G06tha-Kecerdasan Buatan

SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM
(SPDPPA)
Oleh:
TOTO HARYANTO
G64101017
DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006
RINGKASAN
TOTO HARYANTO. Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA). Dibimbing oleh
MARIMIN dan YENI HERDIYENI.
Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA ) merupakan suatu sistem komputer
yang dikembangkan untuk mendiagnosa penyakit pada ayam berdasar gejala-gejala klinis dan
perubahan makroskopis yang terdapat pada ayam yang diidentifikasi terinfeksi penyakit. Salah
satu metode inferensia yang digunakan pada penelitian ini adalah fuzzy inference system (FIS).
Dengan fuzzy inference system ini gejala-gejala yang memiliki kemiripan pada saat pendiagnosaan
dapat diatasi. Penyakit yang terdiagnosa pada SPD PPA dibatasi hanya pada tiga penyakit, yaitu:
Avian Influenza (AI), Newcastle Disease (ND) dan Infectious Laryngotracheitis (ILT).
Pada penelitian ini rancang bangun SPDPPA mengalami dua jenis alur pendiagnosaan. Pada
pendiagnosaan pertama, data fuzzy berupa warna pial yang dibagi menjadi 10 kelompok warna,
umur ayam, angka kematian dan suhu tubuh akan dijadikan sebagai masukan. Data tersebut akan
proses oleh fuzzy inference sys tem. Keluaran proses akan berupa diagnosa sementara dengan
kriteria mendukung ILT, sangat mendukung ILT, mendukung ND, sangat mendukung ND,
mendukung AI dan sangat mendukung AI. Pengujian sistem untuk data fuzzy dilakukan dengan
mengkombinasikan beberapa masukan.
Berdasar verifikasi, hasil pengujian menunjukkan bahwa ayam yang terdiagnosa sementara
mendukung ND, warna pialnya merah dengan suhu tubuh 430C 450C dan angka kematian 30
sampai 50 persen. Adapun untuk mendapatkan diagnosa sementara sangat mendukung ND, warna
pialnya merah dengan suhu 430C 450C dan tingkat kematian 3060 persen. Unt uk mendiagnosa
AI dengan tingkat mendukung, kondisi warna pial sudah semakin membiru. Angka kematian
mulai 30-60 persen dengan suhu tubuh 430C-450C. Nilai keanggotaan (a) mendukung AI
mencapai rata-rata 1 pada saat warna pial berada pada kelompok warna 7. Demikian halnya
dengan diagnosa untuk menghasilkan sangat mendukung AI. Warna pial sudah membiru dengan
suhu tubuh dan angka kematian yang tinggi.
Keluaran proses fuzzy inference system kemudian akan dikombinasikan dengan gejala nonfuzzy dalam suatu kaidah produksi atau if-then rule untuk mengidentifikasi jenis penyakit hasil
SPDPPA. Gejala non-fuzzy tersebut adalah kondisi eksudat, kondisi trakea, gejala perdarahan
bawah kulit, perubahan sistem saraf dan gejala pada tinja. Pemeriksaan terhadap gejala non -fuzzy
dilakukan secara sekuensial berdasarkan nilai bobot gejala yang dihasilkan oleh proses hierarki
analitik. Apabila pada gejala non-fuzzy terdapat gejala yang menunjang hasil diagnosa proses fuzzy
inference system, maka pemeriksaan akan selesai. Akan tetapi jika tidak, pemeriksaan akan
diteruskan pada gejala non-fuzzy berikutnya. Gejala non-fuzzy yang bersifat khas bagi penyakit ND
adalah eksudat yang kental bening, kepala ayam yang berputar dan tinja yang berwarna hijau.
Ayam yang terdiagnosa mendukung AI warna pialnya semakin memucat dengan suhu dan angka
mati seperti pada penyakit ND. Eksudat yang encer bening, perdarahan bawah kulit merupakan
gejala non-fuzzy yang khas terlihat ketika ayam terkena Avian Influenza (AI).
Hasil akhir dari SPDPPA juga dapat memberikan saran atau rekomendasi yang bagi pengguna
langkah yang seharusnya dilakukan apabila ayam menderita penyakit tertentu. Pada pemeriksaan
di lapangan bai k gejala fuzzy maupun non-fuzzy dilakukan secara bersama-sama.
Kata kunci : sistem pakar, Avian Influenza (AI), Newcastle Disease (ND), Infectious
Laryngotracheitis (ILT), fuzzy inference system ,if-then rule.
SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM

(SPDPPA)
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
Oleh :
TOTO HARYANTO
G64101017
DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2006
Judul
Nama
NRP
: SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM

(SPDPPA)
: Toto Haryanto
: G64101017
Menyetujui:
Pembimbing I,
Prof. Dr.Ir. Marimin, M.Sc

NIP.131645110
Pembimbing II,
Yeni Herdiyeni, S.Si, M.Kom

NIP.132282665
Mengetahui:
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. Ir. Yonny Koesmaryono, M.S

NIP.131473999
Tanggal Lulus :
RIWAYAT HIDUP
Penulis lahir di Kota Mangga, Indramayu pada tanggal 17 November 1982, anak dari
pasangan Caca Goembira dan Iyus Rusyati. Penulis merupakan anak kedua dari empat bersaudara.
Tahun 2001 penulis lulus dari SMU Negeri 1 Cirebon dan pada tahun yang sama melanjutkan
kuliah ke Institut Pertanian Bogor (IPB), Departemen Ilmu Komputer, Fakultas Matematika dan
Ilmu Pengetahuan Alam (FMIPA) melalui jalur Undangan Seleksi Masuk IPB (USMI).
Selama mengikuti perkuliahan, penulis pernah menjadi ketua divisi akademik bimbingan
belajar Prestasipb yang didirikan oleh Badan Eksekutif Mahasiswa FMIPA (BEM FMIPA) pada
tahun 2003. Di bidang organisasi penulis tecatat sebagai anggota Himpunan Masyarakat Ilmu
Komputer (Himalkom) FMIPA IPB. Selama di IPB, penulis juga aktif di Forum Kajian Islam
Ilmiyah Salafy (FKIIS). Pada akhir perkuliahan, penulis berkesempatan mengikuti Praktek Kerja
Lapang (PKL) selama dua bulan ( 26 Januari 26 Maret 2004) di International Herbal Center
(IHC), Jakarta Timur.
PRAKATA
Alhamdulillah segala puji penulis panjatkan ke hadirat ALLAH Subhanahu wa taala atas
segala rahmat, kasih sayang dan cinta-Nya sehingga skripsi ini berhasil diselesaikan. Shalawat dan
salam semoga senantiasa tercurah pada teladan kita Nabi Muhammad Shallallahu alaihi wasallam,
kerabat, sahabat dan umatnya sampai akhir zaman. Tema yang dipilih dalam penelitian ini ialah
Sistem Pakar, dengan judul Sistem P akar Diagnosa Penyakit Pada Ayam ( SPDPPA).
Penulis menyampaikan terima kasih kepada semua pihak yang telah membantu dalam
penulisan karya ilmiah ini khususnya kepada Bapak Prof.Dr.Ir.Marimin, M.Sc dan Ibu Yeni
Herdiyeni, S.Si, M.Kom yang telah membimbing dengan penuh ketekunan dan kesabaran hingga
selesainya penulisan karya ilmiah ini. Penulis juga mengu capkan terima kasih kepada Ibu
drh.Ekowati Handharyani, MS, Ph.D sebagai pakar atas segala pengetahuan tentang penyakit ayam
yang telah diberikan.
Selanjutnya, penulis juga ingin mengucapkan terima kasih kepada:
1. Bapak dan Ibu tercinta, terima kasih atas segala doa, cinta, kasih sayang, dan dukungan yang
tiada batasnya baik materil maupun spirituil.
2. Kakak dan adiku Aa Opi, Doni dan Ade Indy, terima kasih atas segala canda dan keceriaan
yang telah menambah semangat atas terselesainya penulisan ini.
3. Keluarga Ir. Asep Zaenal, MM atas segala perhatian yang diberikan selama penulis tinggal di
kota Bogor.
4. Teman-teman Ilkomerz 38. Terima kasih atas kebersamaan bersama kalian dan tali
silaturahmi yang telah kalian tanamkan. Semoga ini menjadi kenangan yang tak terlupakan.
5. Drh.Nofri Sahmedi (Mas Ismet) atas pengetahuan teknis tentang penyakit ayam dan pinjaman
buku-bukunya.
6. Pak Nanang, terima kasih atas segala sarana dan prasarana selama penulis tholabul ilmi.
Semoga Allah membalas dengan kebaikan.
7. Ikhwan-ikhwan salafiyyin yang menjadikan hidup ini lebih bermakna. Jazakumullah khairan
atas segala dorongan dan nasihatnya. Semoga tetap istiqomah.
8. Mas Opik, Adin, Ulum, Enjang, Fauzi, Kang Jamal, Taryu, Aul, Sugi, Zaky, Asep STK,
Didik, Supri, Khamam, Memet, Mas Fajar, Agus, Nuris (semoga cepat menjadi bapak) serta
teman-teman eks Mobster, Wisma Bekam serta Wisma Galih.
9. Staf Departemen Ilmu Komputer, Pak Pendi, Pak Sholeh, Mas Irfan, Pak Fatur dan semua
pihak atas segala fasilitas selama penulis menyelesaikan studi.
10. Keluarga Besar Bapak Aha dan Ibu Kadi. Terima kasih atas segala motivasi yang diberikan.
Dan semua pihak yang tidak dapat disebutkan satu per satu. Jazakumullah khairan.
Semoga karya ilmiah ini dapat bermanfaat dan menjadi amal sholih bagi semua pihak yang
terlibat dalam penyusunan skripsi ini. Amin.
Bogor, Januari 2006
Toto Haryanto
DAFTAR ISI
Halaman
DAFTAR TABEL ..................................................................................................................................viii
DAFTAR GAMBAR .............................................................................................................................viii
DAFTAR LAMPIRAN.........................................................................................................................viii
PENDAHULUAN..................................................................................................................................1
A. Latar Belakang ................................................................................................................1
B. Tujuan ...............................................................................................................................1
C. Ruang Lingkup ................................................................................................................1
D. Manfaat .............................................................................................................................1
TINJAUAN PUSTAKA........................................................................................................................2
A. Sistem Pakar ....................................................................................................................2
B. Basis Pengetahuan (Knowledge Base) ........................................................................2
C. Mesin Inferensia ............................................................................................................2
D. Fakta .................................................................................................................................2
E. Fasilitas Akuisisi Pengetahuan ....................................................................................2
F. Fasilitas Penjelasan ........................................................................................................2
G. Antarmuka Pengguna.....................................................................................................2
H. Logika Fuzzy ...................................................................................................................3
I. Proses Hierarki Analitik (Analytical Hierarchy Process) ....................................4
J. Penyakit Ayam................................................................................................................4
METODE PENELITIAN ......................................................................................................................5
A. Kerangka Pemikiran.......................................................................................................5
B. Tata Laksana .................................................................................................................5
C. Pengembangan Sistem ...................................................................................................6
D. Rancang Bangun Sistem ...............................................................................................7
HASIL DAN PEMBAHASAN ............................................................................................................7
A. Pemodelan Sistem .........................................................................................................7
B. Proses Inferensia Fuzzy .................................................................................................8
C. Verifikasi Sistem ...........................................................................................................11
D. Kompleksitas Sistem .....................................................................................................13
E. Keterbatasan Sistem .....................................................................................................13
KESIMPULAN DAN SARAN
A. Kesimpulan .....................................................................................................................14
B. Saran ................................................................................................................................14
DAFTAR PUSTAKA ...........................................................................................................................14
LAMPIRAN ...........................................................................................................................................16
DAFTAR TABEL
1.
2.
3.
4.
5.
6.
7.
8.
Halaman
Parameter masukan SPDPPA .......................................................................................................6
Karakteristik parameter masukan SPDPPA..............................................................................8
Hasil pembobotan paremeter SPDPPA ...................................................................................8
Parameter data fuzzy verifikasi sistem. .......................................................................................12
Skor defuzzifikasi dan a mendukung Newcastle Disease (ND) pada SPDPPA. ..............12
Skor defuzzifikasi dan a sangat mendukung Newcastle Disease (ND) pada SPDPPA ...12
Skor defuzzifikasi dan a mendukung Avian Influenza (AI) pada SPDPPA ......................13
Skor defuzzifikasi dan a sangat mendukung Avian Influenza (AI) pada SPDPPA .........13
DAFTAR GAMBAR
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Halaman
Struktur Sistem Pakar ..................................................................................................................2
Proses Akuisisi Pengetahuan .......................................................................................................2
Diagram konsep penelitian .........................................................................................................5
Diagram Alir Sistem Fuzzy...........................................................................................................6
Alur Pengembangan Software Lifecycle.....................................................................................6
Proses pendiagnosaan penyakit ayam pada SPDPPA ..............................................................7
Representasi kurva gaussian untuk warna pial .......................................................................8
Representasi kurva trapesium untuk umur ayam .....................................................................9
Representasi kurva trapesium untuk angka kematian . ............................................................9
Representasi kurva trapesium untuk suhu tubuh......................................................................9
Representasi kurva gaussian untuk keluaran jenis penyakit . ..................................................10
Ilustrasi proses defuzzifikasi pada inferensia fuzzy ..................................................................10
Tampilan pengisian kesalahan data fuzzy................................................................................10
Pesan peringatan jika kesalahan terjadi pengisian ...................................................................11
Contoh tampilan untuk pengisian data non-fuzzy pada gejala eksudat. ...............................11
DAFTAR LAMPIRAN
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
Halaman
Aturan-aturan fuzzy penentuam jenis penyakit pada SPDPPA..............................................17
Diagram pohon yang membentuk kaidah di dalam SPDPPA .................................................18
Deskripsi warna pial berdasar nomor .........................................................................................24
Tabel kombinasi pengujian pertama dengan warna pial = 1 ...................................................24
Tabel kombinasi pengujian kedua dengan warna pial = 2 .....................................................24
Tabel kombinasi pengujian ketiga dengan warna pial = 3 .....................................................24
Tabel kombinasi pengujian keempat dengan warna pial = 4 .................................................25
Tabel kombinasi pengujian kelima dengan warna pial = 5 ....................................................25
Tabel kombinasi pengujian keenam dengan warna pial = 6 ..................................................25
Tabel kombinasi pengujian ketujuh dengan warna pial = 7...................................................26
Tabel kombinasi pengujian kedelapan dengan warna pial = 8..............................................26
Tabel kombinasi pengujian kes embilan dengan warna pial = 9............................................26
Tabel kombinasi pengujian kesepuluh dengan warna pial = 10............................................27
Menu Utama Sistem Pakar Diagnosis Penyakit Pada Ayam (SPDPPA) ..............................27
Contoh tampilan pengisian data fuzzy.........................................................................................28
Contoh tampilan pengisian data non-fuzzy.................................................................................28
Tampilan laporan hasil pemeriksaan..........................................................................................29
Contoh hasil pemeriksaan Laboratorium Patologi ....................................................................30
PENDAHULUAN
A. Latar Belakang
Di dalam usaha peternakan ayam, penyakit
merupakan salah satu resiko yang harus
dihadapi. Oleh karena itu, mengenal sejak dini
gejala masing-masing penyakit, mengetahui
sumber penyebabnya serta melakukan upaya
pencegahan merupakan hal yang sangat
penting bagi suksesnya usaha peternakan
(Retno et al 1998).
Merebaknya penyakit pernapasan pada
ayam di Indonesia banyak memberikan
kerugian bagi para peternak terutama peternak
kecil. Beberapa penyakit seperti Newcastle
Disease (ND) memiliki angka kematian
mencapai 100% (Copland,1987). Terlebih lagi
Indonesia memiliki iklim tropis yang
merupakan
kondisi
sesuai
bagi
perkembangbiakan
bakteri
dan
virus
(Nurjanah, 2003).
Pada beberapa kasus terdapat penyakit
yang dapat menular kepada manusia. Oleh
karena itu, penanganan terhadap penyakit penyakit tersebut harus segera ditangani
sehingga tidak menambah korban jiwa.
Gejala
penyakit
pada
ayam
memperlihatkan kemiripan sehingga di dalam
pendiagnosaan diperlukan kecermatan dan
ketelitian dari pakar/ahli (dalam hal ini dokter
hewan) terhadap setiap perubahan yang terjadi
pada organ tertentu yang mengindikasikan
suatu penyakit. Bahkan bukan tidak mungkin
apabila
kemiripan
gejala
tersebut
menyebabkan perbedaan hasil diagnosa
dengan penyakit yang diderita ayam
sebenarnya.
Untuk
memastikan
jenis
penyakit, pengetahuan anamnese, gejala
patognomonis dan gejala klinis dilakukan
yang kemudian dilanjutkan dengan uji
laboratorium dan pemeriksaan pascamati.
Pemeriksaan laboratorium bertujuan untuk
melihat
perubahan
makroskopis
dan
mikroskopis
dari
organ-organ
yang
diidentifikasi terinfeksi penyakit tertentu.
Untuk melakukan pendiagnosaan secara
seksama, tes darah dan uji laboratorium
merupakan cara yang paling sering dilakukan.
Bagi peternak kecil, hal ini adalah salah satu
kendala yang dihadapi karena keterbatasan
alat dan biaya. Oleh karena itu, perlu
dikembangkan Sistem Pakar Diagnosa
Penyakit Pada Ayam (SPDPPA) yang mampu
mengidentifikasi lebih dini penyakit yang
dialami ayam.
Sistem Pakar menurut Giarratano dan
Riley (1998) merupakan sistem komputer
yang mengemulsikan kemampuan pakar
dalam pengambilan keputusan. Banyak sekali
bidang yang telah mengaplikasikan sistem

