IMPLEMENTASI METODE FORWARD CHAINING UNTUK MENDIAGNOSIS PENYAKIT PADA SAPI BERDASARKAN GEJALA
IMPLEMENTASI METODE FORWARD CHAINING UNTUK
MENDIAGNOSIS PENYAKIT PADA SAPI BERDASARKAN GEJALA
Rizky Ramadhan1 , Tien Rahayu Tulili
2 , Ni Wayan Wisswani
3 1,2)
Prodi Teknik Informatika-Politeknik Negeri Samarinda, Samarinda
3)Prodi Manajemen Informatika-Politeknik Negeri Bali, Denpasar
wisswani@yahoo.com 3 ABSTRAKSapi merupakan salah satu hewan ternak yang sangat berpengaruh bagi potensi ekonomi Indonesia dan bagi peternak itu sendiri, oleh karena itu kesehatan sapi bagi peternak sangatlah penting, untuk memeriksa kesehatan sapi peternak masih membutuhkan bantuan dokter hewan. Dalam hal ini seiring berkembangnya teknologi kepakaran dokter hewan dapat diterapkan ke dalam kecerdasan buatan yaitu sistem pakar. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer atau secara ringkasnya pengetahuan dokter hewan diimplementasikan dengan bantuan bahasa pemrograman. Dalam penelitian ini sistem pakar tentang diagnosa penyakit sapi menggunakan layanan berbasis web. Hasil pengujian dalam penelitian terlihat bahwa sistem pakar diagnosa penyakit sapi dalam layanan berbasis web.
Kata Kunci: Sistem Pakar, Forward Chaining 1. PENDAHULUAN
1.1 Latar Belakang
Sapi merupakan hewan ternak yang memiliki potensi ekonomi yang cukup menjanjikan, baik sebagai ternak potong, ternak bibit maupun bahan pangan. Tuntutan daging sapi yang berkualitas sangat berpengaruh dari kesehatan sapi, penyakit sapi pada umumnya ditandai dengan adanya sekumpulan gejala. Dengan gejala-gejala tersebut maka jenis penyakit dapat diketahui, namun harus diperlukan kemampuan seorang dokter hewan untuk melakukan diagnosa.
Setiap melakukan diagnosa terhadap penyakit sapi maka biaya harus dipenuhi kepada dokter hewan meskipun penyakit yang dialami sapi tidak harus ditindak dengan pengobatan melainkan hanya mengetahui gejalanya saja. Hal ini tentunya sangatlah tidak diharapkan apabila persoalan atau kondisi tersebut ditemukan di daerah terpencil yang memiliki keterbatasan akses khususnya ketersediaan dokter hewan. Untuk itu perlu dikembangkan suatu sistem yang dapat menggantikan para ahli dan dapat digantikan oleh suatu sistem yang disebut dengan sistem pakar.
Sistem Pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli[1].
Salah satu metode yang paling umum untuk merepresentasikan adalah metode Forward Chaining Strategi inferensi Forward Chaining dimulai dengan sekumpulan fakta-fakta pengetahuan, memperoleh fakta- fakta baru menggunakan aturan-aturan dimana premis- premis sesuai dengan fakta-fakta pengetahuan, dan meneruskan prosesnya sampai sebuah tujuan yang ditetapkan telah tercapai[2].
Pada Laporan Tugas Akhir ini akan dijelaskan menerapkan metode Forward Chaining untuk mendiagnosis gejala penyakit pada sapi. Untuk itu penulis mengajukan sebuah judul Laporan Tugas Akhir yaitu ”Implementasi Metode Forward Chainining Untuk Mendiagnosis Penyakit Pada Sapi Berdasarkan Gejala.
2. LANDASAN TEORI
2.1 Tinjauan Pustaka
Sistem pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli[2].
Diharapkan dengan sistem ini, orang awam dapat menyelesaikan masalah tertentu baik sedikit rumit ataupun rumit sekalipun tanpa bantuan para ahli dalam bidang JUST TI, Volume 9 Nomor 1, Januari 2017: 10-15 tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman. Sistem pakar merupakan cabang dari Artificial Intelligence (AI) yang cukup tua karena sistem ini telah mulai dikembangkan pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General-purpose
problem solver (GPS) yang dikembangkan oleh Newl dan
Simon. Sampai saat ini sudah banyak sistem pakar yang SOPHIE, Prospector, FOLIO, DELTA , dan sebagainya[2].
