Sistem pakar diagnosa penyakit ayam (SPDPPA)

SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM
(SPDPPA)

Oleh:

TOTO HARYANTO
G64101017

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006

RINGKASAN
TOTO HARYANTO. Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA). Dibimbing oleh
MARIMIN dan YENI HERDIYENI.
Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA ) merupakan suatu sistem komputer
yang dikembangkan untuk mendiagnosa penyakit pada ayam berdasar gejala-gejala klinis dan
perubahan makroskopis yang terdapat pada ayam yang diidentifikasi terinfeksi penyakit. Salah
satu metode inferensia yang digunakan pada penelitian ini adalah fuzzy inference system (FIS).
Dengan fuzzy inference system ini gejala-gejala yang memiliki kemiripan pada saat pendiagnosaan

dapat diatasi. Penyakit yang terdiagnosa pada SPD PPA dibatasi hanya pada tiga penyakit, yaitu:
Avian Influenza (AI), Newcastle Disease (ND) dan Infectious Laryngotracheitis (ILT).
Pada penelitian ini rancang bangun SPDPPA mengalami dua jenis alur pendiagnosaan. Pada
pendiagnosaan pertama, data fuzzy berupa warna pial yang dibagi menjadi 10 kelompok warna,
umur ayam, angka kematian dan suhu tubuh akan dijadikan sebagai masukan. Data tersebut akan
proses oleh fuzzy inference sys tem. Keluaran proses akan berupa diagnosa sementara dengan
kriteria mendukung ILT, sangat mendukung ILT, mendukung ND, sangat mendukung ND,
mendukung AI dan sangat mendukung AI. Pengujian sistem untuk data fuzzy dilakukan dengan
mengkombinasikan beberapa masukan.
Berdasar verifikasi, hasil pengujian menunjukkan bahwa ayam yang terdiagnosa sementara
mendukung ND, warna pialnya merah dengan suhu tubuh 430C –450C dan angka kematian 30
sampai 50 persen. Adapun untuk mendapatkan diagnosa sementara sangat mendukung ND, warna
pialnya merah dengan suhu 430C –450C dan tingkat kematian 30–60 persen. Unt uk mendiagnosa
AI dengan tingkat mendukung, kondisi warna pial sudah semakin membiru. Angka kematian
mulai 30-60 persen dengan suhu tubuh 430C-450C. Nilai keanggotaan (a) mendukung AI
mencapai rata-rata 1 pada saat warna pial berada pada kelompok warna 7. Demikian halnya
dengan diagnosa untuk menghasilkan sangat mendukung AI. Warna pial sudah membiru dengan
suhu tubuh dan angka kematian yang tinggi.
Keluaran proses fuzzy inference system kemudian akan dikombinasikan dengan gejala nonfuzzy dalam suatu kaidah produksi atau if-then rule untuk mengidentifikasi jenis penyakit hasil
SPDPPA. Gejala non-fuzzy tersebut adalah kondisi eksudat, kondisi trakea, gejala perdarahan

bawah kulit, perubahan sistem saraf dan gejala pada tinja. Pemeriksaan terhadap gejala non -fuzzy
dilakukan secara sekuensial berdasarkan nilai bobot gejala yang dihasilkan oleh proses hierarki
analitik. Apabila pada gejala non-fuzzy terdapat gejala yang menunjang hasil diagnosa proses fuzzy
inference system, maka pemeriksaan akan selesai. Akan tetapi jika tidak, pemeriksaan akan
diteruskan pada gejala non-fuzzy berikutnya. Gejala non-fuzzy yang bersifat khas bagi penyakit ND
adalah eksudat yang kental bening, kepala ayam yang berputar dan tinja yang berwarna hijau.
Ayam yang terdiagnosa mendukung AI warna pialnya semakin memucat dengan suhu dan angka
mati seperti pada penyakit ND. Eksudat yang encer bening, perdarahan bawah kulit merupakan
gejala non-fuzzy yang khas terlihat ketika ayam terkena Avian Influenza (AI).
Hasil akhir dari SPDPPA juga dapat memberikan saran atau rekomendasi yang bagi pengguna
langkah yang seharusnya dilakukan apabila ayam menderita penyakit tertentu. Pada pemeriksaan
di lapangan bai k gejala fuzzy maupun non-fuzzy dilakukan secara bersama-sama.
Kata kunci : sistem pakar, Avian Influenza (AI), Newcastle Disease (ND), Infectious
Laryngotracheitis (ILT), fuzzy inference system ,if-then rule.

SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM
(SPDPPA)

Skripsi
sebagai salah satu syarat untuk memperoleh gelar

Sarjana Komputer pada
Departemen Ilmu Komputer

Oleh :

TOTO HARYANTO
G64101017

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006

Judul
Nama
NRP

: SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM
(SPDPPA)
: Toto Haryanto

: G64101017

Menyetujui:
Pembimbing I,

Prof. Dr.Ir. Marimin, M.Sc
NIP.131645110

Pembimbing II,

Yeni Herdiyeni, S.Si, M.Kom
NIP.132282665

Mengetahui:
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

Dr. Ir. Yonny Koesmaryono, M.S
NIP.131473999

Tanggal Lulus :

RIWAYAT HIDUP
Penulis lahir di Kota Mangga, Indramayu pada tanggal 17 November 1982, anak dari
pasangan Caca Goembira dan Iyus Rusyati. Penulis merupakan anak kedua dari empat bersaudara.
Tahun 2001 penulis lulus dari SMU Negeri 1 Cirebon dan pada tahun yang sama melanjutkan
kuliah ke Institut Pertanian Bogor (IPB), Departemen Ilmu Komputer, Fakultas Matematika dan
Ilmu Pengetahuan Alam (FMIPA) melalui jalur Undangan Seleksi Masuk IPB (USMI).
Selama mengikuti perkuliahan, penulis pernah menjadi ketua divisi akademik bimbingan
belajar Prestasipb yang didirikan oleh Badan Eksekutif Mahasiswa FMIPA (BEM FMIPA) pada
tahun 2003. Di bidang organisasi penulis tecatat sebagai anggota Himpunan Masyarakat Ilmu
Komputer (Himalkom) FMIPA IPB. Selama di IPB, penulis juga aktif di Forum Kajian Islam
Ilmiyah Salafy (FKIIS). Pada akhir perkuliahan, penulis berkesempatan mengikuti Praktek Kerja
Lapang (PKL) selama dua bulan ( 26 Januari – 26 Maret 2004) di International Herbal Center
(IHC), Jakarta Timur.

