Murien Nugraheni 1), Sri Hartati 2) 1,2) Program Studi Ilmu Komputer

Transkripsi

1 SISTEM PENALARAN BERBASIS KASUS UNTUK PENDUKUNG DIAGNOSIS GANGGUAN PENYAKIT PADA UNGGAS (Case Based Reasoig System to Support Diagosis of Diseases i Poultry) Murie Nugrahei 1), Sri Hartati 2) 1,2) Program Studi Ilmu Komputer Program Pascasarjaa Uiversitas Gadjah Mada Sekip Utara, Bulaksumur, Yogyakarta Idoesia murie_@yahoo.com 1, shartati@ugm.ac.id 2 ABSTRAK Case-Based Reasoig (CBR) merupaka sistem pealara komputer yag megguaka pegetahua lama utuk magatasi permasalaha baru. CBR memberika solusi terhadap kasus baru dega melihat kasus lama yag palig medekati kasus baru. Hal ii aka sagat bermafaat karea dapat meghilagka kebutuha utuk megekstrak model seperti yag dibutuhka oleh sistem berbasis atura. Selai itu, CBR juga dapat dimulai dari jumlah pegetahua yag sedikit, karea pegetahua CBR dapat bertambah secara bertahap ketika sebuah kasus ditambahka. Peelitia ii mecoba utuk membagu suatu Sistem Pealara Berbasis Kasus utuk Medukug Diagosa Gaggua Peyakit pada Uggas dega melihat ciri-ciri gejala yag terlihat pada uggas. Proses diagosa dilakuka dega cara memasukka kasus baru yag berisi gejala-gejala yag aka didiagosa ke dalam sistem, kemudia sistem aka melakuka proses idexig atau pegelompokka dega megguaka Algoritma C4.5 utuk memperoleh ideks dari kasus baru tersebut. Setelah memperoleh ideks dari kasus, sistem selajutya melakuka proses perhituga similarity atara kasus baru dega basis kasus yag memiliki ideks yag sama dega kasus baru megguaka metode Cosie Similarity. Kasus yag diambil adalah kasus dega similarity yag palig tiggi. Jika suatu kasus tidak berhasil didiagosa, maka aka dilakuka revisi kasus oleh pakar. Kasus yag berhasil direvisi aka disimpa ke dalam sistem utuk dijadika pegetahua baru bagi sistem. Hasil peelitia meujukka sistem pealara berbasis kasus utuk mediagosa peyakit pada uggas ii membatu pakar da peterak dalam melakuka diagosa. Hasil pegujia sistem terhadap 30 kasus uji, sistem telah mampu meghasilka kemiripa sebayak 28 kasus (93.33%) da diperoleh 2 kasus (6.67%) yag memiliki ilai similarity di bawah 0.8 yag aka dilakuka revisi oleh pakar. Kata kuci : CBR, uggas, idexig, similarity, cosie similarity ABSTRACT Case-Based Reasoig (CBR) is a computer system that uses old kowledge to solve ew problems. CBR provide solutios for ew cases by lookig at a old case that comes closest to the ew case. It will be very useful because it elimiates the eed to extract the model as required by the rules-based system. Moreover, CBR ca also be started from a small amout of kowledge, because the kowledge of CBR ca be icreased gradually whe a case is added. This study tries to establish a system for Case-Based Reasoig System to Support Diagosis of Diseases i Poultry by lookig at the characteristics of existig symptoms i poultry. Diagosis process is doe by isertig a ew cases that cotai the symptoms of the disease to be diagosed ito the system, the the system will do the idexig process or classificatio with C4.5 algorithm method to obtai a idex of ew cases. After obtaiig a idex of the cases, the the system do the calculatig of the value of similarity betwee the ew case by case which has the same idex with ew cases usig Cosie