pakar, diantaranya adalah bidang medis.
Sistem Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA ) merupakan suatu sistem
komputer
yang
dikembangkan
untuk
mendiagnosa penyakit pada ayam berdasar
gejala-gejala
klinis
dan
perubahan
makroskopis yang terdapat pada ayam yang
diidentifikasi terinfeksi penyakit. Sistem ini
dikembangkan
dengan
berbasiskan
pengetahuan (knowledge) yang didapatkan
dari pakar/ahli melalui proses akuisisi
pengetahuan ke dalam sistem. Pengetahuan
(knowledge) yang didapatkan kemudian
diolah oleh sistem untuk menghasikan output
sebagai hasil diagnosanya.
Proses pendiagnosaan pada SPDPPA ini
akan memperhitungkan gejala khas suatu
penyakit sehingga akan mempercepat proses
pemeriksaan.
Pengembangan Sistem Pakar Diagnosa
Penyakit Pada Ayam (SPDPPA) ini
melibatkan pakar dari Laboratorium Patologi
Fakultas Kedokteran Hewan IPB sebagai
sumber kepakarannya. Dengan demikian,
proses evaluasi sistem dapat dilakukan.
B. Tujuan
Tujuan penelitian ini adalah:
1. Merumuskan fakta dan basis pengetahuan
untuk mendiagnosa penyakit ayam.
2. Mengembangkan dan mengimplementasikan Sistem Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA ).
C. Ruang Lingkup
Di
dalam
pendiagnosaan
penyakit
pernapasan pada ayam ini, dibatasi pada
penyakit yang disebabkan oleh virus. Penyakit
tersebut adalah Infectious Laryngotracheitis
(ILT), N ew castle Desease (ND) dan Avian
Influenza (AI).
Masukan dari sistem ini berupa gejalagejala klinis yang ditemukan selama proses
diagnosa. Data tersebut kemudian akan
dianalisis oleh sistem untuk kemudian
dihasilkan keluaran berupa informasi penyakit
yang diderita hasil diagnosa, penyebabnya,
dan rekomendasi yang harus dilakukan
terhadap ayam tersebut.
D. Manfaat
Sist em Pakar Diagnosa Penyakit Pada
Ayam (SPDPPA) ini diharap kan dapat
membantu memberikan informasi dalam
mendiagnosa penyakit yang menginfeksi
ayam. Adapun pengguna sistem ini adalah
peternak ayam. Sistem ini juga dapat
digunakan sebagai media pembelajaran bagi
mahasiswa.
TINJAUAN PUSTAKA
A. Sistem Pakar
Menurut Marimin (2002), sistem pakar
adalah sistem komputer berbasis pengetahuan
yang terpadu di dalam suatu sistem informasi
dasar
yang
ada,
sehingga
memiliki
kemampuan untuk memecahkan berbagai
masalah layaknya seorang pakar.
Sistem Pakar merupakan bagian dari
Computerized Decision Suport Sistem (CDSS)
yang pertama kali dilakukan untuk mencoba
meniru di dalam pengambilan keputusan
pendekatan tenaga ahli berdasar aturan aturan
heuristik dan pengalaman yang dimiliki ketika
pembuatan keputusan medis (Weaver, 1991).
Di dalam sistem pakar, masukan yang
diberikan pengguna dan basis pengetahuan
yang telah ada dimasukkan ke dalam
komputer untuk kemudian diolah sehingga
menghasilkan suatu keluaran suatu keputusan.
Elemenelemen sistem pakar menurut
Giarattano (1998),
digambarkan sebagai
berikut:
Basis
Pengetahuan
Fasilitas
Penjelasan
Mesin
Inferensia
Fakta
Fasilitas
Akuisisi Pengetahuan
Antarmuka
Pengguna
Gambar 1. Struktur Sist em Pakar (Giarattano,

1998)
Kaidah produksi ini banyak dikenal pada

tahun 1940. Notasi dari kaidah produksi
sederhana adalah IF X THEN Y, dengan X
adalah antesenden dan Y adalah konsekuen.
Berikut adalah contoh sederhana penggunaan
kaidah produksi:
If harga_ naik THEN permintaan_berkurang
Antesenden
Konsekuen
Karena sangat pentingnya sistem berbasis
kaidah produksi ini, menyebabkan munculnya
perkembangan konsep kaidah lainnya seperti
Certainty Factor (CF) atau If-Then Fuzzy
yang banyak digunakan pada sistem pakar.
D. Fakta
Fakta merupakan sekumpulan data yang
akan digunakan oleh aturan. Dari fakta inilah
suatu basis pengetahuan akan dibuat. Apabila
terdapat
fakta
baru
terhadap
suatu
permasalahan, maka akan dijadikan sebagai
basis pengetahuan baru dan kaidah (rule) baru
pada mesin inferensia dibuat.
E. Fasilitas Akuisisi Pengetahuan
Akuisisi Pengetahuan adalah proses
transfer dan transformasi sumber pengetahuan
dari pakar (domain expert) ke dalam program
(Jackson, 1999). Proses akuisisi ini dilakukan
dengan bantuan Knowledge Engineer yang
berperan sebagai mediator antara sistem pakar
dengan pakarnya.
Proses akuisisi pengetahuan dapat dilihat
pada Gambar 2 sebagai berikut:
Sumber
Pakar
tanya
jawab
Knowledge
Engineer
hasil
Sistem
Pakar
pengetahuan
Gambar 2. Proses Akuisisi Pengetahuan

B. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merepresentasikan
pengetahuan yang dimiliki oleh pakar.
Menurut Marimin (2002), basis pengetahuan
merupakan sumber kecerdasan sistem dan
dimanfaatkan oleh mekanisme inferensia
untuk penarikan suatu kesimpulan.
C. Mesin Inferensia
Mesin inferesi menyeleksi aturan yang ada
berdasar fakta yang ada dan mengeksekusi
aturan tersebut dengan prioritas tertinggi
(Giarratano, 1998). Di dalam sistem pakar,
mesin inferensia ini akan memandu,
mengarahkan dan memanipulasi
basis
pengetahuan
sehingga
tercapai
suatu
kesimpulan. Di antara jenis inferensia yang
paling populer adalah kaidah produksi.
F. Fasilitas Penjelasan
Bagian ini memberikan penjelasan kepada
pengguna mengenai s istem tersebut. Bagian
ini sangat bermanfaat bagi pengguna untuk
mengetahui
bagaimana
sistem
dapat
memutuskan suatu kesimpulan.
G. Antarmuka Pengguna (User interface)
Antarmuka pengguna merupakan bagian
yang berperan sebagai media komunikasi
antara pengguna dengan sistem yang
terbentuk. Pembuatan antarmuka yang baik
akan menjamin pengguna untuk menggunakan
sistem dengan mudah.
Fungsi Keanggotaan
Himpunan crisp atau himpunan biasa
adalah himpunan yang keanggotaannya dapat
didefinisikan
dengan
jelas.
Fungsi
keanggotaan pada Himpunan crisp ini
diformulasikan sebagai berikut:
A( x) : x {0,1} ;
sehingga suatu objek bisa kita katakan
masuk dalam himpuan tersebut atau tidak.
Dengan kata lain derajat keangotaaan dari
sebuah objek pada himpunan crisp adalah
0 atau 1.
Logika Fuzzy merupakan salah satu cara
penanganan
ketidakpastian
sebagai
generalisasi himpunan biasa yang menjadikan
suatu objek memiliki derajat keanggotaan
(degree of membership function) antara 0
sampai 1. Fungsi keanggotaan dari Himpunan
Fuzzy sebagai berikut:
A( x ) : x [0 ,1] .
Pendekatan
fungsi
berikut
ini
(Kusumadewi, 2002) dapat digunakan untuk
menentukan nilai dari suatu keanggotaan.
1. Representasi Kurva Segitiga (Triangle)
derajat
keanggotaan
domain
Fungsi Keangotaan:
x c atau x a
0;
[ x ] = ( x a) /(b a); a x b
(c x) /(c b); b x c
2. Representasi Kurva Trapesium
Fungsi Keangotaan:
0;
(x a) /(b a);
[ x] =
1;
(c x) /(c b);
x a atau x d
a x b
b xc
c xd
3. Representasi Kurva Gaussian
Derajat
keanggotaan
H. Logika Fuzzy
Logika Fuzzy (Fuzzy Logic) merupakan
pegembangan dari teori himpunan Fuzzy yang
pertama kali dikenalkan oleh Lotfi Zadeh
pada tahun 1965 (Jackson, 1999).
domain
Fungsi Keanggotaan:
( x )2
G ( x; ; ) = e
Himpunan Fuzzy
Himpunan fuzzy adalah teknik yang secara
matematis
mampu
mengekspresikan
keambiguan dalam bahasa (Marimin,2002).
Sebagai co ntoh jika seseorang dikatakan tua,
kita tak dapat mendefin isikan dengan tepat
berapa tahunkah seseorang dikatakan tua.
Dengan
himpunan
fuzzy ini,
kasus
keambiguan di atas dapat ditangani.
Pengembangan
sistem
fuzzy dapat
diterapkan dalam berbagai bidang, seperti
pemodelan, teknologi aplikatif dan sistem
pakar. Dalam sistem pakar , Marimin (2002)
menyebutkan sistem fuzzy berguna untuk
merepresentasikan
pengetahuan
pada
lingkungan yang tidak pasti dan tidak lengkap.
Sistem Inferensia Fuzzy (FIS -Fuzzy
Inference System )
Sistem ini menerangkan tentang teknik
penarikan kesimpulan berdasar pada aturan
tertentu. Penyeleksian aturan if-then fuzzy
adalah komponen utama dari fuzzy inference
sistem yang mampu untuk memodelkan
keahlian manusia lebih spesifik (Jang et al.,
1997).
Penalaran metode Mamdani
Metode Mamdani diperkenalkan oleh
Ebrahim Mamdani pada tahun 1975. Pada
metode ini, baik masukan (antesenden)
maupun keluaran (konsekuen) sistem berupa
derajat
keanggotaan
c
domain
himpunan fuzzy. Dengan konsep tersebut,

metode ini memiliki beberapa keuntungan
antara lain: lebih intuitif, lebih diterima oleh
banyak pihak dan lebih cocok apabila input
diterima dari manusia (bukan mesin)
(Kusumadewi, 2002).
Defuzzifikasi metode Centroid
Defuzzifikasi adalah pengubahan keluaran
fuzzy ke dalam keluaran yang bernilai tunggal
(crisp). Oleh karena itu, masukan dari poses
defuzzifikasi adalah suatu himpunan fuzzy
yang diperoleh dari komposisi aturan-aturan
fuzzy, sedangkan keluarannya adalah suat u
bilangan pada domain himpunan fuzzy
tersebut (Kusumadewi, 2002). Defuzzifikasi
metode Centroid adalah teknik yang solusi
nilai
tunggalnya
didapatkan
dengan
mengambil tit ik pusat daerah fuzzy. Secara
umum dapat diformulasikan sebagai berikut:
z=
z ( z )dz
z
( z) dz
z
atau
z=
(z j )
j= 1
n
(z
j =1
I. Proses
Hierarki
Analitik (AHPAnalytical Hierarchy Process)
AHP ditemukan oleh Dr. Thomas L.Saaty
pada tahun 1970. Prinsip kerja dari AHP
dapat dijelakan sebagai berikut: pertama,
proses penyederhanaan persoalan kompleks
yang tidak terstruktur dan dinamis dalam
suatu hierarki. Kedua, komparasi dan
pemberian nilai numerik setiap variabel.
Dengan melakukan komparasi berpasangan
(pairwise comparisons) pengguna dapat
memberikan bobot kriteria. Proses ini
menghasilkan variabel yang berpengaruh
dominan terhadap hasil.
Sebagai sistem analisa, AHP memiliki
beberapa keunggulan antara lain:
a. Saling Ketergantungan:
AHP menangani saling ketergantungan
antara elemen-elemen dalam sistem sehingga
tidak memaksakan pemikiran linier.
b. Konsistensi:
AHP melacak konsistensi logis dari
pertimbangan-pertimbangan yang digunakan
untuk menetapkan berbagai prioritas.
c. Kompleksitas:
AHP memadukan pendekatan deduktif dan
pendekatan
berdasar
sistem
dalam
memecahkan persoalan kompleks.
J. Penyakit ayam
Penyakit pada ayam dapat ditimbulkan
oleh berbagai sebab seperti: virus, bakteri,
jamur, caplak . Terdapat jenis penyakit ayam
yang dapat menular kepada manusia
(zoonosis) seperti flu burung dari galur
patogenik
(Suharsono,
2002). Adapun
penyakit ayam yang disebabkan oleh virus
antara lain:
a. Avian Influenza (AI) / Flu Burung
Sebab: virus Avian Influenza
AI dapat digolongkan pada sedang dan
bahaya secara patogenik. Virus AI dapat
menyerang semua umur ayam. Gejala klinis
dicirikan dengan kelesuan, pernapas an
terganggu yang ditandai dengan keluarnya
lendir encer bening, warna jengger pucat
membiru serta terdapat perdarahan di bawah
kulit berupa bercak merah pada dada, sayap
atau kaki bahkan kematian mendadak.
(Soejoedono dan E.Handharyani, 2005). Ciri
lainnya yang mirip dengan penyakit ayam
lainnya adalah suhu tubuh yang meningkat di
atas 43 derajat celcius, kepala bergetar serta
tinja yang encer berwarna putih.
T ingkat kematian ayam karena penyakit
AI bisa mencapai 100 persen. Bahkan
sekarang ini virus
Avian Influenza jenis
(H5N1) dapat menyebabkan kematian pada
manusia. Berdasar data dari Depkes
(www.depkes.go.id.), di Indonesia terdapat
143 kasus flu burung, 17 orang yang positif
mengidap, 12 orang meninggal dunia dan 5
cluster
keluarga yang terinfeksi. Jumlah
tersebut mungkin dapat bertambah apabila
tidak dilakukan penanganan lebih dini.
b. Newcastle Disease (ND)
Sebab: virus Paramixovirus
Terdapat tiga bentuk ND: 1). Mildly
Pathogenic (lentogenic), 2). Moderately
Pathogenic (mesogenic), 3).Higly Pathogenic
(velogenic). ND ditandai dengan serangan
mendadak pada gejala klinisnya seperti suara
parau pada ayam, kepala ayam yang berputar,
tinja ayam encer berwarna kehijauan. Pada
ND tidak terjadi perdarahan di bawah kulit
sehingga dapat dibedakan dengan AI. Virus
ini juga dapat menyerang ayam semua umur.
Tingkat kematian penyakit ini berkisar 10-80
persen ber gantung pada tingkat patogeniknya
(Copland, 198 7).
c. Laryngotracheitis Infectiosa (ILT)
Sebab: Herpa virus
Dalam masa akut terlihat konjungtivitis
kataral (keruh), rinitis juga bersifat kataral.
Yang paling menyolok adalah kesulitan
pernapasan. Ayam yang terkena virus ini
dapat mengeluarkan darah pada lendirnya
disebabkan trakea yang terinfeksi (Butcher et
al.,2005) Sewaktu bernapas kepala ditegakkan
setinggi mungkin dan paruhnya dibuka

sedangkan saat menghembuskan napas kepala
ditundukkan ke bawah dan mata ditutup
(Resang,1983). Tingkat kematian ILT ini
umumnya lebih rendah dibandingkan AI dan
ND. Biasanya ILT menyerang ayam pada usia
dara dan dewasa. Ayam mengalami cyanosis
pada muka dan jengger.
mulai
Identifikasi gejala penyakit ayam
Penentuan bobot gejala penyakit

Dengan model AHP
METODE PENELITIAN
A. Kerangka Pemikiran
Kemiripan gejala yang ditimbulkan oleh
beberapa penyakit pada ayam terkadang
menimbulkan kesulitan di dalam pembuatan
kesimpulan tentang jenis penyakit yang
diderita. Dengan menggunakan pendekatan
fuzzy dalam basis data pengetahuan berbasis
rule, SPDPPA (Sistem Pakar Diagnosa
Penyakit Pada Ayam) proses pendiagnosaan
jenis penyakit pada ayam dengan gejala yang
mirip lebih mudah untuk dilakukan.
Salah satu teknik di dalam penanganan
ketidakpastian adalah dengan Fuzzy Inference
System (FIS). Pada penelitian ini, FIS
digunakan sebagai mesin inferensia untuk
membangun fakta-fakta berupa gejala klinis
dan patognomonis ayam yang terserang
penyakit untuk dijadikan basis pengetahuan.
Penentuan jenis penyakit dilihat dari hasil
anamnese berupa umur ayam, gejala
patognomonis berupa angka kematian serta
gejala klinis, seperti: warna pial, kondisi tinja,
kondisi eksudat, terjadinya perdarahan dan
perubahan sistem saraf. Diagram konsep
penelitian diperlihatkan pada Gambar 3.
B. Tata Laksana
Penelitian yang dilakukan terbagi menjadi
beberapa tahapan, yaitu:
1. Analisis kebutuhan
2. Proses Akuisisi Pengetahuan
3. Penambahan Basis Pengetahuan
4. Pembuatan Program
5. Desain Antarmuka Pengguna
6. Verifikasi dan validasi sistem
Analisis kebutuhan
Untuk mendiagnosa penyakit pada ayam
ini melibatkan pihak lain seperti pakar dari
laboratorium patologi dan dokter hewan
Fakultas Kedokteran Hewan IPB sebagai
sumber pakar (domain expert). Dalam hal ini
penulis
berperan
sebagai
Knowledge
Engineer.
Pengelompokan data fuzzy & non-fuzzy
Membuat kaidah fuzzy

Dengan FIS
Membuat kaidah produksi
Implementasi
Verifikasi & validasi
selesai
Gambar 3. Diagram konsep penelitian