PRAKATA
Alhamdulillah segala puji penulis panjatkan ke hadirat ALLAH Subhanahu wa ta‘ala atas
segala rahmat, kasih sayang dan cinta-Nya sehingga skripsi ini berhasil diselesaikan. Shalawat dan
salam semoga senantiasa tercurah pada teladan kita Nabi Muhammad Shallallahu alaihi wasallam,

kerabat, sahabat dan umatnya sampai akhir zaman. Tema yang dipilih dalam penelitian ini ialah
Sistem Pakar, dengan judul Sistem P akar Diagnosa Penyakit Pada Ayam ( SPDPPA).
Penulis menyampaikan terima kasih kepada semua pihak yang telah membantu dalam
penulisan karya ilmiah ini khususnya kepada Bapak Prof.Dr.Ir.Marimin, M.Sc dan Ibu Yeni
Herdiyeni, S.Si, M.Kom yang telah membimbing dengan penuh ketekunan dan kesabaran hingga
selesainya penulisan karya ilmiah ini. Penulis juga mengu capkan terima kasih kepada Ibu
drh.Ekowati Handharyani, MS, Ph.D sebagai pakar atas segala pengetahuan tentang penyakit ayam
yang telah diberikan.
Selanjutnya, penulis juga ingin mengucapkan terima kasih kepada:
1. Bapak dan Ibu tercinta, terima kasih atas segala doa, cinta, kasih sayang, dan dukungan yang
tiada batasnya baik materil maupun spirituil.
2. Kakak dan adiku Aa Opi, Doni dan Ade Indy, terima kasih atas segala canda dan keceriaan
yang telah menambah semangat atas terselesainya penulisan ini.
3. Keluarga Ir. Asep Zaenal, MM atas segala perhatian yang diberikan selama penulis tinggal di
kota Bogor.
4. Teman-teman Ilkomerz ’38. Terima kasih atas kebersamaan bersama kalian dan tali
silaturahmi yang telah kalian tanamkan. Semoga ini menjadi kenangan yang tak terlupakan.
5. Drh.Nofri Sahmedi (Mas Ismet) atas pengetahuan teknis tentang penyakit ayam dan pinjaman
buku-bukunya.
6. Pak Nanang, terima kasih atas segala sarana dan prasarana selama penulis tholabul ilmi.

Semoga Allah membalas dengan kebaikan.
7. Ikhwan-ikhwan salafiyyin yang menjadikan hidup ini lebih bermakna. Jazakumullah khairan
atas segala dorongan dan nasihatnya. Semoga tetap istiqomah.
8. Mas Opik, Adin, Ulum, Enjang, Fauzi, Kang Jamal, Taryu, Aul, Sugi, Zaky, Asep STK,
Didik, Supri, Khamam, Memet, Mas Fajar, Agus, Nuris (semoga cepat menjadi bapak) serta
teman-teman eks ‘Mobster’, ‘Wisma Bekam’ serta ‘Wisma Galih’.
9. Staf Departemen Ilmu Komputer, Pak Pendi, Pak Sholeh, Mas Irfan, Pak Fatur dan semua
pihak atas segala fasilitas selama penulis menyelesaikan studi.
10. Keluarga Besar Bapak Aha dan Ibu Kadi. Terima kasih atas segala motivasi yang diberikan.
Dan semua pihak yang tidak dapat disebutkan satu per satu. Jazakumullah khairan.
Semoga karya ilmiah ini dapat bermanfaat dan menjadi amal sholih bagi semua pihak yang
terlibat dalam penyusunan skripsi ini. Amin.

Bogor, Januari 2006

Toto Haryanto

DAFTAR ISI
Halaman
DAFTAR TABEL ..................................................................................................................................viii

DAFTAR GAMBAR .............................................................................................................................viii
DAFTAR LAMPIRAN.........................................................................................................................viii
PENDAHULUAN..................................................................................................................................1
A. Latar Belakang ................................................................................................................1
B. Tujuan ...............................................................................................................................1
C. Ruang Lingkup ................................................................................................................1
D. Manfaat .............................................................................................................................1
TINJAUAN PUSTAKA........................................................................................................................2
A. Sistem Pakar ....................................................................................................................2
B. Basis Pengetahuan (Knowledge Base) ........................................................................2
C. Mesin Inferensia ............................................................................................................2
D. Fakta .................................................................................................................................2
E. Fasilitas Akuisisi Pengetahuan ....................................................................................2
F. Fasilitas Penjelasan ........................................................................................................2
G. Antarmuka Pengguna.....................................................................................................2
H. Logika Fuzzy ...................................................................................................................3
I. Proses Hierarki Analitik (Analytical Hierarchy Process) ....................................4
J. Penyakit Ayam................................................................................................................4
METODE PENELITIAN ......................................................................................................................5
A. Kerangka Pemikiran.......................................................................................................5

B. Tata Laksana .................................................................................................................5
C. Pengembangan Sistem ...................................................................................................6
D. Rancang Bangun Sistem ...............................................................................................7
HASIL DAN PEMBAHASAN ............................................................................................................7
A. Pemodelan Sistem .........................................................................................................7
B. Proses Inferensia Fuzzy .................................................................................................8
C. Verifikasi Sistem ...........................................................................................................11
D. Kompleksitas Sistem .....................................................................................................13
E. Keterbatasan Sistem .....................................................................................................13
KESIMPULAN DAN SARAN
A. Kesimpulan .....................................................................................................................14
B. Saran ................................................................................................................................14
DAFTAR PUSTAKA ...........................................................................................................................14
LAMPIRAN ...........................................................................................................................................16

DAFTAR TABEL

1.
2.
3.

4.
5.
6.
7.
8.

Halaman
Parameter masukan SPDPPA .......................................................................................................6
Karakteristik parameter masukan SPDPPA..............................................................................8
Hasil pembobotan paremeter SPDPPA ...................................................................................8
Parameter data fuzzy verifikasi sistem. .......................................................................................12
Skor defuzzifikasi dan a mendukung Newcastle Disease (ND) pada SPDPPA. ..............12
Skor defuzzifikasi dan a sangat mendukung Newcastle Disease (ND) pada SPDPPA ...12
Skor defuzzifikasi dan a mendukung Avian Influenza (AI) pada SPDPPA ......................13
Skor defuzzifikasi dan a sangat mendukung Avian Influenza (AI) pada SPDPPA .........13
DAFTAR GAMBAR

1.
2.
3.

4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.

Halaman
Struktur Sistem Pakar ..................................................................................................................2
Proses Akuisisi Pengetahuan .......................................................................................................2
Diagram konsep penelitian .........................................................................................................5
Diagram Alir Sistem Fuzzy...........................................................................................................6
Alur Pengembangan Software Lifecycle.....................................................................................6
Proses pendiagnosaan penyakit ayam pada SPDPPA ..............................................................7
Representasi kurva gaussian untuk warna pial .......................................................................8
Representasi kurva trapesium untuk umur ayam .....................................................................9
Representasi kurva trapesium untuk angka kematian . ............................................................9
Representasi kurva trapesium untuk suhu tubuh......................................................................9
Representasi kurva gaussian untuk keluaran jenis penyakit . ..................................................10
Ilustrasi proses defuzzifikasi pada inferensia fuzzy ..................................................................10
Tampilan pengisian kesalahan data fuzzy................................................................................10
Pesan peringatan jika kesalahan terjadi pengisian ...................................................................11
Contoh tampilan untuk pengisian data non-fuzzy pada gejala eksudat. ...............................11

DAFTAR LAMPIRAN
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.

