilih. Setelah diperolehnya nilai CF maka untuk menentukan kepastian perbedaan ikan betina dan ikan jantan sesuai ciri-ciri nya yaitu dengan nilai CF terbesar. Maka sangat diharapkan aplikasi ini dapat sesuai dengan keinginan penggunanya Analisis Kebutuhan Input Pada analisis kebutuhan input dari sistem pakar untuk meprediksi perbedaan ikan betina dan ikan jantan menggunakan metode Certainty Factor ini yaitu berupa data ciri-ciri ikan beserta nilai kepastian MB dan nilai ketidak pastian MD yang telah diberikan oleh seorang pakar. Adapun data tersebut nantinya akan diproses untuk menghasilkan kesimpulan perbedaan ikan betina dan ikan jantan. Berikut ini data ciri-ciri ikan beserta nilai MB dan nilai MD dari masingmasing ciri-ciri : 194

195 a. Ikan Betina a. Dahi terlihat lebih rata b. Dagu tidak tebal c. Ujung sirip ekor terlihat lebih rata d. Tutup insang berwarna putih kecoklatan e. Dasar sirip dada berwarna kehitaman f. Perut membundar b. Ikan Jantan a. Dahi terlihat menonjol b. Dagu terlihat lebih tebal/menonjol c. Ujung sirip ekor lebih membundar d. Tutup insang berwarna kekuningan e. Dasar sirip dada berwarna lebih putih f. Perut meruncing No Kode Ciri-Ciri c1 c2 c3 c4 Tabel 7.3 Tabel ciri-ciri ikan betina dan ikan jantan Ciri-Ciri Dahi terlihat lebih rata Dagu tidak tebal Ujung sirip ekor terlihat lebih rata Tutup insang berwarna putih kecoklatan No. 5 Kode Ciri-Ciri c5 Ciri-Ciri Dasar sirip dada berwarna kehitaman 195

196 ` c6 c7 c8 c9 c10 c11 c12 Perut membundar Dahi terlihat menonjol Dagu terlihat lebih tebal/menonjol Ujung sirip ekor lebih membundar Tutup insang berwarna kekuningan Dasar sirip dada berwarna lebih putih Perut meruncing Tabel 3.4 Tabel ciri-ciri ikan betina dan ikan jantan beserta nilai MB dan MD No. Kode Jenis Jenis Ikan Kode Ciri-Ciri MB MD c c H1 Betina c c c c c c H2 Jantan c c c c Keterangan : C : ciri-ciri CF : Certainty Factor (fakktor kepastian) dalam hipotesis H yang dipengaruhi Evidence (fakta) E. 196

197 MB MD H : Measure of Belief (tingkat keyakinan), merupakan ukuran kepercayaan Dari hipotesis H dipengaruhi oleh evidence (fakta) E. : Measure of Disbelief (tingkat ketidakyakinan) merupakan ukuran Ketidak percayaan hipotesis H dipengaruhi oleh fakta E. : Hipotesa atau konklusi yang dihasilkan Analisis Kebutuhan Proses Analisis kebutuhan proses, dimana data ciri-ciri yang telah dipilih oleh pengguna akan diproses dengan menggunakan metode Certainty Factor. Cara perhitungannya damana data yang telah dipilih sebelumnya akan dihitung nilai MB dan nilai MD nya untuk mengetahui nilai CF dari satu atau beberapa ciri-ciri yang dipengaruhi oleh ciri-ciri tersebut. Sebagai salah satu contoh kasus perhitungan secara manual analisis kebutuhan input adalah termasuk kedalam jenis kelamin betina atau jantan jika diketahui ciri-ciri Dahi terlihat lebih rata (c1) dengan nilai MB=0.8 dan MD=0.2, kemudian Ujung sirip ekor terlihat lebih rata (c3) dengan MB=0.8 dan MD=0.4, serta Perut meruncing (c12) dengan MB=0.8 dan MD=0.5 Penyelesaian : Tabel 7.5 Penyelesaian Perhitungan Manual Analisis Input Betina Jantan Kode Ciri-ciri MB MD MB MD c c c12 Dari data diatas terdapat dua kategori jenis kelamin yaitu betina dan jantan. Maka perhitungan CF nya : MB(h, c1^c3) =MB(h,e1)+MB(h,e2)*(1-MB[h,e1]) = 0.8+0*(1-0.8) =

