SISTEM PAKAR DIAGNOSA KOLIK PADA KUDA MENGGUNAKAN LOGIKA FUZZY

Transkripsi

1 i SISTEM PAKAR DIAGNOSA KOLIK PADA KUDA MENGGUNAKAN LOGIKA FUZZY ARIE NUR SYAMSI DEPARTEMEN ILMU KOMPUTE R FAKULTAS MATEMATIKAA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 i

2 ABSTRACT ARIE NUR SYAMSI. Expert System for Colic Diagnosis of Horse using Fuzzy Logic. Under supervision YENI HERDIYENI and BUDHY JASA WIDYANANTA. Colic is a term used to describe various kinds of abdominal discomfort, caused by a variety of reasons ranging from gut hooked up to the entrolit due to worm infestation. Signs of colic vary according to the severity of certain conditions. Very few horses show all the signs at one time. This research propose an expert system for colic diagnosis of horse using fuzzy logic. Colic is identified by heart rate, gut sound, gastric reflux and old incident of colic. This research designed an expert system to determine what type of colic and focus on three types of colic : impaction, tympani and twisted gut. This system is built using Fuzzy Inference System (FIS) with four fuzzy parameters : heart rate, gut sound, gastric reflux and old incident of colic. Rules as knowledge base had been built with 36 rules for each colic. Mamdani method is used as inference process. System gives the type of colic as output. The type of colic also divides into six categories : support tympani, very supportive tympani, support twisted gut, very supportive twisted gut, support impaction, very supportive impaction. Based on verification, system can produce levels of accuracy around 89,89 %, the experimental result shows that fuzzy logic can be used to detect colic. To be used in real condition, this system still develope further, for example by adding other factors as parameters, such as anamnesa or examination of vital signs in horses. Keywords: Expert System, Colic In Horses, Fuzzy Logic, Mamdani Method i

3 ii SISTEM PAKAR DIAGNOSA KOLIK PADA KUDA MENGGUNAKAN LOGIKA FUZZY Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor ARIE NUR SYAMSI G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ii

4 Judul Nama NRP : Sistem Pakar Diagnosa Kolik Pada Kuda Menggunakan Logika Fuzzy : Arie Nur Syamsi : G Menyetujui, Pembimbing I Pembimbing II Dr. Yeni Herdiyeni, S.Si, M.Kom NIP drh. Budhy Jasa W NIP Mengetahui, Ketua Departemen Ilmu Komputer, Dr. Ir. Sri Nurdiati, M.Sc NIP Tanggal Lulus : ii

5 RIWAYAT HIDUP Penulis dilahirkan di Ciamis tanggal 16 Januari 1984 dari pasangan ayah H. Nanang (Alm), serta ibu Hj. Yayah Badriyah. Penulis merupakan anak ketiga dari tiga bersaudara. Penulis lulus dari SMU Negeri 1 Ciamis tahun 2002 dan pada tahun yang sama melanjutkan studi ke Program Studi Diploma 3 Informatika Institut Pertanian Bogor melalui jalur reguler. Pada tahun 2007 penulis melanjutkan studi ke Program Penyelenggaraan Khusus Ilmu Komputer Institut Pertanian Bogor. Saat ini penulis juga adalah seorang karyawan di salah satu perusahaan swasta di Bogor. iii

6 Bismillahirrahmanirrahim, PRAKATA Segala puji bagi Allah SWT, atas limpahan rahmat dan karunia-nya dan semoga shalawat dan salam tetap tercurahkan kepada nabi Muhammad SAW. Penulis mengucapkan Alhamdulillahi rabbal alamin, atas selesainya skripsi denga judul Sistem Pakar Diagnosa Kolik Pada Kuda Menggunakan Logika Fuzzy. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer Fakultas Matematikan dan Ilmu Pengetahuan Alam Institut Pertanian Bogor. Penulis mengucapkan terima kasih kepada semua pihak sehingga terselesaikannya skripsi ini, diantaranya : Orang tua tercinta yang selalu memberikan do a dan motivasi kepada penulis, serta kakakkakak Teh Fitri dan Teh Mia yang tidak pernah lelah memberikan semangatnya. Istriku Fathinningsih, terimakasih atas motivasi, semangat, do a, perhatian, cinta dan waktunya. Ibu Dr. Yeni Herdiyeni, S.Si, M.Kom dan bapak drh. Budhy Jasa W, selaku pembimbing yang telah memberikan arahan dan masukan sehingga selesainya skripsi ini. Bapak drh. Budhy Jasa W, selaku pembimbing yang telah memberikan arahan dan masukan sehingga selesainya skripsi ini. Isnan Franseda, Andi yudiana, Fahrizal Dharmawangsa yang telah memberikan masukan serta kritikannya. Teman-teman seperjuangan Holili, Aziz, Feri, Dimas, Yuda yang telah memberikan dukungan, kritik dan saran. Teman-teman kostan Abah Udin (Umi, Abah, Aang, Sawal, Ridho) yang telah memberikan semangatnya. Teman-teman Ilkom Ekstensi angkatan I, II, III yang tidak bisa disebutkan satu per satu atas semangat, dukungan, waktu, kebersamaan dan persahabatannya. Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang membutuhkan. Amin. Bogor, September 2011 Arie Nur Syamsi iv

7 DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... vi PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 Ruang Lingkup... 1 Manfaat... 1 TINJAUAN PUSTAKA... 1 Sistem Pakar... 1 Logika Fuzzy... 2 Sistem Fuzzy Mamdani... 2 Penegasan (defuzzifikasi)... 3 Fungsi Keanggotaan (Membership Function)... 4 Penalaran Metode Mamdani... 4 Metode Defuzzifikasi Mean of Maximum (MOM)... 5 Kolik... 5 METODE PENELITIAN... 5 Kerangka Pemikiran... 5 Tahap Pengembangan Sistem... 6 Pengembangan Sistem... 7 Rancang Bangun Sistem... 8 Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem... 9 HASIL DAN PEMBAHASAN... 9 Pemodelan Sistem... 9 Proses Inferensia Fuzzy... 9 Proses Defuzzifikasi Pengujian Sistem Keterbatasan sistem KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN v

8 DAFTAR TABEL Halaman 1 Parameter gejala masukan Rangkuman variabel fuzzy input Parameter data fuzzy verifikasi sistem Perbedaan keluaran sitem DAFTAR GAMBAR Halaman 1 Struktur sistem pakar (Giarattano, 1998) Proses akuisisi pengetahuan Representasi kurva segitiga Representasi kurva trapesium Representasi kurva PI Representasi kurva Mean of Maximum Tahap pembangunan sistem pakar (Marimin 2005) Diagram konsep penelitian Proses pendiagnosaan jenis kolik pada sistem FIS editor sistem pakar diagnosa kolik pada kuda Fungsi keanggotaan denyut jantung Fungsi keanggotaan suara usus Fungsi keanggotaan gastric reflux Fungsi keanggotaan lama kejadian Fungsi keanggotaan keluaran sistem pakar diagnosa kolik pada kuda Ilustrasi proses defuzzifikasi pada inferensi fuzzy Form masukan sistem Pesan peringatan jika terjadi kesalahan pengisian Jarak bobot kesalahan sistem DAFTAR LAMPIRAN Halaman 1 Aturan-aturan pada sistem Tampilan sistem Hasil pengujian sistem vi