Halaman
Aturan-aturan fuzzy penentuam jenis penyakit pada SPDPPA..............................................17
Diagram pohon yang membentuk kaidah di dalam SPDPPA .................................................18
Deskripsi warna pial berdasar nomor .........................................................................................24
Tabel kombinasi pengujian pertama dengan warna pial = 1 ...................................................24
Tabel kombinasi pengujian kedua dengan warna pial = 2 .....................................................24
Tabel kombinasi pengujian ketiga dengan warna pial = 3 .....................................................24
Tabel kombinasi pengujian keempat dengan warna pial = 4 .................................................25
Tabel kombinasi pengujian kelima dengan warna pial = 5 ....................................................25
Tabel kombinasi pengujian keenam dengan warna pial = 6 ..................................................25
Tabel kombinasi pengujian ketujuh dengan warna pial = 7...................................................26
Tabel kombinasi pengujian kedelapan dengan warna pial = 8..............................................26
Tabel kombinasi pengujian kes embilan dengan warna pial = 9............................................26
Tabel kombinasi pengujian kesepuluh dengan warna pial = 10............................................27
Menu Utama Sistem Pakar Diagnosis Penyakit Pada Ayam (SPDPPA) ..............................27
Contoh tampilan pengisian data fuzzy.........................................................................................28
Contoh tampilan pengisian data non-fuzzy.................................................................................28
Tampilan laporan hasil pemeriksaan..........................................................................................29
Contoh hasil pemeriksaan Laboratorium Patologi ....................................................................30

1

PENDAHULUAN
A. Latar Belakang
Di dalam usaha peternakan ayam, penyakit
merupakan salah satu resiko yang harus
dihadapi. Oleh karena itu, mengenal sejak dini
gejala masing-masing penyakit, mengetahui
sumber penyebabnya serta melakukan upaya
pencegahan merupakan hal yang sangat
penting bagi suksesnya usaha peternakan
(Retno et al 1998).
Merebaknya penyakit pernapasan pada
ayam di Indonesia banyak memberikan
kerugian bagi para peternak terutama peternak
kecil. Beberapa penyakit seperti Newcastle
Disease (ND) memiliki angka kematian
mencapai 100% (Copland,1987). Terlebih lagi
Indonesia memiliki iklim tropis yang
merupakan
kondisi
sesuai
bagi
perkembangbiakan
bakteri
dan
virus
(Nurjanah, 2003).
Pada beberapa kasus terdapat penyakit
yang dapat menular kepada manusia. Oleh
karena itu, penanganan terhadap penyakit penyakit tersebut harus segera ditangani
sehingga tidak menambah korban jiwa.
Gejala
penyakit
pada
ayam
memperlihatkan kemiripan sehingga di dalam
pendiagnosaan diperlukan kecermatan dan
ketelitian dari pakar/ahli (dalam hal ini dokter
hewan) terhadap setiap perubahan yang terjadi
pada organ tertentu yang mengindikasikan
suatu penyakit. Bahkan bukan tidak mungkin
apabila
kemiripan
gejala
tersebut
menyebabkan perbedaan hasil diagnosa
dengan penyakit yang diderita ayam
sebenarnya.
Untuk
memastikan
jenis
penyakit, pengetahuan anamnese, gejala
patognomonis dan gejala klinis dilakukan
yang kemudian dilanjutkan dengan uji
laboratorium dan pemeriksaan pascamati.
Pemeriksaan laboratorium bertujuan untuk
melihat
perubahan
makroskopis
dan
mikroskopis
dari
organ-organ
yang
diidentifikasi terinfeksi penyakit tertentu.
Untuk melakukan pendiagnosaan secara
seksama, tes darah dan uji laboratorium
merupakan cara yang paling sering dilakukan.
Bagi peternak kecil, hal ini adalah salah satu
kendala yang dihadapi karena keterbatasan
alat dan biaya. Oleh karena itu, perlu
dikembangkan Sistem Pakar Diagnosa
Penyakit Pada Ayam (SPDPPA) yang mampu
mengidentifikasi lebih dini penyakit yang
dialami ayam.
Sistem Pakar menurut Giarratano dan
Riley (1998) merupakan sistem komputer
yang mengemulsikan kemampuan pakar
dalam pengambilan keputusan. Banyak sekali

bidang yang telah mengaplikasikan sistem
pakar, diantaranya adalah bidang medis.
Sistem Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA ) merupakan suatu sistem
komputer
yang
dikembangkan
untuk
mendiagnosa penyakit pada ayam berdasar
gejala-gejala
klinis
dan
perubahan
makroskopis yang terdapat pada ayam yang
diidentifikasi terinfeksi penyakit. Sistem ini
dikembangkan
dengan
berbasiskan
pengetahuan (knowledge) yang didapatkan
dari pakar/ahli melalui proses akuisisi
pengetahuan ke dalam sistem. Pengetahuan
(knowledge) yang didapatkan kemudian
diolah oleh sistem untuk menghasikan output
sebagai hasil diagnosanya.
Proses pendiagnosaan pada SPDPPA ini
akan memperhitungkan gejala khas suatu
penyakit sehingga akan mempercepat proses
pemeriksaan.
Pengembangan Sistem Pakar Diagnosa
Penyakit Pada Ayam (SPDPPA) ini
melibatkan pakar dari Laboratorium Patologi
Fakultas Kedokteran Hewan IPB sebagai
sumber kepakarannya. Dengan demikian,
proses evaluasi sistem dapat dilakukan.
B. Tujuan
Tujuan penelitian ini adalah:
1. Merumuskan fakta dan basis pengetahuan
untuk mendiagnosa penyakit ayam.
2. Mengembangkan dan mengimplementasikan Sistem Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA ).
C. Ruang Lingkup
Di
dalam
pendiagnosaan
penyakit
pernapasan pada ayam ini, dibatasi pada
penyakit yang disebabkan oleh virus. Penyakit
tersebut adalah Infectious Laryngotracheitis
(ILT), N ew castle Desease (ND) dan Avian
Influenza (AI).
Masukan dari sistem ini berupa gejalagejala klinis yang ditemukan selama proses
diagnosa. Data tersebut kemudian akan
dianalisis oleh sistem untuk kemudian
dihasilkan keluaran berupa informasi penyakit
yang diderita hasil diagnosa, penyebabnya,
dan rekomendasi yang harus dilakukan
terhadap ayam tersebut.
D. Manfaat
Sist em Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA) ini diharap kan dapat
membantu memberikan informasi dalam
mendiagnosa penyakit yang menginfeksi
ayam. Adapun pengguna sistem ini adalah
peternak ayam. Sistem ini juga dapat
digunakan sebagai media pembelajaran bagi
mahasiswa.

