Desain sistem Analisis sistem Implementasi sistem Pemeliharaan Sistem HASIL DAN PEMBAHASAN Investigasi sistem

Transkripsi

1 5 akuisisi pengetahuan untuk pengambilan keputusan berdasarkan gejala klinis dan gejala yang bersifat fuzzy, serta pembuatan fuzzy inference system (FIS). Dalam pembutan FIS, dinakan representasi fungsi keanggotaan variabel input yang berbeda dan domain himpunan fuzzy yang sama dari penelitian sebelumnya. Hal ini bertujuan untuk melihat pengaruh perubahan fungsi keanggotaan variabel input pada hasil defuzzifikasi. Desain sistem Pada tahap ini akan dibuat perancangan database, desain proses sistem, dan desain antarmuka. Perancangan database meliputi pembuatan tabel dan relasi antar tabel. Pada desain proses sistem akan dibuat pengembangan dari diagram konteks sistem yang sebelumnya ada pada tahap analisis sistem. Diagram ini menggambarkan interaksi antara sistem dengan user yang akan mengnakan sistem ini. Pada perancangan antarmuka akan dibuat mock up atau sketsa web. Implementasi sistem Pengembangan sistem pakar penyakit ayam akan diimplementasikan pada web, oleh karena itu sistem membutuhkan web browser, web server, bahasa pemrograman web, editor bahasa pemrograman web, dan pert lunak yang dinakan untuk perhitungan dan penarikan kesimpulan dengan fuzzy inference system (FIS). Pada tahap ini akan dilakukan penjian fungsi-fungsi sistem dan FIS yang telah dibuat pada tahap analisis sistem. Pemeliharaan Sistem Tahap ini merupakan tahap akhir dari pengembangan sistem. Tahap ini sistem yang telah dibuat akan dievaluasi. Hal ini memungkinkan terjadinya perubahan sesuai dengan kebutuhan pengna. Pada penelitian ini, tahap ini belum diikut-sertakan dan dibatasi hanya sampai implementasi. pengnaan sistem, tidak adanya fasilitas untuk menambah, menbah dan menghapus data penyakit dan data gejala non fuzzy, serta belum terdapat fasilitas untuk menyimpan relasi antara penyakit dengan gejala non fuzzy jika terjadi perubahan. Sistem yang dikembn ini termasuk ke dalam decision support system (DSS), oleh karena itu pada tahap selanjutnya selain mengembn dari keterbatasan sistem yang ada, juga akan dirancang suatu proses pengambilan keputusan untuk gejala non fuzzy dan gejala yang bersifat fuzzy. Analisis sistem Tahap ini terbagi menjadi tiga tahap yaitu analisis fungsi dan proses sistem, akuisisi pengetahuan, dan analisis inferensi fuzzy. Analisis fungsi dan proses sistem merupakan proses pemodelan sistem dan pembuatan fungsifungsi sistem yang akan dinakan pada pengembangan sistem. Proses akuisisi pada tahap analisis sistem ini bertujuan untuk membuat tabel keputusan untuk mendiagnosis berdasarkan gejala-gejala non fuzzy. Untuk gejala-gejala penyakit ayam yang bersifat fuzzy dinakan analisis inferensi fuzzy. Pada analisis inferensi fuzzy akan dibuat suatu representasi fungsi keanggotaan variabel input yang berbeda dari penelitian sebelumnya. Variabel input ini meliputi warna pial, umur, persentase kematian, dan suhu dan masing-masing variabel input mempunyai domain himpunan fuzzy yang sama dengan penelitian sebelumnya. 