Similarity method. The case take is the case with the highest similarity value. If a case is ot successfully diagosed, the the case will be revised by experts. Revised successful cases will be stored ito the system to be used as ew kowledge for the system. The results showed case-based reasoig system to diagose disease of poultry ca help experts ad farmers i performig diagostics. The test results of 30 test cases, system has bee to produce similarity of 28 cases (93.33%) ad obtaied 2 cases (6.67%) have similarity values below 0.8 will be revised by experts. Keywords: CBR, poultry, idexig, similarity, cosie similarity 50

2 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari 2017 I. PENDAHULUAN U ggas merupaka hewa terak yag palig bayak diterakka karea bayak memberika mafaat da keutuga. Baik utuk dikosumsi maupu sekedar utuk dipelihara. Sebagaimaa dega hewa terak lai, uggas mempuyai bermacam jeis peyakit. Ada bayak jeis peyebab peyakit yag meyerag ayam, atara lai yag disebabka oleh virus, bakteri, protozoa, maupu jamur. Salah satu peyakit pada ayam yag disebabka oleh virus adalah Avia Iflueza atau yag serig disebut sebagai flu burug. Berdasarka lapora tim Techical Support Medio diketahui bahwa sejak tahu 2012 higga 2014, total kasus Avia Iflueza yag meyerag peteraka ayam pedagig da petelur meujukka tre peigkata yag cukup sigifika [1]. Kemampua mausia yag coba ditiru oleh para ahli adalah kemampua dalam meyelesaika masalah berdasarka kejadia-kejadia yag telah terjadi sebelumya. Pada umumya, mausia meyelesaika permasalaha yag dihadapi berdasarka pegalama-pegalama yag telah dimiliki, ataupu berdasarka pegalama dari orag lai. Hal iilah yag ditiru oleh ahli komputer, sehigga meghasilka suatu sistem yag dikeal dega pealara berbasis kasus atau Case-based Reasoig (CBR). Proses pegelompokka data megguaka metode Algoritma C4.5 yag merupaka algoritma utuk membetuk suatu poho keputusa. Meurut [2] algoritma C4.5 merupaka struktur poho yag dapat diguaka utuk membagi kumpula data yag besar mejadi himpua-himpua record yag lebih kecil dega meerapka seragkaia atura keputusa. Pemiliha atribut pada algoritma ii dilakuka berdasarka pada ukura etropy yag dikeal dega iformatio gai sebagai sebuah cara utuk memilih atribut yag terbaik dega ilai tertiggi dari ilai kedalam kelas. Proses mecari kedekata atau kemiripa atara kasus baru dega kasus lama utuk memperoleh solusi terhadap kasus baru pada CBR dapat megguaka berbagai macam metode, dimaa metode ii aka mempegaruhi keberhasila dari CBR. Salah satu metode yag dapat diguaka dalam mecari kedekata atau kemiripa kasus baru dega kasus lama adalah Cosie Similarity. Metode ii megkorelasika dua objek variabel kotiue yag mempuyai hubuga liiear diatara atribut pada suatu objek. II. METODE A. Case-Based Reasoig Case-based Reasoig (CBR) merupaka suatu tekik pemecaha masalah, yag megadopsi solusi masalahmasalah sebelumya yag mirip dega masalah baru yag dihadapi, utuk medapatka solusi [3]. CBR meitikberatka pemecaha masalah dega didasarka pada kowledge dari kasus-kasus sebelumya, apabila ada kasus baru maka aka disimpa pada basis pegetahua sehigga sistem aka melakuka learig da kowledge yag dimiliki oleh sistem aka bertambah. B. Poho Keputusa Sebuah poho keputusa aalah sebuah