PENGEMBANGAN SISTEM PAKAR UNTUK MENGIDEN
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
PENGEMBANGAN SISTEM PAKAR UNTUK
MENGIDENTIFIKASI PENYAKIT PADA KELINCI
Klaudius Jevanda B.S, Suyoto, Ernawati
Program Pascasarjana - Magister Teknik Informatika
Universitas Atma Jaya Yogyakarta, Jalan Babarsari 43 Yogyakarta 55281
Tlp. (0274) 48771 ext. 2214-2215
[email protected], [email protected], [email protected]
ABSTRAK
Penelitian ini membahas tentang penyakit pada kelinci dimana informasi data
penyakit di dapat dari kelompok peternak kelinci di Yogyakarta, seperti Bengkel
Rabbit, Setyo Manunggal dan peternak kelinci yang lain. Informasi data penyakit
tersebut perlu dikelola dalam suatu manajemen teknologi informasi berupa sistem, yaitu
sistem pakar. Sistem pakar merupakan program komputer yang meniru proses
pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah tertentu. Dengan
adanya sistem pakar ini diharapkan orang awam dapat menyelesaikan masalah tertentu
baik sedikit rumit ataupun rumit sekalipun tanpa bantuan para ahli dalam bidang
tersebut. Pengembangan sistem pakar berbasis web yang dikembangkan ini bertujuan
untuk mengindentifikasi jenis penyakit pada kelinci dari gejala-gejala yang sering
timbul secara umum beserta gambar pendukung serta menyajikan informasi dengan
tepat dan userfriendly. Dengan menggunakan teknik pelacakan forward chaining dalam
menentukan diagnosa dan metode Certainty Factor dalam menunjukan ukuran nilai
kepastian terhadap suatu diagnosa, sehingga didapatkan hasil kemungkinan penyakit
yang dialami kelinci disertai dengan nilai Certainty Factor yang menunjukkan tingkat
kepastian hasil diagnosa. Sistem pakar di ujicobakan pada kelompok peternak kelinci di
Bengkel Rabbit dengan hasil memberikan kemudahan dalam melakukan diagnosa yang
diikutsertakan gambar pendukung.
Kata kunci: Sistem pakar, Certainty Factor, Forward Chaining, Manajemen
Teknologi Informasi.
PENDAHULUAN
Di Yogyakarta, saat ini kelinci sudah tidak asing lagi. Banyak orang yang mulai
beternak kelinci, meski kebanyakan masih jenis lokal dan pedaging. Lihat saja, banyak
kelompok peternak kelinci yang sudah terbentuk, di Sleman misalnya Pateter dan
Paguyuban Tingkat Kabupaten. Di Bantul ada Setyo Manunggal dan juga beberapa
kelompok komunitas lagi seperti Kelompok Peternak Kelinci (KPK). Kebanyakan yang
berkunjung kepeternakan adalah para hobiis dan ada juga pemula yang baru ingin
merintis ternak kelinci (Jarwadi, 2009).
Kelinci sangat rentan terhadap penyakit terlebih dikarenakan tempat yang tidak
sesuai atau kotor. Penyakit yang sering menyerang kelinci seperti diare, kembung,
koksidiosis, sembelit, pilek, radang paru-paru, kudis, cacingan, radang payudara, dan
jamur kulit. Banyak para hobiis tidak mengetahui dan mengerti penyakit yang diderita
pada kelinci yang dipeliharanya serta bagaimana penanganan yang harus dilakukan
terhadap penyakit yang diderita kelinci tersebut.
Berdasarkan latar belakang diatas, maka diperlukan pengelolaan manajemen
teknologi informasi tentang jenis penyakit kelinci tersebut. Maka dari itu, peneliti
mengembangkan sebuah sistem, yaitu sistem pakar. Sistem pakar yang dikembangkan
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
adalah sistem pakar untuk mengidentifikasi penyakit pada kelinci. Tujuan dari
penelitian ini adalah untuk mengidentifikasi jenis penyakit pada kelinci dari gejalagejala yang sering timbul secara umum beserta gambar penunjang yang mempermudah
administrator serta user dalam menggunakannya (userfriendly). Dengan menggunakan
teknik pelacakan forward chaining dalam menentukan diagnosa dan metode CF
(Certainty Factor) dalam menunjukkan ukuran nilai kepastian terhadap suatu diagnosa,
sehingga didapatkan hasil kemungkinan penyakit yang dialami kelinci.
SISTEM PAKAR
Sistem pakar (Expert System) adalah program komputer yang dapat melakukan
tugas menggunakan pola logika yang sama dengan yang digunakan oleh para ahli
(Human Expert) (Salim, et al.,2002). Sistem pakar adalah program komputer yang
menggunakan keahlian untuk membantu orang dalam menjalankan berbagai fungsi,
termasuk diagnosis, penjadwalan perencanaan, dan desain (Peter dan CHAN, 1996).
Tabel 1 dibawah ini adalah perbandingan antara para ahli dengan sistem pakar (Tolle,
2008).