Proses Akuisisi Pengetahuan
Penyerapan pengetahuan dari domain
expert
dilakukan
dengan
melakukan
wawancara langsung maupun membuat
quisioner. Untuk menambah pengetahuan juga
kajian terhadap pustaka dilakukan.
Penambahan Basis Pengetahuan
Informasi yang telah diperoleh dari
domain expert kemudian disimpan
dalam
basis data pengetahuan berbasis kaidah
produksi (rule).
Pembuatan Pro gram
Pembuatan program mencakup pembuatan
inferensia berdasar basis pengetahuan yang
dikodekan ke dalam sistem. Untuk data fuzzy
digunakan FIS sebagai mesin inferensianya.
Adapun untuk data non-fuzzy, inferensia yang
digunakan menggunakan kaidah produksi atau
if-then rule.
Dari Gambar 4 dapat dijelaskan sebagai
berikut. Permasalahan nyata yang terjadi di
lapangan direpresentasikan ke dalam bahasa
natural. Setelah itu, dilakukan proses
fuzzifikasi yaitu proses perubahan masukan
tunggal menjadi beberapa nilai linguistik yang
sesuai. Nilai linguistik tersebut kemudian
dihitung dengan proses komputasi fuzzy. Hasil
komputasi fuzzy masih berupa gugus fuzzy

yang sehingga perlu dilakukan proses
defuzzifikasi agar menghasilkan nilai tunggal
(crisp).
Penyelesaian Sistem Pakar Fuzzy (Fuzzy
Expert System) dijelaskan pada diagram alir
Gambar 4.
Analisis
Kebutuhan
Desain
Sistem
Implementasi
Sistem
Permasalahan Nyata
Integrasi
Sistem
Pemeliharaan
Sistem
Representasi Bahasa
Natural
Fuzzifikasi
Komputasi Secara Fuzzy
Defuzzifikasi
Solusi
Gambar 4. Diagram Alir Sistem Fuzzy

(Marimin, 2002)
Desain Antarmuka Pengguna
Parameter-parameter
masukan
akan
disajikan dalam antarmuka Graphical User
Interface (GUI) sehingga pengguna hanya
mengklik dan mengisikan jawabannya.
Antarmuka Pengguna dirancang secara
interaktif sehingga mudah dip aham i oleh
pengguna dalam menjalankan sistem.
Verifikasi dan validasi
Sistem pakar yang telah selesai akan
diujikan kepada pakarnya yang dalam hal ini
adalah ahli patologi ayam dari Fakultas
Kedokteran Hewan IPB. Tujuan dari
verifikasi ini adalah agar sistem pakar yang
diperoleh mewakili ahli (human expert).
C. Pengembangan Sistem
Metode pengembangan perangkat lunak
yang digunakan adalah software lifecycle.
Metode ini merupakan model fundamental
dari aktivitas pengembangan perangkat lunak
(Soumerville, 2001), yang terdiri dari: analisis
kebutuhan
sistem,
desain
sistem,
implementasi sistem, integrasi sistem dan
pemeliharaan sistem.
Gambar 5. Alur Pengembangan Software

Lifecycle ( Soumerville , 2001).
Analisis Kebutuhan
Pada tahap ini dilakukan pendefinisian
masalah penyakit ayam yang memiliki
kesamaan apabila dilihat dari gejala klinis
yang ada. Gejala klinis merupakan gejala yang
dapat dilihat apabila terjadi perubahan
makroskopis pada bagian tertentu dari ayam.
Kemiripan
gejala
itulah
yang
menyebabkan
kesulitan
di
dalam
pendiagnosaan tahap awal sebelum dilakukan
pembedahan atau uji laboratorium.
SPDPPA yang dibangun akan melakukan
proses diagnosa tahap awal untuk membantu
di dalam pengambilan keputusan berikutnya
baik melakukan tes darah (serologi),
pengisolasian ayam yang diduga terinfeksi
atau bahkan mungkin dilakukan pemutusan
rantai penyakit dengan jalan kematian.
Desain Sistem
Desain sistem dibuat untuk memberikan
gambaran tentang sistem yang dibangun.
Desain sistem ini terbagi menjadi tiga bagian,
yaitu :
a. desain masukan. P engguna akan
melakukan proses pemasukan data. Pada
SPDPPA ini data mas ukan dapat dilihat pada
Tabel 1. Data fuzzy dan non-fuzzy didapatkan
melalui konsultasi bersama dengan pakar.
Tabel 1. Parameter m asukan SPDPPA
No
1
2
3
4
5
6
7
8
9
Gejala
Satuan
Warna Pial
Warna
Angka Kematian Persen (%)
Suhu Tubuh
Celcius (0 C)
Umur Ayam
Minggu
Eksudat/ lendir
Trakea
Perdarahan
bawah kulit
Sistem Saraf
Tinja
-
Ket
data fuzzy
data fuzzy
data fuzzy
data fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
b. desain proses. Desain ini dilakukan

untuk mendeskripsikan urutan kejadian dari
mulai proses masuknya data sampai dengan
sistem memberikan hasil keluaran. Pada
SPDPPA, terbagi menjadi dua, yaitu proses
diagnosa fuzzy dan diagnosa non fuzzy.
Pengguna terlebih dahulu akan melakukan
diagnosa fuzzy dengan memasukkan data fuzzy
di atas. Keluaran (output) dari diagnosa fuzzy
ini kemudian akan digunakan sebagai
masukan pada diagnosa berikutnya.
c. desain keluaran. Desain keluaran
dirancang untuk memudahkan pengguna
mengetahui keluaran sistem. Pada SPDPPA
ini keluaran berupa hasil diagnosa penyakit
yang diderita oleh ayam setelah melewati
proses diagnosa fuzzy dan non-fuzzy, beserta
informasi tambahan atau saran yang diberikan
sistem bagi pengguna.
Implementasi Sistem
Di bagian ini, kebutuhan perangkat lunak
yang mendukung SPDPPA ditentukan, seperti
Sistem Operasi, tools tertentu yang relevan
dan bahasa pemrograman yang digunakan . Di
samping itu perangkat keras yang digunakan
dalam membangun sistem ini harus
mendukung. Sistem Operasi yang digunakan
dalam pengembangan SPDPPA
adalah
Windows XP Profesional Edition. Sedangkan
Matlab 6.5 digunakan
sebagai
bahasa
pemrograman.
Inte grasi Sistem
SPDPPA yang dibuat diintegrasikan dalam
bentuk simulasi program setelah melalui tahap
sebelumnya.
Pemeliharaan Sistem
Tahap ini merupakan tahap akhir di dalam
pengembangan sistem. Dalam tah ap ini sistem
yang telah dibuat akan dievaluasi. Proses
evaluasi memungkinkan terjadinya perubahan
jika terjadi penambahan informasi dan
perbaikan sesuai dengan kebutuhan pengguna.
D. Rancang Bangun Sistem
Ayam (SPDPPA) dikembangkan dengan
menggunakan perangkat lunak Matlab versi
6.5. Matlab Versi 6.5 telah menyediakan
toolbox fuzzy logic yang
menyediakan
fasilitas Fuzzy Inference System (FIS).
Diagram pendiagnosaan Sistem Pakar
Diagnosa Penyakit Pada Ayam (SPDPPA )
diperlihatkan pada Gambar 6. Ayam yang
sakit memiliki kondisi yang secara umum
loyo, tampak lemah, depresi sehingga dapat
dibedakan dengan ayam sehat.
mulai
tidak
sakit ?
ya
-
keluar
data fuzzy
warna pial
umur ayam
angka kematian
suhu tubuh
fuzzy inference system

(FIS)
data non-fuzzy
-
gejala eksudat/lendir
gejala trakea
gejala perdarahan bawah kulit
gejala sistem saraf
gejala tinja
identifikasi penyakit
Gambar 6. Proses pendiagnosaan penyakit

ayam pada SPDPPA .
Pembobotan Parameter
Pembobotan dilakukan melalui konsultasi
dengan pakar. Bobot tersebut diperoleh
dengan metode Analytical Hierarchy Proces
(AHP).
Setiap
parameter
tersebut
dibandingkan
secara
relatif
terhadap
parameter
lain
dilihat
dari
tingkat
kepentingannya. Tujuan pembobotan adalah
untuk menetapkan gejala yang memiliki
prioritas tertinggi
dalam pemeriksaan.
Perolehan nilai bobot parameter ini
didapatkan dengan bantuan perangkat lunak
Criterium DecisionPlus versi 3.0.4 Adanya
pembobotan ini dapat memberikan pengaruh
dalam proses penarikan kesimpulan saat
mendiagnosa penyakit.
Penjelasan dan Rekomendasi Sistem
Setelah melakukan proses diagnosa
dilakukan sistem akan merekomendasikan
langkah yang harus dilakukan oleh pengguna
sehingga membantu memberikan keputusan.
Bagian ini terdapat pada fasilitas pelaporan.
HASIL DAN PEM BAHASAN
A. Pemodelan Sistem
Ayam (SPDPPA) dikembangkan untuk
mendeteksi secara dini penyakit yang terdapat
pada ayam. Pendeteksian penyakit ini
menggunakan delapan parameter / kriteria

yang masingmasing dilakukan pembobotan
terlebih dahulu. Pembobotan dilakukan
dengan
perbandingan
berpasangan.
Menggunakan Analytical Hierarchy Proces s
(AHP). Setiap parameter dibandingakan relatif
terhadap parameter lainnnya.
Kesembilan parameter yang digunakan
tersebut dikelompokkan menjadi dua , yaitu
data fuzzy dan data non fuzzy. Pengelompokan
dapat dilihat pada Tabel 2 berikut:
Tabel 2. Karakteristik p arameter masukan
SPDPPA
No
Gejala
1 Warna Pial
2 Angka
Kematian
3 Suhu Tubuh
4 Umur Ayam
5 Eksudat/ lendir
6 Trakea
7 Perdarahan
bawah kulit
8 Sistem Saraf
9 Tinja
Tabel
No
1
2
3
4
5
6
7
8
9
3.
Satuan
Warna
Persen (%)
Ket
data fuzzy
data fuzzy
Celcius (0C)
Minggu
-
data fuzzy
data fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
non-fuzzy
Hasil pembobotan
SPDPPA
Parameter
Kondisi Eksudat
Gejala Trakea
Warna Pial / Jengger
Perdarahan Bawah Kulit
Kondisi Kepala
(bergetar/berputar)
Angka Kematian
Suhu Tubuh
Kondisi Tinja
Umur Ayam
dan
merah-kebiruan.
Fungsi
keanggotaan
warna pial dirumuskan sebagai berikut:
2
merah [ x ] = ( 0 ; 0 ,138 ) = e
( x 0 )
2 ( 0 ,138 ) 2
( x 0 ,521 )
pucat [ x ] = ( 0 ,521 ;0 ,154 ) = e
2 ( 0,154 )
( x 0,970) 2
merah- kebiruan [ x] = (0,970 ;0, 217 ) = e
2( 0,217)
Ayam yang terserang penyakit umumnya

menunjukkan perubahan pada warna pialnya.
Pial pada ayam yang sehat biasanya berwarna
merah. Pial akan semakin membiru seiring
dengan masuknya penyakit ke tubuh ayam.
Ayam yang menderita virus Avian Influenza
memiliki warna pial yang pucat bahkan
sampai merah kebiruan.
parameter
Bobot
0,331
0,331
0,234
0,137
0,110
0,073
0,059
0,035
0,020
Berdasar hasil wawacancara pakar dan

perhitungan
AHP,
dihasilkan
nilai
pembobotan parameter masukan yang dapat
dilihat pada Tabel 3.
B. Proses Inferensia Fuzzy
Proses Fuzzifikasi
a. Warna Pial / Jengger
Warna dikelompokkan ke dalam data fuzzy
karena untuk menentukan warna pial ini
sangat subjektif bergantung pada kondisi
orang yang melihatnya. Oleh karena itu,
sistem memberikan pilihan warna secara
fleksibel. Pada SPDPPA pengguna akan diberi
pilihan gradasi warna sebanyak 10 jenis.
Warna tersebut dimulai dari warna merah
kemudian makin memucat hingga sampai
pada warna merah kebiruan.
Setiap warna pial tersebut memiliki derajat
keanggotaan
masing-masing.
Representasi
warna pial berupa kurva gaussian (Gambar 7)
yang dikelompokkan menjadi merah, pucat
Gambar 7. Representasi kurva gaussian untuk