struktur yag dapat diguaka utuk membagi kumpula data yag besar mejadi himpua-himpua record yag lebih kecil dega meerapka seragkaia keputusa [4]. C. Algoritma C4.5 Algoritma C4.5 yaitu sebuah algoritma yag diguaka utuk membagu decisio tree (pegambila keputusa). Algoritma C4.5 adalah salah satu algoritma iduksi poho keputusa yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembagka oleh J. Ross Quila. Dalam prosedur algoritma ID3, iput berupa sampel traiig, label traiig da atribut. Algoritma C4.5 merupaka pegembaga dari ID3. Poho dibagu dega cara membagi data secara rekursif higga tiap bagia terdiri dari data yag berasal dari kelas yag sama. Betuk pemecaha (split) yag diguaka utuk membagi data tergatug dari jeis atribut yag diguaka dalam split. Utuk memilih atribut sebagai akar, didasarka pada ilai gai tertiggi dari atribut-atribut yag ada. Utuk meghitug gai diguaka rumus seperti tertera dalam persamaa di bawah ii : Keteraga: S : Himpua kasus A : Atribut : Jumlah partisi A Si : Jumlah kasus pada partisi ke i S : Jumlah kasus dalam S Sedagka perhituga ilai etropy dapat dilihat pada persamaa berikut: (1) 51

3 i-1 -pi*log 2 pi (2) Keteraga : S : Himpua kasus : jumlah partisi S pi : Proporsi Si terhadap S Pada peelitia ii metode yag diguaka utuk idexig adalah Algoritma C4.5. Algoritma C4.5 adalah sebagai berikut : [5] 1. Pilih atribut sebagai akar berdasarka ilai gai tertiggi 2. Buat cabag utuk masig-masig ilai 3. Bagi kasus dalam cabag Ulagi proses utuk masig-masig cabag sampai semua kasus pada cabag memiliki kelas yag sama. D. Cosie Similarity Cosie Similarity adalah salah satu metode similaritas yag diguaka utuk melakuka perhituga tigkat kemiripa dari dua buah objek. Jika x da y adalah dua buah vektor, [6] medefiisika Cosie Similarity sebagai berikut : EJ(x, y) = x.y x 2+ y 2-x.y cos(x, y) = x.y x y dimaa. meujukka vektor dot produk, x. y = k=1 x k y k da meujukka orm. (3) A. Diagram Koteks Gambar 1 merupaka diagram koteks yag meggambarka tigkat tertiggi dari sistem secara keseluruha. data_gejala, data_peyakit, data_solusi, data_kelas, data_kasus, logi gejala_uggas Pakar Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosa Gaggua Peyakit Pada Uggas hasil_diagosa Peterak data_gejala, data_peyakit, data_solusi, data_kelas, data_kasus, kof_revisi, logi Gambar 1. Diagram Koteks Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosa Gaggua Peyakit Pada Uggas Diagram koteks terdiri dari dua eleme ligkuga yaitu Pakar da Peterak serta sebuah proses secara keseluruha dari sistem case-based reasoig utuk mediagosa peyakit uggas. Pakar aka memberika iput ke sistem berupa data gejala, data peyakit, data solusi, data kelas, data kasus utuk case base serta melakuka revisi dari suatu kasus. Data gejala da data peyakit merupaka data-data master yag diperluka oleh sistem utuk bekerja. Peterak aka memberika iput ke sistem berupa kasus baru, dimaa kasus tersebut berisi gejalagejala peyakit da aka dilakuka diagosa peyakit yag dialami oleh uggasya. Jika kasus tersebut berhasil didiagosa, maka peterak aka meerima hasil diagosa utuk peyakit uggasya. Apabila kasus baru tidak berhasil didiagosa, maka proses revisi aka dilakuka oleh Pakar, da hasil dari revisi aka disimpa sebagai basis kasus. B. Racaga Basis Data Berdasarka proses yag tergambar dalam racaga DFD maka diperoleh gambara tetag racaga basis data dalam sistem yag dibagu. Gambar 2 meggambarka tetag racaga basis data sistem dalam betuk ERD. Berdasarka Gambar 2 maka sistem pealara berbasis kasus utuk diagosa peyakit pada uggas ii terdapat beberapa atura, yaitu : 1. Setiap kasus memiliki satu peyakit 2. Satu peyakit dapat diguaka oleh beberapa kasus 52