Tabel 1. Perbandingan Para Ahli dengan Sistem Pakar (Tolle, 2008)
Faktor
Time Availability
Geografis
Keamanan
Perishable/dapat habis
Performansi
Kecepatan
Biaya
Para Ahli
Hari kerja
Lokal/tertentu
Tidak tergantikan
Ya
Variabel
Variabel
Tinggi
Sistem Pakar
Setiap saat
Dimana saja
Dapat diganti
Tidak
Konsisten
Konsisten dan lebih cepat
Terjangkau
Ide dasar dibalik sistem pakar adalah keahlian, yang merupakan bagian utama
dari pengetahuan yang spesifik, yang sudah ditransfer dari manusia ke komputer
(Firdaus dan Zakiyyah, 2009). Untuk merancang sistem pakar diperlukan proses
rekayasa pengetahuan, di mana aturan-aturan yang digunakan oleh para ahli
diakumulasi dan diterjemahkan ke dalam bentuk yang sesuai untuk pemrosesan
komputer (Papaloukas, et al., 2002).
Komponen Sistem Pakar
Sistem pakar (Fai, 2007) adalah suatu sistem interaktif yang terdiri dari tiga
komponen inti seperti yang ditunjukkan pada gambar 1:
1. Sebuah knowledge base tentang fakta-fakta dan heuristik yang dapat diterapkan
pada masalah tertentu.
2. Sebuah inference engine (atau sistem kontrol), yang memilih aturan pengetahuan
yang sesuai dan rekomendasi bagi penyelesaian masalah.
3. Sebuah working memory (atau database global) yang berisi penyimpanan
sementara, pengamatan atau bukti yang disediakan oleh pengguna tentang masalah
tertentu, dan semua informasi yang diperoleh tentang masalah tersebut.
Selain ketiga komponen utama, ada beberapa komponen pendukung, yaitu
knowledge acquisition module (juga dikenal sebagai knowledge elicitation) adalah
proses ekstraksi pengetahuan manusia dan keahlian, dan merekam dalam bentuk
tertentu yang nyaman bagi representasi berikut sebagai basis pengetahuan komputer
ISBN : 978-602-97491-3-7
C-22-2
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
yang kompatibel. Knowledge acquisition module terdiri dari elisitasi dan interpretasi
fungsi keahlian dalam suatu domain tertentu, dalam rangka untuk merancang,
membangun, memperluas, mengadaptasi atau memodifikasi sistem pakar berbasis
pengetahuan. Dalam pandangan ini, knowledge acquisition module adalah kegiatan
permanen dan penting dalam semua tahap merancang, menerapkan dan memelihara
sistem pakar. (Golabchi, 2008).
CORE COMPONENTS
Working
Memory
Inference
Engine
Knowledge
Base
User
Interface
Explanatio
n Module
Knowledge
Acquisition
Module
User
Expert
ACCESSORIES
Gambar 1. Komponen Dari Sistem Pakar (Fai, 2007)
Explanation module atau disebut juga fasilitas penjelasan. Fasilitas penjelasan
sistem pakar ini berfungsi memberi penjelasan kepada penderita bagaimana sistem
pakar menyimpulkan penyakit yang diderita pasien. Penjelasannya akan menampilkan
rangkaian diagnosa mulai dari adanya sebuah gejala yang tampak hingga semua gejala–
gejala yang diderita pasien (Hartati, 2005).
User Interface memberikan fasilitas komunikasi antara pemakai dan sistem,
memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan untuk
membantu mengarahkan alur penelusuran masalah sampai ditemukan solusi (Wijaya,
2007).
Mekanisme Inferensi
Mekanisme inferensi mengandung mekanisme pola pikir dan penalaran yang
digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi merupakan
bagian dari sistem pakar yang melakukan penalaran mengenai informasi yang ada
dalam basis pengetahuan dan dalam workplace, dan untuk menformulasikan
kesimpulan. Secara umum terdapat dua pendekatan yang digunakan dalam mekanisme
inferensi untuk pengujian aturan yaitu Backward chaining dan Forward chaining
(Wijaya, 2007).
Forward chaining adalah metode inferensi yang merupakan lawan dari
backward chaining. Forward chaining dimulai dengan data atau data driven. Artinya
pada forward chaining semua data dan aturan akan ditelusuri untuk mencapai
tujuan/goal yang diinginkan. Mesin inferensi yang menggunakan forward chaining akan
mencari antesendent (IF klausa ..) sampai kondisinya benar. Pada forward chaining
semua pertanyaan dalam sistem pakar akan disampaikan semuanya kepada pengguna
(Haryanto, 2011).
ISBN : 978-602-97491-3-7
C-22-3
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
METODE PENELITIAN
Sistem pakar untuk mengidentifikasi penyakit pada kelinci dikembangkan
dengan menggunakan dua pendekatan yaitu sistem pakar berbasis aturan dan certainty
factor (CF). Sistem pakar berbasis aturan merupakan jenis yang paling umum dikenal
sistem berbasis pengetahuan. Pengetahuan dipresentasikan dalam bentuk aturan JIKAMAKA. Dimana bagian JIKA, yang disebut antesedent (premis atau kondisi) dan
bagian MAKA, disebut evidence (kesimpulan atau tindakan). Bagian premis dalam
aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar
ini dalam satu aturan dapat memiliki lebih dari satu gejala. Gejala-gejala tersebut
dihubungkan dengan menggunakan operator logika ATAU. Bentuk pernyatannya
adalah:
JIKA [gejala 1]
ATAU [gejala 2]
ATAU [gejala 3]
MAKA [penyakit]
Berdasarkan pengetahuan diatas, maka aturan tersebut dapat disimpan dalam
bentuk sebuah tabel sehingga dapat lebih mudah untuk di mengerti. Dimana pada tabel
tersebut terdapat kolom jenis penyakit yang menjelaskan tentang definisi, tindakan,
penyebab, dan solusi.