198 MB(h,c1^c3)^e3=MB(h, e1^e2)+mb(h,e3)*(1-mb[h,e1^e2]) = *(1-0.8) = 0.96 MD(h,e1^e2)=MD(h,e1)+MD(h,e2)*(1-MD[h,e1]) = 0.2+0*(1-0.2) = 0.2 MD(h,(e1^e2)^e3)=MD(h,e1^e2)+MD(h,e3)*(1-MD[h,e1^e2]) = *(1-0.2) = 0.6 Untuk Betina dengan 2 ciri-ciri : CF[h,e] =MB[h,e]-MD[h,e] = = 0.6 Untuk jantan dengan 3 ciri-ciri : CF[h,e] =MB[h,e]-MD[h,e] = = 0.4 Kesimpulan : Dari ciri-ciri tersebut maka jenis ikan betina dengan nilai CF = Analisis Kebutuhan Output Untuk keluaran atau output dari metode Certainty Factor ini, pengguna akan mendapatkan hasil diagnosa berupa jenis kelamin pada ikan gurami berdasarkan ciri-ciri yang dipilih. Adapun ciri-ciri tersebut dihasilkan dari perhitungan CF terbesar untuk satu jenis kelamin pada ikan yang dipengaruhi ciri-ciri yang dipilih. Sebagai hasil tambahan pengguna juga akan mendapatkan hasil berupa pemilihan jenis kelamin ikan dan ciri-ciri yang di pilih Algoritma Sistem Dalam perancangan basis pengetahuan ini digunakan kaidah produksi sebagai sarana untuk representasi pengetahuan. Kaidah produksi dituliskan dalam bentuk pernyataan JIKA [premis] MAKA [konklusi]. Pada perancangan basis pengetahuan sistem pakar ini premis adalah ciri-ciri yang terlihat pada ikan dan konklusi adalah jenis kelamin, sehingga bentuk pernyataannya adalah JIKA [dahi terlihat lebih rata] MAKA [ikan betina]. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu ciri-ciri. Ciri-ciri tersebut dihubungkan dengan menggunakan operator logika DAN. 198

199 Contoh Pernyataan 1: JIKA [ciri-ciri1] DAN [ciri-ciri3] DAN [ciri-ciri4] MAKA [betina] Contoh Pernyataan 2: JIKA [ciri-ciri7] DAN [ciri-ciri8] DAN [ciri-ciri9] MAKA [jantan] Adapun contoh kaidah sistem pakar sistem pakar untuk memperdiksi perbedaan ikan betina dan ikan jantan menhhunakan metode CF adalah sebagai berikut : a. Rule 1 JIKA dahi terlihat lebih rata DAN ujung sirip ekor terlihat lebih rata DAN tutup insang berwarna putih kecoklatan MAKA ikan betina Dengan perhitungan Certainty Factor dihasilkan jenis kelamin ikan karena nilai CF ikan betina lebih besar. b. Rule 2 JIKA dahi terlihat menonjol DAN dagu terlihat lebih tebal/menonjol DAN tutup insang berwarna kekuningan MAKA ikan jantan Pernyataan-pernyataan ini akan diproses dengan bentuk sebagai berikut : 1.3 If i1 And i3 and i4 Then H1 2.3 If i7 And i8 and i9 Then H2 199

200 Flowchart Program Start Input ciri-ciri Ikan Proses ciri-ciri Ikan Tidak Hasil ciri-ciri Ikan Ya Simpan Hasil ciri-ciri Ikan Tampilan Hasil ciri-ciri Ikan End Gambar 3.1 Flowchart untuk Memprediksi Perbedaan Ikan Betina dan Ikan Jantan Metode Perancangan Perancangan perangkat lunak dilakukan setelah tahap analisis kebutuhan perangkat lunak selesaindan didefenisikan dengan jelas. Metode perancangan digunakan untuk mengembangkan 200

201 perangkat lunak sistem pakar untuk memprediksi perbedaan ikan betina dan ikan jantan dengan menggunakan bagian dari UML yaitu Use Case Diagram dan Activity Diagram. a. Perancangan Use Case Diagram Dalam proses pengembangan desain sistem pakar digunakan use case diagram, dimana dapat diketahui proses yang terjadi pada aktifitas dalam sistem. Dengan diagram ini juga dapat diketahui fungsi yang digunakan dalam sistem yang sekarang. Berikut gambar use case dapat dilihat dibawah ini : login Input Ciri-Ciri User Input jenis ikan Pakar Tampilan Hasil Proses Gambar 7.2 Use Case Sistem Pakar memprediksi perbedaan ikan betina dan ikan jantan 201