4 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari Setiap kasus memiliki satu kelas 4. Satu kelas dapat diguaka oleh beberapa kasus 5. Setiap gejala memiliki satu peyakit 6. Satu peyakit dapat diguaka oleh beberapa gejala 7. Setiap gejala memiliki satu kasus 8. Satu kasus dapat diguaka oleh beberapa gejala 9. Setiap kasus memiliki satu solusi 10. Satu solusi dapat diguaka oleh beberapa kasus 11. Setiap peyakit memiliki satu solusi 12. Satu solusi dapat diguaka oleh beberapa peyakit memiliki 1 solusi id_solusi m_solusi id_kasus id_solusi id_peyakit id_peyakit kasus memiliki 1 peyakit m_peyakit id_kelas 1 id_gejala memiliki memiliki id_kelas 1 id_gejala kelas gejala m_kelas m_gejala Gambar 2. Etity Relatioship Diagram A. Form Meu Utama Ketika sistem mulai dieksekusi, maka aka mucul tampila form utama dari sistem seperti tampak pada Gambar 3. Meu dari sistem yag dapat diakses haya terbatas pada meu logi, meu poho keputusa, meu diagosa, da meu help. Sedagka meu utuk pegolaha data haya dapat diakses oleh seorag pakar setelah melakuka logi. Gambar 3. Form Meu Utama Pakar perlu melakuka logi agar dapat megakses meu pegolaha data sedagka utuk peterak tidak perlu melakuka logi, karea peterak haya dapat megakses meu diagosa. B. Form Poho Keputusa Gambar 4 meampilka proses perhituga idexig megguaka Algoritma C4.5 yag meghasilka poho keputusa. Sedagka Gambar 5 meampilka poho keputusa. 53

5 Gambar 4. Form Poho Keputusa Gambar 5. Hasil Poho Keputusa C. Form Diagosa Kasus Baru Proses diagosa kasus baru dilakuka oleh pakar da peterak, ketika ada uggas yag megalami gejala suatu peyakit. Form proses diagosa kasus baru dapat dilihat pada Gambar 6. Proses awal dalam melakuka proses diagosa adalah memasukka gejala-gejala yag dialami oleh uggas tersebut. Hasil dari diagosa kasus baru dapat dilihat pada Gambar 7. Gambar 6. Form Diagosa Kasus Baru 54

6 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari 2017 Gambar 7. Hasil Diagosa Kasus Baru Proses diagosa diawali dega proses pembuata kelas pada poho keputusa. Kemudia dilakuka proses similaritas yag berada haya pada kelas yag sama, yag didapat dari poho keputusa. III. HASIL DAN PEMBAHASAN Proses pegujia sistem diagosa peyakit pada uggas megguaka CBR dilakuka dega dua cara yaitu pegujia yag dilakuka pakar da pegujia sistem dega megguaka sampel data kasus. Pada pegujia sistem megguaka sample data kasus diguaka Algoritma C4.5 sebagai proses idexig da Cosie Similarity sebagai proses utuk mecari ilai similarityya. A. Pegujia Sistem oleh Pakar Pada bagia ii aka dilakuka pegujia kasus riil terhadap sistem. Kasus yag aka diuji memiliki gejala sebagai berikut : 1. Produksi telur meuru : cukup 2. Kualitas telur meuru : tidak 3. Gaggua perafasa : ya 4. Diare : tidak 5. Lesu, lemas, murug : tidak 6. Jegger pucat : tidak 7. Kaki merah-merah : tidak 8. Gaggua syaraf/ tubuh