Metode certainty factor (CF) adalah metode yang umum digunakan untuk
mengelola ketidakpastian dalam sistem berdasarkan aturan (Heckerman dan Shortliffe,
1992). Tabel 2 dibawah ini adalah intrepretasi nilai certainty factor.
Tabel 2. Interpretasi Nilai CF
Uncertain Term
Tidak diketahui
Mungkin
Kemungkinan besar
Hampir pasti
Pasti
CF
0.00 s/d 0.20
0.21 s/d 0.40
0.41 s/d 0.60
0.61 s/d 0.80
0.81 s/d 1.00
Kombinasi evidence didalam antecedent dari aturan ditunjukkan pada tabel 3.
Tabel 3. Aturan Untuk Mengkombinasikan Evidence Didalam Antecedent
Evidence, E
E1 DAN E2
E1 OR E2
TIDAK E
Antecedent Ketidakpastian
min[CF(H,E1), CF(H,E2)]
max[CF(H,E1), CF(H,E2)]
- CF(H,E)
Bentuk dasar rumus certainty factor sebuah aturan IF E THEN H adalah sebagai
berikut:
CF(H,e) = CF(E,e) * CF(H,E) ..............................................................(1)
Dimana,
CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e
CF(H,E): certainty factor hipotesis dengan asumsi evidence diketahui dengan
pasti ketika CF(E, e) = 1 dan tidak pasti ketika CF(E,e) = -1.
CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e
Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh
pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kepercayaan yang
diberikan oleh user terhadap gejala yang dialami kelincinya. CF user diperoleh dari
ISBN : 978-602-97491-3-7
C-22-4
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
jawaban user saat melakukan konsultasi. CF tidak secara langsung diberikan oleh user
tetapi dihitung oleh sistem berdasarkan jawaban user. Pilihan jawaban yang disediakan
oleh sistem seperti pada tabel 2.
HASIL DAN DISKUSI
Metode untuk melakukan identifikasi penyakit pada kelinci adalah metode
certainty factor (nilai kepastian) dimana setiap variabel mempunyai nilai kepastian
sendiri untuk masing-masing output diagnosa. Untuk bisa melakukan konsultasi, user
harus melakukan registrasi terlebih dahulu lalu login menggunakan account yang sudah
didaftarkan.
Gambar 2. Tampilan Form Registrasi Pengguna
Konsultasi Penyakit
Nilai bobot kepastian atau kepercayaan gejala :
Indikasi
Jangkauan nilai yang diiputkan
Silahkan pilih gejala penyakit berikut :
Gambar
Nilai kepastian (CF)
Gambar 3. Tampilan Form Konsultasi
ISBN : 978-602-97491-3-7
C-22-5
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Sebagai implementasi, user melakukan konsultasi dengan menginputkan gejalagejala yang dialami kelinci peliharaannya beserta nilai kepastian dari gejala tersebut
seperti dibawah ini :
1. User memilih Kotoran encer (mencret) dengan nilai kepastian = 0.8
2. User memilih Pendiam dengan nilai kepastian = 0.9
3. User memilih Sekitar dubur berair atau basah dengan nilai kepastian = 0.88
4. User memilih Kotoran berlendir dan bau dengan nilai kepastian = 0.79
5. User memilih Kelinci terlihat basah, bau dan kotor dengan nilai kepastian = 0.8
6. User memilih Nafsu makan berkurang dengan nilai kepastian = 0.89
Aturan dengan CF yang diberikan oleh seorang pakar adalah JIKA Kotoran
encer (mencret) ATAU Pendiam ATAU Berat badan turun ATAU Nafsu makan
berkurang ATAU Sekitar dubur berair atau basah ATAU Kelinci terlihat basah, bau dan
kotor ATAU Kotoran berlendir dan bau MAKA Diare, CF pakar = 6/7 = 0,85 (CF
pakar diambil dari jumlah masukan gejala terhadap penyakit tersebut).
Maka perhitungan nilai kepastiannya adalah :
CF(E,e) = max [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e), CF(E6,e)]
= max [0.8, 0.9, 0.88, 0.79, 0.8, 0.89] = 0.9
Maka nilai kepastian (CF(H,e)) adalah :
CF (H,e) = CF(E,e) * CF(H,E) = 0.9 * 0.85 = 0.765
Prosentasi keyakinan = CF(H,e) * 100% = 76.5 %
Hal ini berarti bahwa nilai CF sebuah kelinci mengalami diare adalah 76.5 % sama
seperti pada gambar 4.
Hasil Konsultasi
Hallo jevan, gejala yang anda inputkan :
Kotoran encer (mencret)
Pendiam
Sekitar dubur berair atau basah
Kotoran berlendir dan bau
Kelinci terlihat basah, bau dan kotor
Nafsu makan berkurang
Penyakit
Diare ( Enteritis )
Definisi
Diare merupakan jenis penyakit yang sering menyerang pencernaan pada kelinci. pada bayi berumur 2-6 bulan.
Biasanya penyakit ini berlangsung selama 7-14 hari, tetapi beberapa kasus ada yang berlangsung sampai 3
minggu. Pada akhir infeksi RSV, tubuh membentuk kekebalan terhadap virus, tetapi kekebalan tersebut tidak
pernah lengkap. Infeksi kembali terjadi, tetapi biasanya tidak seberat infeksi sebelumnya.