202 Keterangan : 1. User : melakukan input login untuk masuk ke sistem, dimana dari gambar use case diatas pakar melakukan input ciri-ciri kedalam sistem, kemudian sistem akan mengolah data yang dimasukkan pakar untuk mendapatkan hasil jenis kelamin ikan. 2. Pakar : mengelola data ciri-ciri ikan untuk mendapatkan hasil sesuai ketentuan yang telah ditentukan. b. Perancangan Activity Diagram Tabel 7.6 Tabel Activity Diagram Pakar User Sistem Login Tidak Input User & Password Valid Ya Tampil Menu Utama Tampilan Form Data Ciri-ciri Ikan c. Perancangan Class Diagram Input Ciri-Ciri Ikan Proses Ciri-Ciri Tampilan hasil perhitungan Simpan ke Database Logout 202

203 Ttbl_ciri_ciri TbllJenisIKan Dahi MB MD Dagu MB_Dagu MD_Dagu Ujung Sirip MB_Ujung MD_Ujung Tutup Insang MB_Tutup MD_Tutup Dasar Sirip MB_Dasar MD_Dasar Perut MB_Perut MD_Perut * TblHasilSurvey Dahi Dagu Ujung Sirip Tutup Insang Dasar Sirip Perut Nilai CF Jenis Kelamin * Kode Jenis Jenis Kelamin Gambar 7.3 Class Diagram Dari gambar Class diatas, maka akan didapatkan Class Diagram yang memiliki relationship seperti dilihat pada gambar dibawah ini. Ttbl_ciri_ciri Tbl_Jenis_Ikan Dahi MB MD Dagu MB_Dagu MD_Dagu Ujung Sirip MB_Ujung MD_Ujung Tutup Insang MB_Tutup MD_Tutup Dasar Sirip MB_Dasar MD_Dasar Perut MB_Perut MD_Perut * TblHasilSurvey Dahi Dagu Ujung Sirip Tutup Insang Dasar Sirip Perut Nilai CF Jenis Kelamin * Kode Jenis Jenis Kelamin Perancangan Database Gambar 7.4 Relasi Antar Class Diagram Dari class diagram diatas maka dapat dirancang database yang terdiri dari 3 (tiga) tabel sebagai berikut : 1. Desain Tabel Ciri-ciri Name table : Tbl_Ciri-ciri Media : Microsoft Office Access 2007 Primary Key : - Jumlah field : 18 Struktur : Tabel 3.5 Desain Tabel Ciri-ciri 203

204 No Nama Field Jenis Size Keterangan Dahi Text 255 Dahi MB Currency General number Nilai MB MD Currency General number Nilai MD Dagu Text 255 Dagu MB Currency General number Nilai MB MD Currency General number Nilai MD Ujung Sirip Text 255 Ujung Sirip MB Currency General number Nilai MB MD Currency General number Nilai MD Tutup Insang Text 255 Tutup Insang MB Currency General number Nilai MB MD Currency General number Nilai MD Dasar Sirip Text 255 Dasar Sirip MB Currency General number Nilai MB MD Currency General number Nilai MD Perut Text 255 Perut MB Currency General number Nilai MB MD Currency General number Nilai MD 2. Desain Tabel Jenis Ikan Name table : Tbl_Jenis_Ikan Media : Microsoft Office Acces 2007 Primary Key : - Jumlah field : 2 Struktur : Tabel 3.6 Tabel Jenis Ikan No Nama Field Jenis Size Keterangan 204

205 1. 2. Kode Jenis Text 255 Kode Jenis Ikan Jenis Kelamin Text 255 Jenis Kelamin Ikan Jantan 3. Desain Tabel Hasil Survey Name table : TblHasilSrvey Media : Microsoft Office Access 2007 Primary Key : - Jumlah field : 8 Struktur : Tabel 7.7 Desain Tabel Hasil Survey No Nama Field Jenis Size Keterangan Dahi Text 255 No Dagu Text 255 Dahi Ujung Sirip Text 255 Dagu Tutup Insang Text 255 Ujung Sirip Dasar Sirip Text 255 Tutup Insang Perut Text 255 Dasar Sirip Nilai CF Currency General number Perut Jenis Kelamin Text 255 Jenis Kelamin 205

