Development Web Based Diagnosis Expert System of Chicken Disease.

ABSTRACT
NOVEN HIMAN HUJI. Development Web Based Diagnosis Expert System of Chicken Disease.
Under the direction of SRI NURDIATI and TOTO HARYANTO.
Disease is one of many obstacles that could reduce the productivity of poultry. Recognizing
early symptoms of the disease, knowing the source of the cause and performing a variety of efforts for
prevention are very important to increase the productivity of the poultry. This study is a continuation
of previous study done by Haryanto (2006). The system developed by Haryanto still has some
limitations : such as desktop-based systems, could not be found division of users to access system, and
it’s not using the database so there is no facility for editing disease symptoms. The present availability
of computer technology and an easiness of obtaining it has provided great possibility to apply an
information system for overcoming the problems mentioned above. For this purpose, Diagnosis
Expert System of Chicken Disease was developed in the form of a web based application. Moreover,
this study evaluates the effect of changing the membership functions of input variables on the
defuzzification results. This system is designed and built using System Development Life Cycle
(SDLC) method which consists of 5 stages, investigation systems, system analysis, system design,
system implementation, and maintenance system. The results of this research is a chicken diasease
diagnosis expert system, a web based application. In the system, the decision making is based on two
aspects, which are non fuzzy symptoms is using decision table and for symptoms fuzzy is using Fuzzy
Inference System.
Keywords : expert system, membership function, defuzzification, system development life cycle.

PENGEMBANGAN SISTEM PAKAR DIAGNOSIS
PENYAKIT AYAM BERBASIS WEB

NOVEN HIMAN HUJI

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009

PENGEMBANGAN SISTEM PAKAR DIAGNOSIS
PENYAKIT AYAM BERBASIS WEB

NOVEN HIMAN HUJI

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

2009

PENGEMBANGAN SISTEM PAKAR DIAGNOSIS
PENYAKIT AYAM BERBASIS WEB

NOVEN HIMAN HUJI

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009

ABSTRACT
NOVEN HIMAN HUJI. Development Web Based Diagnosis Expert System of Chicken Disease.

Under the direction of SRI NURDIATI and TOTO HARYANTO.
Disease is one of many obstacles that could reduce the productivity of poultry. Recognizing
early symptoms of the disease, knowing the source of the cause and performing a variety of efforts for
prevention are very important to increase the productivity of the poultry. This study is a continuation
of previous study done by Haryanto (2006). The system developed by Haryanto still has some
limitations : such as desktop-based systems, could not be found division of users to access system, and
it’s not using the database so there is no facility for editing disease symptoms. The present availability
of computer technology and an easiness of obtaining it has provided great possibility to apply an
information system for overcoming the problems mentioned above. For this purpose, Diagnosis
Expert System of Chicken Disease was developed in the form of a web based application. Moreover,
this study evaluates the effect of changing the membership functions of input variables on the
defuzzification results. This system is designed and built using System Development Life Cycle
(SDLC) method which consists of 5 stages, investigation systems, system analysis, system design,
system implementation, and maintenance system. The results of this research is a chicken diasease
diagnosis expert system, a web based application. In the system, the decision making is based on two
aspects, which are non fuzzy symptoms is using decision table and for symptoms fuzzy is using Fuzzy
Inference System.
Keywords : expert system, membership function, defuzzification, system development life cycle.

Judul Skripsi

Nama
NIM

: Pengembangan Sistem Pakar Diagnosis Penyakit Ayam Berbasis Web
: Noven Himan Huji
: G64104070

Menyetujui :

Pembimbing I

Pembimbing II

Dr. Ir. Sri Nurdiati, M.Sc
NIP 196011261986012001

Toto Haryanto, S.Kom

Mengetahui :
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Pertanian Bogor

Dr. drh. Hasim, DEA
NIP 196103281986011002

Tanggal Lulus:

PRAKATA
Alhamdulillah hirobil ‘alamin, puji dan syukur penulis panjatkan kepada Allah SWT atas
segala karunia dan rahmat-Nya sehingga tugas akhir dengan judul Pengembangan Sistem Pakar
Penyakit Ayam Berbasis Web, dapat diselesaikan.
Penulis mengucapkan terima kasih kepada pihak yang membantu dalam penyelesaian penulisan
karya ilmiah ini, antara lain kepada:
1. Kedua Orang tua penulis Bapak Wasimun dan Ibu Sukarti. Terima kasih atas kasih sayang,
dukungan dan doa yang terus mengalir.
2. Kedua saudaraku Subur Eko Wardoyo, S.T dan Puguh Heri Saputro, S.K.M. Terima kasih atas
dorongan, doa dan bantuan.
3. Ibu Dr. Ir. Sri Nurdiati, M.Sc, Bapak Toto Haryanto, S.Kom, atas bimbingan dan arahannya
selama penelitian dan penyusunan karya ilmiah ini.
4. Bapak Aziz Kustiyo, S.Si., M.Kom, atas kesediaannya menjadi moderator seminar dan dosen