1. Analisis fungsi dan proses sistem Pada tahap ini proses sistem akan dimodelkan mengnakan alat bantu pemodelan berupa data flow diagram (DFD). Perancangan DFD dinakan untuk mengetahui aliran data dan interaksi antara sistem dengan pengna. Pada DFD terdapat beberapa level, untuk level paling tinggi dinamakan diagram konteks sistem. Diagram konteks pengembangan sistem ini dapat dilihat pada Gambar 6. HASIL DAN PEMBAHASAN Investigasi sistem Pengembangan sistem pakar penyakit ayam berbasis web merupakan kelanjutan dari penelitian sebelumnya tentang Sistem Pakar Diagnosis Penyakit Pada Ayam (SPDPPA) yang masih memiliki keterbatasan sistem. Keterbatasan yang dimiliki sistem pada penelitian sebelumnya adalah sistem masih berbasis desktop, belum terdapat database, belum adanya pembagian user dalam Gambar 6. Diagram Konteks Sistem. Dari pemodelan proses sistem pada Gambar 6 dibuatlah fungsi-fungsi sistem pada tahap selanjutnya. Fungsi-fungsi sistem ini meliputi :

2 6 Fungsi login dan logout admin dari sistem. Fungsi admin untuk menambah, melihat, menbah, menghapus penyakit. Fungsi admin untuk melihat, menambah, menbah, dan menghapus gejala penyakit. Fungsi admin untuk melihat dan menbah relasi antara penyakit dan gejalanya. Fungsi admin untuk melihat deskripsi penyakit. Fungsi admin untuk melihat deskripsi gejala penyakit. Fungsi konsultasi gejala klinis user dengan sistem. Fungsi add user. Fungsi konsultasi gejala fuzzy user dengan sistem. Fungsi ini ada ketika analisis gejala klinis dengan Tabel keputusan telah selesai.. Akuisisi Pengetahuan Akuisisi pengetahuan adalah proses untuk mencari informasi dari suatu knowledge base untuk ditransformasikan ke dalam program. Knowledge base didapatkan dari seorang pakar atau sumber tertulis dari pakar. Pada penelitian sebelumnya, terdapat gejala non fuzzy dan gejala yang bersifat fuzzy pada penyakit ayam. Gejala non fuzzy penyakit ayam pada penelitian sebelumnya adalah eksudat, pendarahan bawah kulit, dan tinja. Pada penelitian ini ditambahkan gejala klinis dari beberapa sumber literatur tertulis dari pakar penyakit ayam. Pada gejala non fuzzy, proses penarikan kesimpulan dilakukan dengan membuat suatu tabel keputusan dan bisa dilihat pada Tabel l. Tabel keputusan adalah tabel yang menghubungkan gejala non fuzzy dengan penyakit ayam. Tabel ini memiliki 17 gejala non fuzzy dengan penyakit Avian Influenza (AI) 11 gejala, Newcastle Disease (ND) 9 gejala dan Laryngotracheitis Infectiosa (ILT) 4 gejala. Pada Tabel 1 relasi antara gejala non fuzzy dan penyakit dihubungkan dengan mengnakan tanda *. Tabel 1. Tabel keputusan penyakit ayam berdasarkan gejala klinis. Gejala Penyakit AI ND ILT kulit Pendarahan bawah * * Nafas sesak * * * Bersin-bersin * Batuk * * * * * Diare * Produksi telur menurun * Eksudat kental bening * Tinja berwarna kehijauan * Eksudat encer bening * Sempoyongan * Keluar cairan berbusa