BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Permasalahan
Hewan ternak yang banyak diserang penyakit yaitu pada ayam. Salah satu contoh penyakit yang banyak menyerang ayam adalah penyakit avian influenza. Penyakit ini
dapat menyebabkan kematian. Tingkat kematian akibat penyakit ini bisa mencapai 100 dan tingkat penularan yang sangat tinggi.
Hasil yang diperoleh oleh seorang dokter hewan dengan melihat gejala-gejala yang terdapat pada ayam sering bersifat parsial, sehingga kadang kala seorang dokter
hewan pun mengalami kesulitan dalam mencari hubungan antara gejala-gejala dengan penyakit. Dari hasil analisis permasalahan, perlu dirancang sebuah aplikasi yang dapat
mendeteksi suatu penyakit dan hasilnya bermanfaat dan memuaskan bagi para pemakai.
3.2 Analisis Sistem
Sistem pendeteksian penyakit yang dirancang dalam penelitian ini diharapkan dapat mengenali penyakit apa saja yang ditimbulkan. Untuk mengetahui hasil suatu
penyakit, seorang dokter hewan harus memperoleh gejala-gejala yang diderita hewan tersebut. Dalam mendeteksi penyakit dibutuhkan sebuah sistem yang dapat
dimanfaatkan dalam mendeteksi penyakit yang ada pada ayam.
Agar sistem dapat mengenali beberapa penyakit yang diderita ayam tersebut maka sebelumnya sistem harus melalui proses pelatihan. Setelah proses pelatihan,
Universitas Sumatera Utara
24 sistem akan menyimpan matriks bobot hasil pelatihan. Matriks bobot inilah yang
digunakan untuk mengenali kembali penyakit pada proses pengujian atau simulasi.
3.2.1 Analisis Masukan dan Keluaran Sistem
Data yang digunakan sebagai masukan sistem adalah berupa ciri-ciri dan gejala yang tampak pada ayam yaitu :
1. Bulu Melebar
2. Mata Terlihat Kelabu
3. Pupil Menyempit
4. Fases Cair
5. Warna Bulu Pucat
6. Menggelengkan Kepalanya
7. Sayap Terkulai
8. Hidung BerlendirBerair
9. Mata Berair
10. Leher Yang Berputar
11. Wajah,Pial Dan Leher Pucat
12. Bulu Tampak Jatuh Ke Bawah
13. GemetarMenggigil
14. Pembengkakan Dibagian Kepala Dan Leher
15. Muka Ayam Bengkak
16. Jengger Dan Pial Kebiruan
17. Bintik-Bintik Merah Pada Unggas
18. Kotoran Menempel Pada Kloaka
19. Duduk Membungkuk
20. Mematuki Kloakanya
21. Warna Fases Kehijauan
22. Fases Berwarna Keputih-Putihan
23. Lendir Berdarah Pada Rongga Mulut
24. Bila Bernapas Kepala Ditegakkan
25. Bulu Mengkerut
Universitas Sumatera Utara
25 26.
Pembengkakan Mata 27.
Bulu Sekitar Kloaka Kotor 28.
Terdapat Kerak Pada Hidung 29.
Tembolok Kosong 30.
Bulu Disekitar Leher Dan Punggung Berdiri 31.
Terengah-Engah 32.
Gerakan Tidak Aktif 33.
Luka Berwarna Hitam Di Bagian Kulit 34.
Pusar Membengkak 35.
Pusar Menebal 36.
Pusar Terasa Basah Jika Diraba 37.
Adanya Bungkul-Bungkul Putih 38.
Adanya Luka Keropeng 39.
Terdapat Lesi 40.
Adanya Kerak-Kerak Putih 41.
Terdapat Warna Kekuning-Kuningan 42.
Kulit Yang Tidak Berbulu Terasa Kasar 43.
Jengger Dan Pial Bengkak 44.
Muka Ayam Tampak Pucat 45.
Bulu Ayam Kasar 46.
Lumpuh 47.
Pembesaran Pada Syaraf 48.
Diare 49.
Sesak Nafas 50.
Mengantuk 51.
Nafsu Makan Turun 52.
Ngorok 53.
Bersin 54.
Batuk 55.
Kurus 56.
Pendarahan Pada Selaput Mata 57.
Depresi 58.
LesuLemas
Universitas Sumatera Utara
26 59.
Pergerakan Otot Tidak Terkoordinasi Dengan Baik 60.
Pergerakan Kaki Tidak Terkoordinasi Dengan Baik.
Ciri dan gejala tersebut dikonversikan ke dalam bilangan biner yang kemudian disimpan di Microsoft Office Excel 2007. Keluaran yang dihasilkan oleh sistem adalah
berupa 16 jenis penyakit ayam yaitu : 1.
Marek Disease 2.
Chronic Respiratory Disease 3.
Salesma Ayam 4.
Infectious Bursal Disease 5.
Newcastle Disease 6.
Avian Tuberculosis 7.
Avian Laryngotraceitis 8.
Infectious Coryza 9.
Infectious Bronchitis 10.
Avian Influenza 11.
Avian Collibacillosos 12.
Aspergillosis 13.
Necrotic Dermatitis 14.
Nevel Infection 15.
Fowl Pox 16.
Dermatommycosis
Sebagai contoh apabila di input : Lumpuh, Pembesaran Syaraf dan Diare maka Output : Penyakit Marek Disease.
3.2.2 Analisis Jaringan Syaraf Tiruan
Jaringan syaraf tiruan terdiri dari elemen-elemen pemroses yang tersusun dan terhubung dengan arsitektur tertentu. Hubungan antar elemen tersebut mempuyai nilai
tertentu yang dapat mengatur sinyal yang melewati koneksi tersebut. Nilai yang dikenal dengan nilai bobot ini akan mengalami perubahan dalam proses pelatihan.
Universitas Sumatera Utara
27 Metode pelatihan yang digunakan dengan metode pembelajaran yang dilakukan
adalah metode pelatihan tidak terpandu. Algoritma pelatihan yang digunakan berupa algoritma pelatihan self-organizing feature maps.