penguji.
5. Ibu drh. Ekowati Handhayani, MS, Ph.D sebagai pakar atas ketersediaan waktu dalam
memverifikasi sistem yang saya buat.
6. Dosen, staf, dan karyawan Departemen Ilmu Komputer IPB atas segala ilmu dan fasilitas selama
penulis menyelesaikan studi.
7. Teman-teman Ilkomerz ’41. Terima kasih atas kebersamaan selama menuntut ilmu semoga
menjadi kenangan yang tak terlupakan.
8. Kakak-kakak kelas Ilkom 40, 39, 38, 37, dan seterusnya.
9. Teman-teman Ilkomerz ’42. Terima kasih atas dukungan dan doa.
10. Kepada semua pihak lainnya yang telah membantu dalam penyelesaian tugas akhir ini yang tidak
dapat disebutkan satu per satu, penulis ucapkan terima kasih.
Semoga karya ilmiah ini dapat bermanfaat dan menjadikannya amal sholih. Amin

Bogor, September 2009

Noven Himan Huji

RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 19 November 1986 dari pasangan Wasimun dan Sukarti.
Penulis merupakan anak ketiga dari tiga bersaudara. Penulis menempuh pendidikan SMU pada tahun

2001 - 2004 di SMU Negeri 62 Jakarta. Pada tahun 2004 penulis diterima di Departemen Ilmu
Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui jalur
USMI (Undangan Seleksi Masuk IPB). Pada bulan Juli sampai Agustus 2008 penulis melaksanakan
praktik kerja lapang di Sekretariat Pengadilan Pajak Departemen Keuangan Republik Indonesia.

DAFTAR ISI
Halaman

DAFTAR TABEL................................................................................................................................ v
DAFTAR GAMBAR ..........................................................................................................................v
DAFTAR LAMPIRAN ......................................................................................................................vi
PENDAHULUAN ..................................................................................................................................1
Latar Belakang ..................................................................................................................................1
Tujuan Penelitian ..............................................................................................................................1
Ruang Lingkup Penelitian.................................................................................................................1
Manfaat .............................................................................................................................................1
TINJAUAN PUSTAKA .........................................................................................................................1
Penyakit Ayam ..................................................................................................................................1
Himpunan Fuzzy................................................................................................................................2
Fungsi Keanggotaan fuzzy.................................................................................................................2

Sistem Inferensi Fuzzy ......................................................................................................................3
Active Server Pages (ASP)................................................................................................................3
MySQL..............................................................................................................................................3
PHP (PHP Hypertext Preprocessor ) ................................................................................................4
Sistem Pakar......................................................................................................................................4
METODOLOGI PENELITIAN..............................................................................................................4
Pengembangan Sistem ......................................................................................................................4
Investigasi Sistem ........................................................................................................................4
Analisis Sistem.............................................................................................................................4
Desain Sistem...............................................................................................................................5
Implementasi Sistem ....................................................................................................................5
Pemeliharaan Sistem ....................................................................................................................5
HASIL DAN PEMBAHASAN...............................................................................................................5
Investigasi Sistem..............................................................................................................................5
Analisis Sistem..................................................................................................................................5
Analisis Fungsi dan Proses Sistem...............................................................................................5
Akuisisi Pengetahuan ...................................................................................................................6
Analisis Inferensi Fuzzy ...............................................................................................................6
Desain Sistem....................................................................................................................................8
Perancangan Database .................................................................................................................9

Desain Proses Sistem ...................................................................................................................9
Desain Antarmuka Sistem............................................................................................................9
Implementasi Sistem .........................................................................................................................9
KESIMPULAN DAN SARAN.............................................................................................................12
Kesimpulan .....................................................................................................................................12
Saran ...............................................................................................................................................13

DAFTAR PUSTAKA .......................................................................................................................13
LAMPIRAN .......................................................................................................................................14

iv

DAFTAR TABEL
Halaman
1
2
3
4
5
6

7
8
9
10
11

Tabel keputusan penyakit ayam berdasarkan gejala klinis ...............................................................6
Parameter input data fuzzy ................................................................................................................9
Skor defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada SPDPPA ......................10
Skor defuzzifikasi dan mendukung Newcastle Disease (M-ND) pada pengembangan SPDPPA..........................................................................................................................................10
Skor defuzzifikasi dan sangat mendukung Newcastle Disease (SM-ND) pada SPDPPA ..........10
Skor defuzzifikasi dan sangat mendukung Newcastle Disease (SM-ND) pada pengembangan SPDPPA .........................................................................................................................................10
Skor defuzzifikasi dan mendukung Avian Influenza (M-AI) pada SPDPPA ..............................11
Skor defuzzifikasi dan mendukung Avian Influenza (M-AI) pada pengembangan SPDPPA .....11
Skor defuzzifikasi dan sangat mendukung Avian Influenza (SM-AI) pada SPDPPA ................12
Skor defuzzifikasi dan sangat mendukung Avian Influenza (SM-AI) pada pengembangan SPDPPA .........................................................................................................................................12
Hasil pembobotan AHP gejala fuzzy pada penelitian sebelumnya. ...............................................12