9 Latar Belakang PENDAHULUAN Kolik merupakan istilah umum yang digunakan untuk gejala sakit perut yang dapat disebabkan oleh berbagai kondisi yang berbeda yang mempengaruhi organ dalam rongga perut. Kolik merupakan gejala yang harus diwaspadai oleh setiap pemilik kuda karena dapat menyebabkan kematian pada kuda. Pada beberapa kasus, kolik dapat menyebabkan kematian dalam hitungan jam. Untuk itu pertolongan pertama sangat dianjurkan untuk mencegah kolik menjadi semakin parah. Gejala kolik pada kuda memperlihatkan ada banyaknya kemiripan sehingga diperlukan ketelitian dari pakar atau dokter hewan terhadap setiap perubahan yang terjadi pada organ tubuh atau kebiasaan kuda yang mengindikasikan pada kolik, bahkan tidak mungkin apabila kemiripan gejala tersebut menghasilkan hasil diagnosa yang berbeda dengan kolik yang diderita kuda sebenarnya. Untuk dapat melakukan pendiagnosaan secara seksama, dapat dilakukan dengan beberapa tahapan mulai dari signalement, anamnesa, pemeriksaan fisik, pemeriksaan lanjutan, test laboratorium sampai pemeriksaan pascamati. Keterbatasan jumlah tenaga dokter hewan di Indonesia merupakan salah satu kendala yang dihadapi pada saat ini. Hal ini menyebabkan kurang maksimalnya penanganan terhadap kolik. Keterbatasan tenaga dokter hewan dapat menyebabkan keterlambatan dalam mendiagnosis penyakit yang nantinya dapat menyebabkan keterlambatan dalam proses penyembuhan kuda bahkan dapat menyebabkan kematian. Guna meningkatkan kelancaran dalam usaha penanganan kolik maka penting adanya suatu sistem yang bisa membantu diagnosis sehingga dapat dilakukan tindakan preventif guna mencegah kolik menjadi semakin parah. Tujuan Tujuan dari penelitian ini adalah merancang sistem pakar untuk mendiagnosis jenis kolik yang diderita kuda agar dapat dilakukan tindakan medis yang sesuai dengan jenis kolik yang diderita. Ruang Lingkup Sistem yang dibuat memiliki ruang lingkup sebagai berikut : a. Pendiagnosisan kolik pada kuda ini dibatasi pada jenis kolik yang disebabkan oleh adanya gangguan pada sistem pencernaan atau kolik sejati. b. Data yang akan diproses berupa hasil pemeriksaan klinis yang bersifat khas yang ditemukan selama pemeriksaan. Data tersebut selanjutnya akan dianalisis oleh sistem untuk menghasilkan output. Output yang dihasilkan hanya terbatas pada informasi jenis kolik yang diderita oleh kuda. c. Output jenis kolik yang dihasilkan oleh sistem hanya sebagai sarana pembantu. Apabila kuda diindikasikan mengalami kolik segera konsultasikan dengan dokter hewan. d. Pengguna sistem adalah dokter hewan, tenaga medis atau mahasiswa khususnya kedokteran hewan yang mempunyai kemampuan untuk memeriksa denyut jantung, suara usus atau gastric reflux secara tepat. e. Sistem pakar diagnosis kolik pada kuda selanjutnya disebut ini dibatasi pada tiga jenis kolik yaitu kolik impaksi, tympani serta twisted gut. f. Kuda yang diperiksa adalah kuda dewasa berumur lebih dari 10 tahun. Hal ini disebabkan kuda dewasa lebih rentan mengalami kolik. Manfaat 1. Sistem yang dihasilkan diharapkan dapat membantu kinerja dokter hewan, mahasiswa atau tenaga medis untuk mendiagnosa jenis kolik sehingga membantu dalam pengambilan tindakan medis yang akan diberikan. 2. Sistem ini juga dapat digunakan sebagai pembelajaran bagi mahasiswa. TINJAUAN PUSTAKA Sistem Pakar Secara umum, sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan 1

10 masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Di dalam sistem pakar, masukan yang diberikan pengguna dan basis pengetahuan yang telah ada dimasukkan ke dalam komputer untuk kemudian diolah sehingga menghasilkan suatu keluaran. Struktur sistem pakar menurut Giarattano (1998), digambarkan seperti pada Gambar 1 berikut : Fasilitas Penjelasan Basis Pengetahuan Antarmuka Pengguna Mesin Inferensi Fasilitas Akuisisi Pengetahuan Fakta Gambar 1 Struktur Sistem Pakar (Giarattano, 1998) a. Antarmuka Pengguna Antarmuka pengguna merupakan bagian yang berperan sebagai media komunikasi antara pengguna dengan sistem yang dikembangkan. Pembuatan antarmuka yang baik akan memudahkan pengguna dalam menggunakan sistem. b. Fasilitas Penjelasan Bagian ini memberikan penjelasan kepada pengguna mengenai sistem tersebut. Bagian ini sangat bermanfaat bagi pengguna untuk mengetahui bagaimana sistem dapat memutuskan suatu kesimpulan. c. Fasilitas Akuisisi Pengetahuan Akuisisi Pengetahuan adalah proses transfer dan transformasi sumber pengetahuan dari pakar (domain expert) ke dalam program (Jackson, 1999). Proses akuisisi ini dilakukan dengan bantuan Knowledge Engineer yang berperan sebagai mediator antara sistem pakar dengan pakarnya. Proses akuisisi pengetahuan dapat dilihat pada Gambar 2 berikut ini : tanya hasil Sumber Knowledge Sistem Pakar Engineer Pakar jawab pengetahuan Gambar 2 Proses Akuisisi Pengetahuan d. Basis Pengetahuan Basis pengetahuan merepresentasikan pengetahuan yang dimiliki pakar. Menurut Marimin (2002), basis pengetahuan merupakan sumber kecerdasan sistem dan dimanfaatkan oleh mekanisme inferensia untuk penarikan suatu kesimpulan. e. Mesin Inferensi Mesin Inferensia menyeleksi aturan yang ada berdasar fakta yang ada dan mengeksekusi aturan tersebut dengan prioritas tertinggi (Giarratano, 1998). Di dalam sistem pakar, mesin inferensia ini akan memandu, mengarahkan dan memanipulasi basis pengetahuan sehingga tercapai suatu kesimpulan. Di antara jenis inferensia yang paling popular adalah kaidah produksi. Kaidah produksi ini telah dikenal pada tahun Notasi dari kaidah produksi sederhana adalah IF X Then Y, dengan X adalah antesenden dan Y adalah konsekuen. Berikut adalah contoh sederhana penggunaan kaidah produksi: If harga_naik THEN permintaan_berkurang Antesenden konsekuen Karena sangat pentingnya sistem berbasis kaidah produksi ini, menyebabkan munculnya perkembangan konsep kaidah lainnya seperti Certainty Factor (CF) atau If-Then Fuzzy yang banyak digunakan pada sistem pakar. f. Fakta Fakta merupakan sekumpulan data yang akan digunakan oleh aturan. Dari fakta inilah suatu basis pengetahuan akan dibuat. Apabila terdapat fakta baru terhadap suatu permasalahan, maka akan dijadikan sebagai basis pengetahuan baru dan kaidah (rule) baru pada mesin inferensia dibuat. Logika Fuzzy Logika fuzzy merupakan bagian dari logika Boolean, yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah. Menurut Kusumadewi (2003), logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Sistem Fuzzy Mamdani Metode Mamdani sering disebut dengan nama Metode Max-Min (Kusumadewi 2

