Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan Menggunakan Metode Naive Bayes

  

Vol. 2, No. 10, Oktober 2018, hlm. 4290-4295 http://j-ptiik.ub.ac.id

Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan Menggunakan

₁ Metode Naive Bayes _{2 2} Alfian Himawan , Nurul Hidayat , Mahardeka Tri Ananta

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

  1

  

2

  3 Email: himawanian00@gmail.com, ntayadih@ub.ac.id, deka@ub.ac.id

Abstrak

  Hewan peliharaan manusia,salah satunya anjing merupakan makhluk social yang bisa berinteraksi dengan sesamanya ataupun manusia sehingga tidak sedikit orang memilih anjing sebagai hewan peliharaan. Namun, anjing juga dapat mengidap penyakit menular yang dapat berdampak buruk bagi manusia. Keberadaan pakar akan sangat membantu dalam hal menangani permasalahn penyakit pada anjing dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan penyakit apa yang menyerang. Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi bayes sederhana yang lebih dikenal sebagai naive bayesian classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuh kelas yang diberikan adalah bebas dari atribut-atribut lain. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-gejala klinis pada anjing. Hasil pengujian penelitian ini menunjukkan akurasi sistem sebesar 90%.

  Kata kunci : penyakit anjing, sistem pakar, naive bayes

  

Abstract

Human pets, dog is a social creature that can interact with each other or humans so that not a few

people prefer dogs as pets. However, dogs can also have an infectious disease that can be bad

for humans, the presence of an expert would be helpful in terms of solving the diseases that attack dogs

by means of identifying the symptoms that plagued and conclude what disease. Naive Bayes method is

a method used to predict probabilities. While Bayes classification is the classification of statistics that

can predict the probability of a class member. For a more simple Bayes classification known as naïve

Bayesian Classifier can be assumed that the effect of an attribute value is a class given is free of other

attributes. The required variable in this study is clinical symptoms in dogs. The results of this research

testing showed the accuracy of the system are 90%.

  Keywords : dog disease, expert system, naive bayes

  tahu penyakit apa yang sedang dialami oleh 1.

   PENDAHULUAN anjing mereka, bahkan banyak dari mereka yang

  tidak tahu bahwa anjing mereka sedang sakit, Anjing merupakan hewan peliharaan yang akibatnya berujung pada kematian karena manusia yang bisa berinteraksi dengan sesame penanganan yang terlambat. Ada juga pemilik ataupun manusia sehingga tidak sedikit orang yang mengobati sendiri anjingnya, tanpa memilih anjing sebagai hewan peliharaan. mengetahui dengan jelas terlebih dahulu apa

  Namun anjing juga dapat berdampak buruk bagi penyakit yang sedang dideritanya dana pa obat manusia. Dari berbagai macam manfaat yang yang cocokuntuk penyakit tersebut. dapat diperoleh dari hewan satu ini, pemilik

  Dalam kelompok biotik, penyakit anjing anjing harus mengetahui bagaimana cara dibagi menjadi beberapa jenis penyebab merawat dan menjaga kesehatan hewan ini penularannya antara lain dikarenakan oleh secara benar agar terhindar dari berbagai macam bakteri, parasite, virus, jamur dan juga kutu. penyakit yang dapat menjangkiti.

  Untuk kelompok abiotic, disebabkan oleh Sampai sekarang ternyata sebagian besar keracunan, kebakaran, kecelakaan, dan juga dari para pecinta anjing tersebut terkadang tidak

  Fakultas Ilmu Komputer Universitas Brawijaya

4290 kondisi fisik hewan itu sendiri.

  Tidak semua pemilik anjing memiliki pengetahuan tentang bagaimana merawat anjing dengan baik. Apabila anjingtidak dirawat dengan baik, maka akan berdampak buruk bagi kondisi kesehatan anjing dan dapat terserang penyakit menular sehingga dapat menyebabkan kematian, baik terhadap anjing yang menularkan maupun yang ditularkan. Pemilik anjing membutuhkan bantuan seorang pakar untuk mengatasi masalah tersebut yaitu dokter hewan. Dikarenakan keberadaan dokter hewan yang terbatas dan tidak selalu ada setiap saat, maka diperlukan suatu alternatif yang dapat memberikan kemudahan dan memiliki kemampuan layaknya seorang dokter hewandalam mendiagnosa penyakit menular yang diderita oleh anjing peliharaannya.