DAFTAR GAMBAR
Halaman

1
2
3
4
5
6
7
8
9
10
11
12
13

Representasi kurva segitiga...............................................................................................................2
Representasi kurva trapezoidal.........................................................................................................2
Representasi kurva Gaussian ............................................................................................................3
Tahap Pembentukan Sistem Pakar (Marimin 2002) .........................................................................4
Alur Pengembangan Sistem dengan Pendekatan SDLC (O’Brien 1999) .........................................4
Diagram Konteks Sistem ..................................................................................................................5
Representasi Kurva Warna Pial Ayam..............................................................................................6
Representasi Kurva Umur Ayam ......................................................................................................7
Representasi Kurva Persentase angka kematian ...............................................................................7
Representasi Kurva Suhu..................................................................................................................7
Representasi Kurva Penyakit ............................................................................................................7
Alur penyelesaian masalah dengan metode fuzzy (Marimin, 2002) ..................................................8
Sketsa Antarmuka Sistem .................................................................................................................9

v

DAFTAR LAMPIRAN
Halaman
1
2
3
4
5
6
7
8
9
10
11
12

DFD Level 1 (Data Flow Diagram). ..............................................................................................15
Halaman utama sistem. ...................................................................................................................15
Halaman pengisian form input untuk data pengguna ......................................................................16
Halaman pengisian data klinis ........................................................................................................16
Halaman utama untuk admin. .........................................................................................................16
Halaman hasil analisis gejala klinis. ...............................................................................................17
Halaman pengisian untuk data fuzzy. .............................................................................................17
Tabel daftar uji black box testing untuk fungsi perangkat lunak sistem .........................................18
Verifikasi pakar...............................................................................................................................19
Deskripsi tabel database. ................................................................................................................20
Aturan-aturan fuzzy penentuan jenis penyakit ayam .......................................................................21
Keterhubungan antar tabel ..............................................................................................................22

vi

1

PENDAHULUAN
Latar Belakang
Dalam
usaha
untuk
meningkatkan
produktivitas ternak ayam, ada beberapa
kendala yang perlu diperhatikan. Penyakit
merupakan salah satu kendala yang harus
diwaspadai. Menurut Sutandi (2005), penyakit
sebagai salah satu bagian dari aspek kesehatan
hewan adalah hal terpenting yang harus
diperhatikan dan merupakan salah satu faktor
penghambat kinerja produksi.
Produktivitas suatu ternak ayam akan
mengalami penurunan, jika hasil ternak ayam
terjangkit suatu penyakit. Mengenal sejak dini
gejala masing-masing penyakit, mengetahui
sumber penyebabnya serta melakukan berbagai
upaya-upaya untuk pencegahan merupakan hal
yang sangat penting bagi suksesnya usaha
peternakan ayam.
Menurut Haryanto (2006), penyakit ayam
umumnya disebabkan oleh virus, seperti
penyakit Infectious Laryngotracheitis (ILT),
Avian Influenza (AI), Newcastle Desease (ND).
Dari ketiga penyakit tersebut, ada yang dapat
menular pada manusia yaitu Avian Influenza
(AI). Penyakit ini pernah mewabah di Indonesia
pada bulan September 2003 sampai akhir 2004,
di mana penyakit ini menyebar di 17 provinsi
yang
meliputi
108
kabupaten/kota.
Mewabahnya penyakit ternak pada ayam ini
selain merugikan peternakan nasional juga
terdapat korban manusia.
Berdasarkan
masalah
yang
telah
dikemukakan tersebut maka perlu adanya
pemanfaatan teknologi informasi untuk
penyebaran informasi mengenai penyakit
ayam. Pemanfaatan tersebut dilakukan dengan
dibangunnya suatu sistem pakar penyakit ayam
berbasis web. Penelitian ini merupakan
kelanjutan dari penelitian sebelumnya yang
telah dilakukan oleh Haryanto (2006), di mana
sistem
yang
dibuat
masih
memiliki
keterbatasan, seperti sistem masih berbasis
desktop dan belum terdapat pembagian user
untuk mengakses sistem, belum menggunakan
database sehingga tidak terdapat fasilitas untuk
mengedit penyakit dan gejalanya.
Adanya perubahan aplikasi dari desktop
menjadi aplikasi berbasis web diharapkan dapat
meningkatkan kinerja sistem. Ini disebabkan
oleh semakin sedikitnya sistem dipengaruhi
oleh penggunaan memori, sehingga lebih
bergantung pada kecepatan akses database dan
jaringan internet. Lebih jauh, menurut Voloshin.

G
dan Gnatienko. E (2002), penentuan
representasi fungsi keanggotaan himpunan fuzzy
dalam membangun suatu sistem adalah hal yang
bersifat subjektif dan tergantung juga dari
domain himpunan fuzzy. Oleh karena itu, pada
penelitian ini akan dilihat pengaruh perubahan
fungsi keanggotaan terhadap hasil defuzzifikasi.
Tujuan
Tujuan penelitian ini adalah
•

Membangun Sistem Pakar Penyakit
Ayam
Berbasis
Web
sebagai
pengembangan penelitian sebelumnya
yang masih berbasis desktop.

•

Mengetahui pengaruh perubahan
fungsi keanggotaan variabel input
pada hasil defuzzifikasi.