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar[3].
Sistem pakar adalah sistem berbasis computer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut[4]
dikatakan sebagai strategi inference yang bermula dari sejumlah fakta yang diketahui. Pencarian dilakukan dengan menggunakan rules yang premisnya cocok dengan fakta yang diketahui tersebut untuk memperoleh fakta baru dan melanjutkan proses hingga goal dicapai atau hingga sudah tidak ada rules lagi yang premisnya cocok dengan fakta yang diketahui maupun fakta yang diperoleh[6]. IF (informasi masukan) THEN (kesimpulan) Informasi masukan dapat berupa data, bukti, temuan, atau gejala. Sedangkan kesimpulan dapat berupa tujuan, hipotesa, penjelasan atau diagnosis. Sehingga arah pencarian runut maju dimulai dari data menuju tujuan, dari bukti menuju hipotesa, atau dari gejala menuju diagnosa[1]. Proses Metode Forward Chaining ditunjukkan pada Gambar 1.
(conclusion) dari fakta tersebut. Forward chaining bisa
dimulai dari fakta untuk mendapatkan kesimpulan
2.3 Forward Chaining
informasi tentang obyek dan rules yang merupakan informasi tentang cara bagaimana membangkitkan fakta baru dari fakta yang telah diketahui.
system). Knowledge base tersusun atas fakta yang berupa
2.2 Konsep Dasar Dalam Sistem Pakar
(forward chaining) dan runut balik (backward chaining).
melakukan penalaran dengan menggunakan isi daftar rule berdasarkan urutan dan pola tertentu. Selama proses konsultasi antara sistem dengan user, inference engine menguji aturan-aturan satu demi satu sampai kondisi rules itu benar. Secara umum ada dua metode inference engine yang penting dalam sistem pakar, yaitu runut maju
Knowledge base merupakan inti program sistem
pakar. Pengetahuan ini merupakan representasi pengetahuan dari seorang pakar. Knowledge base bisa direpresentasikan dalam berbagai macam bentuk, salah satunya adalah bentuk sistem berbasis aturan (ruled-based
Inference Engine adalah bagian dari sistem pakar yang
2. Inference Engine
dan berbagai keterangan yang bertujuan untuk membantu mengarahkan alur penelusuran masalah sampai ditemukan sebuah solusi.
User interface adalah perangkat lunak yang menyediakan media komunikasi antara user dengan sistem. User interface memberikan berbagai fasilitas informasi
1. User Interface
Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Sistem pakar bekerja berdasarkan pengetahuan yang dimasukkan oleh seorang atau beberapa orang pakar dalam rangka mengumpulkan informasi hingga sistem pakar dapat menemukan jawabannya[5]. Sistem pakar mempunyai 3 bagian utama, yaitu user Interface, Interface engine dan Knowledge base[5].
Gambar 1 Proses Metode Forward Chaining
2.3.1 Forward Chaining Forward Chaining merupakan penalaran yang
dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Dalam penalaran maju, aturan-aturan diuji satu demi satu dalam urutan tertentu. Setiap aturan diuji, sistem pakar akan mengevaluasi apakah kondisinya benar atau salah. Jika kondisinya benar, maka aturan itu disimpan kemudian aturan berikutnya diuji. Sebaliknya kondisinya salah, aturan itu tidak disimpan kemudian aturan
3. Knowledge Base
Ramadhan, dkk., Implementasi Metode Forward Chaining Untuk Mendiagnosis Penyakit pada Sapi Berdasarkan Gejala berikutnya diuji. Proses ini akan berulang sampai seluruh Perancangan Model Penalar Dengan Metode Model basis aturan diuji dengan berbagai kondisi[7]. penalaran tersebut dalam bentuk aturan IF…THEN.
Forward Chaining merupakan suatu proses yang Perancangan Antarmuka Pakar dan Pengguna Desain
berdasarkan data. Pengguna sistem harus memberikan dibuat sedemikian rupa untuk memberikan kemudahan semua data yang mungkin sebelum proses inferensi bagi pakar maupun pengguna untuk berinteraksi dengan berjalan. Mesin Inferensi menelusuri basis pengetahuan sistem pakar.Membangun Tabel Fakta Gejala Penyakitini sesuai data yang telah diberikan untuk menemukan menyangkut data tentang fakta gejala untuk penyakit Sapi. kesimpulan akhir. Membangun Basis Pengetahuan Kategori Penyakit Sapi
3.1 Metodologi Penelitian gejala - gejala yang telah dipilih oleh pengguna.
Membangun Model Penalaran Dengan Metode Forward
Chaining Metode Forward Chaining merupakan grup dari multiple inferensi yang melakukan penyelesaian masalah
untuk menemukan solusi, dimulai dari identifikasi gejala.