gemetar : ya 9. Kaki lumpuh : cukup 10. Berkumpul pada tempat hagat : ya 11. Berjala berputar-putar : ya 12. Ngorok : tidak 13. Nafsu maka meuru : tidak 14. Keluar ledir dari hidug : tidak 15. Mata berair : tidak 16. Gaggua pertumbuha : tidak 17. Muka da jegger begkak : tidak 18. Pilek : tidak 19. Meggigil : tidak 20. Kloaka berdarah : tidak 21. Diare putih : tidak 22. Bulu pucat : tidak 23. Aus legket : tidak 24. Mematoki dubur sediri : tidak 25. Aus berdarah : tidak 26. Diare berdarah : tidak 55

7 Berdasarka data yag dimasukka pakar, pakar berkesimpula bahwa uggas tersebut mederita Newcastle Disease yag disebabka oleh virus. Setelah dilakuka proses diagosa megguaka sistem, sistem memberika hasil bahwa peyakit yag dimiliki uggas adalah Newcastle Disease dega ilai similaritas pada kasus ke 35. Adapu tampila hasil diagosa kasus tersebut dapat dilihat pada Gambar 4. Sehigga dapat diperoleh kesimpula bahwa hasil diagosa yag dilakuka oleh pakar sesuai dega hasil yag dikeluarka oleh sistem. B. Pegujia Sistem dega Sampel Data Kasus Peelitia ii memperoleh kasus sebayak 150 kasus dimaa 120 kasus diguaka sebagai basis kasus da 30 kasus diguaka sebagai data pegujia. Distribusi kasus yag aka diuji berada pada kelas virus, bakteri, da protozoa. Dimaa 12 kasus merupaka kelas virus, 9 kasus kelas bakteri, 7 kasus kelas protozoa, da 2 kasus belum terdeteksi berada pada kelas maa. Data uji tersebut diperoleh dari sampel data kasus dimaa telah diketahui hasil diagosaya, amu data uji tersebut belum perah dimasukka sebagai basis kasus. Dari Tabel 1 misalka utuk kasus uji K140 berada pada kelas bakteri, yag mempuyai gejala G3 (sedikit), G12 (ya), G13 (sedikit), da G14 (cukup). Gejala kasus uji selegkapya dapat dilihat pada lampira C. Yag pertama kali dilakuka adalah dega mecocoka gejala yag diiputka dega ode gejala yag sudah terbetuk pada poho keputusaya dimaa ode awal pada poho keputusa yag terbetuk adalah G14 kemudia G20, da ode terakhir G12. Karea K140 memiliki G14 dega ilai cukup maka peelusura pecaria kelas pada poho keputusa haya dilakuka pada ode awal yaitu pada G14 yag meujukka hasil kelasya berada pada kelas bakteri. Maka pecaria ilai similarity haya dilakuka pada kelas bakteri yaitu pada basis kasus ke K51 higga K85 (lampira A). Adapu hasil pegujia 30 kasus dapat dilihat pada Tabel 1. Dari 30 kasus uji, terdapat 28 kasus dega similaritas diatas 0.8 da 2 kasus memiliki similaritas kurag dari 0.8 sehigga diperoleh kasus dega similaritas lebih dari 0.8 sebesar 93.33% da kasus dega similaritas kurag dari 0.8 sebesar 6.67%. TABEL I. HASIL PENGUJIAN 30 KASUS UJI Uji ke Kasus Hasil Diagosa Peyakit Sebearya Hasil Diagosa Peyakit oleh Sistem Kelas Nilai Similaritas 1 K121 Ifectious Brochitis Ifectious Brochitis Virus K122 Ifectious Brochitis Ifectious Brochitis Virus K123 Ifectious Brochitis Ifectious Brochitis Virus K124 Ifectious Brochitis Ifectious Brochitis Virus K125 Ifectious Brochitis Ifectious Brochitis Virus K126 Avia Iflueza Avia Iflueza Virus K127 Avia Iflueza Avia Iflueza Virus K128 Avia Iflueza Avia Iflueza Virus K129 Avia Iflueza Avia Iflueza Virus K130 Avia Iflueza Avia Iflueza Virus K131 Newcastle Disease Newcastle Disease Virus K132 Newcastle Disease Newcastle Disease Virus K133 Newcastle Disease