dari * mata Kepala bergetar * Kepala berputar * Pendarahan pada trakea * Tinja encer putih * Mati secara mendadak * Nafsu makan berkurang * 3. Analisis Sistem Inferensi Fuzzy Pada gejala yang bersifat fuzzy seperti warna pial, umur, persentase kematian, dan suhu akan diproses mengnakan analisis inferensi fuzzy untuk ditarik suatu kesimpulan tentang penyakit ayam. Proses penarikan kesimpulan ini mengnakan rule yang sudah ada pada penelitian sebelumnya. Keempat gejala fuzzy tersebut mempunyai membership function dan himpunan fuzzy yang berbeda-beda. Berikut ini representasi fungsi keanggotaan dan himpunan fuzzy : Variabel warna pial ayam Gambar 7. Representasi Kurva Warna Ayam. Variabel warna pial ayam mempunyai 3 himpunan yaitu merah, pucat, merah kebiruan. Representasi warna pial berupa kurva trapezoid dan trimf yang terlihat pada Gambar 7 dengan fungsi keanggotaan sebagai berikut: µ merah x 0 atau x 0,5 [ x] = 1; 0 x 0, (0,5 (0,5 0,); 0, x 0,5

3 7 µ pucat µ x 0,3 atau x 0,7 [ x] x 0,3) (0,5 0,3); 0,3 x 0,5 (0,7 (0,7 0,5); 0,5 x 0,7 merah keb iruan x 0,5 atau x 1 [ x] x 0,5)(0,7 0,5); 0,5 x 0,7 1; 0,7 x 1 Variabel ayam x x atau x µ rendah [ x] x 0) (15 0); 0 x 15 ( ( 15); 15 x x 14 atau x µ sedang [ x] x 14) (37 14); 14 x 37 ( ( ); 37 x x atau x 100 µ tinggi [ x] x ) (75 ); x 75 (100 (100 75); 75 x 100 Variabel suhu Gambar 8. Representasi Kurva Ayam. Variabel umur ayam direpresentasikan mengnakan kurva trimf dengan 3 parameter fungsi (a,b,c) yang telihat pada Gambar 8. Gambar 10. Representasi Kurva Suhu. Variabel umur ayam mempunyai 3 himpunan yaitu muda, dara, dewasa dengan fungsi Variabel suhu direpresentasikan dengan keanggotaan sebagai berikut: mengnakan kurva trimf dengan 3 parameter fungsi (a,b,c) yang terlihat pada Gambar 10. Variabel suhu mempunyai himpunan yaitu x 1 atau x 16 normal dan tinggi dengan fungsi keanggotaan µ muda [ x] x 1) (8 1); 1 x 8 sebagai berikut: (16 (16 8); 8 x 16 x 39 atau x,5 x 11 atau x µ normal [ x] x 39) (41,5 39); 39 x 41,5 µ dara [ x] x 11) (18 11); 11 x 18 (,5 ) (,5 41,5); 41,5,5 x x ( ( 18); 18 x x 4,7 atau x x 1 atau x µ [ x] = ( 4,7) (46,35 4,7); 4,7 46,35 tinggi x x µ dewasa[ x] x 1) (5 1); 1 x 5 ( ) ( 46,35); 46,35 x x ( ( 5); 5 x Variabel persentase kematian Variabel Penyakit Gambar 9. Representasi Kurva kematian. Variabel persentase kematian direpresentasikan dengan mengnakan kurva trimf dengan 3 parameter fungsi (a,b,c) yang terlihat pada Gambar 9. Variabel persentase kematian mempunyai 3 himpunan yaitu rendah, sedang, tinggi dengan fungsi keanggotaan sebagai berikut: Gambar 11. Representasi Kurva Penyakit. Variabel penyakit merupakan variabel output dari fuzzy inference system. Variabel penyakit ini memiliki enam himpunan, dimana setiap himpunan direpresentasikan dengan mengnakan kurva Gaussian yang terlihat pada Gambar 11. Keenam himpunan berfuzzy tersebut adalah mendukung penyakit Laryngotracheitis Infectiosa (M-ILT), sangat