Self Organizing Feature Maps terdiri dari dua lapisan, yaitu lapisan input dan lapisan output. Setiap neuron output mempunyai bobot untuk masing-masing neuron
input. Setiap input yang diberikan dihitung jarak Euclidean dengan setiap neuron output, kemudian dicari neuron output yang mempunyai jarak minimum. Neuron yang
mempunyai jarak yang paling kecil disebut neuron pemenang atau neuron yang paling
sesuai denga input yang diberikan.
3.2.3 Analisis Self-Organizing Feature Maps
Analisis Self-Organizing Feature Maps dilakukan untuk mendapatkan jaringan syaraf tiruan Self-Organizing Feature Maps dengan performa terbaik untuk mendeteksi
penyakit pada ayam. Pada analisis jaringan syaraf tiruan Self-Organizing Feature Maps dilihat hasil pengelompokan yang dihasilkan dari proses pelatihan jaringan
syaraf tiruan. Pelatihan jaringan sayraf tiruan dilakukan dengan menggunakan data dari 16 jenis penyakit, dimana setiap jenis penyakit terdiri dari tiga jenis ciri penyakit.
Banyak variabel yang akan digunakan untuk pengelompokan adalah 60 variabel. Sehingga masukan berupa 60 variabel dari 48 jenis ciri dan gejala penyakit yang akan
dikelompokkan menjadi 16 kelas. Pada proses pelatihan pertama digunakan satu jaringan syaraf tiruan Self-
Organizing Feature Maps, data hasil pengelompokan yang didapat adalah sebagai berikut:
Ac= [5 15 2 10 4 7 2 16 14 1 9 12 9 8 5 6] Dari pelatihan hingga 200.000 epoch masih terdapat beberapa hasil
pengelompokan yang sama, sehingga dapat disimpulkan performa jaringan syaraf tiruan belum maksimal.
Universitas Sumatera Utara
28 Pada proses pelatihan kedua digunakan enam jaringan syaraf tiruan Self-
Organizing Feature Maps, dimana data masukan dari setiap jaringan syaraf tiruan Self-Organizing Feature Maps adalah 10 variabel dari 48 jenis ciri dan gejala
penyakit. Pelatihan mencapai hasil maksimal pada epoch ke-100. Data hasil pengelompokan yang didapat adalah sebagai berikut:
Ac= [11 8 5 5 16 9 13 8 5 5 16 9
11 8 5 5 16 9 1 16 5 5 16 9
1 15 5 5 16 9 1 16 5 5 16 9
16 1 1 5 16 9 3 4 1 5 16 9
16 3 5 5 16 9 7 12 15 5 7 9
9 12 16 5 16 9 7 8 14 5 7 9
12 8 11 1 16 9 16 8 9 5 16 9
9 8 11 5 16 9 9 8 5 9 16 9
9 8 5 9 16 9 9 8 5 8 16 9
16 3 5 11 16 9 16 3 5 11 16 9
16 4 5 11 16 9 1 16 5 11 16 9
1 15 5 11 16 9 1 14 5 5 16 9
Universitas Sumatera Utara
29 3 2 5 5 16 9
3 6 5 5 16 9 3 6 5 5 16 9
13 2 9 16 11 9 9 2 5 5 11 9
13 6 9 2 10 9 9 4 5 5 3 9
3 4 5 5 7 9 9 8 5 5 4 9
14 10 5 5 1 9 14 8 5 5 13 9
14 8 5 5 2 9 3 8 5 16 2 12
3 8 5 16 7 12 3 8 5 13 7 9
3 8 5 13 16 1 3 8 5 5 16 2
3 8 5 5 16 3 16 12 5 13 16 6
16 12 5 13 16 9 16 12 5 5 16 6
3 8 5 5 16 16 3 8 5 5 16 16
3 8 5 5 16 14]
Pada proses pelatihan ketiga digunakan empat jaringan syaraf tiruan Self- Organizing Feature Maps, dimana data masukan dari setiap jaringan syaraf tiruan
Self-Organizing Feature Maps adalah 15 variable dari 48 jenis ciri dan gejala
Universitas Sumatera Utara
30 penyakit. Pelatihan mencapai hasil maksimal pada epoch ke-100. Data hasil
pengelompokan yang didapat adalah sebagai berikut: Ac= [5 6 9 8
6 6 9 8 5 6 9 8
16 10 9 8 15 10 9 8
16 10 9 8 3 16 9 8
12 15 9 8 3 16 9 8
14 2 16 8 7 3 9 8
7 2 16 8 5 1 7 8
3 4 9 8 8 1 9 8
8 6 5 8 8 6 5 8
8 6 4 8 3 16 1 8
3 16 1 8 3 14 1 8
16 8 2 8 14 8 2 8
15 8 9 8 12 11 9 8
10 13 9 8 10 11 9 8
Universitas Sumatera Utara
31 6 13 12 8
7 13 12 8 6 13 12 8
8 14 16 13 10 14 16 8
8 6 16 10 1 6 16 14
1 6 9 14 1 6 16 13
10 6 14 12 10 6 14 11
10 6 14 8 10 6 11 5
10 6 9 6 10 6 9 4
3 6 11 1 3 6 11 8
3 6 9 1 10 6 9 16
10 6 9 16 10 6 9 16]
Setelah dilakukan proses pengujian dibandingkan keakuratan hasil pengenalan. Dimana keakuratan hasil deteksi untuk data yang dilatih pada jaringan syaraf tiruan
yang terdiri dari empat Self-Organizing Feature Maps lebih akurat dibandingkan dengan untuk data yang dilatih pada jaringan syaraf tiruan yang terdiri dari enam Self-
Organizing Feature Maps, sehingga sistem ini digunakan pelatihan dengan empat jaringan syaraf tiruan Self-Organizing Feature Maps.
