SISTEM PAKAR DIAGNOSA PENYAKIT AYAM BEKISAR DENGAN

METODE CERTAINTY FACTOR

Disusun Untuk Ujian Akhir Semester (UAS)

Pada Mata Kuliah

Oleh :

ADY ABDUL KARIM

130101092

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

STMIK DUTA BANGSA
SURAKARTA
2016
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Di zaman yang serba membutuhkan kecepatan informasi bagi semua

pihak, teknologi mempunyai peranan penting yang tentunya tidak terlepas

kaitanya dengan Teknologi Informasi . Komputer merupakan satu bagian

paling penting dalam peningkatan Teknologi Informasi, kemampuan komputer

dalam menyimpan dan mengingat informasi dapat dimanfaatkan semaksimal

mungkin tanpa adanya hambatan hambatan seperti: lapar ,haus ataupun emosi.

dengan menyimpan infomasi aturan penalaran yang memadai, memungkinkan

komputer memberikan kesimpulan atau pengambil keputusan yang

kualitasnya sama dengan kemampuan seorang pakar bidang ilmu pengetahuan

tertentu. salah satu cabang ilmu teknik informatika yang dapat mendukung

tersebut adalah sistem pakar.

Sistem pakar adalah salah satu bidang teknik kecerdasan buatan yang

menggabungkan pengetahuan dan penelusuran data untuk memecahkan

masalah secara normal memerlukan keahlian manusia.

Salah satu pemanfaatan sistem pakar adalah bidang kedokteran, mengingat

pandangan masyarakat terhadap penyakit dan pola sehat belakangan ini

semakin peka sehingga menimbulkan rasa ingin tahu tentang jenis penyakit
yang diderita sebelum menjadi parah dengan kemudahan yang disajikan di

dalam sistem pakar sehingga dapat dipahami oleh orang awam sekalipun.
Setiap peternak ayam, baik dalam skala kecil maupun besar, tentu sangat

memperhatikan kesehatan ayam. Kesehatan ayam berpengaruh pada

keuntungan yang akan didapat peternak. Tetapi, terkadang banyak peternak,

khususnya skala kecil, yang enggan datang ke dokter hewan, dikarenakan

alasan waktu dan biaya. Padahal, kebutuhan informasi yang cepat dan tepat

dari seorang pakar kesehatan hewan sangatlah dibutuhkan untuk

meningkatkan kesehatan ayam.

Dalam kehidupan sehari-hari banyak sekali jenis hewan yang dipelihara

oleh masyarakat, seperti contohnya adalah ayam. Ayam merupakan hewan

unggas yang paling banyak dipelihara masyarakat baik secara tradisional yang

sering disebut ayam kampong sampai peternakan besar yang berupa ayam

pedaging atau petelur, karena populasinya yang cukup banyak bila dibanding

hewan lain. Ayam bekisar merupakan spesies ayam yang didapat dari

persilangan antara ayam hijau hutan jantan dengan ayam kampung. Ayam

bekisar memiliki ukuran lebih kecil dibandingkan ukuran ayam kampong

jantan, tetapi lebih besar daripada induk jantan. Ayam bekisar memiliki warna

bulu hitam kehijauan dan mengkilap. Ayam bekisar mempunyai kelebhan

yaitu suara yang merdu, halus dan khas, tersusun dari dua nada. Ayam bekisar

bias dikatakan ayam bekisar super yaitu ayam yang memiliki suara yang

sangat merdu dan memiliki warna atau corak yang indah. Oleh karena itu

penyakit yang menyertainya juga semakin kompleks, dari penyakit yang

 ringan sampai penyakit yang bisa menular kepada manusia dan

mengakibatkan kematian seperti penyakit flu burung (avian influenza).

Dengan melihat sumber daya dan permasalahan diatas, maka

dikembangkan sebuah sistem pakar berbasis web untuk menangani identifikasi

penyakit pada ayam bekisar, yang diharapkan bisa memberikan informasi

yang cepat tentang penyakit yang diderita oleh ayam dan cara

penanggulangannya, sistem ini dibuat dengan menggunakan bahasa

pemrograman PHP (Hypertext Preprocessor) sebagai bahasa pemrograman

berbasis web dan MySQL sebagai aplikasi databasenya.