warna pial.
b. Umur Ayam
Pada sistem pengguna akan memasukkan
umur ayam dalam satuan minggu. Umur ayam
dapat dikelompokkan menjadi muda, dara dan
dewasa. Ayam muda berumur 1 sampai 16
minggu, dara berumur 14 sampai 22 minggu
dan dewasa berumur 21 sampai 30 minggu.
Penyakit
ILT
misalnya,
kebanyakan
menyerang ayam berumur dara. Representasi
umur ayam berupa kurva trapesium (Gambar
8). Fungsi
keanggotaan
umur
ayam
dirumuskan sebagai berikut:
0;
muda[x]=
1;
(16 x) /(1613);
0;
( x 14) /(1814);
dara[x] =
1;
(22 x) /(2220)
x 14 atau x 22
0;
dewasa[x]
= ( x 21) /(22 21);
x 21 atau x 30
21 x 22
1;
x 1 atau x 16
1 x 13
13 x 16
14 x 18
18 x 20
20 x 22
22 x 30
Gambar
8.
Representasi kurva
untuk umur ayam.
trapesium
c. Angka kematian
Angka kematian merupakan salah satu
faktor yang dapat dijadikan acuan untuk
mendiagnosa
penyakit.
Angka
kematian
dikelompokkan menjadi rendah, sedang dan
tinggi
dalam
proses
fuzzifikasi.
Pada
SPDPPA,
pengguna
akan
memberikan
masukan angka kematian berupa presentase.
Dari ayam yang tampak sakit ini, berapa
presentase kematiannya. Bila terjadi kasus
kematian
mendadak,
maka
nilai
angka
kematian sudah tergolong tinggi mencapai
sampai 100 persen.
Penyakit Avian Influenza dan Newcastle
Disease memiliki angka kematian yang tinggi.
Terkadang ayam tidak menunjukkan gejala
klinis terlebih dahulu. Representasi angka
kematian berupa kurva trapesium yang terlihat
pada Gambar 9 dengan fungsi keanggotaan
sebagai berikut:
0;
rendah[x]=
1;
(30 x)/(30 20);
x 0 atau x 30
0;
( x 22) /(3322);
sedang[x]=
1;
(60 x) /(6045)
0;
tinggi[x]= ( x 50) /(6050);
1;
x 14 atau x 22
Gambar
9.
0 x 20
20 x 30
14 x 18
18 x 20
20 x 22
x 50 atau x 100
50 x 60
60 x 100
Representasi kurva trapesium

untuk angka kematian.
yaitu: normal dan tinggi. Pada ketiga

penyakit, baik ILT, ND atau AI suhu tubuh
ayam akan meningkat.
Suhu tubuh ayam normal berkisar 41,2 0C
sampai 42,8 0C. Di sisi lain ayam yang
menderita sakit baik AI, ND dan ILT suhu
tubuhnya dapat naik mencapai lebih dari 43
0
C. Suhu tubuh direpresentasikan dalam
bentuk kurva trapesium (Gambar 10). Adapun
fungsi keanggotaan dirumuskan sebagai
berikut:
x 39 atau x 43,5
0;
(x 39) /(41,2 39);

39 x 41, 2
normal[x] =
1;
41, 2 x 42,8
42,8 x 43,5
(43,5 x) /(43,5 42,8)
0;
x 42, 7 atau x 50
tinggi[x]= ( x 42,7) /(43,5 42,7);

42, 7 x 43, 5
1;
43, 5 x 50
Gambar 10.
Representasi kurva
untuk suhu tubuh.
trapesium
Proses Defuzzifikasi
Dari empat himpunan fuzzy di atas
dibentuk
suatu
aturan
(rule)
untuk
menghasilkan suatu keluaran. Sebagai contoh
aturan fuzzy adalah sebagai berikut:
If angka_kematian is tinggi and umur_ayam
is muda and warna_pial is merah-kebiruan
then sangat mendukung AI
Aturanaturan untuk himpunan fuzzy
secara lengkap dapat dilihat pada Lampiran
1. Setelah dibuat aturan, nilai keluaran berupa
data kuantitatif tersebut didefuzzifikasi.
Keluaran dari dari proses fuzzy ini adalah
diagnosa sementara dari penyakit Infectious
Laryngotracheitis (ILT), Newcastle Disease
(ND), Avian Influenza (AI). Tiap penyakit
terbagi menjadi mendukung dan sangat
mendukung dengan skor tertentu. D ari skor
tersebut, derajat keanggotaan suatu penyakit
dapat diketahui. Adapun fungsi keanggotaan
untuk hasil keluaran data fuzzy dirumuskan
dalam fungsi gaussian sebagai berikut:
( x ( 0 ,1 )
d. Suhu Tubuh
Pada SPDPPA suhu tubuh termasuk
dalam himpunan data fuzzy dengan satuan
derajat celcius (0C). Pada proses fuzzifikasi
suhu tubuh dikelompokkan menjadi dua,
M ILT
[x]
= ( 0 ,1; 0 ,1 ) = e
2 ( 0 ,1 )
( x 0 , 1) 2
SM
ILT [ x ]
= ( 0 ,1 ; 0 ,1 ) = e
2 ( 0 ,1 )
10
Pada ilustrasi Gambar 12 di atas, nilai

crisp defuzzifikasi ada lah 0,796 yang berarti
mendukung AI. Hasil dari proses inferensia
fuzzy yang sudah bernilai tunggal (crisp)
kemudian
akan
diteruskan
dengan
pendiagnosaan parameter-parameter nonfuzzy.
Pengisiaan data fuzzy memberikan
keleluasaan bagi pengguna selama tidak
melebihi
batasan
selang
nilai
yang
diperkenankan oleh sistem. Ini merupakan
bentuk validasi sistem. Apabila pengguna
salah dalam memasukkan data fuzzy (Gambar
13), maka sistem akan memberikan
peringatan. Sebagai contoh apabila pengguna
memasu kkan warna pial yang salah. Tampilan
pengisian data fuzzy SPDPPA terlihat pada
Lampiran 15.
( x 0,3) 2
M ND [ x ] = ( 0 , 3; 0 ,1) = e
SM
2 ( 0 ,1 ) 2
= ( 0 , 5 ; 0 ,1 ) = e
ND [ x ]
( x 0,5)
2 ( 0 ,1 ) 2
( x 0,7 ) 2
M AI [ x ] = ( 0 , 7 ;0 ,1 ) = e
2 ( 0 ,1 ) 2
( x 0 , 9 )
SM
AI [ x ]
= ( 0 , 9 ;0 ,1 ) = e
2 ( 0 , 1)
Gambar 11. Representasi kurva gaussian

unt uk keluaran jenis penyakit
Proses defuzzifikasi dari masukan warna
pial, angka kematian umur dan suhu dapat
diilustrasikan
pada Gambar 12. Proses
defuzzifikasi
pada
SPDPPA
akan
menghasilkan suatu nilai tunggal (crisp) akan
menghasilkan keluaran mendukung ILT,
sangat mendukung ILT, mendukung ND,
sangat mendukung ND, mendukung AI atau
sangat mendukung AI yang akan bergantung
pada nilai defuzzifikasinya. Setiap masukan
dieksekuasi oleh rule fuzzy dengan implikasi
and sehingga kita mengambil nilai fungsi
keanggotaan yang minimal dari masukan
untuk mendapatkan keluaran. Pada ilustrasi
terdapat lima rule fuzzy. Keluaran tersebut
kemudian
diagregasikan
sehingga
terbentuklah suatu daerah fuzzy. Metode
Centroid akan mengambil nilai tengah dari
daerah fuzzy.
B
Agregasi
Defuzzifikasi
Keterangan:
A : angka kematian
= 80 persen
B : umur ayam
= 24 minggu
C : warna pial
= 0.80
D : suhu tubuh
= 44 C
E : Nilai hasil defuzzifikasi metode Centroid = 0,796
Gambar 12. Ilustrasi proses defuzzifikasi pada

inferensia fuzzy
Gambar 13. Tampilan pengisian kesalahan

data fuzzy warna pial
Setelah pengguna melakukan pengisian
data fuzzy, sistem akan memberikan keluaran
berupa diagnosa sementara sebagai informasi
yang diterima oleh pengguna. Pengguna
kemudian melakukan diagnosa lanjutan
berupa pemeriksaan gejala-gejala non-fuzzy.
Gejala tersebut adalah:
1. gejala eksudat/lendir
2. gejala trakea
3. gejala perdarahan bawah kulit
4. gejala perubahan sistem saraf
5. gejala pada tinja
11
Gambar 14. Pesan peringatan jika kesalahan

terjadi pengisian .
Gejala non-fuzzy yang akan dilihat
pertama kali adalah kondisi eksudat/lendir
yang terdapat pada ayam yang terkena
penyakit, lalu gejala perdarahan bawah kulit,
gejala sistem saraf dan gejala pada tinja.
Pemilihan gejala pada
ekudat/lendir ini
berdasar pada hasil pembobotan AHP. Ketika
dengan gejala pada eksudat ini telah dianggap
mencukupi
oleh
sistem
untuk
mengidentifikasi penyakit, sistem akan
langsung
memberikan peringatan bahwa
pemeriksaan telah selesai. Akan tetapi jika
belum selesai, akan diteruskan dengan
pemeriksaan perdarahan bawah kulit dan
seterusnya.
Tampilan pengisian pada gejala non-fuzzy
ini berupa pemilihan (Gambar 15) sehingga
pengguna akan memilih satu dari beberapa
pilihan yang diberikan oleh sistem. Penyakit
Avian Influenza misalnya dapat diidentifikasi
apabila hasil keluaran proses fuzzy M-AI dan
terdapat eksudat/lendir yang dikeluarkan dari
hidung atau mata.
Gambar 15. Contoh tampilan untuk pengisian

data non-fuzzy
pada gejala
eksudat.
Akan tetapi, jika pada saat pemeriksaan
eksudat tidak mengeluarkan menunjukkan
gejala atau tidak mengeluarkan eksudat,
sistem
akan
menampilkan
tampilan
berikutnya, yaitu m emeriksa gejala pada
trakeanya. Kaidah yang berlaku adalah
sebagai berikut:
If M-AI and tidak_terdapat_eksudat,
maka periksa gejala pada trakea.
Sebetulnya pemeriksaan trakea termasuk

pada pemeriksaan bedah bangkai. Akan tetapi,
menurut pakar, pemeriksaan trakea relatif
mudah dilakukan oleh orang awam. Dengan
demikian sistem memberikan saran agar
dilakukan pemeriksaan. Pada trakea ini
kemungkinan hanya terdapat bintik darah atau
terjadi perdarahan. Apabila pada trakea hanya
terdapat bintik darah maka sistem akan
mengidentifikasi bahwa ayam terkena
penyakit AI dengan tingkat kepercayaan yang
tinggi. Di lain pihak, bila pada trakea sampai
terjadi
perdarahan,
sistem
akan
mengidentifikasi bahwa ayam terkena ILT
dengan kepercayaan yang rendah. Dengan
demikian kaidah yang berikutnya adalah:
maka and terdapat bintik darah pada trakea
maka ayam teridentifikasi AI dengan tingkat
kepercayaan = 1
maka and perdarahan pada trakea maka
ayam teridentifikasi ILT dengan tingkat
keper cayaan = 0,65
Untuk
penarikan
kesimpulannya
digunakan aturan if-then. Aturan-aturan
tersebut jelaskan pada diagram pohon pada
Lampiran 4.
Apabila proses pendiagnosaan selesai,
pengguna dapat melihat laporan hasil
diagnosa yang telah dilakukan SPDPPA. Pada
laporan hasil diagnosa, terdapat saran yang
direkomendasikan oleh sistem bagi pengguna.
Saran tersebut membantu pengguna di dalam
menentukan keputusan
berkaitan dengan
keadaan ayam yang mereka periksa.
C. Verifikasi Sistem
Verifikasi sistem dilakukan dengan
melakukan kombinasi masukan beberapa
gejala penyakit. Verifikasi pertama yang
dilakukan adalah pengujian untuk masukan
data fuzzy. Verifikasi sistem ini dilakukan
oleh pakar patologi penyakit ayam Fakultas
Kedokteran Hewan IPB (FKH-IPB). Tujuan
verifikasi data fuzzy ini untuk melihat sejauh
mana hasil proses diagnosa yang dilakukan
dengan dengan fuzzy inference system
sehingga SPDPPA yang dibuat bisa mewakili
pakar (human expert). Pada penelitian ini
dilakukan pengujian masukan sebanyak 120
pengujian yang terbagi menjadi 10 kelompok
berdasar warna pial. Pembagian ke dalam 10
kelompok ini melihat bahwa berdasar
pembobotan hasil AHP, warna pial memiliki
bobot lebih tinggi dibandingkan gejala data
fuzzy lainnya sehingga perubahan warna pial
ini lebih diperhitungkan. Adapun rincian
kombinasi masukan dijelaskan Pada Tabel 4
berikut:
12
Tabel 4. Parameter data fuzzy verifikasi