Tindakan
Mencuci hijauan dan menjemurnya sebelum diberikan pada kelinci. Selain itu, pastikan kandang selalu dalam
keadaan bersih.
Penyebab
Perubahan makanan, tidak ada serat pakan, pakan terlalu berair, kandang yang kotor dan stres.
Solusi
Diobati dengan memuasakannya selama satu hari. Jika belum sembuh juga, berikan kulit jagung bagian dalam
yang mengandung sedikit air tetapi cukup serat sebagai pakan. Obat lain yang bisa diberikan adalah flagyl atau
fladex dengan dosis ½ tablet untuk kelinci dewasa yang dicampur dengan teh hangat, minumkan 2 kali sehari
Gambar 4. Hasil Konsultasi
yaitu pagi dan malam.
Dengan kepastian diagnosa : 76.5 %
Gambar 4. Hasil Konsultasi
ISBN : 978-602-97491-3-7
C-22-6
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
KESIMPULAN
Hasil pengujian menunjukkan sistem ini mampu mengidentifikasi penyakit pada
kelinci yang diinputkan user sesuai dengan gejala-gejala yang dialami kelinci
peliharaannya. Berdasarkan jawaban dari user, sistem pakar akan menyampaikan hasil
diagnosa yang disertai dengan tingkat kepastiannya. Selain itu, sistem memberikan
definisi penyakit, tindakan yang dilakukan terhadap penyakit, penyebab penyakit, dan
solusi berupa pencegahan dan penyembuhan dari penyakit yang diderita. Kekurangan
dari sistem ini adalah belum lengkapnya gambar penunjang dari setiap gejala-gejala
penyakit kelinci
DAFTAR PUSTAKA
Budhi, Gregorius S., Rolly Intan., 2005, Probabilitas Penggunaan Premis untuk
menentukan Certainty Factor dari Rule, Teknik Informatika Universitas Kristen
Petra, Surabaya.
Fai, Tan Chee., 2007, An Expert Fault Diagnosis System For Auto Wire Bond Machine,
Jurnal Teknologi, 47(A), 55-73, Universiti Teknologi Malaysia, Malaysia.
Firdaus, Oktri Mohammad., Eki Rakhmah Zakiyyah., 2009, Medical Knowledge
Management Based On Expert System (Case Study: Infection Sub. Division,
Department Of Child Health DR. Hasan Sadikin Central General Hospital,
Bandung), Proceeding, International Seminar on Industrial Engineering and
Management, Fakultas Teknik Universitas Widyatama Bandung, Bandung.
Golabchi, M., 2008, A Knowledge-Based Expert System For Selection Of Appropriate
Strusctural Systems For Large Spans, Asian Journal Of Civil Engineering
(Building And Housing), Vol. 9, NO. 2 , Pages 179-191, School of Architecture,
Faculty of Fine Arts, University of Tehran, Iran.
Hartati, Sri., 2005, Media Konsultasi Penyakit Kelamin Pria Dengan Penanganan
Ketidakpastian Menggunakan Certainty Factor Bayesian, Fakultas Matemetika
dan Ilmu Pengetahuan, Universitas Gadjah Mada, Yogyakarta.
Haryanto, Toto., 2011, Forward Dan Backward Chaining, Kampus IPB Darmaga,
Bogor,
http://totoharyanto.staff.ipb.ac.id/2011/02/25/forward-dan-backwardchaining.
Jarwadi., 2009, Jogja dan Kelinci, 31 Desember, Bengkel Rabbit Jogja, Sleman,
Yogyakarta.
Papaloukas, Costas, PhD., Dimitrios I. Fotiadis, PhD., Aristidis Likas, PhD., Christos S.
Stroumbis, MD., Lampros K. Michalis, MD, PhD., 2002, Use of a Novel Rulebased Expert System in the Detection of Changes in the ST Segment and the T
Wave in Long Duration ECGs, Journal of Electrocardiology Vol. 35 No.
1(january), University of Ioannina, Greece.
Peter., Pak Fong CHAN., December, 1996, An Expert System For Diagnosis Of
Problems In Reinforced Concrete Structures, Department of Computer Science
Royal Melbourne Institute of Technology City Campus, Melbourne Vic 3001,
Australia.
ISBN : 978-602-97491-3-7
C-22-7
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Salim, MD., Mr. Alvaro Villavicencio., Dr. Marc A. Timmerman., 2002, A Method for
Evaluating Expert System Shells for Classroom Instruction, Journal of Industrial
Technology, Volume 19, Number 1 (November), www.atmae.org.
Tolle, Herman., 2008, Pengantar Sistem Pakar (Expert System), Teknik Elektro
Universitas Brawijaya, Malang.