11 2003). Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Untuk mendapatkan output, diiperlukan 4 tahapan, yaitu : 1. Pembentukan himpunan fuzzy. Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2. Aplikasi fungsi implikasi. Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. 3. Komposisi aturan. Apabila sistem terdiri atas beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu : max, additive, dan probabilistik OR. a. Metode Max (Maximum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proporsi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proporsi. Secara umum dapat dituliskan : µsf[xi] dengan : max(µsf[xi], µkf[xi]) µsf[xi] = Nilai keanggotaan solusi fuzzy sampai aturan ke-i. µkf[xi] = Nilai keanggotaan konsekuen fuzzy aturan ke-i. b. Metode Additive (Sum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan : µsf[xi] dengan : min(1, µsf[xi] + µkf[xi]) µsf[xi] = Nilai keanggotaan solusi fuzzy sampai aturan ke-i. µkf[xi] = Nilai keanggotaan konsekuen fuzzy aturan ke-i. c. Metode Probabilistik OR Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan produksi terhadap semua output daerah fuzzy. Secara umum dituliskan : µsf[xi] (µsf[xi] + µkf[xi] (µsf[xi] + µkf[xi])) Penegasan (defuzzifikasi) Menurut Marimin (2001), defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp). Kusumadewi (2003) menyatakan bahwa input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Dengan demikian, jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output. Sistem fuzzy Mamdani menggunakan basis aturan seperti pada persamaan berikut : IF (x 1 is A 1 ) * (x 2 is A 2 ) * * (x n is A n ) THEN y is B. Beberapa Istilah yang digunakan dalam Sistem Fuzzy (Kusumadewi 2003) : a. Variabel Fuzzy Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem. Contoh : temperatur, suhu, umur. b. Himpunan Fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh : Variabel suhu, terbagi menjadi 3 himpunan fuzzy, yaitu Tinggi, Normal, dan Rendah. c. Semesta Pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. d. Domain Himpunan Fuzzy Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh 3

12 dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Fungsi Keanggotaan (Membership Function) Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya ( sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Berikut ini (Kusumadewi 2003) beberapa fungsi yang bisa digunakan untuk menentukan nilai dari suatu keanggotaan : 1. Representasi Kurva Segitiga Kurva Segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) seperti pada gambar berikut : Fungsi keanggotaan : 0; ; ; 1; 3. Representasi kurva PI Kurva PI berbentuk lonceng dengan derajat keanggotaan 1 yang terletak pada pusat domain (γ), dan lebar (β). Nilai kurva untuk suatu nilai domain x ditunjukkan seperti pada Gambar 5 berikut : Gambar 3 Representasi Kurva Segitiga Fungsi keanggotaan : 0; ; ; 2. Representasi Kurva Trapesium Kurva trapesium pada dasarnya sama seperti kurva segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1. Gambar 5 Representasi Kurva PI Fungsi keanggotaan : 0; 2 ; 2 12 ; 2 ;,,, 12 ; 2 2 ; 2 1; Penalaran Metode Mamdani Metode Mamdani dikenal juga dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Pada metode Mamdani, ada beberapa tahapan untuk mendapatkan output, yaitu : 1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi 3. Komposisi aturan 4. Penegasan (defuzzifikasi) Gambar 4 Representasi Kurva Trapesium 4

13 Metode Deffuzifikasi Mean of Maximum (MOM) Salah satu metode deffuzifikasi adalah Mean of Maximum. Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum. Berikut adalah representasi kurve Mean of Maximum seperti terlihat pada Gambar 6 berikut: Gambar 6 Representasi Kurva Mean of Maximum Kolik Kolik merupakan suatu istilah yang digunakan untuk menggambarkan berbagai macam ketidaknyamanan perut, yang disebabkan oleh berbagai macam sebab mulai dari usus bengkok sampai ke entrolit karena infestasi cacing. Tanda-tanda kolik bervariasi sesuai dengan keparahan kondisi tertentu. Sangat sedikit kuda menunjukkan semua tanda-tanda pada satu waktu. Pada penelitian ini hanya akan meninjau mengenai jenis kolik akibat gangguan sistem pencernaan. Kolik Impaksi Kolik impaksi disebabkan oleh adanya sumbatan berupa bahan makanan di usus besar. Kolik impaksi paling banyak terjadi pada bagian usus besar di bagian flexura pelvina dimana bagian ini relatif lebih menyempit dibandingkan bagian usus lainnya. Kolik impaksi dapat terjadi oleh berbagai alasan, salah satunya adalah karena kuda sering memakan serbuk yang biasa dipakai untuk alas dalam jumlah banyak. Kuda yang terkena kolik jenis ini menunjukkan gejala kesakitan yang hampir sama dengan kuda yang menderita kolik spasmodik. Kuda cenderung lebih banyak duduk dan berbaring bahkan jarang menunjukkan gejala seperti sedang mengalami kolik. Pengobatan yang dapat dilakukan untuk mengatasi kolik tipe impaksi ini antara lain: pemberian minyak parafin, air garam dan beberapa agen untuk menstimulasi (merangsang) gerakan usus melalui selang tubing (stomach tube) serta pemberian obat penahan rasa sakit. Kolik Gas (Tympani) Kolik gas adalah kolik yang disebabkan adanya distensi gas pada usus, baik di usus besar dan atau di usus buntu. Gas yang berlebih dihasilkan dari fermentasi isi perut lebih cepat daripada yang dapat dihilangkan. Hal ini biasanya disebabkan oleh makan terlalu banyak gandum. Kuda yang terkena kolik gas menunjukkan gejala kesakitan yang tinggi (parah), berkeringat dan berguling. Pengobatan yang bisa dilakukan untuk mengatasi kolik gas adalah dengan memasukkan selang cubing kedalam organ pencernaan untuk menghilangkan distensi gas dan untuk beberapa kasus bila dilakukan dengan operasi. Twisted gut Tipe kolik yang terakhir adalah kolik yang disebabkan oleh adanya catastrophy pada usus atau lebih sering disebut twisted gut. Tipe kolik ini meliputi volvulus (memutar) pada usus, intussupsi (satu bagian usus menerobos ke bagian usus berikutnya) serta adanya rotasi usus mesentary yang dapat mengganggu suplai darah. Kuda yang terkena kolik ini menunjukkan gejala kesakitan yang hebat, berkeringat serta menunjukkan gelisah yang luar biasa. Keterlambatan penanganan terhadap kolik ini dapat menyebabkan kematian. Sampai saat ini, pengobatan yang dapat dilakukan terhadap kolik ini hanya dapat dilakukan sebatas mengurangi rasa sakit terhadap kuda hal ini dikarenakan alat operasi yang ada belum memadai untuk dilakukan operasi terhadap kuda yang menderita kolik twisted gut. METODE PENELITIAN Kerangka Pemikiran Kemiripan gejala yang ditimbulkan oleh beberapa jenis kolik menimbulkan kesulitan dalam pendiagnosisan tentang jenis kolik yang diderita kuda. Dengan menggunakan pendekatan fuzzy dalam basis data pengetahuan diharapkan dapat mempermudah dalam proses diagnosis jenis kolik yang diderita kuda. 5