sistem.
satuan
warna
pial
warna
1 - 10
masukan
umur
angka
ayam
kematian
minggu
persen
20
30,40,50,60
suhu
tubuh
0
C
43,44,45
Pemilihan beberapa parameter pengujian

tersebut didasarkan pada:
- warna pial merupakan ciri yang paling
dapat membedakan di antara beberapa
parameter fuzzy lainnya.
- Umumnya penyakit AI dan ND dapat
menyerang segala umur. Adapun ILT
biasanya menyerang ayam berumur dara
yang berkisar 20 minggu.
- angka kematian yang tinggi biasanya akan
cenderung mengarah ke hasil sangat
mendukung ND atau sangat mendukung AI
bergantung warna pialnya. Namun pada
kenyataannya, saat pemeriksaan kita tidak
harus menunggu sampai presentase ayam
yang mati tinggi.
- Ayam yang menderita AI, ND maupun ILT
sama-sama memiliki suhu tubuh yang relatif
tinggi ketika ayam terserang.
Hasil Pengujian Sistem
Deskripsi warna pial untuk pengujian
sistem dapat dilihat pada Lampiran 3.
Lampiran 4 sampai dengan 13 menunjukkan
hasil pengujian berupa skor hasil defuzzifikasi
berikut derajat keanggotaan untuk setiap
penyakit yang terdiagnosa.
Berdasar
hasil
pengujian,
untuk
mendiagnosa penyakit Newcastle Disease
(ND) dengan tingkat mendukung, dapat
dicirikan sebagai berikut: warna pial ayam
berada pada kelompok 1, umur ayam
tergolong dara 20 minggu, suhu tubuh yang
tinggi antara 430C sampai 450C dengan
tingkat kematian sedang 30 persen hingga
mencapai 50 persen. Di sisi lain, angka
kematian y ang mencapai 60 persen akan
memberikan hasil sangat mendukung ND.
Nilai skor hasil defuzzifikasi dan derajat
keanggotaan (a ) mendukung ND diperlihatkan
pada Tabel 5. Adapun hasil diagnosa fuzzy
sangat mendukung ND, diperlihatkan pada
T abel 6.
Tabel 5. Skor defuzzifikasi dan a mendukung
Newcastle Disease (ND) pada
SPDPPA
pial
(1)
umur/
minggu
20
angka
mati/
%
30
40
50
suhu
tubuh/
0
C
43
44
45
skor
ratarata
a
rata rata
0,32
0,969
Berdasar verifikasi, dengan hasil diagnosa

sementara tersebut, pemeriks aan terhadap data
non-fuzzy perlu dilakukan. Pada gejala-gejala
non-fuzzy, penyakit Newcastle Disease (ND)
ditandai dengan eksudat yang kental, terdapat
bintik darah pada trakea, kepala berputar dan
tinja yang berwarna hijau. Apabila pada
eksudat tidak ditemukan gejala yang
mengarah
kepada
penyakit Newcastle
Disease, pemeriksaan akan diteruskan secara
berurutan ke gejala berikutnya sesuai dengan
hasil pembobotan AHP.
Tabel 6. Skor defuzzifikasi dan a sangat
mendukung
Newcastle Disease
(ND) pada SPDPPA
pial
(1)
(2)
(3)
umur/
minggu
angka
mati/
%
suhu
tubuh/
0
C
43
44
45
skor
ratarata
a
rata rata
0,41
0,70
20
60
20
30
40
50
60
43
44
45
0,41
0,71
20
30
40
50
43
44
45
0,56
0,83
Untuk menentukan penyakit Avian

Influenza (AI) dengan tingkat mendukung,
SPDPPA memberikan masukan gejala data
fuzzy berupa warna pial yang pucat hingga
merah kebiruan dengan kelompok warna 3
sampai 8, umur ayam dara 20 minggu, suhu
yang sama tinggi dengan Newcastle Disease
(ND) 430C sampai 450C dan angka kematian
60 persen untuk kelompok warna pial 3 serta
30 persen hingga 60 persen untuk kelompok
warna pial 4 sampai dengan 8 (Tabel 7).
Pada Tabel 7 di bawah dapat dilihat bahwa
nili skor defuzzifikasi akan meningkat seiring
membirunya warna pial. Demikian halnya
dengan derajat keanggotaannya (a). Nilai a
untuk hasil mendukung AI mencapai tingkat
kepercayaan tertinggi saat warna pial pada
kelompok warna 7.
Hasil verifikasi pakar menunjukkan bahwa
untuk kelompok warna 3 sampai 5
pemeriksaan terhadap gejala non-fuzzy perlu
dilakukan. Dengan demikian pemeriksaan
terhadap gejala fuzzy saja oleh pakar dinilai
belum cukup untuk mendiagnosa penyakit
Avian Influenza (AI).
13
Tabel
pial
(3)
(4)
(5)
(6)
(7)
(8)
7.
Skor defuzzifikasi dan a

mendukung
Avian Influenza
(AI) pada SPDPPA
umur/
minggu
20
20
20
20
20
20
angka
mati/
%
60
30
40
50
60
30
40
50
60
30
40
50
60
30
40
50
60
30
40
50
60
suhu
tubuh/
0
C
43
44
45
skor
rata rata
a
ratarata
0,63
0,82
43
44
45
0,63
0,73
43
44
45
0,64
0,75
43
44
45
0,66
0,87
43
44
45
0,69
43
44
45
0,76
0,77
Gejala non-fuzzy yang mengindikasikan

penyakit Avian Influenza (AI) adalah
keluarnya eksudat/lendir yang encer dan
bening. SPDPPA berhenti melakukan proses
pemeriksaan ketika dijumpai eksudat yang
merupakan salah satu gejala klinis utama dan
berperan dalam pendiagnosaan penyakit Avian
Influenza (AI). Hasil ini sesuai dengan
diagnosa yang dilakukan pakar. Penyakit AI
juga dapat diidentifikasi apabila terdapat
bintik merah pada trakea, perdarahan bawah
kulit dan kepala yang bergetar karena sistem
saraf yang terserang.
Hasil pemeriksaan berdasar pengujian
SPDPPA
berikutnya
adalah
sangat
mendukung Avian Influenza (AI). Gejala fuzzy
pendukung hasil ini adalah warna pial merah
kebiruan dengan pada kelompok 9 dan 10,
usia dara 20 minggu, suhu tubuh tinggi antara
430C sampai 450C dan angka kematian sedang
hingga tinggi 30 sampai 60 persen.
Tabel 8. Skor defuzzifikasi dan a sangat
mendukung Avian Influenza (AI)
pada SPDPPA
pial
(9)
(10)
umur/
minggu
20
20
angka
mati/
%
30
40
50
30
40
50
suhu
tubuh/
0
C
43
44
45
43
44
45
skor
ratarata
a
rata rata
0,83
0,82
0,86
0,94
Berdasar hasil verifikasi pakar, gejala

seperti t erlihat pada Tabel 8 sangat kuat
diduga terkena virus Avian Influenza. Akan

tetapi tidak berarti bahwa pemeriksaan
terhadap gejala non -fuzzy tidak dilakukan. Hal
ini dikarenakan pada teknisnya di lapangan,
pemeriksaan dapat dilakukan bersama-sama
baik terhadap gejala fuzzy maupun gejala nonfuzzy.
Dari hasil pengujian terhadap gejala fuzzy,
belum ditemukan diagnosa yang mengarah
kepada penyakit Infectious Laryngotracheitis
(ILT). Gejala penyakit ini memang sangat
mirip dengan Avian Influenza tapi angka
kematiannya tidak setinggi AI. Ayam yang
terkena ILT pada trakeanya terdapat
perdarahan , sedangkan pada AI atau ND
hanya sebatas bintik merah saja dan tidak
sampai perdarahan. Pada pemeriksaan di
lapangan, bukan tidak mungkin ketika
ditemukan gejala khas pada diagnosa gejala
non-fuzzy, identifikasi penyakit dapat berubah
karena SPDPPA juga masih belum melakukan
pemeriksaan laboratorium .
D. Kompleksitas Sistem
Kompleksitas sistem pada SPDPPA
berasal dari proses inferensia fuzzy pada data
fuzzy dan kaidah produks i (if-then rule) pada
data non-fuzzy. Kompleksitas p ada proses
fuzzy akan bergantung pada banyak variabel
dari himpunan fuzzy. Pada SPDPPA terdapat 3
variabel sehingga kompleksitas proses fuzzy
adalah O(3 n) dengan n adalah himpunan fuzzy.
Kompleksitas pada kaidah produksi (i f-then
rule) pada data non-fuzzy adalah O(m),
dengan m adalah banyak gejala yang
ditimbulkan. Jadi, k ompleksitas total SPDPPA
adalah O(3n + m).
E. Keterbatasan Sistem
SPDPPA yang dikembangkan memiliki
beberapa keterbatasan , di antaranya:
- Penyakit yang didiagnosa hanya 3, yaitu
Avian Influenza (AI), Newcastle Disease
(ND) dan Infectious Laryngotracheitis
(ILT).
- Pendiagnosaan
penyakit
belum
memperhitungkan
periwayatan
proses
vaksinasi yang terdapat di lokasi tempat
penyakit ditemukan. Selain itu, SPDPPA
masih mendiagnosa gejala klinis dan belum
melakukan pemeriksaan sampai pada uji
laboratorium.
- SPDPPA belum menggunakan basis data
sehingga tidak terdapat fasilitas pengeditan
untuk pembobotan parameter.
- SPDPPA masih berbasis dekstop s ehingga
belum bisa digunakan oleh banyak
pengguna.
14
KESIMPULAN DAN SARAN