Ruang Lingkup
Dalam penelitian ini, sistem yang
dikembangkan adalah berbasis web. Sistem ini
menerapkan inferensi fuzzy Mamdani dalam
melakukan penarikan kesimpulan dari data
gejala fuzzy penyakit ayam. Aturan untuk
inferensi fuzzy mengenai penyakit ayam diambil
dari penelitian sebelumnya. Untuk data gejala
non fuzzy (klinis) dalam pengambilan keputusan
menggunakan tabel keputusan.
Manfaat
Penelitian ini diharapkan dapat membantu
proses diagnosis penyakit ayam serta dapat
memberikan informasi tentang penyakit ayam
melalui suatu website.

TINJAUAN PUSTAKA
Penyakit Ayam
Penyakit ayam dapat ditimbulkan oleh
berbagai sebab seperti: virus, bakteri, jamur,
dan caplak. Adapun penyakit ayam yang
disebabkan oleh virus dan menyerang ayam
pada periode pertumbuhan 4 sampai dengan 20
minggu antara lain:
•

Flu burung (Avian Influenza / AI)

Flu burung (AI) pertama kali ditemukan
pada tahun 1878 di Perroncito Italia. Penyakit
ini disebabkan oleh virus orthomyxovirus.
Tingkat kematian akibat penyakit ini bisa
mencapai 100 persen, oleh karena itu flu
burung disebut sebagai highly pathogenic Avian
Influenza (HPAI). Gejala klinis Avian Influenza
dicirikan dengan gangguan pernapasan, seperti

2

ngorok, bersin, batuk, dan sinusitis, terjadi
pembengkakan di bagian kepala dan muka, dan
terjadi pendarahan di jaringan kulit terutama
bagian kaki, pial, dan kepala (Polana 2008).
•

Fungsi ini direpresentasikan dengan kurva
segitiga pada Gambar 1.

Tetelo (Newcastle Disease / ND)

Penyakit ini disebabkan oleh virus
Paramixovirus dan memiliki kemiripan gejala
dengan penyakit Avian Influenza dalam memicu
pendarahan di bawah kulit dengan indikasi
jengger dan kaki ayam berwarna kebiruan.
Kemiripan gejala ini bisa dibedakan dengan
cara melakukan bedah bangkai dan pemeriksaan
laboratorium oleh ahli patologi. Gejala klinis
pada penyakit terbagi menjadi tiga bentuk:
Mildly Pathogenic (lentogenic), Moderately
Pathogenic (mesogenic), dan Higly Pathogenic
(velogenic) (Haryanto 2006). Pada velogenic
gejala klinis yang tampak adalah adanya
gangguan pernapasan, diare dengan feses hijau,
dan kepala berputar (torticolis).
•

1. Fungsi keanggotaan triangular

Laryngotracheitis Infectiosa (ILT)

Penyakit ini disebabkan oleh virus Herpa
virus. Ciri khusus gejala klinis pada penyakit ini
adalah tersumbatnya trakea oleh exudate
sehingga ayam susah bernafas dan sering
diiikuti dengan adanya exudate berdarah.

Gambar 1. Representasi kurva segitiga.
Fungsi keanggotaan triangular dengan tiga
parameter {a, b, c} didefinisikan sebagai
berikut:

tria n g le ( x ; a , b , c ) =

0, x < a
x−a
,a ≤ x ≤ b
b−a
c− x
,b ≤ x ≤ c
c−b
0, c ≤ x

2. Fungsi keanggotaan Trapezoidal
Fungsi ini direpresentasikan dengan kurva
trapesium pada Gambar 2.

Himpunan fuzzy

Jika X adalah suatu kumpulan objek-objek
dan x adalah elemen dari X, maka himpunan
fuzzy A yang memiliki domain X didefinisikan
sebagai:

A = {(x, µ A(x) ) | x ∈ X } ,
dengan nilai µ A (x) berada dalam rentang 0
hingga 1 (Jang et al, 1997).

Gambar 2. Representasi kurva trapezoidal.

Terdapat dua cara yang lazim dalam
merepresentasikan himpunan fuzzy yaitu :
µ A ( xi ) xi

Fungsi keanggotaan trapezoidal dengan
empat parameter {a, b, c, d} didefinisikan
sebagai berikut :

1.

2.

A=

xi ∈ X

, jika X
adalah merupakan koleksi objek diskret.

A = x µ A ( x)

x

, jika X adalah
merupakan koleksi objek kontinyu.

