SISTEM PAKAR DIAGNOSA PENYAKIT SAPI MENGGUNAKAN METODE BACKWARD CHAINING

PENDAHULUAN

Saat ini, permintaan daging dan susu sapi semakin meningkat. Dalam pemeliharaan ternak sapi, salah satu penghambat yang sering dihadapi adalah penyakit. Bahkan, tidak jarang peternak mengalami kerugian dan tidak lagi berternak akibat adanya kematian pada ternaknya.[1] Perkembangan akan teknologi pada saat ini tumbuh dengan sangat pesat. Terutama perkembangan teknologi dibidang Android. Pembangunan sistem menggunakan gadget juga diharapkan dapat membantu manusia dalam mengolah data dengan cepat namun tepat dan dapat diakses dimana saja sehingga hasilnya dapat digunakan manusia untuk mengambil keputusan yang tepat berdasarkan sistem yang dibuat.[12] Perkembangan teknologi kecerdasan buatan yang terjadi telah memungkinkan sistem pakar untuk diaplikasikan penggunaannya dalam perangkat mobile yang berbasis android dengan mengunakan metode backward chaining dan certainty factor. [4]

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 yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar, orang awampun dapat menyelesaikan masalah yang rumit yang sebenarnya hanya bisa diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman.[4]

Dengan menggunakan sistem pakar diharapkan dapat mempercepat dalam menganalisa suatu jenis penyakit yang terdapat pada ternak sapi sehingga dapat dengan mudah di ketahui jenis penyakit yang sedang menjangkit ternak sapi tersebut tanpa harus berhadapan dengan dokter hewan secara langsung. Dalam hal ini, pengembangan sistem pakar dapat bermanfaat untuk membantu peningkatan kinerja dalam bidang peternakan khususnya.

Tinjauan Pustaka

1. Zain (2015), melakukan penelitian tentang “Analisis Metode Certainty Factor dalam Sistem Pakar untuk Mendeteksi Penyakit Sapi Pedaging”. Penelitian ini menggunakan metode certainty factor sebagai penentu nilai kepercayaanya dan metode forward chaining sebagai alur penelusuran gejalanya.[15]
2. Syatibi (2012), melakukan penelitian tentang “ Sistem pakar Diagnosis Awal Penyakit Kulit Sapi Berbasis Web Dengan Menggunakan Metode Certainty Factor”. Aplikasi Sistem Pakar ini menghasilkan keluaran berupa program aplikasi atau tool yang dapat digunakan untuk mendiagnosa kemungkinan penyakit kulit pada hewan sapi berdasarkan gejala yang diinputkan oleh user. Sistem ini juga menampilkan besarnya kepercayaan gejala tersebut terhadap penyakit kulit yang diinputkan oleh user.[13]

Metodologi Penelitian

Metode Pengumpulan data

      Metode pengumpulan data dalam pembuatan aplikasi ini adalah:

1. Studi Literatur, Studi literatur adalah metode untuk mendapatkan teori pendukung penelitian dan menjadi dasar dalam penelitian ini. Literatur tersebut dapat diperoleh dari buku, jurnal, ebook dan dokumentasi project. Bagian studi literatur ini mencakup teori diantaranya system pakar, metode certainty fctor, metode backward chaining dan sistem pakar.
2. Wawancara dan Pengunpulan data, Mempelajari dan mengumpulka data berupa data penyakit, gejala, dan nilai kepercayaan dari pakar dengan melakukan tanya jawab.

Metode Perancangan sistem

Adapun metode perancangan sistem yang digunakan dalam pembuatan aplikasi ini adalah tahapan SDLC model waterfall. [2]

Landasan Teori

Mode Inferensi

1. Runut Maju (Forward Chaining), Runut mmaju berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori kerja. Proses dilakukan sampai ditemukan suatu hasil. Metode inferensi runut maju cocok digunakan untuk menengani masalah pengendalian (controlling) dann peramalan (prognosis) [3].
2. Runut Balik (Backward Chaining), Runut balik merupakan metode penelaran kebalikan dari runut maju. Dalam runut balik penalaran simulai dari tujuan kemudian merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut. Runut balik disebut juga sebagai goal-driven reasoning, merupakan cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan terstruktur [3].