14 Keterbatasan jumlah tenaga dokter hewan di Indonesia merupakan salah satu kendala yang dihadapi pada saat ini. Hal ini menyebabkan kurang maksimalnya penanganan terhadap kolik. Keterbatasan tenaga dokter hewan dapat menyebabkan keterlambatan dalam mendiagnosa penyakit yang nantinya dapat menyebabkan keterlambatan dalam proses penyembuhan kuda bahkan dapat menyebabkan kematian. Untuk pembuatan sistem ini, digunakan tahapan pembentukan sistem pakar yang dimulai dari tahapan identifikasi masalah, mencari sumber pengetahuan, akuisisi pengetahuan, representasi pengetahuan, pengembangan sistem inferensi, implementasi sistem, pengujian sistem. Sistem ini dibangun untuk membantu dokter hewan atau tenaga medis dalam mendiagnosis jenis kolik yang diderita kuda. Pemeriksaan yang dilakukan meliputi pemeriksaan denyut jantung, suara usus, gastric reflux serta lama kejadian. Teknik yang digunakan untuk menangani ketidakpastian adalah dengan sistem inferensi fuzzy. Tahap Pengembangan Sistem Penelitian ini dilaksanakan dengan mengacu pada tahap pembangunan sistem pakar dalam Marimin (2005). Metode ini terdiri atas tahapan kegiatan berikut: (1) Identifikasi Masalah, (2) Pencarian Sumber Pengetahuan, (3) Akuisisi Pengetahuan, (4) Representasi Pengetahuan, (5) Pengembangan Mesin Inferensi, (6) Implementasi, dan (7) Pengujian. Skema tahapan ini dapat dilihat pada Gambar 7. Tahap Identifikasi Masalah Tahap identifikasi masalah meliputi tahap pemilihan masalah, identifikasi tujuan dan sumber pengetahuan. Kemiripan gejala yang ditimbulkan pada kolik terkadang menimbulkan kesulitan di dalam mendiagnosis jenis kolik yang diderita. Dengan menggunakan pendekatan fuzzy dalam database pengetahuan berbasis rule, diharapkan proses diagnosis jenis kolik pada kuda dapat lebih mudah dilakukan. Untuk mendiagnosis jenis kolik pada kuda ini melibatkan pihak lain seperti dokter hewan Fakultas Kedokteran Hewan IPB dan dokter hewan praktisi yang mempunyai klinik kesehatan hewan terutama kuda sebagai sumber pakar. tidak Identifikasi Masalah Pencarian Sumber Pengetahuan Akuisisi Pengetahuan Representasi Pengetahuan Pengembangan Mesin Inferensi Implementasi Pengujian Mewakili Human Expert Selesai ya Gambar 7 Tahap pembangunan sistem pakar (Marimin 2005). Pencarian Sumber Pengetahuan Pencarian sumber pengetahuan meliputi kegiatan pencarian pakar serta literatur. Pakar merupakan seseorang yang memiliki keahlian dan pengetahuan dalam bidang yang dikaji yang dalam hal ini adalah mengenai kolik pada kuda. Studi literatur merupakan kajian yang menjadi modal awal dalam berkomunikasi dengan pakar mengenai domain permasalahan kolik kuda. Sumber pengetahuan yang digunakan pada pembangunan sistem pakar ini berasal dari pakar manusia (human experts), buku referensi, jurnal serta sumber-sumber dari internet. Pakar untuk sistem ini berasal dari Fakultas Kedokteran Hewan IPB. Akuisisi Pengetahuan Akuisisi pengetahuan merupakan proses transfer keahlian dalam suatu program. Fasilitas akuisisi pengetahuan digunakan sebagai alat untuk mendapatkan pengetahuan, fakta, dan aturan yang diperlukan oleh sistem. Penyerapan pengetahuan dari pakar dilakukan dengan melakukan wawancara langsung serta melakukan kajian pustaka 6