Fungsi Keanggotaan Fuzzy

Fungsi
keanggotaan
fuzzy
biasanya
digambarkan dalam bentuk kurva yang
menunjukkan titik-titik input data ke dalam nilai
keanggotaannya yang memiliki interval antara 0
sampai 1. Terdapat beberapa tipe representasi
fungsi keanggotaan, di antaranya :

0, x ≤ a
x−a
,a ≤ x ≤ b
b−a
trapezoid ( x ; a , b , c , d ) = 1, b ≤ x ≤ c
d−x
,c ≤ x ≤ d
d −c
0, d ≤ x

3

3. Fungsi keanggotaan Gaussian
Fungsi ini direpresentasikan dengan kurva
Gaussian pada Gambar 3.

Gambar 3. Representasi kurva Gaussian.

inferensi fuzzy selesai, tahap berikutnya adalah
defuzzifikasi. Tahap ini merupakan suatu cara
untuk menghasilkan nilai crisp dari gugus fuzzy.
Salah satu metode defuzzifikasi adalah metode
Centroid. Defuzzifikasi metode Centroid adalah
teknik yang solusi tunggalnya didapatkan
dengan mengambil titik pusat daerah fuzzy
(Haryanto 2006). Titik pusat daerah fuzzy ini
dihitung dengan menjumlahkan perkalian antara
nilai derajat keanggotaan variabel output µ(z)
dengan nilai variabel output (z) kemudian
dibagi dengan penjumlahan nilai derajat
keanggotaan variabel output µ(z) yang secara
umum dapat diformulasikan sebagai berikut:

Fungsi keanggotaan Gaussian dengan dua
parameter{c, } didefinisikan sebagai berikut :
−

g a u s sia n ( x ; c , σ ) = e

1
2

x−c

2

n

z µ ( z ) dz

z j µ(z j )
z=

atau z =

j =1

z

n

σ

µ(z j )
j =1

µ ( z ) dz
z

(Jang, et al 1997)
Active Server Pages (ASP)
Sistem Inferensi Fuzzy

Sistem ini menjelaskan tentang suatu teknik
penarikan kesimpulan berdasarkan pada suatu
aturan tertentu. Penyeleksian aturan if-then
fuzzy adalah komponen utama dari sistem
inferensi fuzzy yang mampu memodelkan
keahlian manusia lebih spesifik (Jang et al.
1997). Dalam sistem inferensi fuzzy terdapat
dua proses yaitu aggregation dan composition.
Aggregation adalah proses perhitungan untuk
nilai-nilai pada bagian antecedent suatu rule.
Composition adalah proses perhitungan untuk
nilai-nilai pada bagian konsekuen suatu rule.
Salah satu model sistem inferensi fuzzy
adalah model fuzzy Mamdani. Metode Mamdani
diperkenalkan oleh Ebrahim Mamdani pada
tahun 1975. Metode ini memiliki beberapa
keuntungan antara lain: lebih intuitif, lebih
diterima oleh banyak pihak dan lebih cocok
apabila input diterima dari manusia (bukan
mesin). Pada metode Mamdani, metode yang
digunakan dalam proses agregasi adalah Min.
Selama proses agregasi, setiap kondisi pada
bagian antecedent suatu rule diberi nilai derajat
kebenaran berdasarkan pada fungsi keanggotaan
himpunan fuzzy yang sesuai dan dihasilkan nilai
derajat keanggotaan yang minimum dari setiap
antecedent suatu rule.
Pada proses composition digunakan metode
Max untuk
menentukan
nilai
derajat
keanggotaan untuk setiap himpunan fuzzy dari
variabel linguistic output pada bagian
konsekuen suatu rule. Setelah proses pemodelan

ASP merupakan salah satu bahasa
pemograman web yang bersifat server side dan
digunakan untuk menciptakan suatu halaman
web yang dinamis. Untuk menjalankan script
ASP diperlukan Internet Information Server
(IIS.5.0) sebagai web server (Gunawan 2003).
ASP merupakan salah satu produk teknologi
yang disediakan oleh Microsoft. ASP
merupakan bahasa pemrograman web yang bisa
mengintegrasikan perangkat lunak yang bersifat
executable menjadi suatu objek dengan
memanfaatkan suatu DLL (Dynamic Link
Library) yang dimiliki perangkat lunak tersebut.
Dynamic Link Library adalah library atau
pustaka yang dapat dilink dari suatu aplikasi
executable. MATLAB merupakan perangkat
lunak executable yang memiliki DLL pada
sistem operasi windows. Dengan adanya DLL
MATLAB ini dan sintaks dari ASP, dapat
diciptakan objek sehingga sistem bisa
menjalankan
perintah-perintah
executable
seperti perintah untuk menjalankan m.file pada
command line di MATLAB.
MySQL

MySQL termasuk jenis RDBMS (Relational
Database Management System) yang bersifat
terbuka (open source) dan mempunyai beberapa
tabel yang terdiri atas sejumlah baris dan
kolom. Baris pada tabel sering disebut sebagai
instance dari data, kolom sering disebut sebagai
attributes atau field (Elmasri et al. 2000).

4

PHP (PHP Hypertext Preprocessor)

METODOLOGI

PHP merupakan bahasa script server-side
yang dirancang untuk digunakan pada
pembuatan suatu halaman web yang dinamis.
PHP merupakan bahasa pemrograman web yang
bersifat terbuka (open source). Untuk dapat
menjalankan script PHP diperlukan Apache
sebagai web server (Wuryantoro 2009).
Sistem Pakar

Metode pengembangan sistem pakar
penyakit ayam berbasis web menggunakan
pendekatan siklus hidup pengembangan sistem
System Development Life Cycle (SDLC). SDLC
terdiri atas lima tahap, yaitu investigasi sistem,
analisis sistem, desain sistem, implementasi
sistem, pemeliharaan sistem, dengan alur
pengembangan seperti yang ada pada Gambar 5
(O’Brien 1999).