206 7.4 Perancangan Form 1. Form Login Login _ x Username Password Login Close Gambar 7.5 Rancangan Form Login Form Login pada gambar 7.5 akan muncul pada saat aplikasi mulai dijalankan. Apabila kombinasi username dan password salah, maka form ini akan terus muncul dan meminta pengguna untuk login kembali. Namun apabila kombinasi username dan password benar maka akan tampil form hasil survey. Berikut ini adalah daftar komponen yang digunakan dalam form login. Tabel 7.8 Desain Tabel Daftar Komponen Form Login No Kontrol Properti Nilai Fungsi Label1 Text Username Membuat label Username Label2 Text Password Membuat label Password TextBox1 Text Sebagai inputan username TextBox2 Text Sebagai inputan password 206

207 5. 6. Button1 Text Button2 Text l Menjalankan perintah login Membatalkan login 2. Form Jenis Ikan Form jenis ikan akan muncul pada saat setelah form login, form jenis ikan ini hanya memasukkan kode jenis dan jenis ikan. Form Jenis Ikan _ X Kode Jenis : Jenis Ikan : Save Edit Delete Cancel Exit Gambar 7.6 Form Jenis Ikan Form hasil jenis ikan memiliki beberapa komponen yang nantinya akan digunakan. Berikut ini daftar komponen yang digunakan dalam rancangan form hasil perhitungan. Tabel 7.9 Daftar Komponen Form Hasil Pengelompokan No Kontrol Properti Nilai Fungsi Label1 Text Kode Jenis Membuat label betina Label2 Text Jenis Ikan Membuat label jantan Listview1 View Button1 Text Detail Save Menampilkan data kombinasi ciri-ciri ikan betina dan hasil perhitungan Menyimpan data yang ditambah 207

208 Button2 Button 3 Button 4 Button 5 Text Text Text Text Edit Delete Cancel Exit Mengubah data yang di masukkan Menghapus data yang di inginkan Membatalkan data yang diubah Keluar dari tampilan 3. Form Ciri-Cri Form ini merupakan form yang mempermudah user untuk memilih atau menentukan jenis kelamin ikan yang akan dipilih untuk di ketahui jenis kelaminnya berdasarkan dari ciri-ciri yang akan di input. Form Ciri-Ciri _ X Dahi MB MD Dagu MB MD Ujung Sirip MB MD Dasar Sirip MB MD Tutup Insang MB MD Perut MB MD Gambar 3.7 Form ciri-ciri ikan Save Edit Delete Cancel Exit Tampil Data Form ciri-ciri ikan memiliki beberapa komponen yang nantinya akan digunakan. Berikut ini daftar komponen yang digunakan dalam rancangan form ciri-ciri ikan. 208

209 Tabel 7.10 Daftar Komponen Form Ciri-ciri Ikan No Kontrol Properti Nilai Fungsi Label1 Text Dahi Membuat label dahi Label2 Text Dagu Membuat label dagu Label3 Text Ujung Sirip Label4 Text Tutup Insang Label5 Text Dasar Sirip Label6 Text Perut Label7 Text MB Label8 Text MB Label9 Text MB Label10 Text MB Label11 Text MB Label12 Text MB Label13 Text MD Label14 Text MD Label15 Text MD Label16 Text MD Label17 Text MD Label18 Text MD Textbox1 Text - Textbox2 Text - Textbox3 Text - Textbox4 Text - Membuat label ujung sirip Membuat label tutp insang Membuat label dasar sirip Membuat label perut Membuat nilai MB buat nilai MB buat nilai MB buat nilai MB buat nilai MB buat nilai MB Membuat nilai MD buat nilai MD buat nilai MD buat nilai MD buat nilai MD buat nilai MD Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri 209

210 Textbox5 Text - Textbox6 Text - Textbox7 Text - Textbox8 Text - Textbox9 Text - Textbox10 Text - Textbox11 Text - Textbox12 Text - Textbox13 Text - Textbox14 Text - Textbox15 Text - Textbox16 Text - Textbox17 Text - Textbox18 Text - Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Menginput Ciri-ciri Button1 Text Cari Menjalankan perintah cari Button2 Text Diagnosa Menampilkan Hasil Button3 Text Cancel Membatalkan proses Button3 Text Exit Keluar Progressbar1 Value Menampilkan Data 210