2

TINJAUAN PUSTAKA
A. Sistem Pakar
Menurut Marimin (2002), sistem pakar
adalah sistem komputer berbasis pengetahuan
yang terpadu di dalam suatu sistem informasi
dasar
yang
ada,
sehingga
memiliki
kemampuan untuk memecahkan berbagai
masalah layaknya seorang pakar.
Sistem Pakar merupakan bagian dari
Computerized Decision Suport Sistem (CDSS)
yang pertama kali dilakukan untuk mencoba
meniru di dalam pengambilan keputusan
pendekatan tenaga ahli berdasar aturan aturan
heuristik dan pengalaman yang dimiliki ketika
pembuatan keputusan medis (Weaver, 1991).
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 suatu keputusan.
Elemen–elemen sistem pakar menurut
Giarattano (1998),
digambarkan sebagai
berikut:
Basis
Pengetahuan

Fasilitas
Penjelasan

Mesin
Inferensia

Fakta

Fasilitas
Akuisisi Pengetahuan

Antarmuka
Pengguna

Gambar 1. Struktur Sist em Pakar (Giarattano,
1998)

Kaidah produksi ini banyak dikenal pada
tahun 1940. 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.
D. 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.
E. 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 sebagai berikut:
Sumber
Pakar

tanya
jawab

Knowledge
Engineer

hasil

Sistem
Pakar

pengetahuan

Gambar 2. Proses Akuisisi Pengetahuan
B. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merepresentasikan
pengetahuan yang dimiliki oleh pakar.
Menurut Marimin (2002), basis pengetahuan
merupakan sumber kecerdasan sistem dan
dimanfaatkan oleh mekanisme inferensia
untuk penarikan suatu kesimpulan.
C. Mesin Inferensia
Mesin inferesi 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 populer adalah kaidah produksi.

F. Fasilitas Penjelasan
Bagian ini memberikan penjelasan kepada
pengguna mengenai s istem tersebut. Bagian
ini sangat bermanfaat bagi pengguna untuk
mengetahui
bagaimana
sistem
dapat
memutuskan suatu kesimpulan.
G. Antarmuka Pengguna (User interface)
Antarmuka pengguna merupakan bagian
yang berperan sebagai media komunikasi
antara pengguna dengan sistem yang
terbentuk. Pembuatan antarmuka yang baik
akan menjamin pengguna untuk menggunakan
sistem dengan mudah.

3

Fungsi Keanggotaan
Himpunan crisp atau himpunan biasa
adalah himpunan yang keanggotaannya dapat
didefinisikan
dengan
jelas.
Fungsi
keanggotaan pada Himpunan crisp ini
diformulasikan sebagai berikut:
µ A( x) : x → {0,1} ;
sehingga suatu objek bisa kita katakan
masuk dalam himpuan tersebut atau tidak.
Dengan kata lain derajat keangotaaan dari
sebuah objek pada himpunan crisp adalah
0 atau 1.
Logika Fuzzy merupakan salah satu cara
penanganan
ketidakpastian
sebagai
generalisasi himpunan biasa yang menjadikan
suatu objek memiliki derajat keanggotaan
(degree of membership function) antara 0
sampai 1. Fungsi keanggotaan dari Himpunan
Fuzzy sebagai berikut:

µ A( x ) : x → [0 ,1] .
Pendekatan
fungsi
berikut
ini
(Kusumadewi, 2002) dapat digunakan untuk
menentukan nilai dari suatu keanggotaan.
1. Representasi Kurva Segitiga (Triangle)

derajat
keanggotaan

a

b

c

domain

Fungsi Keangotaan:

x ≥ c atau x ≤ a
0;


µ[ x ] = ( x − a) /(b − a); a ≤ x ≤ b
 (c − x) /(c − b); b ≤ x ≤ c

2. Representasi Kurva Trapesium

Fungsi Keangotaan:

0;

(x − a) /(b − a);

µ[ x] = 
1;

 (c − x) /(c − b);

x ≤ a atau x ≥ d
a ≤ x ≤b
b≤ x≤c
c≤ x≤d

3. Representasi Kurva Gaussian

Derajat
keanggotaan

H. Logika Fuzzy
Logika Fuzzy (Fuzzy Logic) merupakan
pegembangan dari teori himpunan Fuzzy yang
pertama kali dikenalkan oleh Lotfi Zadeh
pada tahun 1965 (Jackson, 1999).

domain

Fungsi Keanggotaan:
− ( x− µ )2

G ( x; µ ; σ ) = e

2σ

2

Himpunan Fuzzy
Himpunan fuzzy adalah teknik yang secara
matematis
mampu
mengekspresikan
keambiguan dalam bahasa (Marimin,2002).
Sebagai co ntoh jika seseorang dikatakan tua,
kita tak dapat mendefin isikan dengan tepat
berapa tahunkah seseorang dikatakan tua.
Dengan
himpunan
fuzzy ini,
kasus
keambiguan di atas dapat ditangani.
Pengembangan
sistem
fuzzy dapat
diterapkan dalam berbagai bidang, seperti
pemodelan, teknologi aplikatif dan sistem
pakar. Dalam sistem pakar , Marimin (2002)
menyebutkan sistem fuzzy berguna untuk
merepresentasikan
pengetahuan
pada
lingkungan yang tidak pasti dan tidak lengkap.
Sistem Inferensia Fuzzy (FIS -Fuzzy
Inference System )
Sistem ini menerangkan tentang teknik
penarikan kesimpulan berdasar pada aturan
tertentu. Penyeleksian aturan if-then fuzzy
adalah komponen utama dari fuzzy inference
sistem yang mampu untuk memodelkan
keahlian manusia lebih spesifik (Jang et al.,
1997).
Penalaran metode Mamdani
Metode Mamdani diperkenalkan oleh
Ebrahim Mamdani pada tahun 1975. Pada
metode ini, baik masukan (antesenden)
maupun keluaran (konsekuen) sistem berupa

derajat
keanggotaan

a

b

c
domain

d

4

himpunan fuzzy. Dengan konsep tersebut,
metode ini memiliki beberapa keuntungan
antara lain: lebih intuitif, lebih diterima oleh
banyak pihak dan lebih cocok apabila input
diterima dari manusia (bukan mesin)
(Kusumadewi, 2002).
Defuzzifikasi metode Centroid
Defuzzifikasi adalah pengubahan keluaran
fuzzy ke dalam keluaran yang bernilai tunggal
(crisp). Oleh karena itu, masukan dari poses
defuzzifikasi adalah suatu himpunan fuzzy
yang diperoleh dari komposisi aturan-aturan
fuzzy, sedangkan keluarannya adalah suat u
bilangan pada domain himpunan fuzzy
tersebut (Kusumadewi, 2002). Defuzzifikasi
metode Centroid adalah teknik yang solusi
nilai
tunggalnya
didapatkan
dengan
mengambil tit ik pusat daerah fuzzy. Secara
umum dapat diformulasikan sebagai berikut:

z=

∫ zµ ( z )dz
z

∫ µ ( z) dz
z

n

atau

z=

∑z

j

µ(z j )

j= 1
n

∑ µ(z
j =1

j

)

I. Proses
Hierarki
Analitik (AHPAnalytical Hierarchy Process)
AHP ditemukan oleh Dr. Thomas L.Saaty
pada tahun 1970. Prinsip kerja dari AHP
dapat dijelakan sebagai berikut: pertama,
proses penyederhanaan persoalan kompleks
yang tidak terstruktur dan dinamis dalam
suatu hierarki. Kedua, komparasi dan
pemberian nilai numerik setiap variabel.
Dengan melakukan komparasi berpasangan
(pairwise comparisons) pengguna dapat
memberikan bobot kriteria. Proses ini
menghasilkan variabel yang berpengaruh
dominan terhadap hasil.
Sebagai sistem analisa, AHP memiliki
beberapa keunggulan antara lain:
a. Saling Ketergantungan:
AHP menangani saling ketergantungan
antara elemen-elemen dalam sistem sehingga
tidak memaksakan pemikiran linier.
b. Konsistensi:
AHP melacak konsistensi logis dari
pertimbangan-pertimbangan yang digunakan
untuk menetapkan berbagai prioritas.
c. Kompleksitas:
AHP memadukan pendekatan deduktif dan
pendekatan
berdasar
sistem
dalam
memecahkan persoalan kompleks.