Sistem Pakar adalah sistem berbasis
pengetahuan yang terpadu di dalam suatu sistem
informasi dasar yang ada, sehingga memiliki
kemampuan untuk memecahkan berbagai
masalah layaknya seorang pakar (Marimin
2002). Menurut Marimin (2002) tahapan dalam
pembentukan sistem pakar adalah sebagai
berikut:

Investigasi
sistem

Analisis sistem

Mulai

Desain sistem

Identifikasi Masalah
Implementasi
sistem

Mencari Sumber Pengetahuan

Akuisisi Pengetahuan

Pemeliharaan
sistem

Representasi Pengetahuan
Gambar 5. Alur Pengembangan Sistem
dengan Pendekatan SDLC
(O’Brien 1999).

Pengembangan Mesin inferensi

Investigasi sistem

Implementasi

Pengujian

Mewakili
human expert ?

Tidak

Ya

Selesai
Gambar 4. Tahap Pembentukan Sistem
Pakar (Marimin 2002).

Investigasi sistem merupakan tahap untuk
mendefinisikan dan menganalisis pembuatan
sistem pakar penyakit ayam berbasis web serta
mengembangkan kekurangan sistem yang
terdapat
pada
penelitian
sebelumnya.
Pengembangan sistem ini membutuhkan suatu
metode untuk proses pengambilan keputusan
berdasarkan gejala-gejala dari penyakit tertentu.
Dari masalah tersebut maka pada tahap
selanjutnya akan dirancang suatu proses
pengambilan
keputusan
penyakit
ayam
berdasarkan gejala klinis dan gejala yang
bersifat fuzzy.
Analisis sistem

Pada tahap ini dilakukan analisis terhadap
kebutuhan-kebutuhan sistem yang meliputi
pembuatan fungsi dan proses sistem, proses

5

akuisisi pengetahuan untuk pengambilan
keputusan berdasarkan gejala klinis dan gejala
yang bersifat fuzzy, serta pembuatan fuzzy
inference system (FIS). Dalam pembutan FIS,
digunakan 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 menggunakan 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 perangkat lunak yang
digunakan untuk perhitungan dan penarikan
kesimpulan dengan fuzzy inference system
(FIS). Pada tahap ini akan dilakukan pengujian
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 pengguna. Pada penelitian
ini, tahap ini belum diikut-sertakan dan dibatasi
hanya sampai implementasi.

penggunaan sistem, tidak adanya fasilitas untuk
menambah, mengubah 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 dikembangkan ini
termasuk ke dalam decision support system
(DSS), oleh karena itu pada tahap selanjutnya
selain mengembangkan 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 digunakan 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
digunakan 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 angka
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 menggunakan alat bantu pemodelan
berupa data flow diagram (DFD). Perancangan
DFD digunakan untuk mengetahui aliran data
dan interaksi antara sistem dengan pengguna.
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 :

6

•

Fungsi login dan logout admin dari
sistem.

Tabel 1. Tabel keputusan penyakit ayam
berdasarkan gejala klinis.

•

Fungsi admin untuk
melihat,
mengubah,
penyakit .

Gejala

menambah,
menghapus

•

Fungsi
admin
untuk
melihat,
menambah, mengubah, dan menghapus
gejala penyakit.

•

Fungsi admin untuk melihat dan
mengubah 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.

2. 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 menggunakan
tanda *.

Pendarahan bawah kulit
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

AI
*
*
*
*

Penyakit
ND ILT
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*

3. Analisis Sistem Inferensi Fuzzy
Pada gejala yang bersifat fuzzy seperti warna
pial, umur, persentase angka kematian, dan suhu
akan diproses menggunakan analisis inferensi
fuzzy untuk ditarik suatu kesimpulan tentang
penyakit ayam. Proses penarikan kesimpulan ini
menggunakan 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 Pial
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:
x ≤ 0 atau x ≥ 0,5
0 ≤ x ≤ 0,2
(0,5 − x) (0,5 − 0,2); 0,2 ≤ x ≤ 0,5
0;

µmerah[ x] = 1;

7

0;

0;

x ≤ 0,3 atau x ≥ 0,7

µ pucat [ x ] = ( x − 0,3) /( 0,5 − 0,3);
(0,7 − x ) (0,7 − 0,5);

0,3 ≤ x ≤ 0,5
0,5 ≤ x ≤ 0,7

µmerah

0 ≤ x ≤ 15

(30 − x) (30 − 15);

0;
0;
x ≤ 0,5 atau x ≥ 1
0,5 ≤ x ≤ 0,7
[
]
(
0
,
5
)
/(
0
,
7
0
,
5
);
x
=
x
−
−
keb
iruan
0,7 ≤ x ≤ 1
1;

x ≤ x atau x ≥ 30

µrendah[ x] = ( x − 0) (15 − 0);

µsedang[x] = ( x − 14) (37 − 14);

x ≤ 14 atau x ≥ 60
14 ≤ x ≤ 37

(60 − x) (60 − 45);
0;