1.2 Perumusan Masalah
Berdasarkan dari latar belakang di atas dapat dirumuskan : Bagaimana

merancang dan membangun sebuah Sistem Pakar untuk mengdiagnosis

penyakit ayam bekisar dengan metode Certainty Factor?.

1.3 Tujuan Penelitian

Tugas akhir ini bertujuan untuk merancang dan membangun sistem pakar

untuk mendiagnosis penyakit ayam bekisar.

1.4 Manfaat Penelitian
Manfaat penelitian dibedakan menjadi dua jenis yaitu manfaat secara

teoritis dan manfaat secara praktis

1.4.1 Manfaat Teoritis
Penelitian ini dapat digunakan sebagai referensi bagi pengembangan

penelitian sejenis dimasa yang akan datang.

1.4.2 Manfaat Praktis
a. Manfaat bagi akademik
Bagi akademik, manfaat yang dapat diperoleh dari proses

pembuatan proposal skripsi ini adalah berupa sumbangsih laporan

buku proposal skripsi, yang di harapkan mampu digunakan dengan

sebaiknya, dan sebagai tambahan buku di perpustakaan

 b. Bagi Mahasiswa
Bagi mahasiswa, makalah ini dapat dijadikan sebagai sumber

referensi maupun pedoman bagi mahasiswa lain yang mengambil

penelitian sejenis.
c. Bagi Universitas
Mampu memprediksi masa studi mahasiswa pada program

sarjana (S1) dengan jurusan Sistem Informasi(SI).

BAB II

TINJAUAN PUSTAKA

2. 1 Keaslian Penelitian

Mohamad Hadi, M. Misdram, Ratih Fitri Aini (2016) dalam jurnal

yang berjudul Perancangan sistem pakar diagnosa penyakit ayam dengan

metode Forward Chaining metode yang digunakan dalam penulisan ini adalah

Forward Chaining sedangkan metode yang dipakai dalam penelitian adalah

metode Certainty Factor, Adapun data yang diproses dalam tugas akhir ini di

khususkan tentang data penyakit ayam bekisar saja.

Tutur Larasati, M. Rudyanto Arief (2016) dalam jurnal yang berjudul

Sistem Pakar Diagnosa Awal Penyakit Kulit Kucing Berbasis Web Menggunakan
Metode Certainty Factor. Pada jurnal ini sistem dibatasi oleh 8 jenis penyakit

kulit pada kucing sedangkan pada penelitian ini dibatasi tentang penyakit ayam

bekisar. Data yang didapat dari jurnal ini berasal dari Klinik Hewan Jogja

Sedangkan pada penelitian ini data berasal dari Rumah Bekisar Solo.

Rahmat Tullah, Arni R Mariana, Eric Sendy Christian (2016) dalam

Jurnal melakukan penelitian dengan judul Sistem Pakar Penyakit Ayam Negeri.

dalam penelitian ini menjelaskan dalam Analisa penyakit ayam pada ayam negeri

dewasa dengan menggunakan metode Foward Chaining. Sedangkan metode yang

digunakan dlam penelitian ini adalah Certainty Factor

BAB III
PEMBAHASAN

3.1 Certainty Factor

3.1.1 Definisi certainty factor

Menurut Sutojo, dkk (2010:194) awal mula Teori certainty factor (CF)

diusulkan oleh Shortlife dan Buchanan pada 1975 untuk mengakomodasi

ketidakpastian pemikiran seorang pakar. Seorang pakar/ahli dalam hal ini

biasanya dokter sering kali menganalisis informasi yang ada dengan ungkapan

seperti mungkin, kemungkinan besar, hampir pasti. Untuk mengakomodasi

hal ini kita menggunakan certainty factor guna menggambarkan tingkat

keyakinan pakar terhadap masalah yang sedang dihadapi.