Dimana perbandingan pelatihannya dapat dilihat sebagai berikut :
Universitas Sumatera Utara
32 Pelatihan dengan 6 JST yaitu 1 JST ada 10 ciri dan gejala penyakit dari ciri
yang pertama sampai ciri yang ke 10. Begitu juga dengan JST 2 dari 10 ciri dan gejala penyakit yaitu ciri yang ke 11 sampai ciri yang ke 20 dan sampai JST yang ke-6 ada
masing-masing 10 ciri dan gejala penyakit. Pelatihan dengan 4 JST yaitu 1 JST ada 15 ciri dan gejala penyakit dari ciri
yang pertama sampai ciri yang ke 15. Begitu juga dengan JST 2 dari 15 ciri dan gejala penyakit yaitu ciri yang ke 16 sampai ciri yang ke 30 dan sampai JST yang ke-6 ada
masing-masing 15 ciri dan gejala penyakit. Perbandingan antara 6 JST dengan 4 JST yaitu pada inputan dalam melakukan
proses pengujian. Dimana 6 JST sebagai inputannya yaitu semua ciri dan gejala penyakit yang bernilai satu pada satu jenis penyakit sedangkan 4 JST tidak semua ciri
dan gejala penyakit yang bernilai satu pada satu jenis penyakit yang menjadi inputan.
Contoh : 1.
Penyakit Marek Disease pada 6 JST Ciri dan gejala penyakit yang bernilai satu yaitu Lumpuh, Pembesaran Syaraf,
Diare, Sesak Nafas, Bulu Melebar, Mata Terlihat Kelabu, Pupil Menyempit. Maka semua ciri dan gejala penyakit inilah yang sebagai inputannya sehingga
dapat menghasilkan output yang benar.
2. Penyakit Marek Disease pada 4 JST
Ciri dan gejala penyakit yang bernilai satu yaitu Lumpuh, Pembesaran Syaraf, Diare, Sesak Nafas, Bulu Melebar, Mata Terlihat Kelabu, Pupil Menyempit.
Dimana, salah satu diantara ciri dan gejala penyakit ini juga dapat menghasilkan output yaitu berupa satu jenis penyakit. Misalnya : Pembesaran
Syaraf, Diare, Lumpuh maka output yaitu jenis penyakit Marek Disease.
3.3 Perancangan Sistem
Perancangan sistem pengenalan penyakit pada ayam terdiri dari tiga bagian yaitu, perancangan prosedural, perancangan data flow diagram DFD dan perancangan
antarmuka.
Universitas Sumatera Utara
33
3.3.1 Perancangan Prosedural
Perancangan prosedural merupakan langkah awal dalam perancangan sistem. Perancangan prosedural bertujuan untuk memudahkan pemahaman terhadap urutan
proses yang dilakukan sistem. Pada sistem pengenalan penyakit pada ayam, terdapat dua proses utama, proses tersebut adalah proses pelatihan JST dan proses pengujian
JST. Perancangan prosedural akan dibantu dengan menggunakan diagram alir flowchart dan algoritma.
3.3.1.1 Proses Pelatihan JST
Diagram alir proses pelatihan dapat dilihat pada Gambar 3.1.
Mulai
Selesai Latih JST SOFM
Simpan bobot Input Gejala
Penyakit
Output bobot hasil pelatihan
Gambar 3.1 Diagram Alir Proses Pelatihan JST
Pada proses pelatihan, proses dimulai dengan memasukkan gejala penyakit dari semua penyakit yang berupa bilangan biner 1 dan 0. Lalu latih jaringan syaraf tiruan
SOFM. Setelah proses pelatihan selesai akan dihasilkan bobot pelatihan. Bobot
Universitas Sumatera Utara
34 pelatihan kemudian disimpan pada file excel dan akan digunakan kembali pada proses
pengujian.
Berikut adalah algoritma dari proses pelatihan JST pada sistem pengenalan penyakit pada ayam.
Proses Pelatihan JST input = xlsreadAyam1.xlsx, Sheet1, B2:P49;
input= input; net1=newsomminmaxinput,16;
net.trainparam.epochs=1000; net1=trainnet1,input;
bobot1=net1.IW{1,1}; xlswriteAyam1.xlsx, bobot1, Bobot, A1:O16;
b1=simnet1,input; ac1=vec2indb1
3.3.1.2 Proses Pengujian JST
Diagram alir proses pengujian JST dipaparkan pada Gambar 3.2.
Mulai
Selesai Uji dengan JST SOFM Menggunakan
Bobot yang Didapat dari Proses Pelatihan
Input Gejala Penyakit
Tampilkan Hasil Pengujian Berupa Jenis Penyakit,
Gejala dan Pencegahannya
Gambar 3.2. Diagram Alir Proses Pengujian JST
Universitas Sumatera Utara
35 Pada proses pengujian, proses dimulai dengan memasukkan gejala penyakit yang
diderita pada ayam yang berupa bilangan biner 1 dan 0. Kemudian dengan menggunakan input tersebut, uji jaringan syaraf SOFM menggunakan bobot yang
didapat dari poses pelatihan. Setelah proses pengujian selesai akan didapatkan jenis penyakit yang sesuai dengan gejala tersebut dan sistem akan menampilkan jenis
penyakit berdasarkan gejala yang dimasukkan.
Berikut adalah algoritma dari proses pengujian JST pada sistem pengenalan penyakit pada ayam.
Proses Pengujian JST -
Input Gejala Penyakit guidatahObject,handles;
a gethandles.BJ,value;
if a 1
writeAyam.xlsx, 1,Sheet2,BI; else
writeAyam.xlsx, 0,Sheet2,BI; end
- UJI JST SOFM
Output simnet, data uji normalisasi
Input xlsreadAyam.xlsx, Sheet2, A1:BI1;
Input input;
Net newsomminmaxinput,16;
net initnet;
net.iw{1,1} xlsreadAyam.xlsx, Bobot;
b simnet,input;
ac vec2indb;
- Tampilkan Hasil Pelatihan
if ac m
jenispenyakit m
Universitas Sumatera Utara
36
deletehandles.figure1 elseif ac
n jenispenyakit n
deletehandles.figure1 else
jenispenyakit o deletehandles.figure1
end
3.3.2 Perancangan Data Flow Diagram DFD
Diagram konteks dari perancangan sistem pengenal penyakit pada ayam menggunakan metode Self-Organizing Feature Maps diperlihatkan pada Gambar 3.3.