  (1) Dengan:

  1. Mencari nilai prior untuk tiap-tiap kelas dengan menghitung rata-rata tiap kelas dengan menggunakan Persamaan (3).

  (2) Perhitungan naive bayes dapat dilakukan dengan langkah berikut ini:

  ℎ

  4. p(E) = probabilitas evidence E tanpa memandang apapun Atau dengan kata lain persamaan diatas dapat digambarkan sebagai Persamaan (2). =

  3. p(H) = probabilitas hipotesis H tanpa memandang evidence apapun

  2. p(E|H) = probabilitas munculnya evidence E jika hipotesis H terjadi

  1. p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi

  ( | ) ( ) ( )

  Pada penelitian sebelumnya dengan metode naive bayes untuk mendeteksi penyakit down sysdrome menggunakan 30 data uji, diperoleh hasil dengan nilai akurasi 93,3% (Wijoyo, 2016).

  ( | ) =

  Secara garis besar model naive bayes classifier ditunjukkan pada Persamaan (1) (Sutojo,2011) .

  Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi Bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota probabilitas. Untuk klasifikasi Bayes sederhana yang lebih dikenal sebagai naïve Bayesian Classifier dapat diasumsikan bahwa efek dari suatu nilai atribut sebuah kelas yang diberikan adalah bebas dari atribut-atribut lain.Naïve Bayes Classifier merupakan sebuah metoda klasifikasi yang berakar pada teorema Bayes. Ciri utama dari Naïve Bayes Classifier ini adalah asumsi yang sangat kuat (naif) akan independensi dari masing-masing kondisi/kejadian (Fais dkk, 2014).

  2.2. Naive Bayes Classifier

  Sistem pakar dikembangkan melalui beberapa tahapan, tahapan yang paling rumit adalah tahapan representasi pengetahuan yang meliputi pembuatan tabel keputusan, penyusunan pohon keputusan, peringkasan pohon keputusan, penyusunan kaidah-kaidah (Hartati dan iswanti,2013).

  Sistem pakar adalah sistem komputer yang mengemulasi kemampuan kepakaran manusia. Kata mengemulasi diartikan lebih kuat dari simulasi yang berarti bahwa sistem pakar diharapkan mampu bertindak sebagaimana yang dilakukan pakar manusia dalam melakukan penalaran untuk memberikan suatu justifikasi/kesimpulan. Dalam melakukan penalaran,sistem pakar banyak memanfaatkan pengetahuan yang disimpan oleh sistem sebagai basis pengetahuan untuk menyelesaikan masalah pada tingkatan sebanding dengan pakar manusia.

  Berdasarkan permasalahan diatas solusi untuk mendiagnosis penyakit-penyakit pada anjing dengan menggunakan metode naive bayes. Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas. Sedangkan klasifikasi bayes adalah klasifikasi statistic yang dapat memprediksi kelas suatu anggota probabilitas.

  Penelitian selanjutnya menggunakan metode naive bayes dalam aplikasi untuk diagnosis penyakit hama pada tanaman kacang panjang, dapat diperoleh hasil dengan tingkat keberhasilan didapat hasil pengujian 81,25% dan nilai error sebesar 81,25% (Purwantiningsih, 2015).

2. LANDASAN KEPUSTAKAAN

2.1. Sistem Pakar

  X

  (3) =

  A

  Keterangan :

  START

  P = Nilai prior X = Jumlah data tiap kelas

  Gejala Klinis Anjing

  A = jumlah data seluruh kelas 2. Mencari nilai Likehood untuk tiap-tiap kelas dengan menggunakan Persamaan (4).

  L (4) =

  Prior = jumlah kelas suatu penyakit / total kelas

  Keterangan: L = Nilai likelihood F = jumlah data feature tiap kelas

  Likelihood = jumlah data fitur / jumlah

  B = jumlah seluruh fitur tiap kelas

  seluruh fitur 3.

  Mencari nilai posterior dari tiap kelas yang ada dengan menggunakan Persamaan (5).

  P(c|a) = P(c) x P(a|c) (5)

  Posterior = Prior x Likelihood

  Keterangan: P(c) = Nilai prior tiap kelas P(a|c) = Nilai likelihood

  Perbandingan nilai posterior

  Hasil klasifikasi dengan menggunakan metode Naive Bayes dilakukan dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi

  Penyakit yang menyerang anjing yang terpilih sebagai hasil klasifikasi.

  2.3. Anjing END

  Anjing adalah hewan peliharaan mamalia, bukan hewan liar alami. Mereka awalnya

  Gambar 1. Contoh penggunaan gambar

  dibiakkan dari serigala. Mereka telah lama dikembangbiakkan manusia, dan merupakan hewan pertama yang harus dijinakkan. Saat ini,

  3.2. Data Penelitian

  beberapa anjing digunakan sebagai hewan Data hasil penelitian dan observasi lapangan peliharaan, yang lainnya digunakan untuk yang telah dilakukan akan digunakan sebagai membantu manusia melakukan pekerjaan data training tersebut merupkan aturan-aturan mereka. Mereka adalah hewan peliharaan yang yang nantinya akan digunakan sebagai basis populer karena mereka biasanya main-main, pengetahuan pada system pakar diagnosis ramah, setia dan mendengarkan manusia. Anjing penyakit pada anjing. Kode dan gejala klinik sering memiliki pekerjaan, termasuk sebagai yang terdapat pada penyakit anjing dapat dilihat anjing polisi, anjing tentara, anjing bantuan, pada Tabel 1. anjing pemadam kebakaran, anjing pembawa pesan, anjing pemburu, anjing penggembala, atau anjing penyelamatan.

