Artifial Intelegence

67
PERANCANGAN APLIKASI BERBASIS PENGETAHUAN UNTUK DIAGNOSA AWAL PENYAKIT UNGGAS MENGGUNAKAN METODE BACKWARD CHAINING PADA SMARTPHONE BERBASIS ANDROID Oleh DewaNyoman Abi Sahadewa (10101092) I Made Krisnayana Dwi .S. (10101013) 1

Transcript of Artifial Intelegence

Page 1: Artifial Intelegence

PERANCANGAN APLIKASI BERBASIS PENGETAHUAN

UNTUK DIAGNOSA AWAL PENYAKIT UNGGAS

MENGGUNAKAN METODE BACKWARD CHAINING

PADA SMARTPHONE BERBASIS ANDROID

Oleh

DewaNyoman Abi Sahadewa (10101092)

I Made Krisnayana Dwi .S. (10101013)

STMIK STIKOM INDONESIA

2012 / 2013

1

Page 2: Artifial Intelegence

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dapat dilihat di rumah maupun di alam sekitar banyak jenis unggas yang

dipelihara maupun terbang dan berkeliaran bebas. Ayam maupun burung

merupakan unggas yang memiliki jenis penyakit yang sama. Baik yang menular

maupun tidak. Penyakitnya pun dapat membahayakan manusia. Contohnya adalah

penyakit flu burung atau yang dikenal dengan nama ilmiah H5N1.

Pemilik unggas tidak hanya orang yang sebagai peternak saja, tetapi juga

di rumah tangga memiliki beberapa jenis unggas. Seperti orang yang hobi

memelihara ayam atau burung. Penyakit pada unggas bisa saja tiba-tiba datang

dan menyerang unggas. Hal tersebut dapat membahayakan pemilik unggas beserta

keluarganya. Mengetahui gejalanya sejak dini akan membantu menekan

penyebaran penyakit tersebut.

Orang pada umumnya tidak begitu peduli dengan sebagian besar jenis

penyakit yang dapat menyerang unggas peliharaannya. Bukan hanya

ketidaktahuan terhadap penyakitnya saja, akan tetapi tidak keseriusan dalam

penanganan menjadi penyebab penyebaran penyakit tersebut. Sebelum orang

pemelihara unggas memeriksakan unggasnya ke dokter hewan atau seseorang

yang sebagai ahli penyakit unggas, penyakit sudah terlebih dahulu membunuh

unggas tersebut, bahkan menyebar ke unggas yang lain dan menghabiskan

semuanya. Karena biasanya untuk mengetahui penyakit, unggas harus dibawa ke

tempat pemeriksaan atau seorang pemeriksa yang datang ke tempat pemilik

unggaas.

Namun, untuk mengetahui penyakit yang terinfeksi di unggas juga dapat

dilakukan sebuah diagnosa. Diagnosa sebuah penyakit biasanya dilakukan oleh

dokter hewan atau para ahli di bidangnya. Dan untuk sebuah diagnosa akan

diperlukan gejala yang dilihat dari unggas tersebut untuk mendapatkan

kesimpulan atau hasil akurat yang akan menentukan penyakit apa yang sedang

diderita.

Diagnosa dapat dilakukan secara manual dan otomatis, dari para ahlinya

atau dengan notebook yang memiliki perangkat lunak untuk diagnosis penyakit

2

Page 3: Artifial Intelegence

unggas. Dengan berkembangnya teknologi saat ini, diagnosa sebuah penyakit

dapat dilakukan di genggaman tangan. Dengan mudah dan cepat diagnosa dari

gejala-gejala yang ada kemudian akan otomatis memberikan kesimpulan penyakit

tersebut.

Untuk diagnosa secara otomatis, diperlukan metode untuk mendapatkan

kesimpulan penyakit yang terinfeksi. Metode yang digunakan adalah backward

chaining yaitu metode yang digunakan dalam inference engine untuk melakukan

pelacakan atau penalaran dari sekumpulan hipotesa menuju fakta-fakta yang

mendukung kesimpulan tersebut. Kemudian untuk menguji kebenaran hipotesis

tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.

Penggunaan handphone dilengkapi internet yang cepat dapat menjadi

device untuk dapat lebih memudahkan manusia. Terlebih lagi, banyak aplikasi

mobile yang diciptakan, membuat informasi yang dibutuhkan mudah didapat.

Pengembang sistem operasi pada handphone pun telah berhasil membuat device

komunikasi tersebut menjadi sebuah smartphone dengan fungsionalitas lebih baik.

Sistem operasi pada smartphone yang saat ini banyak digemari adalah

Android. Android merupakan sistem operasi yang bersifat open source dengan

harga yang terjangkau, sehingga menyebabkan produk keluaran Google ini

meningkat jumlah permintaannya.

Diagnosa awal penyakit unggas bisa dilakukan secara mobile tanpa

menggunakan web browser dan melalui sistem operasi handphone yang sedang

berkembang berbasis smartphone Android, menjadi latar belakang proyek akhir

ini. Maka dari itu dibangunlah aplikasi diagnosa awal penyakit secara mobile yang

dikhususkan untuk diagnosis penyakit unggas yang disebut dengan “Diagnosa

Awal Penyakit Unggas (DAPU)”.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, didapatkan rumusan masalah sebagai

berikut:

1. Bagaimana membangun aplikasi untuk diagnosis penyakit unggas

pada smartphone berbasis Android?

3

Page 4: Artifial Intelegence

2. Bagaimana aplikasi “Diagnosa Awal Penyakit Unggas (DAPU)”

dapat menyimpulkan penyakit dari gejala yang dimasukkan?

1.3 Tujuan

1. Membangun diagnosis penyakit unggas pada smartphone berbasis

Android adalah dengan menciptakan sebuah aplikasi “Diagnosa

Awal Penyakit Unggas (DAPU)”.

2. Aplikasi “Diagnosa Awal Penyakit Unggas” dapat memberikan

kesimpulan penyakit yang terinfeksi dari gejala-gejala yang

terdapat pada unggas tersebut.

1.4 Batasan Masalah

Batasan masalah terhadap aplikasi ini adalah:

1. Aplikasi ini hanya diagnosis penyakit yang ada pada unggas.

2. Aplikasi bersifat mobile aplication dan menggunakan OS Android

versi 2.3 (Gingerbread).

3. Pada aplikasi ini, user tidak dapat mengubah database penyakit.

1.5 Manfaat

Adapun manfaat yang diharapkan dari aplikasi ini adalah:

1. Diharapkan dapat membantu pengguna dalam mengetahui penyakit

yang terinfeksi pada unggas.

2. Mencegah penyebaran penyakit.

3. Melindungi diri dan keluarga dari terinfeksinya penyakit yang

dapat membahayakan manusia.

4

Page 5: Artifial Intelegence

BAB II

KAJIAN PUSTAKA

2.1 State Of The Art

Pada penelitian sebelumnya telah ada penelitian yang menyerupai tugas

akhir “Perancangan Aplikasi Sistem Berbasis Pengetahuan Untuk Diagnosa Awal

Penyakit Unggas Menggunakan Metode Backward Chaining Pada Smartphone

Berbasis Android”, seperti penelitian yang dilakukan oleh Ayu Paramyta

Rachmawati (2012) yang berjudul “Aplikasi Pengatur Pola Hidup Sehat Berbasis

Android”. Pada penelitian ini ditujukan untuk mengatur jadwal makan dan

mengingatkan pengguna untuk bisa melakukan pola hidup sehat. Penyakit yang

ada pada aplikasi ini yaitu penyakit kardivaskuler, hepar, ginjal, diabetes militus

dan maag. Pengumpulan data dilakukan dengan cara observasi,identifikasi dan

klasifikasi melalui studi literatur.

Penelitian sejenis juga dilakukan oleh Nanang Indra Riwayanto (2012),

dengan judul “Aplikasi Diagnosa Keluhan Selama Masa Kehamilan Berdasarkan

Tingkat Certainty Factor Berbasis Android”. Disini peneliti menggunakan

kemajuan teknologi untuk memberikan informasi saran/solusi tentang keluhan

selama masa kehamilan berdasarkan parameter/trimester dengan membuat

perangkat lunak pada smartphone berbasis Android berdasarkan Certainty Factor

yaitu dengan hasil tingkat nilai kepastian. Parameter yang dipergunakan dalam

diagnosa adalah usia kandungan normal dari usia 16 – 35 tahun. Sistem Operasi

Android yang digunakan adalah versi 2.2 (Froyo). Manfaat penelitian ini adalah

untuk menambah pengetahuan mengenai masalah kebidanan, khususnya masalah

kandungan.

Perbedaan yang terdapat pada tugas akhir ini adalah dari metode yang

menggunakan backward chaining yaitu metode yang digunakan dalam inference

engine untuk melakukan pelacakan atau penalaran dari sekumpulan hipotesa

menuju fakta-fakta yang mendukung kesimpulan tersebut. Dan untuk menguji

kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis

pengetahuan. Pada aplikasi ini juga terdapat perbedaan dari segi database yang

dapat diperbaharui melalui jaringan internet.

5

Page 6: Artifial Intelegence

2.2 Kecerdasan Buatan

Kusumadewi (2003) menyatakan bahwa kecerdasan buatan atau artificial

intelligence merupakan salah satu bagian ilmu komputer yang membuat agar

mesin (komputer) dapat melakukan pekerjaan selayaknya yang dilakukan oleh

manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat

hitung. Namun seiring dengan perkembangan jaman, maka peran komputer

semakin mendominasi kehidupan umat manusia. Komputer tidak lagi hanya

digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat

diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh

manusia.

Manusia bisa menjadi pandai dalam menyelesaikan segala permasalahan

di dunia ini karena manusia mempunyai pengetahuan dan pengalaman.