Sistem Pendeteksi Penyakit pada Ayam
Pengguna Gejala Penyakit
Hasil Deteksi Jenis, ciri-ciri dan Pencegahannya
Pilih Jenis Penyakit
Informasi Penyakit
Gambar 3.3 Diagram Konteks Sistem Pengenal Penyakit
Pada DFD konteks aplikasi yang dilakukan pengguna memilih jenis penyakit, memasukkan gejala penyakit. Sedangkan yang akan didapatkan pengguna dari sistem
adalah hasil deteksi berupa jenis, ciri-ciri dan pencegahannya dan informasi tentang penyakit
.
Proses ini sistem akan menampilkan informasi penyakit dijelaskan pada DFD level 1 pada Gambar 3.4.
Universitas Sumatera Utara
37
1.0 Deteksi Penyakit
dengan SOFM Pengguna
Gejala Penyakit Hasil Deteksi
Jenis, ciri-ciri dan Pencegahannya Pilih Jenis Penyakit
2.0 Lihat Informasi
Penyakit Informasi Penyakit
Bobot
Gambar 3.4 DFD Level 1 Sistem Pengenal Penyakit
Pada DFD Level 1 proses 1 diperlihatkan pengguna memasukkan gejala penyakit pada proses deteksi penyakit dengan SOFM, proses juga menggunakan bobot
yang telah disimpan dari proses pelatihan. Dari proses ini didapatkan hasil deteksi yang berupa jenis penyakit, ciri-ciri dan pencegahan yang dapat dilakukan terhadap
penyakit tersebut. Pada DFD Level 1 proses 2 pengguna melihat informasi penyakit dengan memasukkan jenis penyakit yang ingin diketahui informasinya.
3.3.3 Tabel Penyakit, Ciri dan Gejalanya
Setiap penyakit ayam memiliki ciri dan gejala yang menjelaskan penyakit tersebut. Untuk lebih jelasnya dapat dilihat pada tabel 3.1.
Tabel 3.1 Penyakit, Ciri dan Gejala
Penyakit Ciri dan Gejala Penyakit
1 2
3 4
5 6
7 8
9 10
11 12
L PS D
SN BM
MK PM MB FC M BP MKP
Marek Disease
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1
Universitas Sumatera Utara
38
Chronic Respiratory
Disease CRD
1 1
1 1
1 1
1 1
1
Salesma Ayam
1
1
Infectious Bursal Disease
1 1
1 1
1
Newcastle Disease
1 1
1 1
1
Avian Tuberculosis
1 1
1
Infectious Laryngotraceitis
1 1
1
infectious Coryza
1 1
1 1
1 1
1
Infectious Bronchitis
Avian Influenza
1 1
1 1
1
Universitas Sumatera Utara
39
Avian Colibacillosis
1
1
Aspergillosis
1 1
1 1
1 1
1 1
Necrotic Dermatitis
Navel Infection
Fowl Pox
1 1
1
Dermatommycosis
Penyakit Ciri dan Gejala Penyakit
13 14
15 16 17
18 19
20 21
22
ST NMT HB N
B BT MBR
LBM BTMT
BMK
Marek Disease
Chronic Respiratory
Disease CRD
1 1
1 1
1 1
1 1
1 1
1 1
1
Universitas Sumatera Utara
40
Salesma Ayam
1 1
1 1
1 1
1 1
1 1
Infectious Bursal Disease
1 1
1 1
Newcastle Disease
Avian Tuberculosis
Infectious Laryngotraceitis
1 1
1 1
1
infectious Coryza
1 1
1 1
1 1
1 1
1
Infectious Bronchitis
1 1
1 1
1 1
1 1
1
Avian Influenza
1 1
1 1
1 1
1 1
1 1
Avian Colibacillosos
1 1
Universitas Sumatera Utara
41
Aspergillosis
1
Necrotic Dermatitis
Navel Infection
Fowl Pox
1 1
1
Dermatommycosis
Penyakit Ciri dan Gejala Penyakit
23 24
25 26
27 28
29 30
31 32
BKK FP
DM MKL
WFK BJK
GM PKL
LB WPLP
Marek Disease
Chronic Respiratory
Disease CRD
Salesma Ayam
Universitas Sumatera Utara
42
Infectious Bursal Disease
1 1
1 1
1 1
1 1
1 1
1
Newcastle Disease
1 1
1 1
1 1
1 1
1 1
Avian Tuberculosis
1 1
Infectious Laryngotraceit
is
infectious Coryza
Infectious Bronchitis
Avian Influenza
1
1
Avian Colibacillosos
Aspergillosis
Universitas Sumatera Utara
43
Necrotic Dermatitis
Navel Infection
Fowl Pox
Dermatommyc osis
Penyakit Ciri dan Gejala Penyakit
33 34
35 36
37 38
39 40
41 42
K PMT
PSM TKH
TK D
BLPB JPB JPK BMU
Marek Disease
Chronic Respiratory Disease
CRD
Salesma Ayam
Infectious Bursal Disease
Universitas Sumatera Utara
44
Newcastle Disease
Avian Tuberculosis
1 1
1
Infectious Laryngotraceitis
1 1
1 1
infectious Coryza
1 1
1 1
1
Infectious Bronchitis
Avian Influenza
1 1
1 1
1 1
1 1
1
Avian Colibacillosos
Aspergillosis
Necrotic Dermatitis
1 1
1 1
Universitas Sumatera Utara
45
1
Navel Infection
1
Fowl Pox
1 1
Dermatommycosis
Penyakit Ciri dan Gejala Penyakit
43 44 45
46 47
48 49
50 51
52
MTP BK L
KMK T
POTB GTA LBHK PKTB PMK
Marek Disease
Chronic Respiratory
Disease CRD