Wijaya, Rahmadi., 2007, Penggunaan Sistem Pakar dalam Pengembangan portal
Informasi untuk Spesifikasi Jenis Penyakit Infeksi, Jurnal Informatika, Vol. 3,
No.1, Juni :63-88, Sekolah Tinggi Manajemen Informatika dan Komputer CIC,
Cirebon
ISBN : 978-602-97491-3-7
C-22-8
Program Studi MMT-ITS, Surabaya 23 Juli 2011
PENGEMBANGAN SISTEM PAKAR UNTUK
MENGIDENTIFIKASI PENYAKIT PADA KELINCI
Klaudius Jevanda B.S, Suyoto, Ernawati
Program Pascasarjana - Magister Teknik Informatika
Universitas Atma Jaya Yogyakarta, Jalan Babarsari 43 Yogyakarta 55281
Tlp. (0274) 48771 ext. 2214-2215
[email protected], [email protected], [email protected]
ABSTRAK
Penelitian ini membahas tentang penyakit pada kelinci dimana informasi data
penyakit di dapat dari kelompok peternak kelinci di Yogyakarta, seperti Bengkel
Rabbit, Setyo Manunggal dan peternak kelinci yang lain. Informasi data penyakit
tersebut perlu dikelola dalam suatu manajemen teknologi informasi berupa sistem, yaitu
sistem pakar. Sistem pakar merupakan program komputer yang meniru proses
pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah tertentu. Dengan
adanya sistem pakar ini diharapkan orang awam dapat menyelesaikan masalah tertentu
baik sedikit rumit ataupun rumit sekalipun tanpa bantuan para ahli dalam bidang
tersebut. Pengembangan sistem pakar berbasis web yang dikembangkan ini bertujuan
untuk mengindentifikasi jenis penyakit pada kelinci dari gejala-gejala yang sering
timbul secara umum beserta gambar pendukung serta menyajikan informasi dengan
tepat dan userfriendly. Dengan menggunakan teknik pelacakan forward chaining dalam
menentukan diagnosa dan metode Certainty Factor dalam menunjukan ukuran nilai
kepastian terhadap suatu diagnosa, sehingga didapatkan hasil kemungkinan penyakit
yang dialami kelinci disertai dengan nilai Certainty Factor yang menunjukkan tingkat
kepastian hasil diagnosa. Sistem pakar di ujicobakan pada kelompok peternak kelinci di
Bengkel Rabbit dengan hasil memberikan kemudahan dalam melakukan diagnosa yang
diikutsertakan gambar pendukung.
Kata kunci: Sistem pakar, Certainty Factor, Forward Chaining, Manajemen
Teknologi Informasi.
PENDAHULUAN
Di Yogyakarta, saat ini kelinci sudah tidak asing lagi. Banyak orang yang mulai
beternak kelinci, meski kebanyakan masih jenis lokal dan pedaging. Lihat saja, banyak
kelompok peternak kelinci yang sudah terbentuk, di Sleman misalnya Pateter dan
Paguyuban Tingkat Kabupaten. Di Bantul ada Setyo Manunggal dan juga beberapa
kelompok komunitas lagi seperti Kelompok Peternak Kelinci (KPK). Kebanyakan yang
berkunjung kepeternakan adalah para hobiis dan ada juga pemula yang baru ingin
merintis ternak kelinci (Jarwadi, 2009).
Kelinci sangat rentan terhadap penyakit terlebih dikarenakan tempat yang tidak
sesuai atau kotor. Penyakit yang sering menyerang kelinci seperti diare, kembung,
koksidiosis, sembelit, pilek, radang paru-paru, kudis, cacingan, radang payudara, dan
jamur kulit. Banyak para hobiis tidak mengetahui dan mengerti penyakit yang diderita
pada kelinci yang dipeliharanya serta bagaimana penanganan yang harus dilakukan
terhadap penyakit yang diderita kelinci tersebut.
Berdasarkan latar belakang diatas, maka diperlukan pengelolaan manajemen
teknologi informasi tentang jenis penyakit kelinci tersebut. Maka dari itu, peneliti
mengembangkan sebuah sistem, yaitu sistem pakar. Sistem pakar yang dikembangkan
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
adalah sistem pakar untuk mengidentifikasi penyakit pada kelinci. Tujuan dari
penelitian ini adalah untuk mengidentifikasi jenis penyakit pada kelinci dari gejalagejala yang sering timbul secara umum beserta gambar penunjang yang mempermudah
administrator serta user dalam menggunakannya (userfriendly). Dengan menggunakan
teknik pelacakan forward chaining dalam menentukan diagnosa dan metode CF
(Certainty Factor) dalam menunjukkan ukuran nilai kepastian terhadap suatu diagnosa,
sehingga didapatkan hasil kemungkinan penyakit yang dialami kelinci.
SISTEM PAKAR
Sistem pakar (Expert System) adalah program komputer yang dapat melakukan
tugas menggunakan pola logika yang sama dengan yang digunakan oleh para ahli
(Human Expert) (Salim, et al.,2002). Sistem pakar adalah program komputer yang
menggunakan keahlian untuk membantu orang dalam menjalankan berbagai fungsi,
termasuk diagnosis, penjadwalan perencanaan, dan desain (Peter dan CHAN, 1996).
Tabel 1 dibawah ini adalah perbandingan antara para ahli dengan sistem pakar (Tolle,
2008).
Tabel 1. Perbandingan Para Ahli dengan Sistem Pakar (Tolle, 2008)
Faktor
Time Availability
Geografis
Keamanan
Perishable/dapat habis
Performansi
Kecepatan
Biaya
Para Ahli
Hari kerja
Lokal/tertentu
Tidak tergantikan
Ya
Variabel
Variabel
Tinggi
Sistem Pakar
Setiap saat
Dimana saja
Dapat diganti
Tidak
Konsisten
Konsisten dan lebih cepat
Terjangkau
Ide dasar dibalik sistem pakar adalah keahlian, yang merupakan bagian utama
dari pengetahuan yang spesifik, yang sudah ditransfer dari manusia ke komputer
(Firdaus dan Zakiyyah, 2009). Untuk merancang sistem pakar diperlukan proses
rekayasa pengetahuan, di mana aturan-aturan yang digunakan oleh para ahli
diakumulasi dan diterjemahkan ke dalam bentuk yang sesuai untuk pemrosesan
komputer (Papaloukas, et al., 2002).