Kesimpulan
SPDPPA merupakan sistem pakar yang
digunakan dalam mendiagnosa penyakit pada
ayam khususnya penyakit pernapasan.
Penyakit yang dapat diidentifikasi oleh
SPDPPA adalah Avian Influenza (AI),
Newcastle Disease (ND) dan Infectious
Laryngotracheitis (ILT). Ketiga penyakit ini
memiliki kemiripan
dalam gejala klinis
sehingga dengan SPDPPA dapat membantu
pengguna dalam pendiagnosaan dini. Proses
diagnosa yang dilakukan oleh SPDPPA tidak
sampai pada pengujian dan tes laboratorium.
Keunggulan penggunaan fuzzy inference
system (FIS) adalah kemampuannya untuk
mengatasi kemiripan gejala-gejala yang
tampak pada saat pemeriksaan. Kemiripan
seperti pada gejala warna pial, umur ayam,
angka kematian dan suhu tubuh dapat diatasi
dengan FIS ini.
Untuk mendiagnosa penyakit penyakit
Newcastle Disease, Avian Influenza dan
Infectious Laryngotracheitis berdasar gejala
fuzzy, warna pial merupakan gejala yang
paling mudah diamati. Berdasar verifikasi,
hasil pengujian menunjukkan bahwa ayam
yang
terdiagnosa
sementara
sangat
mendukung ND, warna pialnya merah dengan
suhu 430C 450C dan tingkat kematian 3060
persen. Gejala non-fuzzy yang bersifat khas
bagi penyakit ND adalah eksudat yang kental
bening, kepala ayam yang berputar dan tinja
yang berwarna hijau. Ayam yang terdiagnosa
mendukung AI warna pialnya semakin
memucat dengan suhu dan angka mati sep erti
pada penyakit ND. Di sisi lain, untuk
mendiagnosa sangat mendukung AI warna
pial sudah membiru. Eksudat yang encer
bening, perdarahan bawah kulit merupakan
gejala non-fuzzy yang khas terlihat ketika
ayam terkena Avian Influenza (AI). Pada
pemeriksaan di lapangan baik gejala fuzzy
maupun non-fuzzy dilakukan secara bersamasama
Saran
Pada penelitian berikutnya, diharapkan
jumlah penyakit yang didiagnosa ditambah
karena terdapat penyakit pernapasan lainnya
yang terdapat di lapangan, seperti Cronic
Respiratory Disease (CRD) atau Infectious
Bronchitis (IB). Pengetahuan tentang proses
vaksinasi yang pern ah dilakukan di lokasi
tempat penyakit ditemukan perlu dijadikan
sebagai
basis
pengetahuan
sis tem.
Pengembangan berikutnya dapat menyertakan
data hasil uji laboratorium sehingga proses
pendiagnosaan lebih akurat. Penelitian
berikutnya diharapkan dapat memanfaat basis

data sehingga memudahkan di dalam
pengeditan parameter disamping perlu
dikembangkan SPDPPA yang berbasis web
(internet) sehingga dapat digunakan oleh
banyak pengguna dan dapat diakses di mana
saja.
DAFTAR PUSTAKA
Anonim. 2004. Penanganan Flu Burung Harus
Lebih Serius. www.depkes.go.id [10
Desember 2004]
Bucther GD, J.P. Jacob, and F.B. Mather.
Common
Poultry
Diseases.
www.edis.ifas.ufl.edu/PS04400.pdf
[18 Mei 2005]
Copland, JW. 1987. New Castle Disease in
Poultry: Anew Food Pellet Vaccine.
Australian Centre for International
Agricultural Research (ACIAR),
Canbera
Giarratano, J. 1998. Expert System Principles
and Programming Third Edition.
PWS Publishing Company. Boston.
USA.
Jang, J.S.R., C.T. Sun dan E. Mizutani. 1997.
Neuro Fuzzy and Soft Computing.
Prentice-Hall Inc. New Jersey. USA.
Jackson, P. 1999. Introduction to Expert
System Ed. Ke-3. Addison Wessley
Longman Limited. England.
Kusumadewi, S. 2002. Analisis dan Desain
Sistem Fuzzy Menggunakan Toolbox
Matlab. Graha Ilmu. Yogyakarta.
Marimin, 2002. Teori dan Aplikasi Sistem
Pakar Dalam Teknik Manajerial.IPB
Press. Bogor. Indonesia.
Matthew, C. 2003. A Formal specification for
a
fuzzy
expert
system
www.cyut.edu.tw.pdf [10 Desember
2004].
Murtidjo, BA. 2004. Pengendalian Hama dan
Penyakit Ayam. Penerbit Kanisius.
Yogyakarta.
Nurjanah, A. 2003. Pengembangan Sistem
Pakar Diagnosa Penyakit Ternak
Sapi (SPDPTS) Berbasis Web dan
Multimedia [skripsi]. FMIPA IPB,
Bogor.
Rahardjo, Y. 2004. Avian Influenz a,
Pencegahan,
Pengendalian
dan
Pencegahannya Hasil Investigasi
Kasus
Lapangan.
PT
Gallus
Indonesia Utama. Jakarta.
15
Rich,
E & K Knight.1991. Artificial

Intelligent. Mc GrawllHill Inc.
Ressang,
AA. 1983. Patologi Khusus

Veteriner.Denpasar. Indonesia
Retno, FD, J Jahya, Tatik Suryati 1998.
Petunjuk Mendiagnosa Penyakit
Ayam. PT. Medion.
Soeharsono. 2002. Zoonosis Penyakit
Menular dari Hewan ke Manusia.
Penerbit Kanisius. Yogyakarta.
Soejoedono, D R dan E. Handharyani. 2005
Flu Burung. Penebar Swadaya.
Jakarta.
Soumerville, I. 2001. Software Engineering.
Ed. Ke-2. Addison Wesley Publisher
Ltd.
Weaver R R. 1991. Computer & Medical
Knowledge: The Diffusion
of
Decision
Support
Technology.
Westview Press, Inc. Colorado. USA
LAMPIRAN
17
Lampiran 1. Aturan-aturan fuzzy penentuam jenis penyakit pada SPDPPA

NO.
MASUKAN GEJALA
Warna Pial
Umur Ayam
KELUARAN JENIS
PENYAKIT
Angka
Kematian
Tubuh
Suhu
bobot
Muda
Tinggi
Tinggi
Mendukung AI
Pucat
Pucat
Dara
Tinggi
Tinggi
Mendukung AI
Pucat
Dewasa
Tinggi
Tinggi
Mendukung AI
Pucat
Muda
Sedang
Tinggi
Mendukung AI
Pucat
Dara
Sedang
Tinggi
Mendukung AI
Pucat
Dewasa
Sedang
Tinggi
Mendukung AI
Pucat
Muda
Tinggi
Mendukung AI
Pucat
Dara
Tinggi
Mendukung AI
0,5
Pucat
Dewasa
Tinggi
Mendukung AI
0,5
10
Merah Kebiruan
Muda
Sedang
Tinggi
Sangat Mendukung AI
11
Merah Kebiruan
Dara
Sedang
Tinggi
Sangat Mendukung AI
12
Merah Kebiruan
Dewasa
Sedang
Tinggi
Sangat Mendukung AI
13
Merah Kebiruan
Muda
Tinggi
Tinggi
Sangat Mendukung AI
14
Merah Kebiruan
Dara
Tinggi
Tinggi
Sangat Mendukung AI
15
Merah Kebiruan
Dewasa
Tinggi
Tinggi
Sangat Mendukung AI
16
Merah Kebiruan
Muda
Tinggi
Sangat Mendukung AI
17
Merah Kebiruan
Dara
Tinggi
Sangat Mendukung AI
18
Merah Kebiruan
Dewasa
Tinggi
Sangat Mendukung AI
19
Merah Kebiruan
Muda
Tinggi
Sangat Mendukung AI
20
Merah Kebiruan
Dara
Tinggi
Sangat Mendukung AI
21
Merah Kebiruan
Dewasa
Tinggi
Sangat Mendukung AI
22
Pucat
Muda
Tinggi
Sangat Mendukung AI
23
Pucat
Dara
Tinggi
Sangat Mendukung AI
24
Pucat
Dewasa
Tinggi
Sangat Mendukung AI
25
Merah
Muda
Tinggi
Tinggi
Sangat Mendukung ND
26
Merah
Dara
Tinggi
Tinggi
Sangat Mendukung ND
27
Merah
Dewasa
Tinggi
Tinggi
Sangat Mendukung ND
28
Merah
Muda
Tinggi
Sangat Mendukung ND
29
Merah
Dara
Tinggi
Sangat Mendukung ND
30
Merah
Dewasa
Tinggi
Sangat Mendukung ND
31
Merah
Muda
Sedang
Tinggi
Mendukung ND
32
Merah
Dara
Sedang
Tinggi
Mendukung ND
33
Merah
Dewasa
Sedang
Tinggi
Mendukung ND
34
Merah
Muda
Tinggi
Mendukung ND
35
Merah
Dara
Tinggi
Mendukung ND
36
Merah
Dewasa
Tinggi
Mendukung ND
37
Pucat
Dara
Rendah
Tinggi
Sangat Mendukung ILT
38
Pucat
Dewasa
Rendah
Tinggi
Sangat Mendukung ILT
39
Pucat
Dara
Tinggi
Mendukung ILT
0,4
40
Pucat
Dewasa
Tinggi
Mendukung ILT
0,4
18
Lampiran 2. Diagram pohon yang membentuk kaidah di dalam SPDPPA
Gejala pada Eksudat
Gejala pada Trakea
eksudat encer bening
Identifikasi AI
tingkat kepercayaan = 1
eksudat kental bening
Identifikasi AI
tingkat kepercayaan = 0,8
eksudat bercampur darah
Cek Gejala pada trakea
tidak terdapat eksudat
terdapat bercak darah
Identifikasi AI
terdapat perdarahan pada trakea
Identifikasi ILT
tidak terdapat bercak /

perdarahan
terjadi perdarahan
M-AI
Cek Gejala perdarahan

bawah kulit
Identifikasi AI
Gejala perdarahan
bawah kulit
tidak terjadi perdarahan
Gejala sistem saraf
Cek Gejala sistem saraf
kepala begetar
Identifikasi AI
tingkat kepercayaan =0,7
kepala berputar
Identifikasi ND
tidak menunjukkan gejala
tinja encer putih
Cek Gejala pada tinja
Identifikasi AI
gejala pada tinja
tinja encer putih kehijauan
Identifikasi AI
19
Lampiran 2 (lanjutan )
Gejala pada Eksudat
Identifikasi AI
Identifikasi AI
terdapat bercak-bercak
darah pada trakea
Gejala pada Trakea

perdarahan
terjadi perdarahan
Identifikasi AI
Identifikasi ILT
Cek Gejala perdarahan
bawah kulit
Identifikasi AI
Gejala perdarahan
bawah kulit
SM-AI
Gejala sistem saraf
Cek gejala sistem saraf
kepala begetar
Identifikasi AI
kepala berputar
Identifikasi ND
tinja encer putih
cek gejala pada tinja
Identifikasi AI
gejala pada tinja
Identifikasi AI
20
Gejala pada Eksudat
Identifikasi AI
Identifikasi ND
Cek gejala pada trakea
darah pada trakea
Gejala pada Trakea

perdarahan di trakea
terjadi perdarahan
Gejala perdarahan
bawah kulit
Identifikasi ND
Identifikasi ILT
Cek gejala perdarahan

bawah kulit
Identifikasi AI
tingkat kepercayaan =
0,75
M-ND
Gejala sistem saraf
kepala begetar
Identifikasi ND
kepala berputar
Identifikasi ND
tinja encer putih
Cek gejala pada tinja
Identifikasi ND
gejala pada tinja
Identifikasi ND
21
Gejala pada Eksudat
Identifikasi ND
darah pada trakea
Gejala pada Trakea
Identifikasi AI

terjadi perdarahan
Identifikasi ND
Identifikasi ILT
bawah kulit
Identifikasi AI
Gejala perdarahan
bawah kulit
SM-ND
Gejala sistem saraf
kepala begetar
Identifikasi ND
kepala berputar
Identifikasi ND
tinja encer putih
Identifikasi ND
gejala pada tinja
Identifikasi ND
22
Gejala pada Eksudat

darah pada trakea
Gejala pada Trakea

terjadi perdarahan
M-ILT
Identifikasi AI
Gejala perdarahan
bawah kulit
Identifikasi ILT

bawah kulit
Identifikasi ILT
bawah kulit
Identifikasi AI
Gejala perdarahan
bawah kulit
Gejala sistem saraf
kepala begetar
Identifikasi AI
0,75
kepala berputar
Identifikasi ND
tinja encer putih
Identifikasi ILT
gejala pada tinja
Identifikasi ND
23
Gejala pada Eksudat
Gejala perdarahan
bawah kulit
Identifikasi ILT
darah pada trakea
Gejala pada Trakea
Identifikasi AI

terjadi perdarahan
Gejala perdarahan
bawah kulit

bawah kulit
Identifikasi ILT
bawah kulit
Identifikasi AI
0,85
SM-ILT
Gejala sistem saraf
kepala begetar
Identifikasi AI
kepala berputar
Identifikasi ND
tinja encer putih
Identifikasi ILT
Identifikasi ILT
0,85
gejala pada tinja