15 untuk menambah pengetahuan tentang jenis kolik pada kuda. Data yang digunakan untuk sistem ini diperoleh dengan menggunakan 2 metode, yaitu : 1. Metode wawancara Wawancara langsung dilakukan kepada dokter hewan yaitu : - Drh. Budhy Jasa W. staf dosen di Fakultas Kedokteran Hewan IPB. 2. Beberapa informasi tambahan diperoleh dari buku serta internet yang berhubungan dengan pengembangan sistem pakar serta informasi mengenai kolik pada kuda. Representasi Pengetahuan Pengetahuan yang diperoleh dari proses akuisisi kemudian direpresentasikan untuk membentuk basis pengetahuan. Basis pengetahuan terdiri atas pengetahuan yang dimaksud dan spesifikasi dari pokok persoalan yang akan diselesaikan (Marimin 2005). Metode representasi pengetahuan yang digunakan dalam sistem ini adalah representasi fuzzy. Pada tahap ini disusun himpunan fuzzy dan aturan-aturan (rules) IF-THEN fuzzy sistem. Untuk sistem ini terdapat 72 aturan yang didapat dari diskusi dengan pakar. Pengembangan Mesin Inferensi Mesin inferensi merupakan komponen sistem pakar yang mengarahkan pengetahuan dari basis pengetahuan sehingga tercapai kesimpulan. Tugas utama mesin inferensi adalah menguji fakta dan kaidah serta menambahkan fakta baru jika memungkinkan serta memutuskan perintah sesuai dengan hasil penalaran yang telah dilaksanakan (Marimin 2005). Proses penentuan jenis kolik dimulai dari sekumpulan fakta mengenai hasil pemeriksaan pada kuda yang kemudian dianalisis dan digunakan untuk penentuan kesimpulan. Karena input pemeriksaan ini bersifat fuzzy, digunakanlah fuzzy inference system (FIS) untuk memproses input tersebut. Metode FIS yang digunakan adalah metode Mamdani. Setiap masukan dari pengguna dihitung nilai keanggotaannya sesuai dengan fungsi keanggotaan yang digunakan. Nilai keanggotaan yang diperoleh kemudian digunakan untuk mengevaluasi aturan-aturan (rules) yang ada pada basis pengetahuan. Hasil evaluasi aturan-aturan yang telah diagregasi kemudian didefuzzifikasi sehingga diperoleh jenis kolik yang diderita kuda. Implementasi program Tahapan implementasi merupakan tahapan untuk membuat aplikasi dari data yang telah didapatkan. Pembuatan program mencakup pembuaran inferensia berdasar basis pengetahuan yang dikodekan ke dalam sistem. Untuk data fuzzy digunakan Fuzzy Inference System sebagai mesin inferensinya. Pengujian Pengujian sistem dilakukan untuk mengetahui apakah sistem sudah sesuai dengan kebutuhan pakar atau belum. Tahap pengujian dilakukan dengan uji coba program kepada pakar. Pada tahap ini dilakukan evaluasi terhadap berbagai kriteria yang berkaitan dengan aplikasi, seperti kelengkapan, ketepatan dan konsistensi pengetahuan, serta kemudahan menggunakan aplikasi. Pengembangan Sistem Metode Pengembangan sistem dilakukan dengan menggunakan pendekatan System Development Life Cycle (SDLC). Metode ini merupakan model fundamental dari aktivitas pengembangan perangkat lunak (Soumerville, 2001), yang terdiri atas analisis kebutuhan, desain sistem, implementasi sistem, integrasi sistem dan pemeliharaan sistem. Analisis Kebutuhan Desain Sistem Implementasi Sistem Integrasi Sistem Pemeliharaan Sistem Gambar 8 Alur Pengembangan Software Analisis Kebutuhan Lifecycle (Soumerville, 2001) 7

16 Pada tahap ini dilakukan pendefinisian masalah jenis kolik yang memiliki kesamaan gejala khas kolik. Gejala khas pada kolik merupakan gejala yang biasa muncul apabila kuda mengalami kolik. Kemiripan gejala itulah yang menyebabkan kesulitan dalam mendiagnosis jenis kolik yang diderita kuda. SPDKPK yang dibangun akan melakukan proses diagnosis awal untuk membantu di dalam pengambilan keputusan berikutnya serta memberikan pertolongan pertama agar kolik yang diderita kuda tidak bertambah parah. Desain Sistem Desain sistem dibuat untuk memberikan gambaran tentang sistem yang dibangun. Desain sistem ini terbagi menjadi tiga bagian, yaitu : a. Desain masukan. Pengguna akan melakukan proses pemasukan data. Pada SPDKPK ini data masukan dapat dilihat pada Tabel berikut : Tabel 1 Parameter Gejala Masukan No. Gejala Satuan 1 Denyut jantung kali/menit 2 Suara usus kali/menit 3 Gastric reflux liter 4 Lama kejadian jam b. Desain proses Desain ini dilakukan untuk mendeskripsikan urutan kejadian dari mulai proses masuknya data sampai dengan keluaran sistem. c. Desain keluaran Desain keluaran dirancang untuk memudahkan pengguna mengetahui keluaran sistem. Pada SPDKPK ini keluaran hanya dibatasi berupa jenis kolik yang diderita kuda. Setelah pengguna mengetahui jenis kolik yang diderita kuda, disarankan segera konsultasikan dulu kepada dokter hewan guna memberikan pertolongan pertama terhadap kuda yang menderita kolik. Implementasi Sistem Di bagian ini, kebutuhan perangkat lunak yang mendukung SPDKPK ditentukan seperti sistem operasi, tools tertentu yang relevan dan bahasa pemrograman yang digunakan. Di samping itu perangkat keras yang digunakan dalam membangun sistem ini harus mendukung. Pengujian Pengujian dilaksanakan dengan melakukan uji coba sistem kepada pakar. Pada pengujian juga dilakukan verifikasi dan validasi hasil keluaran sistem tentang kombinasi masukan kepada pakar. Tujuan tahap ini adalah untuk memeriksa apakah sistem pakar yang dibangun telah cukup mewakili human expert. Tahapan kegiatan dapat diulangi pada proses akuisisi untuk menambah pengetahuan perbaikan pada representasi pengetahuan, ataupun perbaikan pada mesin inferensi bila sistem belum cukup mewakili expert. Sistem pakar yang dibuat diintegrasikan dalam bentuk simulasi program setelah melalui tahapan-tahapan sebelumnya. Rancang Bangun Sistem Sistem Pakar Diagnosa Kolik pada Kuda (SPDKPK) dikembangkan dengan bahasa pemrograman php. Diagram pendiagnosisan Sistem Pakar Diagnosa Kolik pada Kuda (SPDKPK) diperlihatkan pada Gambar 9. Kuda yang menderita kolik menunjukkan kondisi yang secara umum gelisah, gulingguling, nafsu makan menurun, sehingga dapat dibedakan dengan kuda yang dalam kondisi sehat. ya Mulai Kolik Denyut Jantung Suara usus Gastric reflux Lama kejadian tidak Keluar Identifikasi jenis kolik Fuzzy Inference System Gambar 9 Proses pendiagnosisan jenis kolik pada sistem 8