Komponen Sistem Pakar
Sistem pakar (Fai, 2007) adalah suatu sistem interaktif yang terdiri dari tiga
komponen inti seperti yang ditunjukkan pada gambar 1:
1. Sebuah knowledge base tentang fakta-fakta dan heuristik yang dapat diterapkan
pada masalah tertentu.
2. Sebuah inference engine (atau sistem kontrol), yang memilih aturan pengetahuan
yang sesuai dan rekomendasi bagi penyelesaian masalah.
3. Sebuah working memory (atau database global) yang berisi penyimpanan
sementara, pengamatan atau bukti yang disediakan oleh pengguna tentang masalah
tertentu, dan semua informasi yang diperoleh tentang masalah tersebut.
Selain ketiga komponen utama, ada beberapa komponen pendukung, yaitu
knowledge acquisition module (juga dikenal sebagai knowledge elicitation) adalah
proses ekstraksi pengetahuan manusia dan keahlian, dan merekam dalam bentuk
tertentu yang nyaman bagi representasi berikut sebagai basis pengetahuan komputer
ISBN : 978-602-97491-3-7
C-22-2
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
yang kompatibel. Knowledge acquisition module terdiri dari elisitasi dan interpretasi
fungsi keahlian dalam suatu domain tertentu, dalam rangka untuk merancang,
membangun, memperluas, mengadaptasi atau memodifikasi sistem pakar berbasis
pengetahuan. Dalam pandangan ini, knowledge acquisition module adalah kegiatan
permanen dan penting dalam semua tahap merancang, menerapkan dan memelihara
sistem pakar. (Golabchi, 2008).
CORE COMPONENTS
Working
Memory
Inference
Engine
Knowledge
Base
User
Interface
Explanatio
n Module
Knowledge
Acquisition
Module
User
Expert
ACCESSORIES
Gambar 1. Komponen Dari Sistem Pakar (Fai, 2007)
Explanation module atau disebut juga fasilitas penjelasan. Fasilitas penjelasan
sistem pakar ini berfungsi memberi penjelasan kepada penderita bagaimana sistem
pakar menyimpulkan penyakit yang diderita pasien. Penjelasannya akan menampilkan
rangkaian diagnosa mulai dari adanya sebuah gejala yang tampak hingga semua gejala–
gejala yang diderita pasien (Hartati, 2005).
User Interface memberikan fasilitas komunikasi antara pemakai dan sistem,
memberikan berbagai fasilitas informasi dan berbagai keterangan yang bertujuan untuk
membantu mengarahkan alur penelusuran masalah sampai ditemukan solusi (Wijaya,
2007).
Mekanisme Inferensi
Mekanisme inferensi mengandung mekanisme pola pikir dan penalaran yang
digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi merupakan
bagian dari sistem pakar yang melakukan penalaran mengenai informasi yang ada
dalam basis pengetahuan dan dalam workplace, dan untuk menformulasikan
kesimpulan. Secara umum terdapat dua pendekatan yang digunakan dalam mekanisme
inferensi untuk pengujian aturan yaitu Backward chaining dan Forward chaining
(Wijaya, 2007).
Forward chaining adalah metode inferensi yang merupakan lawan dari
backward chaining. Forward chaining dimulai dengan data atau data driven. Artinya
pada forward chaining semua data dan aturan akan ditelusuri untuk mencapai
tujuan/goal yang diinginkan. Mesin inferensi yang menggunakan forward chaining akan
mencari antesendent (IF klausa ..) sampai kondisinya benar. Pada forward chaining
semua pertanyaan dalam sistem pakar akan disampaikan semuanya kepada pengguna
(Haryanto, 2011).
ISBN : 978-602-97491-3-7
C-22-3
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
METODE PENELITIAN
Sistem pakar untuk mengidentifikasi penyakit pada kelinci dikembangkan
dengan menggunakan dua pendekatan yaitu sistem pakar berbasis aturan dan certainty
factor (CF). Sistem pakar berbasis aturan merupakan jenis yang paling umum dikenal
sistem berbasis pengetahuan. Pengetahuan dipresentasikan dalam bentuk aturan JIKAMAKA. Dimana bagian JIKA, yang disebut antesedent (premis atau kondisi) dan
bagian MAKA, disebut evidence (kesimpulan atau tindakan). Bagian premis dalam
aturan produksi dapat memiliki lebih dari satu proposisi yaitu berarti pada sistem pakar
ini dalam satu aturan dapat memiliki lebih dari satu gejala. Gejala-gejala tersebut
dihubungkan dengan menggunakan operator logika ATAU. Bentuk pernyatannya
adalah:
JIKA [gejala 1]
ATAU [gejala 2]
ATAU [gejala 3]
MAKA [penyakit]
Berdasarkan pengetahuan diatas, maka aturan tersebut dapat disimpan dalam
bentuk sebuah tabel sehingga dapat lebih mudah untuk di mengerti. Dimana pada tabel
tersebut terdapat kolom jenis penyakit yang menjelaskan tentang definisi, tindakan,
penyebab, dan solusi.