Salesma Ayam
Infectious Bursal Disease
1
1
Newcastle Disease
Universitas Sumatera Utara
46
Avian Tuberculosis
Infectious Laryngotraceitis
infectious Coryza
Infectious Bronchitis
Avian Influenza
1 1
1 1
Avian Colibacillosos
1 1
1 1
1 1
Aspergillosis
1 1
1 1
1 1
1 1
1
Necrotic Dermatitis
1 1
1 1
1 1
Navel Infection
1
Universitas Sumatera Utara
47
1
Fowl Pox
Dermatommycosis
Penyakit Ciri dan Gejala Penyakit
53 54
55 56
57 58
59 60
PML PBR
ABP AL
TL AKP
TWK KTBK
Marek Disease
Chronic Respiratory Disease CRD
Salesma Ayam
Infectious Bursal Disease
Newcastle Disease
Universitas Sumatera Utara
48
Avian Tuberculosis
Infectious Laryngotraceitis
infectious Coryza
Infectious Bronchitis
Avian Influenza
Avian Colibacillosos
Aspergillosis
Necrotic Dermatitis
Navel Infection
1 1
1
Universitas Sumatera Utara
49
Fowl Pox
1 1
1
1 1
Dermatommycosis
1 1
1 1
1 1
Keterangan : 1
: Ya : Tidak
L : Lumpuh
PS : Pembesaran Saraf
D : Diare
SN : Sesak Nafas
BM : Bulu Melebar
MK : Mata Terlihat Kelabu
PM : Pupil Menyepit
MB : Muka Ayam Bengkak
FC : Feses Cair
M : Mengantuk
WP : Warna Bulu Pucat
MKP : Menggelengkan Kepalanya ST
: Sayap Terkulai NMT : Nafsu Makan Turun
HB : Hidung Berlendir Berair
N : Ngorok
B : Bersin
BT : Batuk
MBR : Mata Berair LBM : Lendir Berdarah Pada Rongga Mulut
BTMT : Bila bernafas Kepala Ditegakkan BMK : Bulu Mengkerut
Universitas Sumatera Utara
50 BKK : Bulu Sekitar Kloaka Kotor
FP : Feses Berwarna Keputih-putihan
DM : Duduk Membungkuk
MKL : Mematuki Kloakanya WFK : Warna feses Kehijauan
BJK : Bulu Tampak Jatuh Ke bawah
GM : Gemetar Menggigil
PKL : Pembengkakan dibagian kepala dan leher LB
: Leher Berputar WPLP : Wajah, Pial, dan Leher Pucat
K : Kurus
PMT : Pembengkakan Mata PSM : Pemdaraha Pada Selaput Mata
TKH : Terdapat Kerak Pada Hidung TK
: Tembolok Kosong DP
: Depresi BLPB : Bulu disekitar Leher dan Punggung Berdiri
JPB : Jengger dan Pial Bengkak
JPK : Jengger dan Pial Kebiruan
BMU : Bintik-Bintik Merah Pada Unggas MTP : Muka Ayam Tampak Pucat
BK : Bulu Ayam Kasar
L : Lesu Lemas
KMK :Kotoran Menempel Pada Kloaka T
: Terengah-engah POTB : Pergerakan Otot Tidak Terkoordinasi Dengan Baik
GTA : Gerakan Tidak Aktif LBHK : Luka Berwarna HItam Dibagian Kulit
PKTB : Pergerakan Kaki Tidak Terkoordinasi Dengan Baik PMK : Pusar Membengkak
PML : Pusar Menebal PBR : Pusar Terasa Basah Jika Diraba
ABP : Adanya Bungkul-bungkul Putih
Universitas Sumatera Utara
51 AL
: Adanya Luka Keropeng TL
: Terdapat Lesi AKP : Adanya Kerak-kerak Putih
TWK : Terdapat warna Kekuning-kuningan KTBK : Kulit yang Tidak Berbulu Terasa Kasar
Pada Tabel 3.1 terdapat 16 jenis penyakit dan 60 ciri-ciri yang mewakili setiap penyakit tersebut. Bilangan biner 1 dan 0 menjelaskan ciri dan gejala dari setiap
penyakit. Bilangan yang bernilai “1” ada pada salah satu jenis penyakit maka ayam yang menderita penyakit tersebut memiliki ciri dan gejala penyakit seperti yang ada di
tabel.
Misalnya, Penyakit Marek Disease memiliki nilai “1” pada Gejala Lumpuh, Pembesaran Pada Saraf, Diare, Sesak Nafas, Bulu Melebar, Mata Terliahat Kelabu,
Dan Pupil Menyempit. Maka ciri dan gejala tersebut menandakan ayam menderita penyakit Marek Disease. Sedangkan nilai “0” menjelaskan bahwa ciri dan gejala
lainnya tidak terdapat pada ayam yang menderita Marek Disease.
3.3.4 Perancangan Antarmuka
Perancangan antarmuka menguraikan bagaimana komunikasi antara sistem dengan pengguna. Tujuan utama dari perancangan antarmuka pengguna adalah untuk
menciptakan suatu komunikasi yang efektif antara manusia dan komputer. Antarmuka yang menarik menjadi nilai tambah bagi pengguna maupun perancang sistem tersebut.
Pada tahap ini akan dilakukan perancangan antarmuka sistem yang akan digunakan pada sistem nantinya.
3.3.4.1. Antarmuka Depan
Antarmuka Depan sistem merupakan tampilan utama ketika sistem dijalankan. Rancangan antarmuka Depan pada sistem ini dapat dilihat pada Gambar 3.5.