17 Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem Perangkat keras (hardware) Perangkat keras yang digunakan pada saat pengembangan sistem adalah komputer dengan spesifikasi Processor Intel Core 2 Duo 1.83Ghz, RAM 2 Gb, Harddisk 250 GB. Perangkat lunak (software) Perangkat lunak yang digunakan adalah perangkat lunak yang dapat merepresentasikan sistem fuzzy seperti Matlab R2009. Di sisi lain perangkat lunak tambahan menggunakan Adobe Dreamweaver CS3 sebagai editor pembuatan website serta Adobe Photoshop CS3 digunakan untuk pengolahan gambar. HASIL DAN PEMBAHASAN Pemodelan Sistem Sistem pakar diagnosis kolik pada kuda dikembangkan untuk mendeteksi jenis kolik yang sedang diderita oleh kuda. Gejala kolik pada kuda memperlihatkan ada banyaknya kemiripan sehingga diperlukan ketelitian dari pakar atau dokter hewan terhadap setiap perubahan yang terjadi pada organ tubuh atau kebiasaan kuda yang mengindikasikan pada kolik, bahkan tidak mungkin apabila kemiripan gejala tersebut menghasilkan hasil diagnosis yang berbeda dengan kolik yang diderita kuda sebenarnya. Keterbatasan jumlah tenaga dokter hewan di Indonesia merupakan salah satu kendala yang dihadapi pada saat ini. Hal ini menyebabkan kurang maksimalnya penanganan terhadap kolik. Keterbatasan tenaga dokter hewan dapat menyebabkan keterlambatan dalam mendiagnosis penyakit yang nantinya dapat menyebabkan keterlambatan dalam proses penyembuhan kuda bahkan dapat menyebabkan kematian. Guna meningkatkan kelancaran dalam usaha penanganan kolik maka penting adanya suatu sistem yang bisa membantu diagnosis sehingga dapat dilakukan tindakan prefentif guna mencegah kolik menjadi semakin parah. Pada sistem diagnosis kolik pada kuda digunakan metode mamdani untuk menghasilkan output. Ada 4 buah variabel masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut : Gambar 10 FIS Editor Sistem Pakar Diagnosa Kolik Pada Kuda Gambar di atas menunjukkan ada empat variabel yang dimasukan ke dalam fuzzy inference system dengan menggunakan metode Mamdani. Variabel tersebut digunakan oleh sistem untuk menentukan jenis kolik yang diderita oleh kuda. Proses Inferensia Fuzzy Proses Fuzzifikasi Proses fuzzifikasi yang dilakukan oleh sistem disesuaikan dengan variabel atau gejala yang digunakan untuk menentukan jenis kolik. Ada empat variable fuzzy yang dimodelkan dalam sistem ini, yaitu : a. Denyut Jantung Pada sistem pengguna akan memasukkan denyut jantung dalam satuan kali per menit. Denyut jantung sangat erat kaitannya dengan rasa sakit yang diderita oleh kuda. Denyut jantung semakin kencang menandakan rasa sakit yang diderita semakin parah. Denyut jantung dapat dikelompokkan menjadi normal, meningkat dan tinggi. Rentang nilai kecocokan denyut jantung ini adalah (Debora Johnson, 2009). Fungsi keanggotaan denyut jantung dapat dirumuskan sebagai berikut : 0; ; ;

18 0; ; ; ; ; ; ; Gambar 11 Fungsi Keanggotaan Denyut Jantung b. Suara Usus Suara usus erat kaitannya dengan kolik. Pemeriksaan suara usus dilakukan di bagian kanan bagian perut bawah. Suara usus akan terdengar seperti air jatuh pada pipa besi (J. Rose, 1999). Suara usus dikelompokkan menjadi empat kategori yaitu tidak ada, menurun, normal serta meningkat. Rentang nilai suara usus dibatasi pada kisaran 0 6. Fungsi keanggotaan suara usus dapat dirumuskan sebagai berikut : 0; 1 1; 0 Gambar 12 Fungsi Keanggotaan Suara Usus c. Gastric reflux Gastric reflux adalah cairan lambung yang keluar pada saat dimasukkan selang ke dalam rongga perut. Pada kuda dewasa, jumlah cairan yang biasa keluar dari rongga perut adalah liter mereferensi dari K. M. Dyce Fungsi keanggotaan gastric reflux dapat dirumuskan sebagai berikut : 0; ; ; 0 3 0; ; ; ; 6 9 0; 9 3 ; ; ; 3 3 1; 3 0; 0 3 1; 1 2 0; 3 1; 4 6 Gambar 13 Fungsi Keanggotaan Gastric Reflux d. Lama Kejadian Lama kejadian adalah rentang waktu gejala kolik pertama kali terlihat. Rentang waktu dihitung berdasarkan jarak gejala kolik terlihat dengan waktu terakhir kuda dikasih pakan. Pengguna memasukkan nilai 10

19 numerik dari lama kejadian yang diukur dalam jam. Rentang nilai dibatasi pada kisaran Lama kejadian dikelompokkan menjadi dua kategori yaitu baru dan lama. Fungsi keanggotaan dapat dirumuskan sebagai berikut : 0 ; 6 6 ; ; ; 6 3 ; ; 6 12 Aturan-aturan untuk himpunan fuzzy secara lengkap dapat dilihat pada Lampiran 1. Setelah dibuat aturan, nilai keluaran berupa data kuantitatif tersebut didefuzzifikasi. Keluaran dari proses fuzzy ini adalah diagnosis jenis kolik Impaksi, Tympani dan Twisted gut. Untuk jenis kolik terbagi menjadi mendukung dan sangat mendukung. Dari skor tersebut, derajat keanggotaan suatu jenis kolik dapat diketahui. Adapun fungsi keanggotaan untuk hasil keluaran data fuzzy dirumuskan dalam fungsi PI sebagai berikut: Gambar 14 Fungsi Keanggotaan Lama Kejadian Rangkuman keempat himpunan fuzzy masukan disajikan pada Tabel berikut : Tabel 2 Rangkuman variabel fuzzy input No. Variabel Tipe Nilai 1. Denyut jantung numeric Rentang nilai Gambar 15 Fungsi Keanggotaan Keluaran Sistem Pakar Diagnosa Kolik Pada Kuda 0; ; ; ; ; ; Suara usus 3. Gastric reflux 4. Lama kejadian numeric numeric numeric Rentang nilai 0-6 Rentang nilai 0-15 Rentang nilai ; ; ; ; ; ; 0.25 Proses Defuzzifikasi Dari empat himpunan fuzzy di atas dibentuk aturan (rule) untuk menghasilkan keluaran. Sebagai contoh aturan fuzzy adalah sebagai berikut: If denyut_jantung Tinggi and suara_usus menurun and gastric_reflux Sedikit and lama_kejadian baru then sangat mendukung Twisted Gut 0; ; ; ; ; ;