4 8 mendukung penyakit Laryngotracheitis Infectiosa (SM-ILT), mendukung penyakit Newcastle Disease (M-ND), sangat mendukung penykit Newcastle Disease (SM-ND), mendukung penyakit Avian Influenza (M-AI), dan sangat mendukung penyakit Avian Influenza (SM-AI). Setiap himpunan pada variabel output mempunyai parameter fungsi Gaussian yang berbeda sebagai berikut: µ M ILT [ x ] = ( 0,1;0,1) = e µ SM ILT [ x] = (0,1;0,1) = e µ M ND [ x ] = ( 0,3;0,1) = e µ SM ND [ x ] = (0,5;0,1) = e µ M AI [ x ] = (0,7 ;0,1) = e µ SM AI [ x ] = ( 0,9 ;0,1) = e ( x ( 0,1)) ( 0,1) ( x 0,1) (0,1) ( x 0,3 ) ( 0,1) ( x 0,5 ) ( 0,1) ( x 0,7 ) ( 0,1) ( x 0,9 ) ( 0,1) Keempat variabel input dan himpunan fuzzy tersebut, akan dikombinasikan ke dalam suatu antecendent rule yang telah ada pada penelitian sebelumnya. Pada setiap rule akan dihitung nilai minimum fungsi keanggotaan dari kombinasi antara variabel input dan himpunan fuzzy. Nilai minimum ini akan menjadi nilai fungsi keanggotaan dari variabel output yang kemudian nilai tersebut akan memodifikasi domain himpunan fuzzy output sehingga terbentuk daerah himpunan fuzzy yang baru pada variabel output. Setelah terbentuknya daerah himpunan fuzzy yang baru hasil dari komposisi semua rule maka tahap selanjutnya adalah tahap defuzzifikasi. Metode yang dinakan pada tahap defuzzifikasi ini adalah metode centroid. Tahap defuzzifikasi akan menghasilkan nilai crisp dalam domain himpunan fuzzy variabel output. Nilai crisp yang dihasilkan dari metode centroid ini akan berada pada suatu domain himpunan fuzzy tertentu dan akan dihitung persentase nilai derajat keanggotaan pada masing-masing variabel output penyakit ayam berdasarkan kurva fungsi keanggotaan yang berdekatan dengan nilai crisp tersebut. Desain sistem Desain pengembangan sistem ini mengikuti alur penyelesain masalah dengan mengnakan metode fuzzy khusus untuk gejala penyakit ayam yang bersifat fuzzy. Untuk gejala klinis mengnakan tabel keputusan sebagai proses pengambilan keputusan penyakit ayam. Pada alur penyelesain masalah dengan mengnakan metode fuzzy terdapat 3 komponen penting dalam menghasilkan suatu pengambilan keputusan mengnakan metode fuzzy. Alur ini dapat dilihat pada Gambar 1. Ketiga komponen ini adalah fuzzifikasi, komputasi secara fuzzy, dan defuzzifikasi. Fuzzifikasi adalah proses memetakan nilai crisp input menjadi nilai fuzzy yang interval nilainya berada di antara 0 dan 1. Pada tahap komputasi secara fuzzy terdapat proses yaitu front end dan back end. Back end merupakan proses di mana matlab dinakan sebagai pert lunak untuk penalaran dan perhitungan fuzzy. Di sisi lain pada penelitian ini, proses untuk menampilkan hasil perhitungan penalaran fuzzy pada suatu halaman web browser disebut dengan front end proses. Defuzzifikasi merupakan proses menghasilkan nilai crisp dari suatu himpunan fuzzy yang dihasilkan pada variabel output. Permasalahan nyata Representasi Bahasa Natural Fuzzifikasi Komputasi Secara Fuzzy Defuzzifikasi Solusi Gambar 1. Alur penyelesaian masalah dengan metode fuzzy (Marimin, 0).