  Tabel 1. Gejala dan Penyakit Pada Anjing 3.

   METODOLOGI

  Kode Gejala Klinis Penyakit

  Gejala

  3.1. Alur Naive Bayes Classifier

  Demodicosis G1 Rambut rontok

  Dermatofitosis Alur naive bayes terdiri dari ditunjukkan

  G2 Kulit berketombe Demodicosis pada Gambar 1.

  Kulit G3 Demodicosis berkerak/keropeng

  Demodicosis G4 Gatal Scabiosis

  Dermatofitosis G5 Kulit Kemerahan Demodicosis G6 Hiperpigmentasi Demodicosis G7 Bentol pada kulit Scabiosis G8 Menggaruk-garuk Scabiosis G9 Rambut patah-patah Scabiosis

  Hiperkeratosis (penebalan kulit)

  G10 pada bagian telapak Scabiosis tangan, kaki dan siku antar jari

  G11 Head-shaking Otitis Menggaruk-garuk

  G12 Otitis telinga/gatal G13 Leleran dari telinga Otitis

  Serumen baru

  Gambar 2. Tampilan Antarmuka Halaman Utama

  G14 berwarna coklat Otitis gelap

  4.2. Tampilan Antarmuka Daftar Gejala dan

  G15 alpesia (pitak) Dermatofitosis

  Penyakit

  Lesi berbentuk lingkaran dengan Tampilan antarmuka tentang penyakit yang ditunjukkan merupakan tampilan halaman yang

  G16 pinggiran Dermatofitosis berketombe muncul ketika pengguna mengklik tombol daftar (ringworm) gejala dan penyakit pada halaman utama, pada halaman ini pengguna akan mendapatkan daftar

  G17 diare Helminthiasis penyakit yang menyerang anjing dan gejala- G18 Rambut kusam Helminthiasis gejalanya pada Gambar 3.

  Kurus (berat badan G19 Helminthiasis turun) G20 Muntah Helminthiasis

  Anoreksia (tidak G21 Helminthiasis nafsu makan)

  Kotoran mata G22 Helminthiasis berlebih

  Ditemukan cacing G23 Helminthiasis pada feses

4. HASIL IMPLEMENTASI

4.1. Tampilan Antarmuka Halaman Utama

  Tampilan antarmuka halaman utama yang ditunjukkan merupakan halaman awal ketika pengguna membuka sistem, pada halaman ini

  Gambar 3. Tampilan Antarmuka Halaman Daftar

  terdapat dua tombol atau menu yaitu daftar

  Gejala dan Penyakit

  gejala dan penyakit dan Diagnosa pada Gambar 2.

  4.3. Tampilan Antarmuka Diagnosa

  Tampilan antarmuka diagnosa yang ditunjukkan pada merupakan tampilan halaman yang akan muncul ketika pengguna memilih menu Diagnosa pada halaman utama dimana pada halaman ini akan ditampilkan list checkbox gejala penyakit anjing dan juga sebuah tombol diagnosa pada Gambar 4. Gambar 4. Tampilan Antarmuka Halaman Diagnosa

4.4. Tampilan Antarmuka Hasil Diagnosa

  Tampilan antarmuka hasil diagnosa yang ditunjukkan merupakan tampilan halaman yang muncul ketika pengguna mengklik tombol diagnosa pada halaman diagnosa, pada halaman ini pengguna akan mendapatkan informasi hasil perhitungan dan diagnosa penyakit anjing pada Gambar 5.

  2. Metode naive bayes baik digunakan untuk

  Klasifikasi Berita Indonesia Menggunakan Metode Naive Bayesian Classification dan Support Vector Machine dengan

  Naive Bayes Classifiers for Music Emotion Classification Based on Lyrics Ariadi, Dio, Kartika Fithriasari. 2017.

  Anugroho, Prasetyo. 2010. Klasifikasi Email Spam dengan Metode Naive Bayes Classifier Menggunakan Java Programming An, Yunjing, Shutao Sun, Shujuan Wang. 2017.

  Agustiawan, Beni. 2015. Sistem Klasifikasi Penyakit Tenggorokan Berbasis WEB Menggunakan Metode Naive Bayes

  7. DAFTAR PUSTAKA

  diagnosis penyakit pada anjing karena menghasilkan tingkat akurasi sebesar 90%.