Pengetahuan diperoleh dari proses belajar. Semakin banyak bekal pengetahuan

yang dimiliki oleh seseorang tentu saja diharapkan akan lebih mampu dalam

menyelesaikan permasalahan. Namun bekal pengetahuan saja tidak akan cukup,

manusia juga diberikan akal untuk melakukan penalaran, mengambil kesimpulan

berdasarkan pengetahuan dan pengalaman yang mereka miliki. Tanpa memiliki

kemampuan untuk menalar dengan baik, meskipun manusia dengan segudang

pengalaman dan pengetahuan tidak akan dapat menyelesaikan masalah dengan

baik. Demikian pula, dengan kemampuan menalar yang sangat baik, namun tanpa

bekal pengetahuan dan pengalaman yang memadai, manusia juga tidak akan bisa

menyelesaikan masalah dengan baik.

2.3 Sistem Pakar

Sistem Pakar ( Expert System ) adalah sistem yang berusaha mengadopsi

pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah

seperti biasa yang dilakukan para ahli (Sri Kusumadewi, 2003).

Sistem pakar (expert system) mulai dikembangkan pada pertengahan tahun

1960-an oleh Artificial Intelligence Corporation. Sistem pakar yang muncul

pertama kali adalah General-purpose Problem Solver (GPS) yang merupakan

sebuah predecessor untuk menyusun langkah-langkah yang dibutuhkan untuk

6

Page 7: Artifial Intelegence

mengubah situasi awal menjadi state tujuan yang telah ditentukan sebelumnya

dengan menggunakan domain masalah yang kompleks.

Sistem pakar dapat diterapkan untuk persoalan di bidang industri,

pertanian, bisni, kedokteran, militer, komunikasi dan transportasi, pariwisata,

pendidikan, dan lain sebagainya. Permasalahan tersebut bersifat cukup kompleks

dan terkadang tidak memiliki algoritma yang jelas di dalam pemecahannya,

sehingga dibutuhkan kemampuan seorang atau beberapa ahli untuk mencari

sistematika penyelesaiannya secara evolutif.

Sistem pakar merupakan program yang dapat menggantikan keberadaan

seorang pakar. Alasan mendasar mengapa sistem pakar dikembangkan

menggantikan seorang pakar adalah sebagai berikut :

1. Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.

2. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang

pakar.

3. Seorang pakar akan pensiun atau pergi.

4. Menghadirkan atau menggunkan jasa seorang pakar memerlukan biaya yang

mahal.

5. Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat (hostile

environment).

2.4 Sistem Berbasis Pengetahuan

2.4.1 Definisi Sistem Berbasis Pengetahuan

Sistem Berbasis Pengetahuan diturunkan dari istilah knowledge based

expert system. Sistem ini merupakan sistem yang menggunakan pengetahuan

manusia yang telah disimpan dalam komputer untuk menyelesaikan permasalahan

yang memerlukan kepakaran seorang ahli (Buliali, dkk., 2007)

Sistem Berbasis Pengetahuan atau Sistem Pakar merupakan salah satu

cabang dari AI dimana dalam dunia komersial disebut dengan sistem yang dapat

secara efektif dan efisien melaksanakan tugas yang tidak terlalu memerlukan

pakar. Sistem Berbasis Pengetahuan dikenal juga dengan sistem penasihat, sistem

pengetahuan, sistem bantuan kerja cerdas atau sistem operasional (Turban, dkk.,

2005).

7

Page 8: Artifial Intelegence

Sistem Berbasis Pengetahuan atau Sistem Pakar adalah program pemberi

advis/nasehat yang terkomputerisasi yang ditujukan untuk meniru

proses reasoning (pertimbangan) dan pengetahuan dari pakar dalam

menyelesaikan permasalahan masalah yang lebih spesifik (Irfan Subakti, 2006).

Sistem Pakar adalah sistem yang berusaha mengadopsi pengetahuan

manusia ke komputer, agar komputer dapat menyelesaikan seperti yang biasa

dilakukan oleh para ahli (Sri Kusumadewi, 2003).

Sistem Pakar dibuat pada wilayah pengetahuan tertentu untuk sesuatu

kepakaran tertentu yang mendekati kemampuan manusia disalah satu bidang.

Sistem Pakar mencoba mencari solusi yang memuaskan sebagaimana yang

dilakukan seorang pakar. Selain itu Sistem Pakar juga dapat memberikan

penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau

kesimpulan yang ditemukannya. Bidang ini digunakan lebih banyak daripada

penggunaan bidang-bidang Kecerdasan Buatan lainnya. Sistem Pakar menarik

minat yang besar dalam suatu organisasi disebabkan kemampuannya dalam

meningkatkan produktifitas dan dalam meningkatkan gugus kerja di berbagai

bidang tertentu dimana pakar manusia akan mengalami kesulitan dalam

mendapatkan dan mempertahankan kemampuan itu.

2.4.2 Sejarah Sistem Berbasis Pengetahuan

Sistem Pakar petama kali dikembangkan oleh komunitas AI (Artificial

Intellegence) pada pertengahan tahun 1956. Sistem Pakar yang muncul pertama

kali adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh

Newel dan Simon (Sri Kusumadewi, 2003). GPS dan program-program serupa ini

mengalami kegagalan dikarenakan cakupannya yang terlalu luas sehingga

terkadang justru meninggalkan pengetahuan-pengetahuan penting yang

seharusnya disediakan.

Pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa

(general-purpose) ke program yang spesialis (special-purpose) dengan

dikembangkannya DENDRAL oleh E.Feigenbauh dari Universitas Stanford dan

kemudian diikuti oleh MYCIN.

8

Page 9: Artifial Intelegence

Awal tahun 1980-an, teknologi Sistem Pakar yang mula-mula dibatasi oleh

suasana akademis mulai muncul sebagai aplikasi komersial, khususnya XCON,

XSEL (dikembangkan dari R-1 pada Digital Equipment Corp.) dan CATS-1

(dikembangkan oleh General Electric). Sistem Pakar dari tahun ketahun selalu

mengalami perkembangan.

Ada beberapa contoh Sistem Pakar yang pernah dibuat:

1. MYCIN

Memberikan diagnosa dan solusi pengobatan penyakit.

2. MACSYMA

Menangani masalah matematika.

3. DENDRAL

Mengidentifikasi struktur molekular campuran yang tidak dikenal.

4. XCON&XSEL

Membantu konfigurasi sistem komputer besar.

5. SOPHIE

Melakukan analisis sirkuit elektronik.

6. Prospector

Membantu mencari dan menemukan deposit dalam geologi.

7. FOLIO

Membantu memberikan keputusan bagi seorang manajer dalam hal stok

broker dan investasi.

8. DELTA

Pemeliharaan lokomotif disel.

2.4.3 Konsep Dasar Sistem Berbasis Pengetahuan

Menurut Efraim Turban, konsep dari Sistem Pakar mengandung keahlian,

ahli, pengalihan keahlian, inferensi, aturan, dan kemampuan menjelaskan (Sri

Kusumadewi, 2003).

a Keahlian (Expertise)

Keahlian merupakan pengetahuan khusus yang dimiliki oleh seseorang

melalui latihan, belajar, serta pengalaman yang dialami pada suatu bidang

tertentu dalam jangka waktu yang cukup lama. Pengetahuan tersebut dapat

9

Page 10: Artifial Intelegence

berupa fakta-fakta, teori-teori, aturan-aturan serta strategi untuk

menyelesaikan suatu masalah. Dengan pengetahuan tersebut seorang pakar

dapat memberikan keputusan yang lebih baik dan cepat dalam menyelesaikan

suatu permasalahan yang sulit.

b Ahli atau Pakar (Expert)

Seorang pakar harus memiliki kemampuan menyelesaikan permasalahan pada

bidang tertentu yang ditanganinya, kemudian memberikan penjelasan

mengenai hasil dan kaitannya dengan permasalahan yang ada. Selain itu

seorang pakar juga harus mempelajari hal-hal baru dari setiap perkembangan

yang ada, lalu menyusun kembali pengetahuannya, dan dalam hal tertentu

dapat memberikan alternatif lain agar mampu memecahkan permasalahan

yang dihadapi serta menghasilkan solusi yang tepat. Untuk meniru keahlian

pakar, perlu dibangun sebuah sistem komputer yang menunjukan seluruh

karakteristik tersebut. Namun hingga saat ini, pekerjaan dibidang Sistem

Pakar terfokus pada aktifitas penyelesaian masalah dan memberikan

penjelasan mengenai solusinya.

c Pengalihan Keahlian (Transfering Expertise)

Tujuannya adalah memindahkan keahlian yang dimiliki oleh seorang pakar ke

dalam sebuah sistem komputer, kemudian dari sebuah sistem komputer

kepada orang lain yang bukan pakar. Proses yang dilakukan adalah :

1. Perolehan pengetahuan (Knowledge Acquistion)

2. Representasi pengetahuan  (Knowledge Representation)

3. Pengambilan kesimpulan pengetahuan (Knowledge Inferencing)

4. Pemindahan pengetahuan kepada pemakai (Knowledge Transfer to User)

5. Pengetahuan tersebut ditempatkan ke dalam suatu komponen yang

dinamakan basis pengetahuan(Knowledge Base)

d Kesimpulan (Inference)

Keistimewaan Sistem Pakar adalah kemampuannya dalam memberikan

kesimpulan. Dengan cara menempatkan keahlian ke dalam basis pengetahuan

(Knowledge Base) kemudian membuat program yang mampu mengakses basis

pengetahuan sehingga sistem dapat memberikan kesimpulan. Kesimpulan

10

Page 11: Artifial Intelegence

dibentuk dalam komponen bernama mesin pengambil keputusan (Inference

Engine), yang berisi aturan-aturan untuk menyelesaikan masalah.

e Aturan (Rule)

Umumnya Sistem Pakar berbasis aturan, yaitu pengetahuan terdiri dari aturan-

aturan sebagai prosedur penyelesaian masalah. Pengetahuan tersebut

digambarkan sebagai suatu urutan seri dari kaidah-kaidah yang sudah dibuat.

f Kemampuan Memberikan Penjelasan (Explanation Capability)

Keistimewaan lain dari Sistem Pakar adalah kemampuannya dalam

memberikan saran atau rekomendasi serta menjelaskan mengapa tindakan

tertentu tidak dianjurkan. Pemberian penerangan dan pendapat ini dilakukan

dalam suatu subsistem yang dinamakan subsitem penjelasan (Explanation

Subsystem)

2.4.4 Struktur Sistem Berbasis Pengetahuan

Struktur Sistem Pakar terdiri dari dua pokok (Sri Kusumadewi, 2003),

yaitu: lingkungan pengembang (development environment) dan lingkungan

konsultasi (consulatation environment). Lingkungan pengembang digunakan

sebagai pembangunan Sistem Pakar baik dari segi pembangunan komponen

maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang

bukan ahli untuk berkonsultasi.