3.2 Blok diagram
Pembuatan blok diagram ini dimaksudkan untuk mengetahui dan membatasi ruang lingkup permasalahan yang akan dibahas dengan mengetahui posisi pokok bahasan pada domain yang lebih luas.
Gambar 3 Blok Diagram
Basis pengetahuan dalam sistem pakar diperoleh dari pakar. Basis pengetahuan terbagi 2 (dua) yaitu basis data fakta dan basis data gejala. Pengguna memilih gejala yang tersimpan didalam basis data gejala. Setelah itu gejala yang telah dipilih akan masuk kedalam proses Metode Forward
Gambar 2 Metodologi Penelitian Chaining untuk melakukan pencocokan aturan yang
tersimpan dalam basis data fakta. Jika proses tersebut Pada gambar 2 menunjukkan langkah-langkah terpenuhi maka akan menghasilkan suatu diagnosa penelitian ini. Sebelum melakukan penelitian terlebih penyakit. dahulu mempelajari segala hal yang terkait dengan topik penelitian. Pengumpulan Data Jenis Penyakit Data jenis
3.3 Perancangan Basis Pengetahuan (Knowledge
penyakit dapat diperoleh dari literatur atau dari wawancara Base) Fakta dan pengetahuan yang telah didapatkan akan dengan seorang dokter hewan. Pengumpulan Fakta Gejala diterjemahkan oleh pembuat sistem atau knowledge
Berdasarkan Data Jenis Penyakit Sumber fakta gejala dapat
engineer menjadi basis pengetahuan yang tersimpan dalam
juga diperoleh dari literatur, wawancara dengan seorang sistem pakar yang dibuat, dengan terkumpulnya data-data dokter hewan atau sumber data dari lembaga resmi. mengenai pengelompokkan pemeriksaan penyakit sapi
Perancangan Basis Pengetahuan Kategori Penyakit Sapi yang terdiri dari: untuk kategori penyakit sapi berdasarkan tabel fakta gejala penyakit yang sudah dilakukan pada tahap sebelumnya.
JUST TI, Volume 9 Nomor 1, Januari 2017: 10-15
Analisa tabel keputusan Dari tabel 1 dan 2, dibuatkan tabel keputusan yang ditunjukkan pada tabel 3.
1. Penyakit sapi Daftar nama penyakit ditunjukkan pada tabel 1.
Kode Penyakit
X X
X G10
X G11
X G12
X G13
X X
X X
X G14
X G15
X G16
X X
X X
X G17
X X G18
X X G19
X X G08
X X G20
X G21
X G22
X X G23
X X
X G24
X G25
X G26
X X G27
X X G28
X X
X X G29
X Tanda silang (x) pada kode penyakit di dalam Tabel 3.
menunjukkan sapi mengalami penyakit tersebut, untuk kode G01-G29 adalah gejala penyakit, selanjutnya kode P01-P11 adalah penyakit sapi
X G09
X G07
Nama Penyakit P01 Septichemia Epizootica (SE) P02 Antrax P03 Brucellosis P04 Paratuberculosis P05 Tuberculosis P06 Theleriosis P07 Babesiosis P08 Anaplasmosis P09 Black Leg P10 Bovine Viral Diarrhea (BVD) P11 Myiasis 2. Gejala penyakit sapi
7 P
Pada tabel 2, gejala penyakit yang ditemukan pada sapi didefinisikan dan diberikan kode. Terdapat 29 gejala penyakit yang akan digunakan pada sistem ini
Tabel 2 Gejala Penyakit Sapi
Kode Gejala
Nama Gejala G01 Demam G02 Nafsu Makan Turun G03 Hidung Mengeluarkan Cairan G04 Ngorok G05 Demam Tremor G06 Denyut Jantung Tidak Stabil G07 Pernapasan Cepat G08 Setelah mati, telinga hidung mulut dubur dan kemaluan mengeluarkan darah
G09 Keguguran setelah 5 bulan muda terulang lagi di masa berikutnya G10 Keluarnya plasenta tertunda G11 Radang Uterus G12 Radang Kemaluan G13 Kurus G14 Terjadi oedima dibawah rahang G15 Mencret tidak berbau G16 Lemah/lesu G17 Batuk sifatnya kronis G18 Sesak Nafas G19 Kelenjar Ais Susu Membengkak G20 Warna merah kehitaman pada kulit G21 Membengkak di daerah bahu dan paha G22 Ambing membengkak G23 Anemia G24 Diare G25 Radang G26 Mencret bercampur darah G27 Air kencing berwarna merah G28 Penurunan produksi susu G29 Berair pada lokasi luka 3.