20 0; ; ; ; ; ; ; ; ; ; ; ; 0.7 0; ; ; ; ; ; 0.85 Proses defuzzifikasi dari masukan denyut jantung, suara usus, gastric reflux dan lama kejadian dapat diilustrasikan pada Gambar 12. Proses defuzzifikasi pada SPDKPK akan menghasilkan suatu nilai tunggal (crisp) akan menghasilkan keluaran mendukung twisted gut, sangat mendukung twisted gut, mendukung impaksi, sangat mendukung impaksi, sangat mendukung spasmodik, dan sangat mendukung tympani yang akan bergantung pada nilai defuzzifikasinya. Setiap masukan dieksekusi oleh aturan fuzzy dengan implikasi and sehingga kita mengambil nilai fungsi keanggotaan terkecil dari masukan untuk mendapat keluaran. Keluaran tersebut kemudian diagregasikan sehingga terbentuklah suatu daerah fuzzy. Metode Mean of Maximum (MOM) akan mengambil nilai rata-rata dari daerah himpunan fuzzy yang memiliki nilai terbesar. Keterangan: A. Denyut jantung B. Suara usus C. Gastric reflux D. Lama kejadian Gambar 16 Ilustrasi Proses Defuzzifikasi Pada Inferensi Fuzzy Pengisian data fuzzy memberikan keleluasaan bagi pengguna selama masih berada pada selang nilai yang diperkenankan oleh sistem. Ini merupakan bentuk validasi sistem. Apabila pengguna salah dalam memasukkan data fuzzy (Gambar 16), maka sistem akan memberikan peringatan. Sebagai contoh apabila pengguna memasukkan nilai suara usus yang salah, maka sistem akan memberikan peringatan mengenai selang nilai yang diperbolehkan oleh sistem. Hasil implementasi sistem dapat dilihat lebih jelas pada Lampiran 2. Gambar 17. Form Masukan Sistem Gambar 18 Pesan peringatan jika terjadi kesalahan pengisian 12

21 Pengujian Sistem Pengujian sistem dilakukan dengan melakukan kombinasi input kepada sistem kemudian melihat hasil outputnya. Verifikasi pertama yang dilakukan adalah pengujian untuk masukan data fuzzy. Verifikasi sistem dilakukan oleh pakar dokter hewan Fakultas Kedokteran Hewan IPB (FKH IPB). Tujuan verifikasi data fuzzy ini untuk melihat sejauh mana hasil proses diagnosis yang dilakukan dengan fuzzy inferensi sistem sehingga SPDKPK yang dibuat mewakili pakar (human expert). Sebagai contoh kasus, dipilih kombinasi input seperti pada Tabel 3 berikut : Tabel 3 Parameter data fuzzy verifikasi sistem denyut suara gastric Lama jantung usus reflux kejadian satuan Per menit Per menit liter jam 40,60,90 0,1,3,5 3, 9, 12 2, 6 Untuk hasil lengkap pengujian sistem bisa dilihat pada Lampiran 3. Jumlah total seluruh pengujian adalah 36 pengujian. Tidak semua kombinasi bisa dimasukkan ke pengujian, hal ini dikarenakan kombinasi input yang terjadi berdasarkan keterangan pakar sangat kecil kemungkinan terjadi atau bahkan tidak ada. Berdasarkan kasus pengujian pada Tabel 3, terdapat beberapa perbedaan antara hasil yang dikeluarkan sistem dengan pakar. Perbedaan hasil jenis kolik bisa dilihat pada Tabel 4 berikut : Tabel 4 Perbedaan keluaran sitem No Denyut Suara Gastric Lama Jantung Usus Reflux Kejadian Pada kasus no.1, jenis kolik keluaran sistem adalah impaksi sedangkan jenis kolik keluaran jenis kolik oleh pakar adalah adalah twisted gut. - Pada kasus no. 2, jenis kolik keluaran sistem adalah SM Twisted gut sedangkan keluaran jenis kolik oleh pakar adalah M Tympani. - Pada kasus no. 3, jenis kolik keluaran sistem adalah SM Twisted gut, sedangkan keluaran jenis kolik oleh pakar adalah SM Tympani. - Pada kasus no. 4, jenis kolik keluaran sistem adalah SM Twisted gut, sedangkan keluaran jenis kolik oleh pakar adalah M Tympani. Gambar 19 Jarak bobot kesalahan sistem Berdasarkan dari hasil pengujian, terdapat empat perbedaan keluaran sistem. Bobot perbedaan ditentukan dari jarak perbedaan jenis kolik. Pada kasus no. 1, 2, 3 dan 4 bobot perbedaannya adalah 1, karena perbedaan dari keluaran sistem dengan keluaran pakar mempunyai jarak terdekat yaitu antara tympani dengan twisted gut atau impaksi dengan twisted gut. Persentase ketidakcocokan keluaran jenis kolik adalah % % sehingga persentase kecocokan sistem adalah 100% % = %. Pakar berpendapat masih perlu adanya perbaikan dan pengembangan sehingga sistem ini dapat diimplementasikan dalam keadaan sesungguhnya di lapangan. Perbaikan sistem terkait kepada aturanaturan fuzzy serta faktor-faktor yang menjadi parameter input seperti anamnesa (pertanyaan yang berhubungan dengan kolik), pemeriksaan alat vital (suhu tubuh, mucose membran, CRT) serta prosedur diagnosis lanjutan (abdominosintesis, pemeriksaan darah) masih belum dipertimbangkan dalam penelitian ini sehingga sistem masih memerlukan pengembangan lebih lanjut. Keterbatasan sistem SPDKPK yang dikembangkan memiliki beberapa keterbatasan, di antaranya : - Jenis kolik yang dapat didiagnosa hanya tiga jenis, yaitu impaksi, tympani dan twisted gut. - Pendiagnosisan kolik hanya memasukkan 4 jenis parameter saja, serta belum memperhitungkan anamnesa lainnya, signalement serta prosedure diagnosa lanjutan serta belum melakukan pemeriksaan sampai pada uji laboratorium. 13