Gambar 2.1 Struktur Sistem Pakar

11

Page 12: Artifial Intelegence

Sumber: Sri Kusumadewi, 2003: Artificial Intelegence (Teknik dan Aplikasinya)

Komponen-komponen Sistem Pakar terlihat pada Gambar 2.1 diatas dan

berikut penjelasan dari masing-masing komponen (Sri Kusumadewi, 2003), yaitu:

a. Subsistem penambahan pengetahuan. Bagian ini digunakan untuk

memasukkan pengetahuan, mengkontruksi atau memperluas pengetahuan

dalam basis pengetahuan. Pengetahuan itu bisa berasal dari buku, ahli, basis

data, penelitian, dan gambar.

b. Basis pengetahuan. Berisi pengetahuan yang dibutuhkan untuk

memahami, memformulasikan dan menyelesaikan masalah.

c. Motor inferensi (inference engine). Program yang berisi metodologi yang

digunakan untuk melakukan penalaran terhadap informasi-informasi basis

pengetahuan dan blackboard, serta digunakan untuk memformulasikan

konklusi. Ada tiga elemen utama dalam motor inferensi, yaitu:

Interpreter: Mengeksekusi item-item agenda yang terpilih menggunakan

aturan-aturan dalam basis pengetahuan.

Scheduler: Akan mengontrol agenda.

Consistency enforce: Akan berusaha memelihara konsistenan dalam

mempresentasikan solusi yang bersifat darurat.

d. Blackboard. Merupakan area dalam memori yang digunakan untuk

merekam kejadian yang sedang berlangsung termasuk keputusan sementara.

Ada tiga tipe keputusan yang dapat direkam, yaitu:

Rencana: Bagaimana menghadapi masalah.

Agenda: Aksi-aksi yang potensial yang sedang menunggu untuk

dieksekusi.

Solusi: Calon aksi yang akan dibangkitkan.

e. Antarmuka digunakan untuk media komunikasi antar user dan program.

f. Subsistem penjelas. Digunakan untuk melacak respond dan memberi

penjelas tentang kelakuan Sistem Pakar secara interaktif melalui pertanyaan:

Mengapa suatu pertanyaan diajukan oleh Sistem Pakar?

Bagaimana konklusi dicapai?

Mengapa ada arternatif yang dibatalkan?

12

Page 13: Artifial Intelegence

Rencana apa yang digunakan untuk mendapatkan solusi?

g. Sistem penyaring pengetahuan. Sistem ini digunakan untuk mngevaluasi

kinerja Sistem Pakar itu sendiri untuk melihat apakah pengetahuan-

pengetahuan yang ada masih cocok digunakan dimasa mendatang.

2.4.5 Basis Pengetahuan (Knowledge Base)

Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian

masalah, tentu saja di dalam domain tertentu. Ada dua bentuk pendekatan basis

pengetahuan yang sangat umum digunakan diantaranya yaitu :

a. Penalaran berbasis aturan (Rule-Based Reasoning) Pada penalaran

berbasis aturan, pengetahuan direpresentasikan dengan menggunakan

aturan IF-THEN. Bentuk ini digunakan apabila telah memiliki sejumlah

pengetahuan pakar pada suatu permasalahan tertentu dan si pakar dapat

menyelesaikan masalah tersebut secara berurutan.

b. Penalaran berbasis kasus (Case-Based Reasoning) Pada penalaran berbasis

kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai

sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang

terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user

menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir

sama.

2.4.6 Mesin Inferensi (Inference Engine)

Mesin inferensi merupakan otak dari Sistem Pakar, bagian ini

mengandung mekanisme fungsi berpikir dan pola-pola penalaran sistem yang

digunakan oleh seorang pakar. Mekanisme ini akan menganalisa suatu masalah

tertentu dan kemudian mencarikan jawaban atau kesimpulan yang terbaik. Dari

fakta-fakta yang diperoleh selama proses tanya jawab dengan user, serta aturan-

aturan yang tersimpan di knowledge base, inference engine dapat menarik suatu

kesimpulan dan memberikan rekomendasi atau saran yang diharapkan oleh user.

Proses penalaran ada dua macam dan biasanya lebih disebut dengan

proses chaining yaitu forward chaining dan backward chaining. Kedua metode ini

13

Page 14: Artifial Intelegence

mempunyai kelebihan tersendiri, semuanya itu tergantung dari kondisi

permasalahan yang dihadapi dan basis pengetahuan.

a. Forward Chaining

Forward chaining merupakan suatu strategi pengambilan keputusan yang

dimulai dari bagian sebelah kiri (IF terlebih dahulu). Dengan kata lain, penalaran

dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis (Sri

Kusumadewi, 2003).

Tabel 2.1 Contoh Aturan-aturan

Sumber: SriKusumadewi, 2003 : Artificial Intelegence (Teknik dan Aplikasinya)

No Aturan

R-1 IF A & B THEN C

R-2 IF C THEN D

R-3 IF A & E THEN F

R-4 IF A THEN G

R-5 IF F & G THEN D

R-6 IF G & E THEN H

R-7 IF C & H THEN I

R-8 IF I & A THEN J

R-9 IF G THEN J

R-10 IF J THEN K

Sebagai contoh penalaran maju (forward chaining) adalah mendiagnosa

penyakit berdasarkan gejala-gejala atau fakta yang dirasakan oleh pasien.

Gambar 2.2 Forward Chaining

14

Page 15: Artifial Intelegence

b. Backward Chaining

Backward Chaining merupakan strategi pengambilan keputusan atau

kesimpulan dengan pencocokan fakta atau pernyataan yang dimulai dari bagian

sebelah kanan (THEN terlebih dahulu). Dengan kata lain, penalaran dimulai dari

hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus

dicari fakta-fakta yang ada dalam basis pengetahuan.

Gambar 2.3 Backward Chaining

2.4.7 Bidang-bidang Masalah yang Cocok Untuk Sistem Berbasis

Pengetahuan

Sistem Pakar dapat diklasifikasikan dalam beberapa cara. Salah satu cara

adalah berdasarkan area persoalan umum yang ditanganinya. Beberapa Sistem

Pakar termasuk dalam dua atau lebih kategori berikut (Turban, dkk., 2005):

a. Sistem interpretasi

Menyimpulkan deskripsi situasi dari observasi. Kategori ini termasuk

pengawasan, speech understanding,analisis citra, interpretasi sinyal, dan banyak

jenis analisis kecerdasan. Sistem interpretasi menjelaskan data yang telah

diobservasi dengan menetapkan arti simbolik yang mendeskripsikan situasi.

b. Sistem prediksi

Menyertakan ramalan cuaca, prediksi demograri, peramalan ekonomi,

prediksi lalu lintas, perkiraan panen, dan peramalan militer, pemasaran dan

keuangan.

c. Sistem diagnostik

Menyertakan diagnosis medis, elektronik, mekanik, dan perangkat lunak.

Sistem diagnostik biasanya menghubungkan ketidakteraturan kelakuan dengan

penyebab dasarnya.

15

Page 16: Artifial Intelegence

d. Sistem desain

Mengembangkan konfigurasi objek yang memenuhi batasan persoalan

desain. Persoalan tersebut mencakup layout sirkuit, desain bangunan, dan layout

pabrik. Sistem layout menginstruksi objek dalam berbagai hubungan satu sama

lain dan memverifikasi bahwa konfigurasi ini sesuai dengan batasan yang

dinyatakan.

e. Sistem perencanaan

Fokus pada persoalan perencanaan, misalnya pemrograman otomatis. Juga

menangani perencanaan jangka pendek dan panjang pada area seperti manajemen

proyek, routing, komunikasi, pengembangan produk, aplikasi militer dan

perencanaan keuangan.

f. Sistem pengawasan

Membandingkan observasi kelakuan sistem dengan standar yang

tampaknya penting untuk keberhasilan pencapaian tujuan. Fitur penting ini

berhubungan dengan kecacatan potensial dalam rencana tersebut. Terdapat banyak

sistem pengawasan dengan bantuan komputer untuk topik dari kontrol lalu lintas

udara hingga tugas manajemen fiskal.

g. Sistem debugging

Mengandalkan pada kemampuan perencanaan, desain, prediksi untuk

membuat spesifikasi atau rekomendasi untuk membetuikan persoalan diagnosis.

h. Sistem perbaikan

Mengembangkan dan mengeksekusi rencana untuk mengola perbaikan

persoalan diagnosis tertentu. Sistem tersebut menggabungkan kemampuan

debugging, perencanaan dan eksekusi.

i. Sistem instruksi

Menggabungkan subsistem diagnosis dan debugging yang secara spesifik

menangani kebutuhan siswa. Biasanya, sistem tersebut mulai dengan membangun

deskripsi hipotetik tentang pengetahuan siswa yang menginterpretasikan

kelakuannya. Sistem kemudian mendiagnosis kelemahan pengetahuan siswa dan

mengidentifikasi perbaikan yang diperlukan untuk menangani kekurangan

tersebut. Akhirnya sistem merencanakan interaksi tutorial yang dimaksudkan

untuk memberikan perbaikan pengetahuan bagi siswa.

16

Page 17: Artifial Intelegence

j. Sistem kontrol

Secara adaptif mengatur keseluruhan kelakuan sistem. Untuk melakukan

hal ini, sistem kontrol harus berulang kali menginterprtasikan situasi

terbaru, memprediksi masa depan, mendiagnosis penyebab persoalan yang

terantisipasi, merumuskan rencana pemulihan, dan mengawasi eksekusinya untuk

memastikan keberhasilan.