µtinggi [ x] = ( x − 50) (75 − 50);

Variabel Umur ayam

15 ≤ x ≤ 30

(100 − x) (100 − 75);

37 ≤ x ≤ 60
x ≤ 50 atau x ≥ 100
50 ≤ x ≤ 75
75 ≤ x ≤ 100

Variabel suhu

Gambar 8. Representasi Kurva Umur Ayam.
Variabel umur ayam direpresentasikan
menggunakan kurva trimf dengan 3 parameter
fungsi (a,b,c) yang telihat pada Gambar 8.
Variabel umur ayam mempunyai 3 himpunan
yaitu muda, dara, dewasa dengan fungsi
keanggotaan sebagai berikut:
0;

x ≤ 1 atau x ≥ 16

µmuda[ x] = ( x − 1) (8 − 1) ;

1≤ x ≤ 8
8 ≤ x ≤ 16

(16 − x) (16 − 8);

Gambar 10. Representasi Kurva Suhu.
Variabel suhu direpresentasikan dengan
menggunakan kurva trimf dengan 3 parameter
fungsi (a,b,c) yang terlihat pada Gambar 10.
Variabel suhu mempunyai 2 himpunan yaitu
normal dan tinggi dengan fungsi keanggotaan
sebagai berikut:
0;

0;

µdara [ x] = ( x − 11) (18 − 11);
(22 − x) ( 22 − 18);

x ≤ 11 atau x ≥ 22
11 ≤ x ≤ 18

µnormal[ x] = ( x − 39) (41,25 − 39);

x ≤ 39 atau x ≥ 43,5
39 ≤ x ≤ 41,25

(43,5 − x) (43,5 − 41,25); 41,25 ≤ x ≤ 43,5

18 ≤ x ≤ 22

0;
x ≤ 21 atau x ≥ 30
0;
21 ≤ x ≤ 25
µdewasa [ x] = ( x − 21) (25 − 21);
(30 − x) (30 − 25);
25 ≤ x ≤ 30

Variabel persentase angka kematian

Gambar 9. Representasi Kurva Persentase
angka kematian.
Variabel persentase angka kematian
direpresentasikan dengan menggunakan kurva
trimf dengan 3 parameter fungsi (a,b,c) yang
terlihat pada Gambar 9. Variabel persentase
angka kematian mempunyai 3 himpunan yaitu
rendah, sedang, tinggi dengan fungsi
keanggotaan sebagai berikut:

x ≤ 42,7 atau x ≥ 50

µtinggi[ x] = ( x − 42,7) (46,35 − 42,7); 42,7 ≤ x ≤ 46,35
(50 − x) (50 − 46,35);

46,35 ≤ x ≤ 50

Variabel Penyakit

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
menggunakan kurva Gaussian yang terlihat
pada Gambar 11. Keenam himpunan berfuzzy
tersebut
adalah mendukung penyakit
Laryngotracheitis Infectiosa (M-ILT), sangat

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
µ

µM

− ND

− AI

SM − AI

[ x ] = ( 0 ,1; 0 ,1) = e

[ x ] = ( 0 , 3 ; 0 ,1 ) = e

M − ND

µ SM

µ

− ILT

[ x ] = ( 0 , 5 ; 0 ,1 ) = e

[ x ] = ( 0 , 7 ; 0 ,1 ) = e

[ x ] = ( 0 , 9 ; 0 ,1 ) = e

− ( x − ( − 0 ,1 ))
2 ( 0 ,1 ) 2

2

− ( x − 0 ,1) 2
2 ( 0 ,1) 2
− ( x − 0 ,3 ) 2
2 ( 0 ,1 ) 2

− ( x − 0 ,5 ) 2
2 ( 0 ,1 ) 2

− ( x − 0 ,7 ) 2
2 ( 0 ,1 ) 2
− ( x − 0 ,9 ) 2
2 ( 0 ,1 ) 2

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
digunakan
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 menggunakan
metode fuzzy khusus untuk gejala penyakit
ayam yang bersifat fuzzy. Untuk gejala klinis
menggunakan tabel keputusan sebagai proses
pengambilan keputusan penyakit ayam. Pada
alur penyelesain masalah dengan menggunakan
metode fuzzy terdapat 3 komponen penting
dalam menghasilkan suatu pengambilan
keputusan menggunakan metode fuzzy. Alur ini
dapat dilihat pada Gambar 12.
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 2 proses yaitu front end
dan back end. Back end merupakan proses di
mana matlab digunakan sebagai perangkat
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 12. Alur penyelesaian masalah dengan
metode fuzzy (Marimin, 2002).

9

Di sisi lain, pada tahap desain sistem ini
akan dibuat perancangan database, desain
proses sistem, dan antarmuka sistem.

HEADER WEB

1. Perancangan Database
Pada perancangan database akan dibuat
tabel beserta atributnya. Pembuatan database
ini digunakan 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 12.
2. 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, mengubah, menghapus
data gejala non fuzzy, melihat relasi antara
penyakit dengan gejala non fuzzy. Pengguna
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
digunakan untuk menu navigasi. Bagian teratas
adalah bagian header. Halaman utama dan isi
terdapat pada bagian tengah /content. Bagian
terbawah digunakan 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.