 Ada dua cara dalam mendapatkan certainty factor (CF) dari sebuah rule,yaitu

sebagai berikut:

1. Metode Net Belief yang diusulkan oleh E.H. Shortlife dan B.G. Buchanan

CF (Rule) = MB(H,E) MD(H,E)

[ ( | ) ( ) ( )

MB(H,E) = { [ ( ) P (H) = 1, lainnya

[ ( | ) ( ) ()

MD(H,E) = { [ ( ) P (H) = 0, lainnya

Dimana :
CF(Rule) = Faktor Kepastian

MB(H,E) = Measure of Belief (ukuran kepercayaan) terhadap hipotesis H,

jika diberikan evidence E (antara 0 dan 1)

 MD(H,E) = Measure of Disbelief (ukuran ketidakpercayaan) terhadap

evidence H, jika diberikan evidence E (antara 0 dan 1)

P(H) = Probabilitas kebenaran hipotesis H

P(H|E) = Probabilitas bahwa H benar karena fakta E

2. Dengan cara mewawancarai seorang pakar/ahli

Nilai CF (Rule) didapat dari interpretasi term dari pakar, yang dirubah

menjadi nilai CF tertentu. Sebagai contoh dapat dilihat pada Tabel 2.1, yakni

uncertain term dari seorang pakar dikonversi menjadi sebuah nilai CF.

Tabel 2.1 Nilai evidence tingkat keyakinan pakar

Uncertain Term CF

Definitely Not (Pasti Tidak) -1.0

Almost Certainly Not (Hampir Pasti Tidak) -0.8

Probably Not (Kemungkinan Besar Tidak) -0.6

Maybe Not (Mungkin Tidak) -0.4

Unknown (Tidak Tahu) -0.2 to 0.2

Maybe (Mungkin) 0.4

Probably (Kemungkinan Besar) 0.6

Almost Certainly (Hampir Pasti) 0.8

Definitely (Pasti) 1

Sumber : Buku Kecerdasan Buatan (Sutojo, dkk. 2010:195-196)

3.1.2 Perhitungan certainty factor gabungan

Secara umum, rule dipresentasikan dalam bentuk sebagai berikut (Sutojo,

dkk. 2010:196).

IF E1 AND E2....................AND En THEN H (CF Rule)

Atau

IF E1 AND E2....................OR En THEN H (CF Rule)

Dimana :

E1.....E2........: Fakta fakta (Evidence) yang ada

H : Hipotesis atau konklusi yang dihasilkan

CF Rule : Tingkat keyakinan terjadinya hipotesis H akibat adanya fakta

fakta

E1.....En

1. Rule dengan evidence E tunggal dan Hipotesis H Tunggal (Certainty

Factor Sequensial)

IF E THEN H (CF Rule)

CF (H,E) = CF(E) X CF(Rule)

2. Rule dengan evidence E ganda dan Hipotesis H Tunggal (Certainty Factor

 Paralel)

IF E1 AND E2 ........... AND En THEN H (CF Rule)

CF (H,E) = min[CF(E1), CF(E2), ...., CF(En)] x CF(Rule)

IF E1 OR E2 ........... OR En THEN H (CF Rule)

CF (H,E) = max[CF(E1), CF(E2), ...., CF(En)] x CF(Rule)

3. Kombinasi dua buah rule dengan evidence berbeda (E1 dan E2), tetapi

hipotesis sama

IF E1 THEN H Rule 1 CF(H, E1) = CF1 = C(E1) x CF(Rule1)

IF E2 THEN H Rule 2 CF(H, E2) = CF2 = C(E2) x CF(Rule2)

CF1 + CF2 (1-CF1) jika CF1 > 0 dan CF2 > 0

CF(CF1,CF2) (CF1 + CF2) / 1-(min[|CF1|,|CF2|]) jika CF1 < 0 atau CF2 < 0

{ CF1 + CF2
(1+CF1) jika CF1 < 0 dan CF2 < 0

Kelebihan dan kekurangan dari metode certainty factor

Kelebihan metode certainty factor adalah :

1. Metode ini cocok dipakai dalam sistem pakar yang mengandung ketidak

pastian.

2. Dalam sekali proses perhitungan hanya dapat mengolah 2 data saja sehingga

keakuratan data tetap terjaga.

Sedangkan kekurangan metode certainty factor adalah :

1. Pemodelan ketidakpastian proses perhitungan yang menggunakan

perhitungan metode certainty factor biasanya masih diperdebatkan.

2. Untuk data lebih dari 2 buah, harus dilakukan beberapa kali pengolahan data.