Tidak semua tugas yang biasanya terdapat di tiap kategori ini sesuai untuk

Sistem Pakar. Akan tetapi terdapat ribuan keputusan yang cocok dengan kategori

tersebut.

2.4.8 Manfaat dan kemampuan Sistem Berbasis Pengetahuan

Beberapa manfaat Sistem Pakar adalah sebagai berikut (Turban, dkk.,

2005):

a. Meningkatkan output dan produktivitas.

b. Meningkatkan waktu dan pengambilan keputusan.

c. Meningkatkan kualitas proses dan produk.

d. Mengurangi downtime.

e. Menyerap keahlian langka.

f. Fleksibilitas.

g. Operasi peralatan yang lebih mudah.

h. Eliminasi kebutuhan peralatan yang mahal.

i. Operasi dilingkungan yang berbahaya.

j. Aksesibilitas ke pengetahuan dan help desk.

k. Kemampuan untuk bekerja dengan informasi yang tidak lengkap/tidak

pasti.

l. Kelengkapan pelatihan.

m. Peningkatan pemecahan masalah dan pengambilan keputusan

Meningkatkan proses pengambilan keputusan.

n. Meningkatkan kualitas keputusan.

o. Kemampuan untuk memecahkan persoalan kompleks.

p. Transfer pengetahuan ke lokasi terpencil.

q. Peningkatan sistem informasi yang lain.

17

Page 18: Artifial Intelegence

2.4.9 Keterbatasan Sistem Berbasis Pengetahuan

Metodologi Sistem Pakar yang tersedia mungkin tidak langsung dan

efektif, bahkan untuk banyak aplikasi dalam kategori umum. Persoalan-persoalan

berikut telah memperlambat penyebaran Sistem Pakar (Turban, dkk., 2005):

a. Pengetahuan tidak selalu siap tersedia.

b. Akan sulit mengestrak keahlian dari manusia.

c. Pendekatan tiap pakar pada suatu penelitian situasi mungkin berbeda tetapi

benar.

d. Sulit, bahkan bagi pakar berkemampuan tinggi, untuk mengikhtisarkan

penilaian situasi yang baik pada saat berada dalam tekanan waktu.

e. Pengguna Sistem Pakar memiliki batasan kognitif alami.

f. Sistem Pakar bekerja dengan baik hanya dalam domain pengetahuan

sempit Kebanyakan pakar tidak memiliki sarana mandiri untuk memeriksa

apakah kesimpulannya masuk akal.

g. Kosa kata atau jargon yang digunakan pakar untuk menyatakan fakta dan

hubungan acapkali terbatas dan tidak dipahami oleh pakar lain.

h. Acapkali dibutuhkan bantuan dari knowledge engineer – yang langka dan

mahal – suatu fakta yang menjadikan konstruksi Sistem Pakar mahal.

i. Kurangnya kepercayaan pada bagian pengguna akhir menjadi penghalang

penggunaan Sistem Pakar.

j. Transfer pengetahuan adalah subyek terhadap sekumpulan bias perseptual

dan penilaian.

Faktor lain adalah, Sistem Pakar mungkin tidak mampu mencapai kesimpulan.

Lebih lagi, Sistem Pakar, sebagaimana halnya pakar manusia, terkadang

menghasilkan rekomendasi yang tidak tepat.

2.4.10 Faktor-faktor Suskes Sistem Berbasis Pengetahuan

Beberapa peneliti telah meneliti alasan mengapa Sistem Pakar sukses dan

gagal dalam praktik. Karya ini mencakup studi oleh Eom (1996), Guimaraes,

dkk., (1996), Kunnathur, dkk., (1996), Tsai, dkk., (1994), dan Yoon, dkk., (1995).

Dengan adanya banyak sistem manajemen informasi, dua faktor yang paling kritis

18

Page 19: Artifial Intelegence

adalah jawara dalam manajemen, keterlibatan pengguna, dan pelatihan.

Manajemen harus mendukung proyek tersebut dan pengguna harus memiliki rasa

memiliki. Banyak studi telah menunjukkan bahwa level manajerial dan

keterlibatan pengguna secara langsung mempengaruhi tingkat keberhasilan

SIM (sistem informasi manajemen), terutama Sistem Pakar. Akan tetapi, faktor ini

saja tidak cukup untuk menjamin keberhasilan dan persoalan berikut juga harus

dipertimbangkan (Turban, dkk., 2005):

a. Tingkat pengetahuan harus cukup tinggi.

b. Keahlian harus tersedia dari setidaknya satu pakar yang kooperatif.

c. Persoalan yang akan dipecahkan harus sebagian besar kualitatif (fuzzy),

tidak sepenuhnya kuantitatif (jika tidak, sebaiknya menggunakan pendekatan

numerik).

d. Persoalan tersebut harus berada dalam lingkup yang sempit.

e. Karakteristik shell Sistem Pakar penting, Shell harus berkualitas tinggi dan

secara alami menyimpan dan memanipulasi pengetahuan.

f. Antarmuka pengguna harus mudah digunakan oleh pengguna baru.

g. Persoalan harus penting dan cukup sulit untuk

membenarkan pengembangan Sistem Pakar (tetapi tidak perlu menjadi fungsi

inti).

h. Diperlukan pengembangan cerdas dengan orang-orang yang terampil.

i. Pengaruh Sistem Pakar sebagai sumber peningkatan pekerjaan pengguna

akhir harus dipertimbangkan. Pengaruh tersebut sebaiknya menguntungkan.

Sikap dan harapan pengguna akhir harus dipertimbangkan.

j. Dukungan manajemen harus diperkuat.

2.5 Android

2.5.1 Sejarah Android

Android adalah sebuah sistem operasi untuk perangkat mobile berbasis

linux yang mencangkup system operasi, middleware dan aplikasi. Android

menyediakan platform yang terbuka bagi para pengembang untuk menciptakan

aplikasi mereka. Awalnya, Google Inc. membeli Android Inc. yang merupakan

pendatang baru yang membuat paranti lunak untuk ponsel atau smartphone.

19

Page 20: Artifial Intelegence

Kemudian untuk mengembangkan android dibentuklah Open Handset Alliance,

konsorium dari 34 perusahaan peranti keras, peranti lunak dan telekomunikasi,

termasuk Google, HTC, Intel, Motorola, Qualcomm, T-Mobile dan Invidia.

Pada perilisan perdana Android, 5 November 2007, Android bersama

Open Handset Alliance menyatakan mendukung pengembangan open source pada

perangkat mobile. Di lain pihak, Google merilis kode-kode Android dibawah

lisensi Apache, sebuah lisensi perangkat lunak dan open platform perangkat

selular.

2.5.2 Jenis Distributor Android

Di dunia ini terdapat dua jenis distributor sistem operasi Android. Pertama

yang mendapat dukungan penuh dari Google Mail Service (GSM) dan kedua

adalah benar-benar bebas distribusinya tanpa dukungan langsung dari Google atau

dikenal sebagai Open Handset Distribution (OHD).

Pada masa saat ini kebanyakan vendor-vendor smartphone sudah

memproduksi smartphone berbasis android, vendor-vendor itu antara lain HTC,

Motorola, Samsung, LG, HKC, Huawei, Archos, Webstation CAmangi, Dell,

Nexus, SciPhone,WayteQ, Sony Ericsson, LG, Acer, Philips, T-Mobile, Nexian,

IMO, Asus dan masih banyak lagi vendor smartphone didunia yang memproduksi

android. hal ini karena android itu adalah system operasi yang open

source sehingga bebas didistribusikan dan dipakai oleh vendor manapun.

Aplikasi Android dapat dikembangkan pada sistem operasi seperti,

Windows XP Vista atau Seven, Mac OS X (Mac OS X 10.4.8) atau lebih baru,

dan Linux.

2.5.3 Sejarah Perkembangan Android

HTC Dream adalah Telepon pertama yang memakai sistem operasi

Android, yang dirilis pada 22 Oktober 2008. Pada pengunjung tahun 2010

diperkirakan hampir semua vendor seluler di dunia menggunakan Android

sebagai sistem operasi. Adapun beberapa versi-versi Android yang pernah dirilis

adalah sebagai berikut :

20

Page 21: Artifial Intelegence

1. Android versi 1.1

Musik Pada 9 Maret 2009, Google merilis Android versi 1.1 Android versi

ini dilengkapi dengan pembaruan estetis pada aplikasi, jam, alarm, pencarian

suara, pengiriman pesan dengan Gmail, dan pemberitahuan email.

2. Android versi 1.5 (Cupcake)

Pada pertengahan Mei 2009, Google kembali merilis telepon seluler

dengan menggunakan Android dan SDK (Software Development Kit) dengan

versi 1.5 (Cupcake). Terdapat beberapa pembaharuan termasuk juga penambahan

beberapa fitur dalam seluler versi ini yakni kemampuan merekam dan menonton

video dengan modus kamera, mengupload video ke Youtube dan gambar ke

Picasa langsung dari telepon, dukungan Bluetooth, animasi layar, dan keyboard

pada layar yang dapat disesuaikan dengan sistem.

3. Android versi 1.6 (Donut)

Donut (versi 1.6) dirilis pada September dengan menampilkan proses

pencarian yang lebih baik dibanding sebelumnya, penggunaan baterai indicator

dan control applet VPN. Fitur lainnya adalah gallery yang memungkinkan

pengguna untuk memilih foto yang akan dihapus, kamera, camcorder dan gallery

yang diintegrasikan, CDMA/EVDO, 802.1x, VPN, Gestures, dan Text-to-speech

engine, kemampuan dial kontak, teknologi text to change speech (tidak tersedia

disemua ponsel, pengadaan resolusi VWGA).