5 9 Di sisi lain, pada tahap desain sistem ini akan dibuat perancangan database, desain proses sistem, dan antarmuka sistem. 1. Perancangan Database Pada perancangan database akan dibuat tabel beserta atributnya. Pembuatan database ini dinakan untuk merekam hasil diagnosis penyakit ayam berdasarkan gejala non-fuzzy. Database yang dibuat memiliki empat tabel utama yaitu penyakit, gejala, relasi, dan analisis hasil. Untuk deskripsi rincian database dan keterhubungan antar tabel dapat dilihat pada Lampiran 10 dan Lampiran 1.. Desain proses sistem Desain proses sistem merupakan pengembangan dari diagram konteks sistem dan fungsi-fungsi sistem yang digambarkan dalam DFD level 1. DFD level 1 dapat lihat pada Lampiran 1. User berkonsultasi dengan sistem untuk mendapatkan informasi tentang penyakit ayam melalui pertanyaan-pertanyan seputar gejala non fuzzy yang kemudian dilanjutkan dengan analisis pada gejala fuzzy. Pada sistem, admin dapat menambah, menbah, menghapus data gejala non fuzzy, melihat relasi antara penyakit dengan gejala non fuzzy. Pengna admin harus melakukan login terlebih dahulu dengan memasukkan userid dan password untuk dapat mengakses sistem ini. 3. Antarmuka Sistem Antarmuka sistem ini secara umum terdiri atas empat bagian pada Gambar 13, yaitu: bagian teratas, bagian terbawah, bagian samping, dan bagian tengah. Bagian samping dinakan untuk menu navigasi. Bagian teratas adalah bagian header. Halaman utama dan isi terdapat pada bagian tengah content. Bagian terbawah dinakan untuk footer. Pada halaman utama menu user terdapat tiga hyperlink sebagai navigasi. Ketiga hyperlink ini adalah home, konsultasi, dan masuk pakar. Menu admin pada pengembangan sistem pakar ini terdiri dari enam hyperlink. Keenam hyperlink ini adalah penyakit, gejala, relasi, deskripsi penyakit, deskripsi gejala, dan menu untuk keluar. Gambar 13. Sketsa Antarmuka Sistem. Implementasi sistem Sistem ini akan dikembn dengan mengnakan pert lunak Microsoft Windows XP Profesional sebagai sistem operasi, MATLAB 7.0 sebagai pert lunak pembuatan fuzzy inference system, Internet Information Server 5.0 (IIS 5.0) dan Apache..4 sebagai web server, ASP Version 3.0, Javascript dan PHP versi 5..1 sebagai bahasa pemrograman web, MYSQL versi sebagai sistem manajemen database, Web browser mozilla firefox dan internet explorer serta Macromedia dreawever 8 sebagai editor bahasa pemrograman sekalis tampilan web. Pada tahap ini juga dilakukan penjian sistem. Penjian pengembangan sistem pakar ini terbagi menjadi dua yaitu untuk fungsi yang telah dihasilkan pada tahap analisis fungsi dan proses sistem dinakan metode black box testing sebagai metode penjian. Berdasarkan hasil penjian dengan metode black box testing pada Lampiran 8, seluruh fungsi pada aplikasi web ini telah berfungsi dengan baik. Pada penjian yang kedua akan dilihat perbandingan hasil defuzzifikasi sesudah dan sebelum pengembangan sistem dengan parameter input terdapat pada Tabel. Tabel.Parameter input data fuzzy. Warna pial (warna) Navigasi (ming) HEADER WEB FOOTER Input Content Angka kematian (persen) Suhu 1-10,,,,, Pada pembahasan selanjutnya akan dilihat hasil defuzzifikasi sebelum dan sesudah pengembangan sistem yang ditunjukkan dalam bentuk tabel. Pada tabel tersebut, akan dilihat skor rata-rata dan derajat keanggotaan () dari setiap variabel output FIS, di mana variabel output FIS terdiri dari mendukung penyakit Laryngotracheitis Infectiosa (M-ILT), sangat

6 10 mendukung penyakit Laryngotracheitis Infectiosa (SM-ILT), mendukung penyakit Newcastle Disease (M-ND), sangat mendukung penyakit Newcastle Disease (SM-ND), mendukung penyakit Avian Influenza (M-AI), dan sangat mendukung penyakit Avian Influenza (SM-AI). rata-rata adalah skor hasil defuzzifikasi dengan mengnakan metode centroid yang didapatkan berdasarkan kombinasi parameter input data fuzzy. Dari skor tersebut, derajat keanggotaan () suatu penyakit pada variabel output FIS dapat diketahui. Berikut ini tabel hasil defuzzifikasi sebelum dan sesudah pengembangan sistem. Tabel 3. defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada SPDPPA. ming kematian 0.3 0,96 Tabel 4. defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada pengembangan SPDPPA. () () kematian Berdasarkan hasil defuzzifikasi dari kedua tabel tersebut (Tabel 3 dan 4), dapat dilihat bahwa pada penelitian sebelumnya (Tabel 3) untuk mendiagnosis penyakit ND dengan tingkat mendukung hanya ada satu warna pial yaitu warna pial 1 dan untuk persentase kematian yang mencapai persen belum dikategorikan mendukung penyakit ND. Di sisi lain, pada penelitian ini untuk mengkategorikan mendukung penyakit ND dapat dicirikan sebagai berikut: warna pial berada pada kelompok 1 sampai dengan 3, umur ayam tergolong dara ming, suhu tubuh yang tinggi antara o C sampai o C dengan tingkat kematian untuk beberapa kasus bisa mencapai persen. Bila dibandingkan dengan diagnosis sebelumnya kombinasi parameter warna pial untuk M-ND lebih banyak. Pada Tabel 4, secara teori makin tinggi derajat warna pial seharusnya mengarah ke penyakit AI (Haryanto 06). Dengan demikian untuk mengkategori M-ND pada pengembangan SPDPPA tidak lebih spesifik dalam mendiagnosis penyakit M-ND. Adapun perbedaan hasil defuzzifikasi untuk tingkat sangat mendukung penyakit ND dapat dilihat pada Tabel 5 dan Tabel 6. Tabel 5. defuzzifikasi dan sangat mendukung Newcastle Disease (SM- ND) pada SPDPPA. () mati ,70 0, Tabel 6. defuzzifikasi dan sangat mendukung Newcastle Disease (SM- ND) pada pengembangan SPDPPA. () (4) (4) mati 0. 0,

7 11 Pada Tabel 5, dapat dilihat bahwa untuk menentukan penyakit ND dengan tingkat sangat mendukung dapat dicirikan sebagai berikut: umur ayam tergolong dara ming, warna pial berada di antara warna pertama dan ketiga dengan warna pial pertama hanya terjadi pada semua parameter input suhu dan persentase kematian persen, warna pial kedua terjadi pada semua parameter input persentase kematian dan suhu, dan warna pial ketiga terjadi pada semua parameter input suhu dan belum terjadi pada persentase kematian persen. Di sisi lain, pada Tabel 6 untuk mendiagnosis penyakit ND dengan tingkat sangat mendukung dapat dicirikan sebagai berikut: umur ayam tergolong dara ming, warna pial berada di antara warna pertama dan keempat dengan warna pial pertama sampai dengan ketiga hanya terjadi pada persentase kematian persen dan suhu di antara o C sampai o C, serta warna pial keempat terjadi pada semua parameter input persentase kematian dan suhu. Tabel 7. defuzzifikasi dan mendukung Avian Influenza (M-AI) pada SPDPPA. (4) (5) (6) (7) (8) kematian ,8 0, , , ,77 Tabel 8. defuzzifikasi dan mendukung Avian Influenza (M-AI) pada pengembangan SPDPPA. (5) (6) kematian , ,93 Pada penelitian sebelumnya perubahan output penyakit dari penyakit Newcastle Disease menjadi penyakit Avian Influenza terjadi pada warna pial ketiga. Perubahan ini terjadi pada saat parameter persentase kematian mencapai persen yang menghasilkan output penyakit Avian Influenza dengan tingkat kepercayaan mendukung. Dari Tabel 5 dan Tabel 7 pada penelitian sebelumnya warna pial ketiga masih menjadi parameter untuk menentukan jenis penyakit yang berbeda. Untuk parameter persentase kematian di bawah persen, output yang dihasilkan adalah penyakit Newcastle Disease dengan tingkat kepercayaan sangat mendukung. Hal ini dapat dilihat pada Tabel 5. Pada Tabel 7, output FIS untuk mendiagnosis penyakit Avian Influenza dengan tingkat kepercayaan mendukung mempunyai kombinasi parameter input yang lebih banyak di bandingkan dengan output FIS yang lain. Kombinasi parameter input untuk mendiagnosis penyakit Avian Influenza dapat dicirikan sebagai berikut: warna pial berada pada kelompok 3 sampai dengan kelompok 8, umur ayam tergolong dara ming, suhu tubuh yang tinggi antara o C sampai o C, dan persentase kematian berkisar antara sampai persen. Pada Tabel 8, output FIS yang dihasilkan adalah penyakit Avian Influenza dengan tingkat kepercayaan mendukung. Kombinasi parameter input penyakit Avian Influenza dapat dicirikan sebagai berikut: warna pial berada pada kelompok 5 dan 6, umur ayam tergolong dara ming, suhu tubuh yang tinggi antara o C sampai o C, dan persentase kematian berkisar antara sampai persen. Adapun penyakit AI dengan derajat keanggotaan mendukung (M-AI) dapat dilihat sejalan dengan perubahan warna pial yaitu warna pial 5.