Metode certainty factor (CF) adalah metode yang umum digunakan untuk
mengelola ketidakpastian dalam sistem berdasarkan aturan (Heckerman dan Shortliffe,
1992). Tabel 2 dibawah ini adalah intrepretasi nilai certainty factor.
Tabel 2. Interpretasi Nilai CF
Uncertain Term
Tidak diketahui
Mungkin
Kemungkinan besar
Hampir pasti
Pasti
CF
0.00 s/d 0.20
0.21 s/d 0.40
0.41 s/d 0.60
0.61 s/d 0.80
0.81 s/d 1.00
Kombinasi evidence didalam antecedent dari aturan ditunjukkan pada tabel 3.
Tabel 3. Aturan Untuk Mengkombinasikan Evidence Didalam Antecedent
Evidence, E
E1 DAN E2
E1 OR E2
TIDAK E
Antecedent Ketidakpastian
min[CF(H,E1), CF(H,E2)]
max[CF(H,E1), CF(H,E2)]
- CF(H,E)
Bentuk dasar rumus certainty factor sebuah aturan IF E THEN H adalah sebagai
berikut:
CF(H,e) = CF(E,e) * CF(H,E) ..............................................................(1)
Dimana,
CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e
CF(H,E): certainty factor hipotesis dengan asumsi evidence diketahui dengan
pasti ketika CF(E, e) = 1 dan tidak pasti ketika CF(E,e) = -1.
CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e
Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh
pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kepercayaan yang
diberikan oleh user terhadap gejala yang dialami kelincinya. CF user diperoleh dari
ISBN : 978-602-97491-3-7
C-22-4
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
jawaban user saat melakukan konsultasi. CF tidak secara langsung diberikan oleh user
tetapi dihitung oleh sistem berdasarkan jawaban user. Pilihan jawaban yang disediakan
oleh sistem seperti pada tabel 2.
HASIL DAN DISKUSI
Metode untuk melakukan identifikasi penyakit pada kelinci adalah metode
certainty factor (nilai kepastian) dimana setiap variabel mempunyai nilai kepastian
sendiri untuk masing-masing output diagnosa. Untuk bisa melakukan konsultasi, user
harus melakukan registrasi terlebih dahulu lalu login menggunakan account yang sudah
didaftarkan.
Gambar 2. Tampilan Form Registrasi Pengguna
Konsultasi Penyakit
Nilai bobot kepastian atau kepercayaan gejala :
Indikasi
Jangkauan nilai yang diiputkan
Silahkan pilih gejala penyakit berikut :
Gambar
Nilai kepastian (CF)
Gambar 3. Tampilan Form Konsultasi
ISBN : 978-602-97491-3-7
C-22-5
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Sebagai implementasi, user melakukan konsultasi dengan menginputkan gejalagejala yang dialami kelinci peliharaannya beserta nilai kepastian dari gejala tersebut
seperti dibawah ini :
1. User memilih Kotoran encer (mencret) dengan nilai kepastian = 0.8
2. User memilih Pendiam dengan nilai kepastian = 0.9
3. User memilih Sekitar dubur berair atau basah dengan nilai kepastian = 0.88
4. User memilih Kotoran berlendir dan bau dengan nilai kepastian = 0.79
5. User memilih Kelinci terlihat basah, bau dan kotor dengan nilai kepastian = 0.8
6. User memilih Nafsu makan berkurang dengan nilai kepastian = 0.89
Aturan dengan CF yang diberikan oleh seorang pakar adalah JIKA Kotoran
encer (mencret) ATAU Pendiam ATAU Berat badan turun ATAU Nafsu makan
berkurang ATAU Sekitar dubur berair atau basah ATAU Kelinci terlihat basah, bau dan
kotor ATAU Kotoran berlendir dan bau MAKA Diare, CF pakar = 6/7 = 0,85 (CF
pakar diambil dari jumlah masukan gejala terhadap penyakit tersebut).
Maka perhitungan nilai kepastiannya adalah :
CF(E,e) = max [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e), CF(E6,e)]
= max [0.8, 0.9, 0.88, 0.79, 0.8, 0.89] = 0.9
Maka nilai kepastian (CF(H,e)) adalah :
CF (H,e) = CF(E,e) * CF(H,E) = 0.9 * 0.85 = 0.765
Prosentasi keyakinan = CF(H,e) * 100% = 76.5 %
Hal ini berarti bahwa nilai CF sebuah kelinci mengalami diare adalah 76.5 % sama
seperti pada gambar 4.
Hasil Konsultasi
Hallo jevan, gejala yang anda inputkan :
Kotoran encer (mencret)
Pendiam
Sekitar dubur berair atau basah
Kotoran berlendir dan bau
Kelinci terlihat basah, bau dan kotor
Nafsu makan berkurang
Penyakit
Diare ( Enteritis )
Definisi
Diare merupakan jenis penyakit yang sering menyerang pencernaan pada kelinci. pada bayi berumur 2-6 bulan.
Biasanya penyakit ini berlangsung selama 7-14 hari, tetapi beberapa kasus ada yang berlangsung sampai 3
minggu. Pada akhir infeksi RSV, tubuh membentuk kekebalan terhadap virus, tetapi kekebalan tersebut tidak
pernah lengkap. Infeksi kembali terjadi, tetapi biasanya tidak seberat infeksi sebelumnya.