4. Android versi 2.0 atau 2.1 (Eclair)

Pada 3 Desember 2009 kembali diluncurkan ponsel Android dengan versi

2.0 atau 2.1 (Eclair), perubahan yang dilakukan adalah pengoptimalan hardware,

peningkatan Google Maps 3.1.2, perubahan UI dengan browser baru dan

dukungan HTML5, daftar kontak yang baru, dukungan flash untuk kamera 3,2

MP, digital Zoom, dan Bluetooth 2.1.

5. Android versi 2.2 (Froyo : Frozen Yoghurt)

Pada bulan Mei 2010 Android versi 2.2 Rev 1 diluncurkan . Android inilah

sekarang yang sangat banyak beredar di pasaran. Fitur yang tersedia di Android

versi ini sudah kompleks seperti :

21

Page 22: Artifial Intelegence

a. Kerangka aplikasi memungkinkan pengguna dan penghapusan komponen

yang tersedia.

b. Dalvik Virtual Machine dioptimalkan untuk perangkat mobile.

c. Grafik  : grafik 2D dan garis 3D berdasarkan libraries OpenGL.

d. SQLite : untuk menyimpan data.

e. Mendukung media : audio, video, dan berbagai format gambar (MPEG4,

H.264, MP3, AAC, AMR, JPG, PNG, GIF).

f. GSM, Bluetooth, EDGE, 3G, dan Wifi (hardware independent).

g. Kamera, Global Positioning System (GPS), kompas, dan accelerometer

(tergantung hardware).

6. Android versi 2.3 (Gingerbread)

Android versi 2.3 diluncurkan pada Desember 2010, hal-hal yang direvisi

dari versi sebelumnya adalah kemampuan berikut :

SIP-bases VoIP

Near Field Communications (NFC)

Gyroscope dan sensor

Multiple cameras suppor

Mixable audio effects

Download manager

7. Android versi 3.0 (Honeycomb)

Android Honeycomb dirancang khusus untuk tablet. Android versi ini

mendukung ukuran layar yang lebih besar. User Interface pada Honeycomb juga

berbeda karena sudah didesain untuk tablet. Honeycomb juga mendukung multi

prosesor dan juga akselerasi perangkat keras (hardware) untuk grafis.

8. Android versi 4.0 (Ice Cream Sandwich)

Android Ice Cream Sandwich membawa fitur Honeycomb untuk

smartphone dan menambahkan fitur baru termasuk membuka kunci dengan

pengenalan wajah, jaringan data pemantauan penggunaan dan kontrol, terpadu

kontak jaringan sosial, perangkat tambahan fotografi, mencari email secara

offline, dan berbagi informasi dengan menggunakan NFC.

2.5.4 Spesifikasi Android

22

Page 23: Artifial Intelegence

Ada sedikit perbedaan dalam resolusi piksel. Smartphone denga resolusi

800×480 digunanakan oleh 62% pemakai Android. Resolusi layar yang popular

berikutnya adalah 480×320 (14%), 960×540 (6%), 480×854 (5%) dan 320×240

(5%). Untuk tablet Android berdasarkan hasil penelitian Localystics, ditemukan

bahwa 74% responden menggunakan tablet Android berukuran 7 ichi dengan

resolusi 1.024 x 600 piksel. Lalu ada 22% menggunakan tablet Android berukuran

10,1 ichi dengan resolusi 1.280 x 800. (www.kompas.com)

Perbedaan ukuran layar dan resolusi pada smartphone maupun table tidak

signifikan, tetapi ada biasanya beberapa aplikasi Android yang tidak bisa

fullscreen maksudnya adalah ada ruang kosong di pinggir aplikasinya. Cara

mengatasinya adalah pada saat mendesainnya buatlah gambar latar belakangnya

lebih lebar dari ukuran stagenya.

2.5.5 APK

APK adalah paket aplikasi Android (Android Package). APK umumnya

digunakan untuk menyimpan sebuah aplikasi atau program yang akan dijalankan

pada perangkat Android. APK pada dasarnya seperti zip file, karena berisi dari

kumpulan file. APK dapat diperoleh melalui berbagai metode, seperti menginstal

sebuah aplikasi melalui Android Market, download dari sebuah situs web, atau

membuat sendiri dengan bahasa Java.

2.6 Unggas

Hewan unggas adalah hewan yang memiliki sayap, berkaki dua, bertelur

serta tergolong keluarga burung (aves). Unggas biasanya diternakan yang

memiliki keuntungan dan potensi yang tinggi. Ayam yang sebagai hewan petelur

atau pedaging dan burung yang dijual sebagai hewan peliharaan dirumah. Namun

tidak sedikit kerugian dialami oleh peternak karena unggas rentan terkena

penyakit.

2.7 Macam-Macam Penyakit Unggas

23

Page 24: Artifial Intelegence

Penyakit pada unggas dapat disebabkan oleh virus, bakteri, parasit dalam,

parasit luar dan jamur. Macam-macam penyakit yang disebabkan oleh bakteri dan

virus pada unggas adalah sebagai berikut:

2.7.1 Cacing Unggas

Penyakit cacing unggas yang sering menyerang unggas secara umum

terdiri dari 2 jenis yaitu cacing gilig atau nematoda (Ascaridia sp., Heterakis

gallinarum, Syngamus trachea, Oxyspirura mansoni) dan cacing pita atau cestoda

(Raillietina sp., Davainea sp.). serangan cacing pada unggas, biasanya terjadi

pada saat musim hujan, sekitar bulan oktober sampai maret.

Penelitian menunjukan serangan cacing pada unggas muda calon petelur

atau pullet, kasus cacingan didominasi oleh cacing gilig (Ascaridia galli) dan

cacing pita (Raillietina sp.).

Gejala unggas yang cacingan akan menunjukan gejala-gejala seperti

pertumbuhan terhambat, konversi pakan tidak baik, produksi telur menurun,

unggas nampak lesu, badan kurus dan ayam mengalami diare.

Pencegahan dapat dilakukan dengan melakukan sanitasi kandang dengan

baik dan pemisahan unggas berdasarkan umur. Bersihkan kandang sebersih

mungkin jika kandang akan digunakan untuk populasi unggas yang baru.

Obat yang digunakan adalah preparat piperazine yang hanya dapat

memutus rantai penularan dengan membunuh cacing dewasa. Preparat yang biasa

digunakan dan diberikan tiap 4 minggu adalah piperavaks produksi dari vaksindo.

Pemberian obat ini cukup dicampurkan pada air minum.

2.7.2 Chronic Respiratory Disease (CDR)

Penyakit ini disebut dengan Chronic Respiratory Disease (CDR) atau

Mikoplamosis atau Sinusitis atau juga Sac.Penyakit. Cronic Respiratory Disease

disebabkan oleh bakteri Microplasma Galisepticum. Biasanya menyerang unggas

usia 4-9 minggu. Penularan terjadi melalui kontak langsung, peralatan kandang,

makanan dan minuman, manusia atau telur yang terinfeksi.

24

Page 25: Artifial Intelegence

Faktor Prediposisi atau faktor pendukung antara lain kondisi kandang yang

lembab, kepadatan kandang yang terlalu tinggi, litter yang kering dan kadar

Amonia yang terlalu tinggi.

Cara penularan penyakit terjadi baik vertikal maupun hosrisontal. Secara

vertikal dapat melalui induk yang menularkan penyakit melalui telur dan

horisontal disebabkan dari unggas yang sakit ke unggas yang sehat. Penularan-

penularan tidak langsung dapat melalui kontak dengan tempat peralatan, wadah

pakan, hewan liar maupun petugas kandang.

Gejala klinis dapat berupa ngorok basah, adanya leleran hidung lengket

dan terdapat eksudat berbuih pada mata, unggas suka menggeleng-gelengkan

kepala. Pada kasus kronis mengakibatkan kekurusan dan mengeluarkan cairan

bernanah dari hidung.

Pengobatan CDR pada unggas yang sakit dapat diberikan baytrit 10%

peroral, Mycomas dengan dosis 0,5 ml/L air minum, tetracolin secara oral atau

Bacytracyn yang diberikan pada air minum.

Pencegahan dengan membeli unggas baik indukan, pejantan, maupun

anakan yang benar-benar terbebas dari penyakit CDR. Menjaga kebersihan dan

tingkat kelembaban kandang dan area unggas.

2.7.3 Coccidiosis

Penyakit coccidiosis disebabkan oleh protozoa dengan tanda-tanda kotoran

bercampur darah, nafsu makan menurun, ayam tampak lesu, ayam sering

menyendiri dan bulu tampak kusut.

Untuk pencegahannya yaitu dengan memisahkan unggas yang terserang

penyakit coccidiosis dari kelompoknya dan sanitasi kandang. Sedangkan

pengobatannya dapat dengan memberikan obat-obat sulfa (Trisulfa) yang

dicampurkan pada air minum.

2.7.4 Gumoro

Penyakit ini menyeran kekebalan tubuh unggas, terutama bagian fibrikus

dan thymus. Kedua bagian ini merupakan pertahanan tubuh unggas. Pada

kerusakan parah, antibodi unggas tersebut tidak terbentuk. Karena menyerang

25

Page 26: Artifial Intelegence

sistem kekebalan tubuh, maka penyakit ini sering disebut sebagai AIDS-nya

unggas. Unggas yang terkena akan menampakan gejala seperti gangguan saraf,

merejan, diare, tubuh gemetar, bulu di sekitar anus kotor dan lengket serta diakhiri

dengan kamatian unggas.

Virus yang menyebabkan penyakit ini adalah virus Genus Avibirnavirus.

Di dalam tubuh unggas, virus ini dapat hidup hingga lebih dari 3 bulan, kemudian

akan berkembang hingga menjadi infeksius. Gumoro memang tidak menyebabkan

kematian secara langsung pada unggas, tetapi infeksi sekunder yang mengikutinya

akan menyebabkan kematian dengan cepat karena kekebalan tubuhnya tidak

bekerja.