211 4. Form Hasil Survey Form hasil survey merupakan form yang digunakan untuk memasukkan nilai hasil survey data ikan. Bentuk rancangan dari form ini dapat dilihat pada gambar dibawah ini. Form Data Hasil Survey _ X Dahi Dagu Ujung Sirip Dasar Sirip Tutup Insang Perut MB MD MB MD MB MD MB MD MB MD MB MD No Dahi Dagu Ujung Sirip Dasar Sirip Tutup Insang Perut Cari Gambar 3.9 Rancangan Form Hasil Survey Form hasil survey pada gambar 3.8 diatas akan muncul pada proses dilakukan. Form hasil survey hanya dapat digunakan untuk mencari data. Form hasil survey memiliki beberapa komponen yang nantinya akan digunakan. Berikut ini adalah daftar komponen yang digunakan Nilai CF : Jenis Kelamin : Diagnosa Cancel Exit dalam rancangan form hasil survey. Tabel 7.11 Daftar Komponen Form Hasil Survey No Kontrol Properti Nilai Fungsi Gridview1 Gridview2 Gridview3 Gridview4 Gridview5 Gridview6 Gridview7 View View View View View View View Detail Detail Detail Detail Detail Detail Detail Menampilkan Data ciri-ciri Ikan Menampilkan Data ciri-ciri Ikan Menampilkan Data ciri-ciri Ikan Menampilkan Data ciri-ciri Ikan Menampilkan Data ciri-ciri Ikan Menampilkan Data ciri-ciri Ikan Menampilkan seluruh data ciri-ciri yang dicari. Label1 Text Dahi Membuat label dahi Label2 Text Dagu Membuat label dagu 211

212 Label3 Text Ujung Sirip Label4 Text Tutup Insang Label5 Text Dasar Sirip Label6 Text Perut Label7 Text MB Label8 Text MB Label9 Text MB Label10 Text MB Label11 Text MB Label12 Text MB Label13 Text MD Label14 Text MD Label15 Text MD Label16 Text MD Label17 Text MD Label18 Text Label19 Text Label20 Text MD Nilai CF Jenis Kelamin Button1 Text Cari Button2 Text Diagnosa Button3 Text Cancel Button3 Text Exit Progressbar1 Value Membuat label ujung sirip Membuat label tutp insang Membuat label dasar sirip Membuat label perut Membuat nilai MB buat nilai MB buat nilai MB buat nilai MB buat nilai MB buat nilai MB Membuat nilai MD buat nilai MD buat nilai MD buat nilai MD buat nilai MD buat nilai MD buat Nilai CF buat Jenis Kelamin Menjalankan perintah cari Menampilkan Hasil Membatalkan proses Keluar Menunjukkan progress perhitungan 212

213 7.4 Pembuatan Aplikasi a. Implementasi Sistem Implementasi sistem merupakan prosedur yang dilakukan untuk menyelasaikan desain sistem yang ada dalam bentuk dokumen desain yang disetujui dan menguji sistem. Input data merupakan pengaruh didalam pengisian data sehingga data yang dikehendaki dapat diterima oleh sistem dan juga diproses untuk menghasilkan suatu informasi yang diinginkan. Adapun cara menjalankan aplikasi untuk semua pengguna dalam implementasi sistem pakar untuk memprediksi perbedaan ikan betina dan ikan jantan menggunakan metode certainty faktor adalah sebagai berikut : 1. Pertama user harus melakukan login dimana user diwajibkan untuk memasukkan username dan password. Setelah data yang di masukkan benar silahkan pilih login. Gambar 4.1 Form Login 2. Setelah melakukan login maka akan tampil form menu utama dimana di dalam form menu utama terdapat menu file, proses, laporan dan exit. 213

214 Gambar 3.10 Form Menu Utama 3. Didalam form jenis ikan user dapat menginput kode jenis dan jenis ikan kemudian setelah di input klik cari untuk mencari kode jenis dan jenis ikan. Gambar Form Jenis Ikan 4. Selanjutnya yaitu form ciri-ciri ikan. Pada form ini kita harus memasukkan secara manual ciri-ciri ikan beserta nilai MB dan MD nya. Gambar 4.4 Form Ciri-ciri 214