J. Penyakit ayam
Penyakit pada ayam dapat ditimbulkan
oleh berbagai sebab seperti: virus, bakteri,
jamur, caplak . Terdapat jenis penyakit ayam
yang dapat menular kepada manusia
(zoonosis) seperti flu burung dari galur
patogenik
(Suharsono,
2002). Adapun
penyakit ayam yang disebabkan oleh virus
antara lain:
a. Avian Influenza (AI) / Flu Burung
Sebab: virus Avian Influenza
AI dapat digolongkan pada sedang dan
bahaya secara patogenik. Virus AI dapat
menyerang semua umur ayam. Gejala klinis
dicirikan dengan kelesuan, pernapas an
terganggu yang ditandai dengan keluarnya
lendir encer bening, warna jengger pucat
membiru serta terdapat perdarahan di bawah
kulit berupa bercak merah pada dada, sayap
atau kaki bahkan kematian mendadak.
(Soejoedono dan E.Handharyani, 2005). Ciri
lainnya yang mirip dengan penyakit ayam
lainnya adalah suhu tubuh yang meningkat di
atas 43 derajat celcius, kepala bergetar serta
tinja yang encer berwarna putih.
T ingkat kematian ayam karena penyakit
AI bisa mencapai 100 persen. Bahkan
sekarang ini virus
Avian Influenza jenis
(H5N1) dapat menyebabkan kematian pada
manusia. Berdasar data dari Depkes
(www.depkes.go.id.), di Indonesia terdapat
143 kasus flu burung, 17 orang yang positif
mengidap, 12 orang meninggal dunia dan 5
cluster
keluarga yang terinfeksi. Jumlah
tersebut mungkin dapat bertambah apabila
tidak dilakukan penanganan lebih dini.
b. Newcastle Disease (ND)
Sebab: virus Paramixovirus
Terdapat tiga bentuk ND: 1). Mildly
Pathogenic (lentogenic), 2). Moderately
Pathogenic (mesogenic), 3).Higly Pathogenic
(velogenic). ND ditandai dengan serangan
mendadak pada gejala klinisnya seperti suara
parau pada ayam, kepala ayam yang berputar,
tinja ayam encer berwarna kehijauan. Pada
ND tidak terjadi perdarahan di bawah kulit
sehingga dapat dibedakan dengan AI. Virus
ini juga dapat menyerang ayam semua umur.
Tingkat kematian penyakit ini berkisar 10-80
persen ber gantung pada tingkat patogeniknya
(Copland, 198 7).
c. Laryngotracheitis Infectiosa (ILT)
Sebab: Herpa virus
Dalam masa akut terlihat konjungtivitis
kataral (keruh), rinitis juga bersifat kataral.
Yang paling menyolok adalah kesulitan
pernapasan. Ayam yang terkena virus ini
dapat mengeluarkan darah pada lendirnya
disebabkan trakea yang terinfeksi (Butcher et
al.,2005) Sewaktu bernapas kepala ditegakkan

5

setinggi mungkin dan paruhnya dibuka
sedangkan saat menghembuskan napas kepala
ditundukkan ke bawah dan mata ditutup
(Resang,1983). Tingkat kematian ILT ini
umumnya lebih rendah dibandingkan AI dan
ND. Biasanya ILT menyerang ayam pada usia
dara dan dewasa. Ayam mengalami cyanosis
pada muka dan jengger.

mulai

Identifikasi gejala penyakit ayam

Penentuan bobot gejala penyakit
Dengan model AHP

METODE PENELITIAN
A. Kerangka Pemikiran
Kemiripan gejala yang ditimbulkan oleh
beberapa penyakit pada ayam terkadang
menimbulkan kesulitan di dalam pembuatan
kesimpulan tentang jenis penyakit yang
diderita. Dengan menggunakan pendekatan
fuzzy dalam basis data pengetahuan berbasis
rule, SPDPPA (Sistem Pakar Diagnosa
Penyakit Pada Ayam) proses pendiagnosaan
jenis penyakit pada ayam dengan gejala yang
mirip lebih mudah untuk dilakukan.
Salah satu teknik di dalam penanganan
ketidakpastian adalah dengan Fuzzy Inference
System (FIS). Pada penelitian ini, FIS
digunakan sebagai mesin inferensia untuk
membangun fakta-fakta berupa gejala klinis
dan patognomonis ayam yang terserang
penyakit untuk dijadikan basis pengetahuan.
Penentuan jenis penyakit dilihat dari hasil
anamnese berupa umur ayam, gejala
patognomonis berupa angka kematian serta
gejala klinis, seperti: warna pial, kondisi tinja,
kondisi eksudat, terjadinya perdarahan dan
perubahan sistem saraf. Diagram konsep
penelitian diperlihatkan pada Gambar 3.
B. Tata Laksana
Penelitian yang dilakukan terbagi menjadi
beberapa tahapan, yaitu:
1. Analisis kebutuhan
2. Proses Akuisisi Pengetahuan
3. Penambahan Basis Pengetahuan
4. Pembuatan Program
5. Desain Antarmuka Pengguna
6. Verifikasi dan validasi sistem
Analisis kebutuhan
Untuk mendiagnosa penyakit pada ayam
ini melibatkan pihak lain seperti pakar dari
laboratorium patologi dan dokter hewan
Fakultas Kedokteran Hewan IPB sebagai
sumber pakar (domain expert). Dalam hal ini
penulis
berperan
sebagai
Knowledge
Engineer.