  —gejala nya.

  Gambar 5. Tampilan Antarmuka Halaman Hasil Diagnosa

  Sistem pakar diagnosis penyakit pada anjing berhasil diimplentasi dalam bentuk perangkat lunak dengan fungsi melakukan diagnosis penyakit pada anjing. Selain itu terdapat pula menu berupa informasi daftar penyakit pada anjing beserta gejala

  Berdasarkan hasil pengujian dan analisis hasil penelitian ini, maka dapat diambil beberapa kesimpulan sebagai berikut: 1.

  6. KESIMPULAN

  45 50 100% Maka akurasi yang didapatkan sebesar 90% .

  =

  Dari percobaan yang telah dilakukan sebanyak 50 data uji didapatkan hasil keluaran sistem yang sesuai sebanyak 45 dimana ketidak sesuaian keluaran dari sistem dengan hasil uji dari pakar terdapat pada data uji nomor 30, 31, 33, 47 dan 50 dimana menurut pakar untuk masukan gejela-gejala tersebut sistem seharusnya tidak dapat mendiagnosis penyakit dikarenakan gejala yang dimasukkan gejala yang kurang spesifik dan bukan gejala khusus tetapi sistem justru mampu mendiagnosis penyakit saat pengguna memasukkan gejala-gejala tersebut.. sehingga didapatkan nilai akurasi:

5. PENGUJIAN DAN ANALISIS

  Pengujian ini dilakukan dengan menguji tingkat keakuratan atau kesesuaian dari data testing yang didapatkan dari pakar dengan hasil output dari sistem. Data testing yang didapatkan sebanyak 50, keseluruhan data latih didapatkan dari pakar dan setelah ditelaah terdapat 6 data uji yang sama dengan data latih. Kemudian akan dilakukan percobaan dengan masukan sesuai data uji, kemudian nilai akurasi akan didapatkan dari perhitungan menggunakan Persamaan 2-4.

  Confix Stripping Stemmer. Vol. 4, No.2

  Marofi, M. Nuzulul. 2017. Rancang Bangun Sistem Klasifikasi Frekuensi Penggunaan Minyak Goreng dengan Menggunakan Metode Bayes

  Schott, Jennifer . “Alabama rot: The dog disease with no cure.

  Sutojo. T., Mulyanto. E, Suhartono V., 2011.Kecerdasan Buatan.C.V Andi Offse

  SetyaStiawan, Ivan. 2013. Peranan Komoditas Jagung (Zea mays L.) Terhadap Peningkatan Pendapatan Wilayah Kabupaten Karo ``

  Yogyakarta : Gadjah Mada University press

  Semangun, Haryono. 1993. Penyakit-Penyakit Tanaman Pangan di Indonesia.

  Saputra, Eko. 2014. Usability Testing untuk Mengukur Penggunaan Website Inspektorat Kota Palembang.

  Nugroho, Septian Yuda, 2014. Data Mining Menggunakan Algoritma Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro

  Maharani. Navita., 2014. Analisis Keunggulan Komparatif Komoditas Jagung (Zea mays L.) di Kabupaten Kediri. Volume XIV No. 3

  As’ad, Bahrawi. 2016. Prediksi Keputusan Menggunakan Metode Klasifikasi Naive Bayes, One-R dan Decisision Tree

  Kusumadewi, Sri. 2009.

  Karina, Nia Esti, Yuni Yamasari. 2013. Aplikasi diagnosis Kanker Kandungan dengan Menggunakan Metode Naive Bayes (Studi Kasus : Rumah Sakit Islam Surabaya)

  Yogyakarta : Graha Ilmu J., Pajrin, Johanis Panggesso dan Rosmini. 2013. Uji Ketahanan Beberapa Varietas Jagung (Zea mays L.) Terhadap Intensitas Serangan Penyakit Bulai (Peronosclerospora maydis)

  Hartati, Sri dan Sari Iswanti. 2013. Sistem Pakar dan Pengembangannya.

  Fhadli, Muhammad. 2017. Peringkasan Literatur Ilmu Komputer Bahasa Indonesia Berbasis Fitur Statistik dan Linguistik menggunakan Metode Gaussian Naïve Bayes

  Fahrurozi, Achmad. 2014. Klasifikasi Kayu dengan Menggunakan Naive Bayes Classifier

  Badan Pusat Staistik. 2015. Buletin Statistik Perdagangan Luar Negeri Impor April 2017. CV. Josevindo

  Badan Pusat Statistik. 2015. Produksi Tanaman Pangan 2015. CV. Tapasuma Ratu Agung

  ” bbc.com. BBC News, 10 Juni 2017. Web. 20 Juni. 2017.