Selain itu, beberapa pebdapat pakar lainnya bahwa gumoro dapat dibagi

dua yaitu gumoro klinik dan sub klinik. Gumoro klinik menyerang anak unggas

berumur 2-7 minggu. Pada fase ini serangan terhadap kekebalan tubuh ayam

tersebut hanya bersifat sementara antara 2-3 minggu. Gumoro sub klinik

menyerang anak unggas berumur 0-3 minggu. Penyakit ini paling menakutkan

karena kekebalan tubuh unggas dapat hilang secara permanen, sehingga unggas

tersebut dengan mudah terserang infeksi sekunder.

Gumoro menyebar melalui kontak langsung, air minum, pakan, alat-alat

yang sudah tercemar virus dan udara. Yang sangat menarik adalah gumoro tidak

menular melalui perantaraan telur. Upaya penanggulangan gumoro ini dapat

dilakukan dengan beberapa cara yaitu vaksinasi, dan menjaga kebersihan kandang

dan lingkungannya.

2.7.5 Infectious Laryngotracheitis (ILT)

Infectious laryngotracheitis (ILT) merupakan penyakit kontagius pada

saluran pernapasan yang di cirikan dengan kesulitan bernapas, menjulurkan leher

karena kesulitan bernapas, konjungtifitas, adanya inflarnasi yang mengelilingi

membran mata. Penyakit ini disebabkan oleh herpes virus yang mampu hidup 8-

10 hari pada leleran, lebih dari 70 hari di dalam karkas, kemudian dapat hidup

lebih dari 80 hari pada eksudat (trakea atau saluran pernapasan) dalam kondisi

alami. Penyakit ini berlangsung selama 2-6 minggu dalam flok, dan lebih lama di

banding penyakit respirasi viral yang lainnya.

26

Page 27: Artifial Intelegence

Penyakit ini sangat berbahaya karena angka moralitas dan morbiditas yang

tinggi pada suatu flok, menyebabkan kerugian ekonomi, tidak dapat diobati dan

bagi yang sudah terinfeksi dapat diobati namun akan menyebabkan carrier atau

pembawa penyakit.

Penyakit ini tidak dapat menular kepada manusia dan kejadian terjadi pada

unggas. Namun dapat pula menginfeksi kalkun, burung unta dan unggas lainnya.

Burung liar dapat berperan sebagai carrier.

Virus infectious laryngotracheitis (ILT) di tularkan melalui pernapasan

dan dapat melalui udara secara kontak langsung melalui unggas dan satu kandang.

Virus masuk dan menginfeksi unggas melalui mata, hidung atau mulut. Mulut dan

darah mengandung virus dapat keluar melalui batuk dan menyebabkan virus.

Masa inkubasinya antara 6-12 hari. Kejadian outbreak dapat dikarenakan lalu

lintas unggas. Pekerja dan alat kandang, dan kondisi lingkungan yang

memungkinkan terjadinya penyebaran.

Gejala klinis yang dialami dapat berupa dyspnoe, rinitis, produksi telur

dan daging, kandang-kandang mengalami pneumonia atau bronkhopneumonia,

moralitas mencapai 50%.

Untuk diagnosa, pada penyakit yang akut di cirikan gejala klinis dan

penemuan darah, makus, eksudat keseosa pada trakea. Secara mikroskopik di

tandai dengan desqurnative dan nekrotic tracheitis. Diagnosa mungkin dapat

diperkuat dengan ditemukannya inclusion body intranuclear pada epitel trakea,

isolasi dan identifikasi virus secara spesifik dengan chicken embryo dan kultur

jaringan atau dengan inokulasi pada sinus intraorbital untuk mengetahui

imunitasnya. Spesimen dapat pula diinokulasi pada membran chorioallantois

terdapat inclusion body intranuclear. Dapat dibedakan dengan flowlpox pada lesi

trakea dan inclusion body berupa inclusion body intracytoplasmic. Diagnosa dapat

pula dilakukan dengan PCR:

Diferrencial diagnosa:

1. Infectious Bronchitis

2. Newcastle Disease

3. Mycoplasmosis

4. Avian Coryza

27

Page 28: Artifial Intelegence

Untuk pencegahan dapat dilakukan dengan meminimalisir kotoran dan

debu, penggunaan mild expectorants dan vaksinasi baik secara eye drop, spray

maupun lewat air minum.

2.7.6 Newcastle Disease (ND)

Penyakit telelo atau newcastle disease (ND) biasa juga disebut dengan

istilah penyakit samper ayam atau pes cekak. Dimana penyakit ini merupakan

suatu infeksi viral yang menyebabkan gangguan pada saraf pernapasan. Penyakit

ini disebabkan oleh virus Paramyxo dan biasanya dikualifikasi menjadi:

1. Strain yang sangat berbahaya atau disebut dengan Viscerotropic Velogenic

Newcastle Disease (VVND) atau tipe velogenic, tipe ini menyebabkan

kematian yang luar biasa bahkan hingga 100%.

2. Tipe yang lebih ringan disebut dengan Mesogenic. Kematian pada anak

unggas mencapai 10% tetapi ayam dewasa jarang mengalami kematian. Pada

tingkat ini ayam akan menampakkan gejala seperti gangguan pernapasan dan

saraf.

3. Tipe lemah atau lentogenic merupakan stadium yang hampir tidak

menyebabkan kematian. Hanya saja dapat menyebabkan produktifitas telus

menjadi turun dan kualitas kulit telur menjadi jelek. Gejala yang tampak tidak

terlalu nyata hanya terdapat sedikit gangguan pernapasan.

ND sangat menular, biasanya dalam 3-4 hari seluruh ternak akan

terinfeksi. Virus ini ditularkan melalui sepatu, peralatan, baju dan burung liar.

Pada tahap yang mengenai pernapasan maka virus akan ditularkan melalui udara.

Meskipun demikian pada penularan melalui udara, virus ini tidak mempunyai

jangkauan yang luas. Unggas yang dinyatakan sembuh dari ND tidak akan

dinyatakan sebagai carrier dan biasanya virus tidak akan bertahan lebih dari 30

hari pada lokasi pemaparan.

Gejala yang nampak pada unggas yang terkena penyakit ini adalah

Exessive mocous di trakea, gangguan pernapasan dimulai dengan megap-megap,

batuk, bersin dan ngorok waktu bernapas, unggas tampak lesu, nafsu makan

menurun, produksi telur menurun, mencret, kotoran encer agak kehijauan bahkan

dapat berdarah, jengger dan kepala kebiruan, kornea menjadi keruh, sayap turun,

28

Page 29: Artifial Intelegence

otot gemetar, kelumpuhan hingga gangguan saraf yang dapat menyebabkan

kejang-kejang dan leher terpuntir.

Penanggulangan penyakit ini dapat dilakukan dengan beberapa cara yaitu:

1. Unggas yang tertular harus dikarantina atau bila sudah pada stadium

berbahaya maka harus dimusnahkan.

2. Vaksinasi harus dilakukan untuk memperoleh kekebalan. Vaksinasi pertama,

dilakukan dengan cara pemberian melalui tetes mata (eye drop) pada hari

kedua. Untuk berikutnya pemberian vaksin dilakukan dengan cara suntikan di

instramuskuler otot dada.

3. Untuk memudahkan untuk mengingat mengenai waktu pemberian vaksin,

seorang pakar menyarankan agar pemberian vaksin ini dilakukan dengan pola

444, maksudnya vaksin ND diberikan pada unggas yang berumur 4 hari, 4

minggu, 4 bulan dan seterusnya dilakukan 4 bulan sekali. Akan tetapi pola

pemberian ini dapat dimodifikasi sesuai dengan kebutuhan dan efektivitas

terbaik dari hasilnya.

Pencegahan yang harus dilakukan oleh para peternak mengingat penyakit

ini sangat infeksius adalah sebagai berikut:

1. Memelihara kebersihan kandang dan sekitarnya. Kandang harus mendapat

sinar matahari yang cukup dan ventilasi yang baik.

2. Memisahkan unggas lain yang dicurigai dapat menularkan penyakit ini.

3. Memberikan ramuan jamu yang baik, yang terbuat dari bahan-bahan

tradisional yang dapat membantu meningkatkan kekuatan dan kekebalan

tubuh unggas.

2.7.7 Pullorum

Pullorum merupakan penyakit menular pada unggas yang dikenal dengan

nama berak putih atau berak kapur (Bacilary White Diarrhea = BWD). Penyakit

ini menimbulkan mortalitas yang sangat tinggi pada anak unggas umur 1-10 hari.

Pullorum atau berak kapur disebabkan oleh bakteri salmonella pullorum dan

bakteri gram negatif. Bakteri ini mampu bertahan di tanah selama 1 tahun.

Di Indonesia penyakit pullorum merupakan penyakit menular yang sering

ditemui. Meskipun segala umur unggas bisa terserang pullorum tapi angka

29

Page 30: Artifial Intelegence

kematian tertinggi terjadi pada anak unggas yang baru menetas. Angka morbiditas

pada anak unggas sering mencapai lebih dari 40% sedangkan angka mortalitas

atau angka kematian dapat mancapai 85%.

Cara penularan penyakit pullorum dapat melalui 2 jalan yaitu sacara

vertikal yaitu induk menularkan kepada anaknya melalui telur dan secara

horisontal yang terjadi melalui kontak langsung antara unggas secara klinis sakit

dengan ayam karier yang telah sembuh, sedangkan penularan tidak langsung dapat

melalui kontak dengan peralatan, kandang, litter dan pakaian dari pegawai

kandang yang terkontaminasi.

Gejala klinis yang terlihat pada unggas adalah nafsu makan menurun, feses

(kotoran) berwarna putih seperti kapur, kotorannya menempel di sekitar dubur

berwarna putih, kloaka akan menjadi putih karena feses yang telah mengering,

jengger berwarna keabuan, mata menutup, badan anak unggas menjadi lemas,

sayap menggantung dan kusam, lumpuh karena artritis dan suka bergerombol.

Perubahan patologi pada kasus yang akut sering dijumpai pembesaran

pada hati dan limpa dan kadang-kadang sering diikuti omfalitis. Pada kasus kronis

dijumpai abses organ dalam dan adanya radang pada usus buntu (tiflitis kaseosa)

yang ditandai adanya bentuk berwarna abu-abu di dalam usus buntu.