Pengelompokan data fuzzy & non-fuzzy

Membuat kaidah fuzzy
Dengan FIS

Membuat kaidah produksi

Implementasi

Verifikasi & validasi

selesai

Gambar 3. Diagram konsep penelitian
Proses Akuisisi Pengetahuan
Penyerapan pengetahuan dari domain
expert
dilakukan
dengan
melakukan
wawancara langsung maupun membuat
quisioner. Untuk menambah pengetahuan juga
kajian terhadap pustaka dilakukan.
Penambahan Basis Pengetahuan
Informasi yang telah diperoleh dari
domain expert kemudian disimpan
dalam
basis data pengetahuan berbasis kaidah
produksi (rule).
Pembuatan Pro gram
Pembuatan program mencakup pembuatan
inferensia berdasar basis pengetahuan yang
dikodekan ke dalam sistem. Untuk data fuzzy
digunakan FIS sebagai mesin inferensianya.
Adapun untuk data non-fuzzy, inferensia yang
digunakan menggunakan kaidah produksi atau
if-then rule.
Dari Gambar 4 dapat dijelaskan sebagai
berikut. Permasalahan nyata yang terjadi di
lapangan direpresentasikan ke dalam bahasa
natural. Setelah itu, dilakukan proses
fuzzifikasi yaitu proses perubahan masukan
tunggal menjadi beberapa nilai linguistik yang
sesuai. Nilai linguistik tersebut kemudian
dihitung dengan proses komputasi fuzzy. Hasil

6

komputasi fuzzy masih berupa gugus fuzzy
yang sehingga perlu dilakukan proses
defuzzifikasi agar menghasilkan nilai tunggal
(crisp).
Penyelesaian Sistem Pakar Fuzzy (Fuzzy
Expert System) dijelaskan pada diagram alir
Gambar 4.

Analisis
Kebutuhan
Desain
Sistem
Implementasi
Sistem

Permasalahan Nyata

Integrasi
Sistem
Pemeliharaan
Sistem

Representasi Bahasa
Natural

Fuzzifikasi

Komputasi Secara Fuzzy

Defuzzifikasi

Solusi

Gambar 4. Diagram Alir Sistem Fuzzy
(Marimin, 2002)
Desain Antarmuka Pengguna
Parameter-parameter
masukan
akan
disajikan dalam antarmuka Graphical User
Interface (GUI) sehingga pengguna hanya
mengklik dan mengisikan jawabannya.
Antarmuka Pengguna dirancang secara
interaktif sehingga mudah dip aham i oleh
pengguna dalam menjalankan sistem.
Verifikasi dan validasi
Sistem pakar yang telah selesai akan
diujikan kepada pakarnya yang dalam hal ini
adalah ahli patologi ayam dari Fakultas
Kedokteran Hewan IPB. Tujuan dari
verifikasi ini adalah agar sistem pakar yang
diperoleh mewakili ahli (human expert).
C. Pengembangan Sistem
Metode pengembangan perangkat lunak
yang digunakan adalah software lifecycle.
Metode ini merupakan model fundamental
dari aktivitas pengembangan perangkat lunak
(Soumerville, 2001), yang terdiri dari: analisis
kebutuhan
sistem,
desain
sistem,
implementasi sistem, integrasi sistem dan
pemeliharaan sistem.

Gambar 5. Alur Pengembangan Software
Lifecycle ( Soumerville , 2001).
Analisis Kebutuhan
Pada tahap ini dilakukan pendefinisian
masalah penyakit ayam yang memiliki
kesamaan apabila dilihat dari gejala klinis
yang ada. Gejala klinis merupakan gejala yang
dapat dilihat apabila terjadi perubahan
makroskopis pada bagian tertentu dari ayam.
Kemiripan
gejala
itulah
yang
menyebabkan
kesulitan
di
dalam
pendiagnosaan tahap awal sebelum dilakukan
pembedahan atau uji laboratorium.
SPDPPA yang dibangun akan melakukan
proses diagnosa tahap awal untuk membantu
di dalam pengambilan keputusan berikutnya
baik melakukan tes darah (serologi),
pengisolasian ayam yang diduga terinfeksi
atau bahkan mungkin dilakukan pemutusan
rantai penyakit dengan jalan kematian.
Desain Sistem
Desain sistem dibuat untuk memberikan
gambaran tentang sistem yang dibangun.
Desain sistem ini terbagi menjadi tiga bagian,
yaitu :
a. desain masukan. P engguna akan
melakukan proses pemasukan data. Pada
SPDPPA ini data mas ukan dapat dilihat pada
Tabel 1. Data fuzzy dan non-fuzzy didapatkan
melalui konsultasi bersama dengan pakar.
Tabel 1. Parameter m asukan SPDPPA
No
1
2
3
4
5
6
7
8
9

Gejala
Satuan
Warna Pial
Warna
Angka Kematian Persen (%)
Suhu Tubuh
Celcius (0 C)
Umur Ayam
Minggu
Eksudat/ lendir
Trakea
Perdarahan
bawah kulit
Sistem Saraf
Tinja
-

Ket
data fuzzy
data fuzzy
data fuzzy
data fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
non-fuzzy

7

b. desain proses. Desain ini dilakukan
untuk mendeskripsikan urutan kejadian dari
mulai proses masuknya data sampai dengan
sistem memberikan hasil keluaran. Pada
SPDPPA, terbagi menjadi dua, yaitu proses
diagnosa fuzzy dan diagnosa non fuzzy.
Pengguna terlebih dahulu akan melakukan
diagnosa fuzzy dengan memasukkan data fuzzy
di atas. Keluaran (output) dari diagnosa fuzzy
ini kemudian akan digunakan sebagai
masukan pada diagnosa berikutnya.
c. desain keluaran. Desain keluaran
dirancang untuk memudahkan pengguna
mengetahui keluaran sistem. Pada SPDPPA
ini keluaran berupa hasil diagnosa penyakit
yang diderita oleh ayam setelah melewati
proses diagnosa fuzzy dan non-fuzzy, beserta
informasi tambahan atau saran yang diberikan
sistem bagi pengguna.
Implementasi Sistem
Di bagian ini, kebutuhan perangkat lunak
yang mendukung SPDPPA 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. Sistem Operasi yang digunakan
dalam pengembangan SPDPPA
adalah
Windows XP Profesional Edition. Sedangkan
Matlab 6.5 digunakan
sebagai
bahasa
pemrograman.
Inte grasi Sistem
SPDPPA yang dibuat diintegrasikan dalam
bentuk simulasi program setelah melalui tahap
sebelumnya.
Pemeliharaan Sistem
Tahap ini merupakan tahap akhir di dalam
pengembangan sistem. Dalam tah ap ini sistem
yang telah dibuat akan dievaluasi. Proses
evaluasi memungkinkan terjadinya perubahan
jika terjadi penambahan informasi dan
perbaikan sesuai dengan kebutuhan pengguna.
D. Rancang Bangun Sistem
Sistem Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA) dikembangkan dengan
menggunakan perangkat lunak Matlab versi
6.5. Matlab Versi 6.5 telah menyediakan
toolbox fuzzy logic yang
menyediakan
fasilitas Fuzzy Inference System (FIS).
Diagram pendiagnosaan Sistem Pakar
Diagnosa Penyakit Pada Ayam (SPDPPA )
diperlihatkan pada Gambar 6. Ayam yang
sakit memiliki kondisi yang secara umum
loyo, tampak lemah, depresi sehingga dapat
dibedakan dengan ayam sehat.