22 - SPDKPK belum menggunakan database sehingga tidak terdapat fasilitas pengeditan data serta penyimpanan hasil diagnosa. KESIMPULAN DAN SARAN Kesimpulan Sistem pakar diagnosis kolik pada kuda dengan menggunakan sistem logika fuzzy adalah sebuah sistem berbasis pengetahuan yang dapat membantu dokter hewan, mahasiswa, tenaga medis serta masyarakat yang mempunyai masalah kesehatan dengan kuda peliharaannnya. Jenis kolik yang dapat diidentifikasi oleh sistem adalah impaksi, tympani dan twisted gut. Keunggulan penggunaan fuzzy inference system (FIS) adalah kemampuannya untuk mengatasi kemiripan gejala-gejala yang tampak pada saat pemeriksaan. Kemiripan seperti pada denyut jantung, suara usus serta suhu tubuh dapat diatasi dengan FIS ini. Sistem ini juga telah diimplementasikan dan diujikan. Hasil pengujian dengan pakar menunjukkan bahwa tingkat keakurasian sistem adalah 89.89%. Meskipun tingkat keakurasian sistem tinggi, menurut pakar masih diperlukan pengembangan lebih lanjut di antaranya dengan penambahan parameter input dan perbaikan aturan-aturan fuzzy, sehingga sistem dapat digunakan pada kondisi sesungguhnya di lapangan. Pengembangan sistem pakar berbasis web membantu mempercepat pengaksesan data bagi pengguna. Untuk memperoleh hasil yang maksimal disertakan pula mengenai informasi dari kolik itu sendiri, tata cara pengecekan tanda vital kuda yang disertai gambar ilustrasi guna membantu pengguna sistem. Saran Untuk penelitian lebih lanjut, perlu dilakukan penambahan jenis kolik seperti entritis/colitis atau gastric distension/rupture. Untuk pengembangan lebih lanjut gejala masukan dapat ditambahkan seperti Signalement, history kuda, prosedur diagnosa lanjutan serta data hasil uji Laboratorium sehingga proses pendiagnosaan semakin akurat. Penelitian berikutnya diharapkan dapat memanfaatkan basis data sehingga memudahkan di dalam pengeditan parameter. DAFTAR PUSTAKA Aziz, Nur Aziza Perancangan Sistem Pakar Fuzzy Untuk Penentuan Efektivitas Kultivasi Cendawan Mikoriza Arbuskula Sebagai Pupuk Hayati. Skripsi Jurusan Ilmu Komputer FMIPA IPB. Bogor. Boulton, Elizabeth Colic. HealthConditions/LargeAnimalEquin etopics/colic/ [27 Oktober 2010] Dyce, K.M. Sack, W.O. Wensing, C.J.G Text Book of Veterinary Anatomy Third Edition. Sauders, USA. Giarratano, J Expert System Principles and Programming Third Edition. PWS Publishing Company. Boston. USA. Haryanto, Toto Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA). Skripsi Jurusan Ilmu Komputer FMIPA IPB. Bogor. Hayes, M. Horace Veterinary Notes For Horse Owners. Stanley Paul & Co. Ltd, London. J. Rose, Reuben & David R. Hodgson Manual of Equine Practice 2nd. Edition. University of Sydney, Australia. Johnson, Debora Vital Signs of Your Horse. [27 Oktober 2010] Kusumadewi, Sri Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu, Yogyakarta. Marimin Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Jurusan Teknologi Industri Pertanian IPB, Bogor. Soumerville, I Software Engineering. Ed. Ke-2. Addison Wesley Publisher Ltd. Tamba, Samuel E. Ezer Strategi Penentuan Harga (Price Setting) Bunga Potong Berbasis Sistem Pakar Fuzzy. Skripsi Jurusan Ilmu Komputer FMIPA IPB. Bogor. 14

23 LAMPIRAN 15

24 Lampiran 1 Aturan-aturan pada sistem No. Denyut Jantung Suara usus Gastric reflux Lama kejadian Keluaran 1 Tinggi Meningkat Banyak Baru SM Tympani 2 Tinggi Meningkat Banyak Lama SM Tympani 3 Meningkat Meningkat Banyak Baru SM Tympani 4 Meningkat Meningkat Banyak Lama SM Tympani 5 Meningkat Meningkat Sedikit Lama SM Twisted gut 6 Tinggi Tidak Ada Sangat Sedikit Lama SM Twisted gut 7 Tinggi Menurun Sangat Sedikit Lama SM Twisted gut 8 Tinggi Meningkat Sangat Sedikit Baru SM Twisted gut 9 Tinggi Meningkat Sangat Sedikit Lama SM Twisted gut 10 Tinggi Tidak Ada Sedikit Lama SM Twisted gut 11 Tinggi Menurun Sedikit Lama SM Twisted gut 12 Normal Tidak Ada Sangat Sedikit Baru SM Impaksi 13 Normal Tidak Ada Sangat Sedikit Lama SM Impaksi 14 Normal Menurun Sangat Sedikit Baru SM Impaksi 15 Normal Menurun Sangat Sedikit Lama SM Impaksi 16 Normal Normal Sangat Sedikit Baru SM Impaksi 17 Normal Menurun Sedikit Baru SM Impaksi 18 Normal Menurun Sedikit Lama SM Impaksi 19 Normal Normal Sedikit Baru SM Impaksi 20 Normal Normal Sedikit Lama SM Impaksi 21 Meningkat Tidak Ada Sangat Sedikit Lama SM Impaksi 22 Meningkat Menurun Sangat Sedikit Baru SM Impaksi 23 Tinggi Meningkat Sedikit Baru M Tympani 24 Tinggi Meningkat Sedikit Lama M Tympani 25 Normal Meningkat Banyak Baru M Tympani 26 Meningkat Meningkat Sedikit Baru M Tympani 27 Meningkat Normal Banyak Baru M Tympani 28 Tinggi Tidak Ada Sangat Sedikit Baru M Twisted gut 29 Tinggi Menurun Sangat Sedikit Baru M Twisted gut 30 Tinggi Tidak Ada Sedikit Baru M Twisted gut 31 Tinggi Menurun Sedikit Baru M Twisted gut 32 Tinggi Tidak Ada Banyak Baru M Twisted gut 33 Tinggi Tidak Ada Banyak Lama M Twisted gut 34 Tinggi Menurun Banyak Baru M Twisted gut 35 Tinggi Menurun Banyak Lama M Twisted gut 36 Normal Meningkat Sangat Sedikit Baru M Impaksi 16

25 Lampiran 2 Tampilan sistem Gambar[1] Tampilan awal sistem Lampiran 2 Lanjutan Gambar[2] Tampilan halaman pemeriksaan 17

26 Lampiran 2 Lanjutan Gambar[3] Tampilan hasil sistem 18

27 Lampiran 2 Lanjutan Gambar[4] Tampilan sekilas tentang program 19

28 Lampiran 3 Hasil pengujian sistem No. Denyut Jantung Suara Usus Gastric Reflux Lama Kejadian Keluaran sistem Pakar SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi M Impaksi SM Impaksi M Impaksi SM Impaksi M Twisted gut SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi SM Impaksi M Impaksi SM Impaksi M Impaksi M Tympani M Tympani M Tympani M Tympani M Tympani SM Tympani SM Twisted gut M Tympani SM Twisted gut SM Tympani SM Tympani SM Tympani M Twisted gut SM Twisted gut SM Twisted gut SM Twisted gut M Twisted SM Twisted gut SM Twisted gut SM Twisted gut SM Twisted gut M Twisted gut SM Twisted gut M Tympani M Twisted gut M Twisted gut SM Twisted gut M Twisted gut M Twisted gut M Twisted gut SM Twisted gut M Twisted gut M Tympani SM Tympani M Tympani M Tympani M Twisted gut M Twisted gut M Twisted gut M Twisted gut M Twisted gut M Twisted gut M Twisted gut M Twisted gut SM Tympani SM Tympani SM Tympani SM Tympani Pakar (drh. Budhy Jasa W) NIP