Navigasi

Content

FOOTER
Gambar 13. Sketsa Antarmuka Sistem.
Implementasi sistem

Sistem ini akan dikembangkan dengan
menggunakan perangkat lunak Microsoft®
Windows XP Profesional sebagai sistem
operasi, MATLAB 7.0 sebagai perangkat lunak
pembuatan fuzzy inference system, Internet
Information Server 5.0 (IIS 5.0) dan Apache
2.2.4 sebagai web server, ASP Version 3.0,
Javascript dan PHP versi 5.2.1 sebagai bahasa
pemrograman web, MYSQL versi 5.0.33
sebagai sistem manajemen database, Web
browser mozilla firefox 3.0.4 dan internet
explorer serta Macromedia dreawever 8 sebagai
editor bahasa pemrograman sekaligus tampilan
web.
Pada tahap ini juga dilakukan pengujian
sistem. Pengujian pengembangan sistem pakar
ini terbagi menjadi dua yaitu untuk fungsi yang
telah dihasilkan pada tahap analisis fungsi dan
proses sistem digunakan metode black box
testing sebagai metode pengujian. Berdasarkan
hasil pengujian dengan metode black box
testing pada Lampiran 8, seluruh fungsi pada
aplikasi web ini telah berfungsi dengan baik.
Pada pengujian yang kedua akan dilihat
perbandingan hasil defuzzifikasi sesudah dan
sebelum
pengembangan
sistem
dengan
parameter input terdapat pada Tabel 2.
Tabel 2.Parameter input data fuzzy.
Input
Warna
pial
(warna)
1-10

Umur
(minggu)
20

Angka
kematian
(persen)
30,40,50,60

Suhu
(oC)
43,44,45

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

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).
Skor rata-rata adalah skor hasil defuzzifikasi
dengan menggunakan 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. Skor defuzzifikasi dan mendukung
Newcastle Disease (M-ND) pada
SPDPPA.
Pial

Umur
/
ming
gu

Persentase
angka
kematian/
(%)

Suhu/
(oC)

20

30
40
50

43
44
45

(1)

Skor
ratarata

ratarata

0.32

0,96

Tabel 4. Skor defuzzifikasi dan mendukung
Newcastle Disease (M-ND) pada
pengembangan SPDPPA.
Pial

Umur
/
Ming
gu

Persentase
angka
kematian/
(%)

20

30
40
50

43
44
45

20

60

45

20

30
40
50

43
44
45

20

60

45

20

30
40
50

43
44
45

60

45

(1)

Suhu/
(oC)

Skor
ratarata

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 2006).
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. Skor defuzzifikasi dan
sangat
mendukung Newcastle Disease (SMND) pada SPDPPA.
Pial

20

60

43
44
45

30
40
50
30
40
50

43
44
45
43
44
45

(2)

(3)
20

Suhu/
(oC)

Skor
ratarata

ratarata

0,70
0.41
0,72
0.56

0.83

Tabel 6. Skor defuzzifikasi dan
sangat
mendukung Newcastle Disease (SMND) pada pengembangan SPDPPA.
Pial
0.31

0.96

Umur
/
Ming
gu

Persentase
angka
mati/
(%)

20

60

43
44

20

60

43
44

20

60

43
44

20

30
40
50

43
44
45

20

60

44
45

(1)

(2)

(3)
20

Persentase
angka
mati/
(%)

(1)

(2)

(3)

Umur
/
Ming
gu

20
ratarata

(1)

(2)

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 20 minggu, suhu tubuh yang
tinggi antara 43 oC sampai 45 oC dengan tingkat
kematian untuk beberapa kasus bisa mencapai
60 persen.

(3)

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 angka
kematian yang mencapai 60 persen belum
dikategorikan mendukung penyakit ND. Di sisi

(4)

(4)

Suhu/
(oC)

Skor
ratarata

ratarata

0.43

0,79

0.51

0.97

11

Pada Tabel 5, dapat dilihat bahwa untuk
menentukan penyakit ND dengan tingkat sangat
mendukung dapat dicirikan sebagai berikut:
umur ayam tergolong dara 20 minggu, warna
pial berada di antara warna pertama dan ketiga
dengan warna pial pertama hanya terjadi pada
semua parameter input suhu dan persentase
angka kematian 60 persen, warna pial kedua
terjadi pada semua parameter input persentase
angka kematian dan suhu, dan warna pial
ketiga terjadi pada semua parameter input suhu
dan belum terjadi pada persentase angka
kematian 60 persen.
Di sisi lain, pada Tabel 6 untuk
mendiagnosis penyakit ND dengan tingkat
sangat mendukung dapat dicirikan sebagai
berikut: umur ayam tergolong dara 20 minggu,
warna pial berada di antara warna pertama dan
keempat dengan warna pial pertama sampai
dengan ketiga hanya terjadi pada persentase
angka kematian 60 persen dan suhu di antara 43
o
C sampai 44 oC, serta warna pial keempat
terjadi pada semua parameter input persen