Isolasi dan identifikasi salmonella pullorum dapat diambil melalui hati,

usus maupun kuning telur dapat dilakukan pembiakan kedalam medium. Unggas

karier yang sudah sembuh dapat diidentifikasi dengan penggumpalan darah secara

cepat (rapid whole blood plate aglutination test).

Pengobatan berak kapur dilakukan dengan menyuntukan antibiotik seperti

furozolidon, coccilin, neo terramycin, tetra atau mycomas di dada unggas. Obat-

obatan ini hanya efektif untuk pencegahan kematian anak unggas, tetapi tidak

dapat menghilangkan infeksi penyakit tersebut. Sebaiknya unggas yang terserang

dimusnahkan untuk menghilangkan karier yang bersifat kronis.

Pencegahannya dapat dengan cara ayam yang dibeli dari distributor

penetasan atau suplier harus memiliki sertifikat bebas salmonella pullorum.

Melakukan disinfeksi pada kandang dengan formaldehyde 40%. Unggas yang

terkena penyakit sebaiknya dipisahkan dari kelompoknya, sedangkan unggas yang

parah dimusnahkan.

30

Page 31: Artifial Intelegence

2.7.8 Snot (Coryza)

Penyakit snot atau coryza disebabkan oleh bakteri Haemophillus

Gallinarum. Penyakit snot dapat menyerang semua umur dan terutama menyerang

anak unggas, biasanya penyakit ini muncul akibat perubahan musim dan banyak

ditemukan di daerah tropis. Perubahan musim biasanya akan mempengaruhi

angka kesehatan unggas morbiditas kawanan unggas bervariasi antara 1-30%.

Moralitas atau angka kematian yang ditimbulkan oleh penyakit mencapai 30%.

Bakteri Haemophillus Gallinarum hanya dapat bertahan duluar induk

memang tidak lebih dari 12 jam. Penularan penyakit ini dapat melalui kontak

langsung dengan unggas yang sakit dan dapat melalui udara, debu, wadah pakan

dan petugas kandang.

Unggas secara klinis yang telah terinfeksi menunjukan tanda-tanda seperti

pengeluaran carian air mata (mata berbusa), unggas terlihat mengantuk dengan

sayap turun dan menggantung, keluar lendir dari hidung, kental berwarna dan

berbau khas, pembengkakan di daerah sinus infra orbintal, ada kerak di dalam

hidung, nafsu makan berkurang, unggas ngorok dan sukar bernapas dan

pertumbuhan melamban (kecentet).

Pada kasus ini patut dijumpai konjungtivitis dan peradangan pada kelopak

mata (periorbital fascia). Pada kasus kronis dijumpai sinusitis yang bersifat serosa

sampai kaseosa.

Bakteri Haemophillus Gallinarum dapat diisolasi dari swab sinus unggas

yang menderita penyakit akut. Isolasi laboraturium dapat dilakukan dengan

menggunakan plat agar darah yang telah digores Staphylococcus Sp dan

diinkubasi dalam suasa anaerob.

Diagnosa bagi penyakit Coryza adalah Mikoplamosis atau chronic

respiratori disease (CDR) dan infecttious laryngotracheitis (ILT).

Pengobatan penyakit snot pada unggas adalah dengan pemberian preparat

sulfat seperti sulfadimethoxine atau sulfathazole. Pemberian sulfonamida dapat

dikombinasikan dengan tetrasiklin untuk mengobati coryza dan dapat diberikan

lewat air minum atau disuntikkan secara intramuskular. Perhatikan penarikan

31

Page 32: Artifial Intelegence

waktu pada unggas petelur karena obat tersebut dapat mengkontaminasi telur dan

kualitas dari kerabang telur. Sedangkan upaya pencegahan yang dapat dilakukan

adalah dengan menjaga kebersihan kandang dan lingkungan dengan baik.

Kandang sebaiknya terkena sinar matahari langsung sehingga mengurangi

kelembaban. Kandang yang lembab dan basah memudahkan timbulnya penyakit

ini.

32

Page 33: Artifial Intelegence

BAB III

PERANCANGAN SISTEM

3.1 Tempat dan Waktu Penelitian

Perancangan sistem dan pengambilan data semua dilakukan di kampus

STMIK STIKOM INDONESIA (STIKI). Pelaksanaan penelitian ini dimulai pada

tanggal 22 Maret 2013 sampai dengan 06 Juli 2013.

3.2 Data

3.2.1 Sumber Data

Data untuk perancangan sistem pakar untuk mendiagnosa penyakit unggas

ini diperoleh dari berbagai sumber seperti jurnal ilmiah dan internet dari sumber

terpercaya.

3.2.2 Metode Pengumpulan Data

Pengumpulan data yang diperlukan didapat melalui metode studi literatur,

yaitu mengumpulkan data dari jurnal referensi yang relevan dan internet dengan

sumber terpercaya yang sesuai dengan object permasalahan.

3.3 Bahasa Pemrograman

Bahasa pemrograman yang dipakai dalam perancangan sistem pakar

penyakit unggas ini menggunakan bahasa pemrograman java dengan software

yang digunakan adalah eclipse.

3.4 Analisa Permasalahan dan Pemecahannya

Kelebihan sistem pakar dibandingkan seorang pakar adalah mampu

bekerja setiap kali dibutuhkan untuk mendiagnosa, merupakan software yang

dapat diperbanyak dan dibagikan ke berbagai lokasi dan ke semua orang yang

tidak begitu mengetahui permasalahan mengenai penyakit unggas, pengetahuan

(knowledge) yang disimpan tidak akan lupa/hilang, tidak dipengaruhi faktor dari

33

Page 34: Artifial Intelegence

luar seperti intimidasi, perasaan kejiwaan, faktor ekonomi, atau perasaan tidak

suka dan biaya yang dikeluarkan lebih sedikit dibanding dengan menggaji seorang

pakar. Berdasarkan kelebihan-kelebihan tersebut, maka dengan membuat sistem

pakar ini diharapkan dapat membantu masyarakat dalam menanggulangi penyakit

unggas yang ada secara cepat, tepat dan akurat.

Sistem pakar merupakan suatu sistem komputer yang menyamai

(emulates) kemampuan pengambilan keputusan dari seorang pakar. Istilah

emulates berarti bahwa sistem pakar diharapkan dapat bekerja dalam semua hal

seperti seorang pakar. Tujuan dari sistem pakar sebenarnya bukan menggantikan

peran pakar sebenarnya, tetapi mensubstitusikan pengetahuan manusia ke dalam

bentuk program komputer sehingga dapat digunakan oleh orang banyak. Seorang

pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar

yang mempunyai pengetahuan (knowledge) atau kempuan khusus yang sebagian

besar orang tidak mengetahui atau mampu dalam bidang yang dimilikinya.

Adapun pengertian dari backward chaining yaitu suatu metode yang

digunakan dalam inference engine untuk melakukan pelacakan atau penalaran

dari sekumpulan hipotesa menuju fakta-fakta yang mendukung kesimpulan

tersebut. Backward Chaining sesuai untuk permasalahan diagnosis untuk

menghasilkan satu solusi/kesimpulan dari sejumlah solusi/kesimpulan sebelumnya

yang berdasarkan fakta-fakta yang ada.

Tahap ideentifikasi masalah pada sistem pakar diagnosa penyakit unggas

dilakukan penentuan jenis penyakit yang dapat menyerang unggas beserta gejala-

gejala yang akan menunjukan penyakit apa yang sedang diderita. Jenis penyakit

unggas ini didapatkan dari berbagai sumber yang ada di jurnal maupun internet

dari sumber terpercaya. Setelah diketahui semua jenis penyakit serta gejalanya,

maka langkah selanjutnya adalah membuat tabel untuk menyimpan nama penyakit

dan gejalanya, hal ini dilakukan untuk memudahkan merancang tabel pada

database dan memudahkan pengecekan saat dilakukan pengujian sistem, apakah

informasi yang diberikan sudah sesuai dengan data yang ada. Jika informasi yang

diberikan belum sesuai dengan data yang ada, maka akan dilakukan perbaikan

terhadap sistem sampai sistem dapat memberikan informasi yang sesuai dengan

data yang ada. Informasi data penyakit dan gejalanya dapat dilihat pada tabel 3.1.

34

Page 35: Artifial Intelegence

Tabel 3.1 Informasi Data Penyakit dan Gejalanya

no penyakit A B C D E F G Hgejala

1 Ada kerak di dalam hidung - - - - - - -2 Bersin - - - - - 3 Bulu kusam - - - - - - -4 Bulu kusut - - - - -5 Bulu rontok - - - - - - -6 Diare - - - - 7 Dubur kotor - - - - -8 Gemetar - - - - - - -9 Jengger berwarna keabuan - - - - - - -10 Jengger kebiruan - - - - - - 11 Kejang - - - - - - - -12 Keluar lendir pada hidung - - - - -13 Keseimbangan terganggu - - - - - - -14 Konversi pakan tidak baik - - - - - - -15 Kornea mata nampak keruh - - - - - - - 16 Kotoran bercampur darah - - - - - - -17 Kotoran nampak kehijauan bahkan

berdarah- - - - - - -

18 Kotoran berwarna putih - - - - - - -19 Kurus - - - - - -20 Leher terpuntir - - - - - - -21 Lesu - 22 Lumpuh - - - - - - -23 Mata berair - - - -24 Mata menutup - - - - - -25 Menggeleng-gelengkan kepala - - - - - -26 Mematok dubur sendiri - - - - - - -27 Menyendiri - - - - - - -28 Ngorok - - - - 29 Nafsu makan menurun - - 30 Paruh menyentuh lantai saat tidur - - - - - - -31 Pertumbuhan melamban - - - - - -32 Pembengkakan pada mata - - - - -33 Posisi berdiri membungkuk - - - - - - -34 Produksi telur menurun - - - - - 35 Sayap menggantung - - - - -36 Suka bergerombol - - - - - - -

Keterangan:

A Cacing Unggas

35

Page 36: Artifial Intelegence

B Chronic Respiratory Disease (CDR)

C Coccidiosis

D Gumoro

E Infectious Laryngotracheitis (ILT)

F Pullorum

G Snot (Coryza)

H Tetelo (Newcastle Disease)

3.5 Perancangan Diagram Alir

Diagram alir adalah gambaran suatu alur proses ke proses yang lain dalam

sistem komputer menggunakan simbol-simbol tertentu. Dalam sistem ini terdapat

tiga proses yang akan dijelaskan dalam diagram alir sebagai berikut:

1. Diagram Alir untuk Desain User.

2. Diagram Alir untuk Proses Verifikasi.

3. Diagram Alir untuk Proses Inference Engine.

Dengan adanya tahapan proses tersebut, informasi jalan dari sistem dan

sistematika sistem dapat dipahami dengan mudah.