Universitas Sumatera Utara
52
Halaman Utama Implementasi Jaringan Syaraf Tiruan dalam
Mendeteksi Penyakit pada Ayam dengan Metode Self-Organizing Feature Maps
SOFM
Diagnosa Penyakit Lihat Jenis
Penyakit Keluar
1 2
3
Gambar 3.5 Tampilan Rancangan Antarmuka Depan
Keterangan: 1.
Tombol Diagnosa Penyakit Berfungsi untuk menghubungkan antarmuka Depan dengan antarmuka
Diagnosa Penyakit. 2.
Tombol Lihat Jenis Penyakit Berfungsi untuk menghubungkan antarmuka Depan dengan antarmuka Lihat
Jenis Penyakit. 3.
Tombol Keluar Berfungsi untuk menghubungkan antarmuka Depan dengan antarmuka
Konfirmasi Keluar.
3.3.4.2. Antarmuka Diagnosa Penyakit
Rancangan antarmuka Diagnosa Penyakit pertama diperlihatkan pada Gambar 3.6.
Universitas Sumatera Utara
53
Diagnosa Penyakit 1
1 1
1
1 1
1
1 1
1
Kembali Selanjutnya
Ciri 1 Ciri 2
Ciri 6
Ciri 4 Ciri 10
Ciri 7 Ciri 8
Ciri 5 Ciri 3
Ciri 9
3 2
`
Gambar 3.6 Tampilan Rancangan Antarmuka Diagnosa Penyakit Pertama
Keterangan: 1.
Tombol check box ciri penyakit Berfungsi untuk pilihan ciri-ciri dan gejala penyakit pada ayam.
2. Tombol Selanjutnya
Berfungsi menghubungkan antarmuka Diagnosa Penyakit Pertama dengan antarmuka Diagnosa Penyakit kedua .
3. Tombol Kembali
Berfungsi menghubungkan antarmuka Diagnosa Penyakit pertama dengan antar muka Depan.
Rancangan antarmuka Diagnosa Penyakit kedua diperlihatkan pada Gambar 3.7.
Universitas Sumatera Utara
54
Diagnosa Penyakit
1
1 1
1
1 1
1
1 1
1
Kembali Proses
Ciri 11 Ciri 12
Ciri 16
Ciri 14 Ciri 20
Ciri 17 Ciri 18
Ciri 15 Ciri 13
Ciri 19
3 2
Gambar 3.7 Tampilan Rancangan Antarmuka Diagnosa Penyakit Kedua
Keterangan: 1.
Tombol check box ciri penyakit Berfungsi untuk pilihan ciri-ciri dan gejala penyakit pada ayam.
2. Tombol Proses
Berfungsi untuk melakukan pengujian dan menampilkan hasil pengujian. 3.
Tombol Kembali Berfungsi menghubungkan antarmuka Diagnosa Penyakit kedua dengan
antarmuka Diagnosa Penyakit pertama.
3.3.4.3 Antarmuka Jenis Penyakit
Rancangan antarmuka Jenis Penyakit diperlihatkan pada Gambar 3.8.
Universitas Sumatera Utara
55
Jenis Penyakit
Hasil proses yang di dapat berupa nama penyakit, ciri dan gejala
penyakit dan pencegahan penyakit.
Kembali 1
Gambar 3.8 Tampilan Rancangan Antarmuka Jenis Penyakit
Keterangan: 1.
Tombol Kembali Berfungsi untuk menghubungkan antarmuka Jenis Penyakit dengan antarmuka
Diagnosa Penyakit yang pertama.
3.3.4.4. Antarmuka Lihat Jenis Penyakit
Rancangan antarmuka Lihat Jenis Penyakit diperlihatkan pada Gambar 3.9.
Universitas Sumatera Utara
56 Lihat Jenis Penyakit
1 1
1 1
1 1
1 1
1 1
Lihat Ciri dan Gejala Penyakit
Kembali
2 3
Penyakit 1 Penyakit 2
Penyakit 3 Penyakit 4
Penyakit 5 Penyakit 10
Penyakit 6 Penyakit 7
Penyakit 8 Penyakit 9
Gambar 3.9 Tampilan Rancangan Antarmuka Lihat Jenis Penyakit
Keterangan: 1.
Jenis Penyakit Berfungsi sebagai pilihan ciri dan gejala penyakit.
2. Tombol Lihat Ciri dan Gejala Penyakit
Berfungsi untuk menghubungkan antarmuka Lihat Jenis Penyakit dengan antarmuka Jenis Penyakit.
3. Tombol Kembali
Berfungsi menghubungkan antarmuka Lihat Jenis Penyakit dengan antarmuka Depan.
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
Implementasi sistem pendeteksi penyakit pada ayam menggunakan metode jaringan syaraf tiruan self-organizing feature maps SOFM ini dibuat dengan menggunakan
bahasa pemrograman Matlab R2007b dan Microsoft Office Excel 2007 sehingga menghasilkan sebuah perangkat lunak.
Penerapan sistem dilakukan dengan menggunakan komputer dengan sistem yaitu sebagai berikut:
1. Operasi Windows 7 home premium,
2. Perangkat keras Prosesor IntelR AtomTM, CPU N2600 1.60GHz,
3. RAM 2 GB,
4. Harddisk 320 GB,
5. Monitor LCD 10.1” dengan resolusi layar 1024 x 600,
6. Mouse dan keyboard.
4.1.1 Tampilan Antarmuka Sistem
Sistem pendeteksi penyakit pada ayam diimplementasikan dalam beberapa tampilan antarmuka yang terdiri dari antarmuka Depan, antarmuka Diagnosa Penyakit,
antarmuka Jenis Penyakit, antarmuka Lihat Jenis Penyakit, dan antarmuka Konfirmasi Keluar.
Universitas Sumatera Utara
58
4.1.1.1 Antarmuka Depan
Antarmuka Depan merupakan antarmuka yang pertama kali tampil ketika aplikasi dimulai. Antarmuka ini terdiri dari nama aplikasi, tombol Diagnosa Penyakit, tombol
Lihat Jenis Penyakit dan tombol Keluar. Tombol-tombol ini menghubungkan antarmuka Depan dengan antarmuka lain.