Newcastle Disease Virus K134 Newcastle Disease Newcastle Disease Virus K135 Newcastle Disease Newcastle Disease Virus K136 Ifectious Bursal Disease Ifectious Bursal Disease Virus K137 Ifectious Bursal Disease Ifectious Bursal Disease Virus K138 Ifectious Bursal Disease Ifectious Bursal Disease Virus K139 Ifectious Bursal Disease Ifectious Bursal Disease Virus K140 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K141 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K142 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K143 Chroic Respiratory Disease Chroic Respiratory Disease Bakteri K144 Ifeksius Coryza Ifeksius Coryza Bakteri K145 Ifeksius Coryza Ifeksius Coryza Bakteri K146 Ifeksius Coryza Ifeksius Coryza Bakteri K147 Koksidiosis Koksidiosis Protozoa K148 Koksidiosis Koksidiosis Protozoa K149 Ifeksius Coryza Belum Terdeteksi Belum Terdeteksi 0 30 K150 Ifeksius Coryza Belum Terdeteksi Belum Terdeteksi 0 Dua kasus yag memiliki ilai similaritas kurag dari 0.8 yaitu kasus ke 149 da 150 dega ilai similaritas 0 yag kelasya belum terdeteksi, sehigga kasus tersebut aka dilakuka revisi oleh pakar da solusiya aka disimpa kembali (retai) ke dalam basis kasus. Sehigga meambah pegetahua basis kasus pada sistem yag aka diguaka kembali utuk kasus baru berikutya. IV.SIMPULAN DAN SARAN Berdasarka hasil pegujia Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosis Gaggua Peyakit Pada Uggas, maka dapat diambil kesimpula sebagai berikut : 1. Case-based Reasoig dapat diterapka pada kasus utuk pedukug diagosa gaggua peyakit pada uggas. 56

8 Jural Iformatika da Komputer (JIKO) Vol. 2, No. 1, Februari Metode idexig megguaka Algoritma C4.5 dapat mempermudah da mempercepat dalam pecaria similaritas pada kasus baru. 3. Berdasarka 30 kasus yag diujika, telah meghasilka kemiripa sebayak 28 kasus (93.33 %) dega 2 kasus (6.67 %) mempuyai ilai dibawah 0.8 da dilakuka revisi oleh pakar. Diharapka dalam pegembaga Sistem Pealara Berbasis Kasus Utuk Pedukug Diagosis Gaggua Peyakit Pada Uggas adalah : 1. Perlu dilakuka peyimpaa idexig pada Algoritma C4.5 sehigga ketika sistem dijalaka tidak perlu melakuka proses idexig secara berulag kali, karea jika kasus bertambah bayak maka proses idexig aka membutuhka waktu yag terlalu lama. 2. Perlu dilakuka peelitia terhadap metode idexig selai Algortima C4.5 sehigga dapat diperoleh ilai perbadiga hasil idexig dega metode-metode lai. 3. Perlu dilakuka peelitia utuk domai peyakit yag lebih kompleks pada peyakit pada uggas. Baik utuk uggas jeis ayam maupu utuk uggas jeis yag lai. REFERENSI [1] Aoim, 2015, Sigap Taggap Flu Burug di Musim Huja, Ifo Medio, Maret 2015, hal. 2. [2] Berry, Michael J.A. da Gordo S.Lioff, 2004, Data Miig Techiques for Marketig, Sales, Customer Relatioship Maagemet. Secod Editio. Wiley Publishig, Ic., Idiaapolis, Idiaa. [3] Riesbeck, C. da Schak, R., 1989, Iside Case-based Reasoig, Lawrece Erlbaum, New Jersey. [4] Kusrii, 2010, Pemodela Aalisis Diagosis Badig pada Sistem Pedukug Keputusa Kelompok utuk Asesme Geriatri, Disertasi, S3 Ilmu Komputer FMIPA UGM, Yogyakarta. [5] Kusrii da Luthfi, E. T., 2009, Algoritma Data Miig, Adi Offset, Yogyakarta. [6] Ta, Pag-Nig, Steibach, M., Kumar, V., 2006, Itroductio to Data Miig, Pearso Educatio, Ic, Bosto. 57