3.5.1. Diagram Alir untuk Desain User

Gambar 3.1 menunjukan diagram alir proses user dalam menggunakan

sistem. Mulai dari menjawab pertanyaan sampai solusi yang didapat.

36

Page 37: Artifial Intelegence

Gambar 3.1 Diagram Alir Desain User

3.5.2. Diagram Alir untuk Proses Inference Engine

Diagram alir sistem proses inference engine menjelaskan proses

penulusuran untuk menentukan jawaban/kesimpulan yang tepat. Inference engine

akan menerima respon terhadap basis pengetahuan yang dimiliki pada sistem

37

Page 38: Artifial Intelegence

pakar ini menggunakan metode backward chaining. Gambar dapat dilihat pada

Gambar 3.2

Gambar 3.2 Diagram Alir Proses Inference Engine

3.6 Desain Arsitektur

Gambar 3.3 Desain Arsitektur untuk Penyakit Unggas

38

Page 39: Artifial Intelegence

Gambar 3.3 diatas menjelaskan tentang desain arsitektur yang

menggambarkan antar elemen utama. Berikut merupakan penjelasan tiap bagian

dari desain arsitektur untuk penyakit pada unggas:

1. User: pengguna aplikasi yang akan melakukan konsultasi tanya jawab

berdasarkan fakta yang ada.

2. User interface: suatu tampilan bagi user untuk mempermudah interaksi

dengan sistem, yaitu dengan memasukkan fakta-fakta yang ada untuk

mendapatkan suatu kesimpulan.

3. Inferencece engine: mekanisme inferensi yang digunakan adalah backward

chaining, yaitu seatu metode yang digunakan dalam inference engineuntuk

melakukan penalaran dari sekumpulan hipotesa menuju fakta-fakta yang

mendukung kesimpulan tersebut.

4. User database: digunakan untuk menyimpan dan melakukan maintenance

terhadap data user.

5. Expert database: digunakan untuk mengembangkan basis pengetahuan.

Menyimpan data hipotesa/pertanyaan yang didapat dari pakar maupun basis

pengetahuan.

6. Output: hasil yang didapatkan dari sistem akan menunjukan jawaban dari

fakta yang telah dimasukkan oleh user non-pakar. Output yang dihasilkan

yaitu penyakit pada unggas yang sedang diderita beserta pencegahan atau

penyembuhan yang disarankan.

3.7 Perancangan Sistem Pakar

Ada beberapa tahapan yang digunakan dalam melakukan perancangan

sistem pakar agar aplikasi yang dibuat dapat berfungsi sesuai dengan apa yang

diharapkan. Adapun tahapan-tahapan dalam perancangan sistem adalah

perancangan block diagram, dependency diagram, decision table, reduction table,

dan perancangan rule base.

3.7.1 Perancangan Block Diagram

Block diagram dipergunakan untuk mengetahui urutan kerja dari sistem

untuk mencapai sebuah keputusan.

39

Page 40: Artifial Intelegence

Block diagram identifikasi penyakit pada unggas terdiri dari tiga level

yaitu level 0, level1 dan level 2. Pada level 1 terdapat parameter bagian-bagian

pemeriksaan yang dilakukan pada tubuh unggas, dan disini dilakukan

pemeriksaan pada hidung, gangguan pencernaan, mata, kepala, tubuh dan fisik.

Dan pada level 2 dijelaskan sub parameter pemeriksaan pada masing-masing

parameter yaitu gejala-gejala penyakit yang umum terjadi pada unggas.

Berdasarkan parameter yang ada maka disusun block diagram penyakit pada

uggas dapat dilihat pada Gambar 3.4.

40

Page 41: Artifial Intelegence

Gambar 3.4 Block Diagram Identifikasi Penyakit pada Unggas

3.7.2 Dependency Diagram

Pada gambar 3.5 merupakan dependency diagram yang menunjukan

hubungan dan ketergantungan anatara input dan jawaban, aturan-aturan (rules),

41

Page 42: Artifial Intelegence

nilai-nilai dan direkomendasikan untuk knowledge base system. Dijelaskan

parameter-paremeter yang saling mempengaruhi untuk menentukan penyakit yang

terinfeksi pada unggas.

Rule set 7 merupakan rule set yang memberikan konklusi akhir dari

konklusi-konklusi sebelumnya. Konklusi akhir terdiri dari berbagai pemeriksaan,

yaitu pemeriksaan hidung, pemeriksaan gangguan pencernaan, pemeriksaan mata,

pemeriksaan kepala, pemeriksaan tubuh dan pemeriksaan fisik. Pada rule set 1

sampai rule set 6 merupakan konklusi sementara dimana konklusi tersebut akan

sangat mempengaruhi hasil konklusi dari rule set 7.

42

Page 43: Artifial Intelegence

Gambar 3.5 Dependency Diagram penyakit pada unggas

43

Page 44: Artifial Intelegence

3.7.3 Perancangan Decision Table

Dibuatnya decision table untuk menunjukan hubungan antara nilai pada

hasil fase dengan rekomendasi akhir knowledge base system. Tabel 3.2 merupakan

salah satu contoh perancangan decision table untuk rule set 3 yaitu pemeriksaan

mata. Tabel berikut berdasarkan perancangan dependency diagram penyakit pada

unggas.

Table 3.2 Decision Table Penyakit Unggas Rule Set 3

Langkah 1 : Plan

Kondisi : Kornea mata nampak keruh (ya/tidak)

Mata berair (ya/tidak)

Mata menutup (ya/tidak)

Ada pembekakan pada mata (ya/tidak)

= 2

= 2

= 2

= 2

Baris : 2 x 2 x 2 x 2 = 16

Langkah 2 : Completed Decision Table

Rule Kornea mata

nampak

keruh

Mata

berair

Mata

menutup

Ada

pembengkakan

pada mata

Konklusi

A1 Y Y Y Y -

A2 Y Y Y T -

A3 Y Y T Y -

A4 Y Y T T -

A5 Y T Y Y -

A6 Y T Y T -

A7 Y T T Y -

A8 Y T T T Kornea mata

nampak keruh

A9 T Y Y Y -

A10 T Y Y T -

A11 T Y T Y -

A12 T Y T T Mata berair

A13 T T Y Y -

44

Page 45: Artifial Intelegence

A14 T T Y T Mata menutup

A15 T T T Y Ada

pembengkakan

pada mata

A16 T T T T -

3.7.4 Perancangan Reduksi Table

Jika telah didapakan hasil dari decision table maka langkah berikutnya

adalah mereduksi tabel tersebut untuk mendapatkan nilai dari kondisi terakhir.

Reduced table adalah pembuatan tabel yang nilai-nilainya didapatkan dari

mereduksi decision table. Perancangan tabel reduksi berdasarkan decision table

dapat dilihat pada table 3.3.

Tabel 3.3 Reduced Table dari hasil Decision Table

Langkah 1 : Plan

Kondisi : Kornea mata nampak keruh (ya/tidak)

Mata berair (ya/tidak)

Mata menutup (ya/tidak)

Ada pembekakan pada mata (ya/tidak)

= 2

= 2

= 2

= 2

Baris : 2 x 2 x 2 x 2 = 16

Langkah 2 : Completed Decision Table

Rule Kornea mata

nampak

keruh

Mata

berair

Mata

menutup

Ada

pembengkakan

pada mata

Konklusi

A1 Y Y Y Y -

A2 Y Y Y T -

A3 Y Y T Y -

A4 Y Y T T -

A5 Y T Y Y -

A6 Y T Y T -

A7 Y T T Y -

A8 Y T T T Kornea mata

45

Page 46: Artifial Intelegence

nampak keruh

A9 T Y Y Y -

A10 T Y Y T -

A11 T Y T Y -

A12 T Y T T Mata berair

A13 T T Y Y -

A14 T T Y T Mata menutup

A15 T T T Y Ada

pembengkakan

pada mata

A16 T T T T -

Langkah 3 : Reduced Table

Rule Kornea mata

nampak

keruh

Mata

berair

Mata

menutup

Ada

pembengkakan

pada mata

Konklusi

B1 Y - - - Kornea mata

nampak keruh

B2 - Y - - Mata berair

B3 - - Y - Mata menutup

B4 - - - Y Ada

pembengkakan

pada mata

3.7.5 Perancangan Rule Base

Pengembangan dari rule base telah digambarkan dalam bentuk block

diagram yang kemudian akan dilakukan implementasi ke dalam bentuk aturan-

aturan atau rules, yaitu struktur berbasis pengetahuan. Rules base pada sistem ini

menghasilkan file text yang berisi aturan-aturan, sedangkan premis dan konklusi

disimpan dalam table rules.

Suatu rule terdiri dari dua bagian, yaitu IF dan THEN. IF yang sering

disebut dengan premis yang berarti kondisi dan THEN yang sering disebut dengan

46

Page 47: Artifial Intelegence

konklusi yang berarti kesimpulan. Berikut contoh struktur dari basis pengetahuan

yang sebelumnya sudah dirancang menggunakan block diagram.

IF kornea mata nampak keruh = Y AND mata berair = T AND mata menutup = T

AND ada pembengkakan pada mata = T THEN pemeriksaan mata = kornea mata

nampak keruh

47