8 1 Hasil ini dapat dilihat pada Tabel 8. Di sisi lain pada pengembangan SPDPPA untuk diagnosis penyakit Avian Influenza dengan tingkat mendukung hanya ada pada kombinasi warna pial 5 dan 6 saja. Perbedaan hasil penjian FIS untuk tingkat sangat mendukung penyakit Avian Influenza dapat dilihat pada Tabel 9 dan Tabel 10. Tabel 9. defuzzifikasi dan sangat mendukung Avian Influenza (SM- AI) pada SPDPPA. (9) (10) kematian , ,94 Tabel 10. defuzzifikasi dan sangat mendukung Avian Influenza (SM- AI) pada pengembangan SPDPPA. (7) (8) (9) (10) kematian ,86 Untuk mendiagnosis penyakit Avian Influenza dengan tingkat kepercayaan sangat mendukung (SM-AI), penelitian sebelumnya (SPDPPA) memberikan masukan gejala data fuzzy berupa warna pial merah kebiruan dengan kelompok warna 9 dan 10, umur ayam dara ming, suhu tubuh tinggi antara o C sampai o C dan persentase kematian sedang hingga tinggi sampai persen. Namun, pada penelitian sebelumnya warna pial 7 dan 8 termasuk ke dalam kategori mendukung penyakit Avian Influenza (M-AI). Hal ini banyak dipengaruhi oleh fungsi keanggotaan dari warna pial pada penelitian sebelumnya yang mengnakan fungsi keanggotaan Gaussian Di sisi lain pada penelitian ini, parameter warna pial mengnakan fungsi keanggotaan trapezoidal dan trimf sehingga untuk menentukan penyakit Avian Influenza dengan tingkat kepercayaan sangat mendukung (SM- AI) dapat dicirikan sebagai berikut: warna pial merah kebiruan dengan kelompok warna 7 sampai dengan 10, umur ayam dara ming, suhu tubuh tinggi antara o C sampai o C dan persentase kematian sedang hingga tinggi sampai persen. Banyaknya kombinasi warna pial ayam ini disebabkan oleh parameter warna pial mempunyai bobot Analytical Hierarchy Process (AHP) yang lebih besar dibandingkan dengan variabel umur, persentase kematian, dan suhu dalam pembentukan rule pada penelitian sebelumnya sehingga mempengaruhi output hasil defuzzifikasi. Hasil pembobotan AHP pada penelitian sebelumnya dapat dilihat pada Tabel 11. Tabel 11. Hasil pembobotan AHP gejala fuzzy pada penelitian sebelumnya. No Parameter Bobot 1 Warna pial 0,34 0,0 3 kematian 0,073 4 Suhu 0,059 Kesimpulan KESIMPULAN DAN SARAN Pada penelitian ini telah dikembn suatu sistem pakar diagnosis penyakit ayam berbasis web. Dalam pengembangan sistem ini, terdapat gejala non fuzzy dan gejala yang bersifat fuzzy, oleh karena itu terdapat dua proses dalam pengambilan keputusan penyakit ayam. Proses pertama adalah dengan mengnakan tabel keputusan dalam mendiagnosis gejala klinis penyakit ayam. Untuk gejala yang bersifat fuzzy dinakan fuzzy inference system (FIS). Pada penelitian ini, setiap variabel input FIS direprensentasikan dengan fungsi keanggotaan yang berbeda dari penelitian sebelumnya. Pembuatan FIS ini bertujuan untuk memperkuat keputusan yang sebelumnya dihasilkan oleh tabel keputusan. Pengaruh perubahan fungsi