Tindakan
Mencuci hijauan dan menjemurnya sebelum diberikan pada kelinci. Selain itu, pastikan kandang selalu dalam
keadaan bersih.
Penyebab
Perubahan makanan, tidak ada serat pakan, pakan terlalu berair, kandang yang kotor dan stres.
Solusi
Diobati dengan memuasakannya selama satu hari. Jika belum sembuh juga, berikan kulit jagung bagian dalam
yang mengandung sedikit air tetapi cukup serat sebagai pakan. Obat lain yang bisa diberikan adalah flagyl atau
fladex dengan dosis ½ tablet untuk kelinci dewasa yang dicampur dengan teh hangat, minumkan 2 kali sehari
Gambar 4. Hasil Konsultasi
yaitu pagi dan malam.
Dengan kepastian diagnosa : 76.5 %
Gambar 4. Hasil Konsultasi
ISBN : 978-602-97491-3-7
C-22-6
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
KESIMPULAN
Hasil pengujian menunjukkan sistem ini mampu mengidentifikasi penyakit pada
kelinci yang diinputkan user sesuai dengan gejala-gejala yang dialami kelinci
peliharaannya. Berdasarkan jawaban dari user, sistem pakar akan menyampaikan hasil
diagnosa yang disertai dengan tingkat kepastiannya. Selain itu, sistem memberikan
definisi penyakit, tindakan yang dilakukan terhadap penyakit, penyebab penyakit, dan
solusi berupa pencegahan dan penyembuhan dari penyakit yang diderita. Kekurangan
dari sistem ini adalah belum lengkapnya gambar penunjang dari setiap gejala-gejala
penyakit kelinci
DAFTAR PUSTAKA
Budhi, Gregorius S., Rolly Intan., 2005, Probabilitas Penggunaan Premis untuk
menentukan Certainty Factor dari Rule, Teknik Informatika Universitas Kristen
Petra, Surabaya.
Fai, Tan Chee., 2007, An Expert Fault Diagnosis System For Auto Wire Bond Machine,
Jurnal Teknologi, 47(A), 55-73, Universiti Teknologi Malaysia, Malaysia.
Firdaus, Oktri Mohammad., Eki Rakhmah Zakiyyah., 2009, Medical Knowledge
Management Based On Expert System (Case Study: Infection Sub. Division,
Department Of Child Health DR. Hasan Sadikin Central General Hospital,
Bandung), Proceeding, International Seminar on Industrial Engineering and
Management, Fakultas Teknik Universitas Widyatama Bandung, Bandung.
Golabchi, M., 2008, A Knowledge-Based Expert System For Selection Of Appropriate
Strusctural Systems For Large Spans, Asian Journal Of Civil Engineering
(Building And Housing), Vol. 9, NO. 2 , Pages 179-191, School of Architecture,
Faculty of Fine Arts, University of Tehran, Iran.
Hartati, Sri., 2005, Media Konsultasi Penyakit Kelamin Pria Dengan Penanganan
Ketidakpastian Menggunakan Certainty Factor Bayesian, Fakultas Matemetika
dan Ilmu Pengetahuan, Universitas Gadjah Mada, Yogyakarta.
Haryanto, Toto., 2011, Forward Dan Backward Chaining, Kampus IPB Darmaga,
Bogor,
http://totoharyanto.staff.ipb.ac.id/2011/02/25/forward-dan-backwardchaining.
Jarwadi., 2009, Jogja dan Kelinci, 31 Desember, Bengkel Rabbit Jogja, Sleman,
Yogyakarta.
Papaloukas, Costas, PhD., Dimitrios I. Fotiadis, PhD., Aristidis Likas, PhD., Christos S.
Stroumbis, MD., Lampros K. Michalis, MD, PhD., 2002, Use of a Novel Rulebased Expert System in the Detection of Changes in the ST Segment and the T
Wave in Long Duration ECGs, Journal of Electrocardiology Vol. 35 No.
1(january), University of Ioannina, Greece.
Peter., Pak Fong CHAN., December, 1996, An Expert System For Diagnosis Of
Problems In Reinforced Concrete Structures, Department of Computer Science
Royal Melbourne Institute of Technology City Campus, Melbourne Vic 3001,
Australia.
ISBN : 978-602-97491-3-7
C-22-7
Prosiding Seminar Nasional Manajemen Teknologi XIV
Program Studi MMT-ITS, Surabaya 23 Juli 2011
Salim, MD., Mr. Alvaro Villavicencio., Dr. Marc A. Timmerman., 2002, A Method for
Evaluating Expert System Shells for Classroom Instruction, Journal of Industrial
Technology, Volume 19, Number 1 (November), www.atmae.org.
Tolle, Herman., 2008, Pengantar Sistem Pakar (Expert System), Teknik Elektro
Universitas Brawijaya, Malang.
Wijaya, Rahmadi., 2007, Penggunaan Sistem Pakar dalam Pengembangan portal
Informasi untuk Spesifikasi Jenis Penyakit Infeksi, Jurnal Informatika, Vol. 3,
No.1, Juni :63-88, Sekolah Tinggi Manajemen Informatika dan Komputer CIC,
Cirebon
ISBN : 978-602-97491-3-7
C-22-8