Identifikasi ND
24
Lampiran 3. Deskripsi warna pial berdasar nomor

1
Deskripsi Nomor
5
6
10
Lampiran 4. Tabel kombinasi pengujian pertama dengan warna pial = 1

No
Warna
Pial
Masukan
Umur
Angka
Ayam
Kematian
(persen)
Suhu
Tubuh
M-ILT
SM-ILT
Keluaran Jenis Penyakit

M-ND
SM-ND
M-AI
SM-AI
(0 C)
(warna)
(minggu)
1
2
3
1
1
1
20
20
20
30
30
30
43
44
45
0
0
0
0,067
0,087
0,087
0,950
0,978
0,978
0,243
0,200
0,200
0,001
0
0
0.001
0
0
4
5
1
1
20
20
40
40
43
44
0
0
0,067
0,087
0,950
0,978
0,243
0,200
0,001
0
0
0
6
7
1
1
20
20
40
50
45
43
0
0
0,087
0,067
0,978
0,950
0,200
0,243
0
0,001
0
0
8
9
1
1
20
20
50
50
44
45
0
0
0,087
0,087
0,978
0,978
0,200
0,200
0
0
0
0
10
11
1
1
20
20
60
60
43
44
0
0
0,003
0,008
0,398
0,561
0,812
0,651
0,030
0,013
0
0
12
20
60
45
0,008
0,561
0,651
0,013
Derajat Keanggotaan Tiap Penyakit
Lampiran 5. Tabel kombinasi pengujian kedua dengan warna pial = 2

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
2
2
2
2
2
2
2
2
2
2
2
2
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0

SM-ILT
M-ND SM-ND
M-AI

0,008
0,561
0,651
0,013
0,008
0,561
0,651
0,013
0,008
0,561
0,651
0,013
0,008
0,561
0,651
0,013
0,008
0,561
0,651
0,013
0,008
0,561
0,651
0,013
0,000
0,561
0,651
0,013
0,000
0,561
0,651
0,013
0,000
0,561
0,651
0,013
0,001
0,275
0,925
0,056
0,00
0,275
0,925
0,056
0,001
0,275
0,925
0,056
SM-AI
0
0
0
0
0
0
0
0
0
0
0
0
Lampiran 6. Tabel kombinasi pengujian ketiga dengan warna pial = 3

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
3
3
3
3
3
3
3
3
3
3
3
3
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
(0 C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0
SM-ILT
Output Jenis Penyakit

M-ND
SM-ND
M-AI
SM-AI

0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,833
0,377
0
0,033
0,391
0,820
0
0,033
0,391
0,820
0
0,033
0,391
0,820
0,003
0,003
0,003
0,003
0,003
0,003
0,003
0,003
0,003
0,031
0,031
0,031
25
Lampiran 7. Tabel kombinasi pengujian keempat dengan warna pial = 4

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
4
4
4
4
4
4
4
4
4
4
4
4
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0

SM-ILT
M-ND
SM-ND
M-AI
SM-AI

0
0,008
0,554
0,658
0
0,008
0,558
0,654
0
0,008
0,558
0,654
0
0,008
0,554
0,658
0
0,008
0,556
0,656
0
0,008
0,556
0,656
0
0,008
0,554
0,658
0
0,009
0,581
0,631
0
0,009
0,581
0,631
0
0
0,058
0,929
0
0
0,117
0,997
0
0
0,117
0,997
0,014
0,014
0,014
0,014
0,014
0,014
0,014
0,001
0,001
0,270
0,155
0,155
lampiran 8. Tabel kombinasi pengujian kelima dengan warna pial = 5

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
5
5
5
5
5
5
5
5
5
5
5
5
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0
SM-ILT

M-ND
SM-ND
M-AI

0
0,004
0,447
0,765
0
0,008
0,562
0,650
0
0,008
0,562
0,650
0
0,004
0,447
0,765
0
0,006
0,511
0,701
0
0,006
0,511
0,701
0
0,004
0,447
0,765
0
0,009
0,584
0,628
0
0,009
0,584
0,628
0
0
0,037
0,856
0
0
0,105
0,992
0
0
0,105
0,992
SM-AI
0,024
0,013
0,013
0,024
0,017
0,017
0,024
0,012
0,012
0,353
0,171
0,171
lampiran 9. Tabel kombinasi pengujian keenam dengan warna pial = 6

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
6
6
6
6
6
6
6
6
6
6
6
6
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
(0 C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0

SM-ILT
M-ND
SM-ND
M-AI
SM-AI

0
0,001
0,282
0,919
0
0,003
0,401
0,809
0
0,003
0,401
0,809
0
0,001
0,282
0,919
0
0,003
0,379
0,831
0
0,003
0,379
0,831
0
0,001
0,282
0,919
0
0,003
0,414
0,797
0
0,003
0,414
0,797
0
0
0,0415
0,872
0
0
0,104
0,992
0
0
0,104
0,992
0,054
0,039
0,039
0,054
0,033
0,033
0,054
0,028
0,028
0,335
0,172
0,172
26
Lampiran 10. Tabel kombinasi pengujian ketujuh dengan warna pial = 7

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
7
7
7
7
7
7
7
7
7
7
7
7
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0
SM-ILT

M-ND
SM-ND
M-AI
SM-AI

0
0
0,154
0.994
0
0
0,157
0,996
0
0
0,157
0,996
0
0
0,154
0,994
0
0
0,157
0,996
0
0
0,157
0,996
0
0
0,154
0,994
0
0
0,157
0,996
0
0
0,157
0,996
0
0
0.096
0,987
0
0
0,134
0,999
0
0
0,134
0,999
0,110
0,115
0,115
0,110
0,115
0,115
0,110
0,115
0,115
0.184
0,136
0,136
Lampiran 11. Tabel kombinasi pengujian kedelapan dengan warna pial = 8

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
8
8
8
8
8
8
8
8
8
8
8
8
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0
SM-ILT

M-ND
SM-ND
M-AI
SM-AI

0
0
0,069
0,952
0
0
0,018
0,713
0
0
0,018
0,713
0
0
0,069
0,952
0
0
0,018
0,713
0
0
0,018
0,713
0
0
0,069
0,952
0
0
0,018
0,713
0
0
0,018
0,713
0
0
0,018
0,713
0
0
0,018
0,713
0
0
0,018
0,713
0,240
0,499
0,499
0,240
0,499
0,499
0,240
0,499
0,499
0,499
0,499
0,499
Lampiran 12. Tabel kombinasi pengujian kesembilan dengan warna pial = 9

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
9
9
9
9
9
9
9
9
9
9
9
9
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(persen)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0
SM-ILT

M-ND
SM-ND
M-AI

0
0
0,008
0,548
0
0
0,002
0,333
0
0
0,002
0,333
0
0
0,008
0,548
0
0
0,002
0,333
0
0
0,002
0,333
0
0
0,008
0,548
0
0
0,002
0,333
0
0
0,002
0,333
0
0
0,002
0,333
0
0
0,002
0,333
0
0
0,002
0,333
SM-AI
0,664
0,874
0,874
0,664
0,874
0,874
0,664
0,874
0,874
0,874
0,874
0,874
27
Lampiran 13. Tabel kombinasi pengujian kesepuluh dengan warna pial = 10

No
Warna
Pial
(warna)
1
2
3
4
5
6
7
8
9
10
11
12
10
10
10
10
10
10
10
10
10
10
10
10
Masukan
Umur
Angka
Ayam
Kematian
(minggu)
(pers en)
20
20
20
20
20
20
20
20
20
20
20
20
30
30
30
40
40
40
50
50
50
60
60
60
Suhu
Tubuh
0
( C)
M-ILT
SM-ILT
43
44
45
43
44
45
43
44
45
43
44
45
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

M-ND
SM-ND
Skor Fuzzy
0
0,002
0
0
0
0
0
0,002
0
0
0
0
0
0,002
0
0
0
0
0
0
0
0
0
0
Lampiran 14. Menu Utama Sistem Pakar Diagnosis Penyakit Pada Ayam (SPDPPA)
M-AI
SM-AI
0,319
0,223
0,223
0,319
0,223
0,223
0,319
0,223
0,223
0,223
0,223
0,223
0,886
0,964
0,964
0,886
0,964
0,964
0,886
0,964
0,964
0,964
0,964
0,964
28
Lampiran 15. Tampilan pengisian data fuzzy
Lampiran 16. Contoh Tampilan Pengisian data non-fuzzy
29
Lampiran 1 7 Tampilan laporan hasil pemeriksaan
30

G06tha-Kecerdasan Buatan

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

G06tha-Kecerdasan Buatan

Diunggah oleh

Hak Cipta:

Format Tersedia

SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM

DEPARTEMEN ILMU KOMPUTER

SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM

DEPARTEMEN ILMU KOMPUTER

: SISTEM PAKAR DIAGNOSA PENYAKIT PADA AYAM

Prof. Dr.Ir. Marimin, M.Sc

Yeni Herdiyeni, S.Si, M.Kom

Dr. Ir. Yonny Koesmaryono, M.S

Bogor, Januari 2006

bidang yang telah mengaplikasikan sistem

Gambar 1. Struktur Sist em Pakar (Giarattano,

Kaidah produksi ini banyak dikenal pada

Gambar 2. Proses Akuisisi Pengetahuan

2. Representasi Kurva Trapesium

3. Representasi Kurva Gaussian

himpunan fuzzy. Dengan konsep tersebut,

setinggi mungkin dan paruhnya dibuka

Identifikasi gejala penyakit ayam

Penentuan bobot gejala penyakit

Pengelompokan data fuzzy & non-fuzzy

Membuat kaidah fuzzy

Membuat kaidah produksi

Verifikasi & validasi

Gambar 3. Diagram konsep penelitian

komputasi fuzzy masih berupa gugus fuzzy

Komputasi Secara Fuzzy

Gambar 4. Diagram Alir Sistem Fuzzy

Gambar 5. Alur Pengembangan Software

b. desain proses. Desain ini dilakukan

fuzzy inference system

Gambar 6. Proses pendiagnosaan penyakit

menggunakan delapan parameter / kriteria

pucat [ x ] = ( 0 ,521 ;0 ,154 ) = e

merah- kebiruan [ x] = (0,970 ;0, 217 ) = e

Ayam yang terserang penyakit umumnya

Berdasar hasil wawacancara pakar dan

Gambar 7. Representasi kurva gaussian untuk

tinggi[x]= ( x 50) /(6050);

Representasi kurva trapesium

yaitu: normal dan tinggi. Pada ketiga

(x 39) /(41,2 39);

tinggi[x]= ( x 42,7) /(43,5 42,7);

Pada ilustrasi Gambar 12 di atas, nilai

Gambar 11. Representasi kurva gaussian

Gambar 12. Ilustrasi proses defuzzifikasi pada

Gambar 13. Tampilan pengisian kesalahan

Gambar 14. Pesan peringatan jika kesalahan

Gambar 15. Contoh tampilan untuk pengisian

Sebetulnya pemeriksaan trakea termasuk

Tabel 4. Parameter data fuzzy verifikasi

Pemilihan beberapa parameter pengujian

Berdasar verifikasi, dengan hasil diagnosa

Untuk menentukan penyakit Avian

Skor defuzzifikasi dan a

Gejala non-fuzzy yang mengindikasikan

Berdasar hasil verifikasi pakar, gejala

diduga terkena virus Avian Influenza. Akan

KESIMPULAN DAN SARAN

berikutnya diharapkan dapat memanfaat basis

E & K Knight.1991. Artificial

AA. 1983. Patologi Khusus

Lampiran 1. Aturan-aturan fuzzy penentuam jenis penyakit pada SPDPPA

Sangat Mendukung ILT

Sangat Mendukung ILT