Tombol Diagnosa Penyakit menghubungkan antarmuka Depan dengan antarmuka Diagnosa Penyakit. Tombol Lihat Jenis Penyakit menghubungkan
antarmuka Depan dengan antarmuka Lihat Jenis Penyakit. Tombol Keluar, menghubungkan antarmuka Depan dengan Konfirmasi Keluar. Tampilan Antarmuka
Depan ditunjukkan pada Gambar 4.1.
Gambar 4.1 Tampilan Antarmuka Depan
4.1.1.2 Antarmuka Diagnosa Penyakit
Terdapat dua antarmuka pada antarmuka Diagnosa Penyakit. Pada kedua antarmuka tersebut terdapat check box ciri dan gejala penyakit. Pada antarmuka Diagnosa
Penyakit yang pertama terdapat tombol Selanjutnya dan tombol Kembali. Tombol Selanjutnya menghubungkan antarmuka Diagnosa Penyakit pertama dengan
Universitas Sumatera Utara
59 antarmuka Diagnosa Penyakit kedua. Tombol Kembali menghubungkan antarmuka
Diagnosa Penyakit pertama dengan antarmuka Depan.
Pada antarmuka Diagnosa Penyakit kedua juga terdapat check box ciri dan gejala penyakit. Pada antarmuka Diagnosa Penyakit yang kedua terdapat tombol
Proses dan tombol Kembali. Tombol Proses berfungsi untuk melakukan pengujian terhadap ciri dan gejala yang telah dimasukkan sehingga terdapat keluaran berupa
tampilan antarmuka jenis penyakit yang sesuai. Tombol Kembali menghubungkan antarmuka Diagnosa Penyakit kedua dengan antarmuka Diagnosa Penyakit pertama.
Tampilan Antarmuka Diagnosa Penyakit pertama diperlihatkan pada Gambar 4.2.
Gambar 4.2 Tampilan Antarmuka Diagnosa Penyakit Pertama
Universitas Sumatera Utara
60 Tampilan Antarmuka Diagnosa Penyakit kedua diperlihatkan pada Gambar
4.3.
Gambar 4.3 Tampilan Antarmuka Diagnosa Penyakit kedua
4.1.1.3 Antarmuka Lihat Jenis Penyakit
Pada antarmuka Lihat Jenis Penyakit terdapat radio button jenis penyakit, tombol lihat ciri dan gejala penyakit dan tombol kembali. Jenis penyakit ditampilkan pada radio
button yang dapat diklik pengguna untuk melakukan pemilihan jenis penyakit yang ingin ditampilkan. Pada antarmuka Lihat Jenis Penyakit terdapat tombol Lihat Ciri
dan Gejala Penyakit, yang berfungsi menampilkan antarmuka Jenis Penyakit. Pada antarmuka ini juga terdapat tombol Kembali yang berfungsi menghubungkan
antarmuka Lihat Jenis Penyakit dengan antarmuka Depan. Tampilan antarmuka Lihat Jenis Penyakit ditunjukkan pada Gambar 4.4.
Universitas Sumatera Utara
61
Gambar 4.4 Tampilan Antarmuka Lihat Jenis Penyakit
4.1.1.4 Antarmuka Keluar
Tampilan untuk antarmuka Keluar adalah sebagai berikut:
Gambar 4.5 Tampilan Antarmuka Konfirmasi Keluar
Sistem akan tertutup apabila user memilih button Ya dan sistem akan kembali ke antarmuka Depan apabila user memilih button Tidak.
Universitas Sumatera Utara
62
4.2 Pengujian Sistem
Untuk mengetahui apakah sistem sudah dapat berjalan dengan baik maka perlu dilakukan pengujian. Pada tahap pengujian ini juga akan dilihat apakah terdapat
perbedaan antara hasil yang diharapkan yaitu hasil yang terjadi dilapangan dengan hasil yang didapat dari sistem.
4.2.1 Pengujian Pengenalan Penyakit
Pada pengujian pengenalan penyakit inputan yang digunakan sebagai data pengujian berupa ciri dan gejala penyakit pada ayam. Sistem melakukan input berupa
ciri dan gejala penyakit yang telah dilatih pada sistem dan menghasilkan output berupa jenis penyakit dengan ciri dan gejala penyakit yang telah di input beserta cara
pencegahannya. Input berupa ciri dan gejala penyakit dapat dilihat pada gambar 4.6 dan gambar 4.7.
Gambar 4.6 Input Pertama Ciri Dan Gejala Penyakit
Universitas Sumatera Utara
63
Gambar 4.7 Input Kedua Ciri Dan Gejala Penyakit
Pada gambar di atas dapat kita lihat bahwa sebelum melakukan pengujian, terlebih dahulu memilih beberapa ciri dan gejala penyakit agar dapat menghasilkan
output.
Hasil pengujian sistem ditunjukkan pada gambar 4.8 berikut:
Universitas Sumatera Utara
64
Gambar 4.8 Hasil Pengujian Sistem Dalam Pengenalan Penyakit
Setelah melakukan inputan pada sistem pengujian berdasarkan tabel yang ada maka dapatlah output yang terdiri dari nama penyakit, ciri dan gejala penyakit serta
cara pencegahannya. Apabila inputan tidak ada menghasilkan output maka, tampilannya dapat kita lihat seperti pada gambar 4.9 berikut:
Gambar 4.9 Hasil Tidak Sesuai Dengan Inputan
Tidak semua input dapat menghasilkan output dikarenakan Pelatihan JST ini tidak 100 akurat. Sebagai contoh :
Universitas Sumatera Utara
65 1.