Tabel 1 Penyakit Sapi
Tabel 3 Analisa tabel keputusan Kode Gejala
Kode Penyakit P
1 P
2 P
3 P
4 P
5 P
6 P
8 P
X X G06
9 P
1 P
1
1 G01
X X
X X
X X
X X
X X
X X
X G03
X X
X G04
Jumlah nama penyakit pada sapi adalah 11 penyakit dan masing-masing nama penyakit diberi kode.
X G05 Ramadhan, dkk., Implementasi Metode Forward Chaining Untuk Mendiagnosis Penyakit pada Sapi Berdasarkan Gejala
3.4
minimal harus memilih 4 gejala, sehingga dapat dihitung
Pohon Keputusan
Dari perolehan tabel keputusan diatas, pohon keputusan yaitu :
4 dapat dibuat dan ditunjukkan pada gambar 4.
Pers = x 100% = 67%
6 Jadi dari gejala yang dipilih pengguna adalah 4
(empat) gejala dengan setiap gejala memiliki persentase 16,7% (nilai persentase dapat berubah berdasarkan jumlah gejala yang dimiliki oleh setiap penyakit).
4.1 Diagram Konteks Gambar 6 Diagram Konteks Gambar 4 Pohon Keputusan
Diagram konteks dari website yang akan dibangun 4.
HASIL PENELITIAN
ditunjukkan ada gambar 6. Pengguna yaitu seorang Implementasi Metode Forward Chaining merupakan peternak sapi memasukkan data ke sistem berupa gejala penerapan proses penalaran yang dimulai dari fakta penyakit ke sistem dan sistem akan memberikan hasil terlebih dahulu untuk menguji kebenaran suatu hipotesis. diagnosa berupa penyakit yang mungkin diderita. Dalam penalaran maju, aturan-aturan diuji satu demi satu dalam urutan tertentu. Setiap aturan diuji, sistem pakar
4.2 Diagram Level 1
akan mengevaluasi apakah kondisi benar atau salah. Jika kondisinya benar maka aturan disimpan kemudian aturan berikutnya diuji. Berikut implementasi metode Forward dalam mendiagnosa penyakit sapi adalah:
Chaining Gambar 5 Alur Inferensi Penyakit Septichemia Epizootica
Dari Gambar 5 dapat dijelaskan bahwa dapat dijelaskan bahwa G01, G02, G03, G04, G16, dan G18 menyatakan gejala penyakit sedangkanP01 menyatakan penyakit. Alur inferensi dengan metode Forward Chaining
Gambar 7 DFD level 1 pada gambar tersebut dimulai dari kiri terlebih dahulu.
Gejala penyakit dalam hal ini merupakan fakta. Dimulai Pada gambar 7, dapat dilihat bahwa rincian dari dari gejala yang umum terjadi yang kemudian diuji satu per diagram konteks yang ditunjukkan pada gambar 6, tabel satu sampai mencapai gejala yang spesifik. Sehingga yang akan dirancang sebanyak tiga tabel yaitu aturan, memperoleh kesimpulan akhir berupa jenis penyakit P01 gejala, dan penyakit. (Septichemia Epizootica).
Untuk membuktikan hasil diagnosa aturan diatas dapat
4.3 Tampilan Antarmuka (Interface)
dihitung persentase dugaan penyakit berdasarkan jumlah Tampilan antarmuka website dengan judul Sistem gejala yang sesuai dengan menggunakan rumus :
Pakar Penyakit Sapi ditunjukkan pada gambar 8.
Pers = (Jumlah gejala penyakit terpilih / total_gejala)
x100% Dengan :
Pers = persentase dugaan penyakit Total_gejala = jumlah gejala penyakit
Total gejala didapat dari rule dasar penyakit
Septichemia Epizootica adalah enam gejala,dan pengguna
JUST TI, Volume 9 Nomor 1, Januari 2017: 10-15
5. KESIMPULAN
Berdasarkan hasil analisis dan pengujian Sistem Pakar yang dilakukan pada pengerjaan Tugas Akhir ini, maka dapat dilakukan penarikan kesimpulan sebagai berikut: 1.