mulai

tidak
sakit ?
ya
-

keluar
data fuzzy

warna pial
umur ayam
angka kematian
suhu tubuh

fuzzy inference system
(FIS)
data non-fuzzy
-

gejala eksudat/lendir
gejala trakea
gejala perdarahan bawah kulit
gejala sistem saraf
gejala tinja

identifikasi penyakit

Gambar 6. Proses pendiagnosaan penyakit
ayam pada SPDPPA .
Pembobotan Parameter
Pembobotan dilakukan melalui konsultasi
dengan pakar. Bobot tersebut diperoleh
dengan metode Analytical Hierarchy Proces
(AHP).
Setiap
parameter
tersebut
dibandingkan
secara
relatif
terhadap
parameter
lain
dilihat
dari
tingkat
kepentingannya. Tujuan pembobotan adalah
untuk menetapkan gejala yang memiliki
prioritas tertinggi
dalam pemeriksaan.
Perolehan nilai bobot parameter ini
didapatkan dengan bantuan perangkat lunak
Criterium DecisionPlus versi 3.0.4 Adanya
pembobotan ini dapat memberikan pengaruh
dalam proses penarikan kesimpulan saat
mendiagnosa penyakit.
Penjelasan dan Rekomendasi Sistem
Setelah melakukan proses diagnosa
dilakukan sistem akan merekomendasikan
langkah yang harus dilakukan oleh pengguna
sehingga membantu memberikan keputusan.
Bagian ini terdapat pada fasilitas pelaporan.
HASIL DAN PEM BAHASAN
A. Pemodelan Sistem
Sistem Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA) dikembangkan untuk
mendeteksi secara dini penyakit yang terdapat
pada ayam. Pendeteksian penyakit ini

8

menggunakan delapan parameter / kriteria
yang masing–masing dilakukan pembobotan
terlebih dahulu. Pembobotan dilakukan
dengan
perbandingan
berpasangan.
Menggunakan Analytical Hierarchy Proces s
(AHP). Setiap parameter dibandingakan relatif
terhadap parameter lainnnya.
Kesembilan parameter yang digunakan
tersebut dikelompokkan menjadi dua , yaitu
data fuzzy dan data non fuzzy. Pengelompokan
dapat dilihat pada Tabel 2 berikut:
Tabel 2. Karakteristik p arameter masukan
SPDPPA
No
Gejala
1 Warna Pial
2 Angka
Kematian
3 Suhu Tubuh
4 Umur Ayam
5 Eksudat/ lendir
6 Trakea
7 Perdarahan
bawah kulit
8 Sistem Saraf
9 Tinja

Tabel
No
1
2
3
4
5
6
7
8
9

3.

Satuan
Warna
Persen (%)

Ket
data fuzzy
data fuzzy

Celcius (0C)
Minggu
-

data fuzzy
data fuzzy
non-fuzzy
non-fuzzy
non-fuzzy

-

non-fuzzy
non-fuzzy

Hasil pembobotan
SPDPPA

Parameter
Kondisi Eksudat
Gejala Trakea
Warna Pial / Jengger
Perdarahan Bawah Kulit
Kondisi Kepala
(bergetar/berputar)
Angka Kematian
Suhu Tubuh
Kondisi Tinja
Umur Ayam

parameter
Bobot
0,331
0,331
0,234
0,137
0,110
0,073
0,059
0,035
0,020

Berdasar hasil wawacancara pakar dan
perhitungan
AHP,
dihasilkan
nilai
pembobotan parameter masukan yang dapat
dilihat pada Tabel 3.
B. Proses Inferensia Fuzzy
Proses Fuzzifikasi
a. Warna Pial / Jengger
Warna dikelompokkan ke dalam data fuzzy
karena untuk menentukan warna pial ini
sangat subjektif bergantung pada kondisi
orang yang melihatnya. Oleh karena itu,
sistem memberikan pilihan warna secara
fleksibel. Pada SPDPPA pengguna akan diberi
pilihan gradasi warna sebanyak 10 jenis.
Warna tersebut dimulai dari warna merah
kemudian makin memucat hingga sampai
pada warna merah kebiruan.
Setiap warna pial tersebut memiliki derajat
keanggotaan
masing-masing.
Representasi
warna pial berupa kurva gaussian (Gambar 7)
yang dikelompokkan menjadi merah, pucat

dan
merah-kebiruan.
Fungsi
keanggotaan
warna pial dirumuskan sebagai berikut:
2

µ merah [ x ] = ( 0 ; 0 ,138 ) = e

− ( x −0 )
2 ( 0 ,138 ) 2

− ( x − 0 ,521 )

µ pucat [ x ] = ( 0 ,521 ;0 ,154 ) = e

2 ( 0,154 )

2

2

− ( x − 0,970) 2

µ merah- kebiruan [ x] = (0,970 ;0, 217 ) = e

2( 0,217)

2

.

Ayam yang terserang penyakit umumnya
menunjukkan perubahan pada warna pialnya.
Pial pada ayam yang sehat biasanya berwarna
merah. Pial akan semakin membiru seiring
dengan masuknya penyakit ke tubuh ayam.
Ayam yang menderita virus Avian Influenza
memiliki warna pial yang pucat bahkan
sampai merah kebiruan.

Gambar 7. Representasi kurva gaussian untuk
warna pial.
b. Umur Ayam
Pada sistem pengguna akan memasukkan
umur ayam dalam satuan minggu. Umur ayam
dapat dikelompokkan menjadi muda, dara dan
dewasa. Ayam muda berumur 1 sampai 16
minggu, dara berumur 14 sampai 22 minggu
dan dewasa berumur 21 sampai 30 minggu.
Penyakit
ILT
misalnya,
kebanyakan
menyerang ayam berumur dara. Representasi
umur ayam berupa kurva trapesium (Gambar
8). Fungsi
keanggotaan
umur
ayam
dirumuskan sebagai berikut:
0;


µmuda[x]= 
1;
(16− x) /(16−13);
0;

( x −14) /(18−14);
µdara[x] = 
1;

(22− x) /(22−20)

x ≤ 14 atau x ≥ 22

0;


µdewasa[x]
= ( x− 21) /(22− 21);

x ≤ 21 atau x ≥ 30
21 ≤ x ≤ 22



1;

x ≤ 1 atau x ≥ 16
1 ≤ x ≤ 13
13 ≤ x ≤ 16
14 ≤ x ≤ 18
18 ≤ x ≤ 20
20 ≤ x ≤ 22

22 ≤ x ≤ 30

9

Gambar

8.