      Faktor Kepastian (Certainty Factor)

     Certainty Factor (CF) menujukkan ukuran kepastian terhadap suatu fakta atau aturan.Notasi  Faktor Kepastian [4] adalah sebagai berikut :

CF[h,e] = MB[h,e] – MD[h,e]

CF[h,e] : Faktor Kepastian

MB[h,e] : ukuran kepercayaan terhadap hipotesis h , jika diberikan

evidence e ( antara 0 dan 1 ).

MD[h,e] : ukuran ketidakpercayaan terhadap evidence h,jika diberikan

evidence e ( antara 0 dan 1 )

Hasil dan Pembahasan

Pohon Keputusan

Diagram pohon keputusan merupakan suatu rancangan yang digunakan untuk membantu sebuah sistem pakar,di dalam diagram keputusan tersebut akan dicari solusi hasil akhir dengan menggunakan metode backward chaining dan certainty factor.

Data Penyakit

Jumlah penyakit yang diolah dalam sistem pakar penyakit sapi ini adalah 6 macam penyakit.

Data Gejala

Data-data gejala yang digunakan dalam sistem pakar penyakit sapi ini berjumlah 23 gejala. Berikut sebagian dari gejala yang digunakan :

Tabel Aturan Gejala

Dalam table aturan gejala table 4 berikut ini menjelaskan tentang aturan-aturan apa saja yang digunakan sistem pakar untuk menyelesaikan permasalahan.

Perhitungan Manual Nilai Certainty Factor

Nilai Certainty Factor (CF) ditentukan untuk setiap gejala yang berhubungan dengan penyakit tertentu dalam range nilai 0 sampai dengan 1. Nilai ini mewakili keyakinan seorang pakar terhadap suatu gejala yang mempengaruhi terjadinya suatu penyakit mata tertentu.

Berikut ini contoh perhitungan nilai certainty factor (CF) penyakit antrax :

Rumus Awal : 

CF (H,E) = MB(H,E) - MD(H,E) 

MB(h, e1^e2) = MB(h,e1)+MB(h,e2)*(1-MB[h,e1]) 

MD(h,e1^e2) = MD(h,e1)+MD(h,e2)*(1-MD[h,e1])

MB(h, e1^e2) = MB(h,e1)+MB(h,e2)*(1-MB[h,e1])

= 0.6+0.4*(1-0.6)= 0.76

MD(h, e1^e2) = MD(h,e1)+ MD(h,e2)*(1- MD[h,e1])

= 0.2+0.2*(1-0.2)= 0.36

CF = MB-MD

= 0.76-0.36 = 0.40

MB(h, e1^e2^e3) = MB(h, e1^e2)+MB(h,e3)*(1-MB[h, e1^e2])

= 0.76+0.8*(1-0.76)= 0.952

MD h, e1^e2^e3) = MD(h, e1^e2)+ MD(h,e3)*(1- MD[h, e1^e2])

= 0.2+0.1*(1-0.2)= 0.424

CF = MB-MD

=0.952-0.424= 0.528

MB(h, e1^e2^e3^e4) = MB(h, e1^e2^e3)+MB(h,e3)*(1-MB[h, e1^e2^e3])

= 0.952+0.6*(1-0.952)= 0.9808

MD h, e1^e2^e3^e4) = MD(h, e1^e2^e3)+ MD(h,e3)*(1- MD[h, e1^e2^e3])

= 0.424+0.2*(1-0.424)= 0.5392

CF = MB-MD

=0.9808-0.5392=0.4416

Perhitungan manual di atas, didapatkan nilai faktor kepastian dari masukan gejala yang mengarah ke penyakit antrax adalah 0,4416.

Kesimpulan

Dari hasil penelitian pengembangan “Aplikasi Sistem Pakar Diagnosa Penyakit Sapi Menggunakan Metode Backward Chaining dan Certainty Factor” maka dapat diambil kesimpulan sebagai berikut .

1. Pada aplikasi ini hanya mendiagnosa enam penyakit dengan masing-masing penyakit memiliki empat gejala.
2. Aplikasi ini masih belum terdapat fasilitas untuk update data penyakit terbaru..
3. Aplikasi sistem pakar ini dapat berjalan dengan lancar pada smartphone android dengan layar 4 inch.

Saran

Dalam penelitian ini masih terdapat kelemahan dan kekurangan, sehingga di masa yang akan datang dapat dikembangkan lagi, karena itu disarankan.

1. Untuk penelitian selanjutnya bisa dikembangkan lagi untuk penambahan upgrade database penyakit secara online.
2. Untuk penelitian selanjutnya bisa menambahkan jumlah data penyakit dan gejala pada ternak sapi.