Implementasi sistem melakukan penarikan kesimpulan berdasarkan fakta yang ada dengan menggunakan metode Forward Chaining . Penelusuran dimulai dari fakta-fakta yang ada baru kesimpulan dapat diperoleh, aturan yang ada ditelusuri satu persatu hingga penelusuran dihentikan karena kondisi terakhir telah terpenuhi.
2. Sistem pakar dengan menggunakan metode
Forward Chaining terbukti mampu mendiagnosis
penyakit sapi dengan persentase probabilitas yang mencapai 90.9%, dengan hasil diagnosa berupa nama penyakit yang menyerang sapi
Gambar 8 Antarmuka (Interface)
sesuai dengan gejala penyakit yang diinputkan pengguna. Namun tidak menuntut kemungkinan
4.4 Pengujian Sistem
suatu saat aplikasi ini ketika digunakan terjadi kesalahan pada saat digunakan. Sistem yang telah dibangun diuji dengan membandingkan
3. offline sehingga Aplikasi ini bersifat hasil diagnosa penyakit yang diberikan oleh sistem memudahkan para penggunanya mendapatkan dengan hasil diagnosa dari pakar. Hasil perbandingan informasi tentang penyakit sapi. ditunjukkan pada tabel 4.
Sebaiknya sistem dapat melakukan akurasi lebih
Tabel 4 Perbandingan Hasil Diagnosa Pakar dengan Sistem baik terhadap penyakit antrax sesuai dengan data Peny Diagnosa Diagnosa Nilai %
gejala yang diperoleh dari dokter hewan,misalnya
a-kit Pakar Sistem Aku dengan menambahkan gejala-gejala baru. rat 5.
Sistem dapat melakukan update secara otomatis
1 Septichemia Septichemia 1 100
agar mempermudah pengguna dalam
Epizootica Epizootica
2 Antrax Default 83 menambahkan data.
3 Brucellosis Brucellosis 1 100 6.
Menambahkan menu login untuk pengguna dan
4 Paratuberculos Paratubercul 1 100 memperbaiki tampilan aplikasi ini. is osis
5 Tuberculosis Tuberculosis 1 100
6 Theleriosis Theleriosis 1 100 REFERERENSI
7 Babesiosis Babesiosis 1 100
[1] Rohman, F.F., dan Fauzijah, A. 2008. “Rancang Bangun
8 Anaplasmosis Anaplasmosi 1 100
Aplikasi Sistem Pakar Untuk Menentukan Jenis Gangguan
s
Perkembangan pada Anak”. Media Informatika. Volume 6
9 Black Leg Black Leg 1 100 No. 1. Hal 1-23.
10 Bovine Viral Bovine Viral 1 100
[2] Kusumadewi, S. 2003. Artificial Intelligence Teknik dan
Diarrhea Diarrhea Aplikasinya. Graha Ilmu. Yogyakarta.
11 Mylasis Mylasis 1 100
[3] Turban, E., Jay, E.A., Ting, P. L. 2005. Decision Support Systems and Intelligent Systems Sistem Pendukung
Jika dihitung probabilitasnya, akan diperoleh hasil Keputusan dan Sistem Cerdas. Andi. Yogyakarta. sebagai berikut : [4] Martin, J., Oxman, S. 1998. Building Expert System A Tutorial. Prentice Hall. New Jersey.
10 11 (akurat) [5] Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Andi.
P = x 100% = 90.9% 11 Yogyakarta.
1 11 (tdk_akurat) [6] Giarratano, C. J., Riley, D. G. 2005. Expert Systems
P = x 100% = 9.1%
11 Principles and Programming Forth Edition. Thomson Course Technology. Canada.
Melihat nilai probabilitas yang mencapai 90.9%, [7] Jogiyanto. 2003. Pengembangan Sistem Pakar dengan metode Forward Chaining yang digunakan pada
Menggunakan Visual Basic. Andi. Yogyakarta. sistem ini menggunakan representasi pengetahuan berupa aturan produksi, menunjukkan bahwa sistem sudah berfungsi dengan cukup baik, dan aplikasi ini sudah berjalan sesuai dengan yang diharapkan.