Representasi kurva
untuk umur ayam.

trapesium

c. Angka kematian
Angka kematian merupakan salah satu
faktor yang dapat dijadikan acuan untuk
mendiagnosa
penyakit.
Angka
kematian
dikelompokkan menjadi rendah, sedang dan
tinggi
dalam
proses
fuzzifikasi.
Pada
SPDPPA,
pengguna
akan
memberikan
masukan angka kematian berupa presentase.
Dari ayam yang tampak sakit ini, berapa
presentase kematiannya. Bila terjadi kasus
kematian
mendadak,
maka
nilai
angka
kematian sudah tergolong tinggi mencapai
sampai 100 persen.
Penyakit Avian Influenza dan Newcastle
Disease memiliki angka kematian yang tinggi.
Terkadang ayam tidak menunjukkan gejala
klinis terlebih dahulu. Representasi angka
kematian berupa kurva trapesium yang terlihat
pada Gambar 9 dengan fungsi keanggotaan
sebagai berikut:
0;


µrendah[x]= 
1;
(30− x)/(30− 20);

x ≤ 0 atau x ≥ 30

0;

( x −22) /(33−22);
µsedang[x]= 
1;

(60− x) /(60−45)
0;


µtinggi[x]= ( x −50) /(60−50);

1;

x ≤ 14 atau x ≥ 22

Gambar

9.

0 ≤ x ≤ 20
20 ≤ x ≤ 30

14 ≤ x ≤ 18
18 ≤ x ≤ 20
20 ≤ x ≤ 22
x ≤ 50 atau x ≥ 100
50 ≤ x ≤ 60
60 ≤ x ≤ 100

Representasi kurva trapesium
untuk angka kematian.

yaitu: normal dan tinggi. Pada ketiga
penyakit, baik ILT, ND atau AI suhu tubuh
ayam akan meningkat.
Suhu tubuh ayam normal berkisar 41,2 0C
sampai 42,8 0C. Di sisi lain ayam yang
menderita sakit baik AI, ND dan ILT suhu
tubuhnya dapat naik mencapai lebih dari 43
0
C. Suhu tubuh direpresentasikan dalam
bentuk kurva trapesium (Gambar 10). Adapun
fungsi keanggotaan dirumuskan sebagai
berikut:
x ≤ 39 atau x ≥ 43,5
0;

 (x −39) /(41,2 − 39);
39 ≤ x ≤ 41, 2
µ normal[x] = 
1;
41, 2 ≤ x ≤ 42,8

42,8 ≤ x ≤ 43,5
(43,5 − x) /(43,5 − 42,8)
0;

x ≤ 42, 7 atau x ≥ 50

µ tinggi[x]= ( x −42,7) /(43,5 −42,7);
42, 7 ≤ x ≤ 43, 5

1;
43, 5 ≤ x ≤ 50

Gambar 10.

Representasi kurva
untuk suhu tubuh.

trapesium

Proses Defuzzifikasi
Dari empat himpunan fuzzy di atas
dibentuk
suatu
aturan
(rule)
untuk
menghasilkan suatu keluaran. Sebagai contoh
aturan fuzzy adalah sebagai berikut:
If angka_kematian is tinggi and umur_ayam
is muda and warna_pial is merah-kebiruan
then sangat mendukung AI
Aturan–aturan untuk himpunan fuzzy
secara lengkap dapat dilihat pada Lampiran
1. Setelah dibuat aturan, nilai keluaran berupa
data kuantitatif tersebut didefuzzifikasi.
Keluaran dari dari proses fuzzy ini adalah
diagnosa sementara dari penyakit Infectious
Laryngotracheitis (ILT), Newcastle Disease
(ND), Avian Influenza (AI). Tiap penyakit
terbagi menjadi mendukung dan sangat
mendukung dengan skor tertentu. D ari skor
tersebut, derajat keanggotaan suatu penyakit
dapat diketahui. Adapun fungsi keanggotaan
untuk hasil keluaran data fuzzy dirumuskan
dalam fungsi gaussian sebagai berikut:
− ( x − ( − 0 ,1 )

d. Suhu Tubuh
Pada SPDPPA suhu tubuh termasuk
dalam himpunan data fuzzy dengan satuan
derajat celcius (0C). Pada proses fuzzifikasi
suhu tubuh dikelompokkan menjadi dua,

µ M − ILT

[x]

= ( − 0 ,1; 0 ,1 ) = e

2 ( 0 ,1 )

2

− ( x − 0 , 1) 2

µ SM

− ILT [ x ]

= ( 0 ,1 ; 0 ,1 ) = e

2 ( 0 ,1 )

2

2

10

Pada ilustrasi Gambar 12 di atas, nilai
crisp defuzzifikasi ada lah 0,796 yang berarti
mendukung AI. Hasil dari proses inferensia
fuzzy yang sudah bernilai tunggal (crisp)
kemudian
akan
diteruskan
dengan
pendiagnosaan parameter-parameter nonfuzzy.
Pengisiaan data fuzzy memberikan
keleluasaan bagi pengguna selama tidak
melebihi
batasan
selang
nilai
yang
diperkenankan oleh sistem. Ini merupakan
bentuk validasi sistem. Apabila pengguna
salah dalam memasukkan data fuzzy (Gambar
13), maka sistem akan memberikan
peringatan. Sebagai contoh apabila pengguna
memasu kkan warna pial yang salah. Tampilan
pengisian data fuzzy SPDPPA terlihat pada
Lampiran 15.

− ( x − 0,3) 2

µ M − ND [ x ] = ( 0 , 3; 0 ,1) = e
µ SM

2 ( 0 ,1 ) 2

= ( 0 , 5 ; 0 ,1 ) = e

− ND [ x ]

− ( x − 0,5)
2 ( 0 ,1 ) 2

2

− ( x − 0,7 ) 2

µ M − AI [ x ] = ( 0 , 7 ;0 ,1 ) = e

2 ( 0 ,1 ) 2
− ( x −0 , 9 )

µ SM

− AI [ x ]

= ( 0 , 9 ;0 ,1 ) = e

2 ( 0 , 1)

2

2

Gambar 11. Representasi kurva gaussian
unt uk keluaran jenis penyakit
Proses defuzzifikasi dari masukan warna
pial, angka kematian umur dan suhu dapat
diilustrasikan
pada Gambar 12. Proses
defuzzifikasi
pada
SPDPPA
akan
menghasilkan suatu nilai tunggal (crisp) akan
menghasilkan keluaran mendukung ILT,
sangat mendukung ILT, mendukung ND,
sangat mendukung ND, mendukung AI atau
sangat mendukung AI yang akan bergantung
pada nilai defuzzifikasinya. Setiap masukan
dieksekuasi oleh rule fuzzy dengan implikasi
and sehingga kita mengambil nilai fungsi
keanggotaan yang minimal dari masukan
untuk mendapatkan keluaran. Pada ilustrasi
terdapat lima rule fuzzy. Keluaran tersebut
kemudian
diagregasikan
sehingga
terbentuklah suatu daerah fuzzy. Metode
Centroid akan mengambil nilai tengah dari
daerah fuzzy.
B

C

D

E

Agregasi

A

Defuzzifikasi
Keterangan:
A : angka kematian
= 80 persen
B : umur ayam
= 24 minggu
C : warna pial
= 0.80
D : suhu tubuh
= 44 C
E : Nilai hasil defuzzifikasi metode Centroid = 0,796

Gambar 12. Ilustrasi proses defuzzifikasi pada
inferensia fuzzy

Gambar 13. Tampilan pengisian kesalahan
data fuzzy warna pial
Setelah pengguna melakukan pengis