Pada penyakit Marek Diseases dapat kita lihat pada tabel dibawah ini :
Tabel 4.1 Perbandingan Hasil Pengujian Pertama
Ciri dan Gejala Penyakit Marek Diseases
Output Sistem Bulu Melebar
Tidak dapat menghasilkan output
Mata Terlihat Kelabu Lumpuh
Pembesaran Syaraf Marek Diseases
Diare Lumpuh
Mata Terlihat Kelabu Tidak dapat menghasilkan
output Pupil Menyempit
Pembesaran Syaraf Bulu Melabar
Marek Diseases Mata Terlihat Kelabu
Sayap Terkulai Lumpuh
Pembesaran Syaraf
2. Pada penyakit CRD dapat kita lihat pada tabel dibawah ini :
Tabel 4.2 Perbandingan Hasil Pengujian Kedua
Ciri dan Gejala Penyakit CRD Output Sistem
Muka Ayam Bengkak Tidak dapat menghasilkan output
Fases Cair Mengantuk
Ngorok
Universitas Sumatera Utara
66 Bersin
Fases Cair CRD
Mengantuk Nafsu Makan Turun
Bersin Warna Bulu Pucat
Tidak dapat menghasilkan output Sayap Terkulai
Hidung Berlendir Nafsu Makan Turun
Ngorok Muka Ayam Bengkak
CRD Fases Cair
Warna Bulu Pucat Mengantuk
Nafsu Makan Turun Ngorok
3. Pada penyakit Fowl Pox dapat kita lihat pada tabel dibawah ini :
Tabel 4.3 Perbandingan Hasil Pengujian Ketiga
Ciri dan Gejala Penyakit Fowl Pox Output Sistem
Depresi Fowl Pox
Adanya Bungkul-bungkul Putih Nafsu Makan Turun
Sesak Nafas Tidak dapat menghasilkan output
Depresi
Universitas Sumatera Utara
67 Adanya Luka Keropeng
Adanya Bungkul-bungkul Putih Tidak dapat menghasilkan output
Depresi Terdapat Lesi
Sesak Nafas Fowl Pox
Nafsu Makan Turun Depresi
Adanya Bungkul-bungkul Putih
4. Pada penyakit Salesma Ayam dapat kita lihat pada tabel dibawah ini :
Tabel 4.4 Perbandingan Hasil Pengujian Keempat
Ciri dan Gejala Penyakit Salesma Ayam
Output Sistem Hidung Berlendir
Salesma Ayam
Mata Berair Sesak Nafas
Batuk Mata Berair
Salesma Ayam Bila Bernafas Kepala Ditegakkan
Sesak Nafas Lendir Berdarah Pada Rongga Mulut
Tidak dapat menghasilkan output
Bila Bernafas Kepala Ditegakkan Batuk
Sesak Nafas Hidung Berlendir
Salesma Ayam
Mata Berair
Universitas Sumatera Utara
68 Bila Bernafas Kepala Ditegakkan
Sesak Nafas
5. Pada penyakit Gumboro dapat kita lihat pada tabel dibawah ini :
Tabel 4.5 Perbandingan Hasil Pengujian Kelima
Ciri dan Gejala Penyakit Gumboro Output Sistem
Bulu Mengkerut
Tidak dapat menghasilkan output Duduk Membungkuk
Gemetar Menggigil Diare
Mengantuk Lesu Lemes
Fases Berwarna Keputih-putihan Tidak dapat menghasilkan output
Mengantuk Nafsu Makan Turun
Lesu Lemas Bulu Disekitar Kloaka Kotor
Gumboro Gemetar Menggigil
Fases Berwarna Keputih-putihan Diare
Nafsu Makan Turun Bulu Mengkerut
Gumboro Bulu Disekitar Kloaka Kotor
GemetarMenggigil Nagsu Makan Turun
Universitas Sumatera Utara
69 Mengantuk
LesuLemes Bulu Disekitar Kloaka Kotor
Gumboro Fases Berwarna Keputih-putihan
Mematuki Kloakanya Nafsu Makan Turun
Diare
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Sesuai dengan hasil uji coba dan pembahasan program yang dilakukan, maka dapat ditarik kesimpulan sebagai berikut:
1. Aplikasi sistem ini dibuat sebagai alat bantu untuk pengenalan penyakit pada ayam
dalam jaringan syaraf tiruan dengan metode Self-Organizing Feature Maps.
2. Dengan metode Self-Organizing Feature Maps, pengenalan penyakit pada ayam
dapat dikenali tergantung input yang tepat berdasarkan tabel yang menjadi acuan.
3. Sistem ini lebih akurat apabila hasil deteksi untuk data yang dilatih pada jaringan
syaraf tiruan yang terdiri dari empat Self-Organizing Feature Maps dibandingkan dengan untuk data yang dilatih pada jaringan syaraf tiruan yang terdiri dari enam
Self-Organizing Feature Maps.
4. Untuk mendapatkan hasil proses dalam penelitian ini digunakan arsitektur jaringan
syaraf tiruan dengan dua lapisan yaitu lapisan input dan output. Dengan input berupa ciri dan gejala penyakit sistem ini dapat mengenali penyakit pada ayam.
Sistem ini tidak 100 akurat dalam pengenalan penyakit karena tidak semua ciri dan gejala yang menjadi input dapat menghasilkan output yang benar.
Universitas Sumatera Utara
71
5.2 Saran
Untuk pengembangan selanjutnya, penulis menyarankan agar:
1. Sistem ini tidak hanya dapat mengenali 16 jenis penyakit yang ada, tetapi dapat
dikembangkan lagi untuk menngenali penyakit lainnya yang terdapat pada ayam.
2. Sistem ini dapat dikembangkan lagi untuk mendeteksi suatu penyakit, tidak hanya
untuk hewan melainkan makhluk hidup lainnya. 3.
Diharapkan sistem ini dapat dikembangkan sehingga menghasilkan output lebih mendekati 100 benar dalam pengelompokan data dengan cara berbeda atau
menambah metode lainnya.
Universitas Sumatera Utara
7
BAB 2
TINJAUAN PUSTAKA
2.1 Anatomi Ayam