Abstrak
Pada saat ini masyarakat banyak sekali yang memelihara hewan kucing. Kondisi ini disebabkan karena
banyak sekali manfaat yang dirasakan setelah memelihara kucing, anatar lain yaitu menumbuhkan rasa
kasih sayang terhadap makluk hidup dan juga dapat membantu memulihkan kondisi psikologis
seseorang sehingga dapat mengurangi stres. Selain pemeliharaannya yang relatif mudah, kucing adalah
hewan yang lucu dan menggemaskan. Akan tetapi apabila kondisi kesehatan kucing terganggu akan
berdampak negatif bagi pemelihara karena resiko dapat tertular penyakit dari kucing. Kesehatan kucing
dirasa penting tetapi jumlah tenaga medis hewan kucing yang ada sangat terbatas. Pembuatan sistem ini
dapat membantu pekerjaan pakar dalam mendiagnosis penyakit kucing. Metode yang digunakan adalah
Naive Bayes dan Certainty Factor. Metode Naive Bayes bekerja dengan cara mencari nilai peluang
kemunculan penyakit kucing, sedangkan metode Certainty Factor bekerja dengan cara mencari nilai
kepercayaan. Aplikasi ini dikembangkan berbasis android dengan menggunakan bahasa pemrograman
JAVA dan XML pada Android Studio. Pengujian yang dilakukan dengan membandingkan kesesuaian
hasil diagnosis sistem dengan hasil diagnosis pakar. Dari pengujian 25 data kasus didapatkan tingkat
akurasi sistem pakar diagnosis penyakit kucing menggunakan metode Naive Bayes – Certainty Factor
Berbasis Android sebesar 80%.
Kata Kunci: penyakit kucing, diagnosis, sistem pakar, naive bayes, certainty factor
Abstract
At this time a lot of people who nourish cats. This is because a lot of the perceived benefits after nourish
cats, such as foster a sense of compassion for sentient beings and also can help restore a person's
psychological condition so as to reduce stress. In addition to maintenance a relatively easy, the cat is
a cute animal. However, if the health condition of cats is disrupted will have a negative impact for the
keeper because of the risk can be infected. Healthy cats deemed important but the number of medical
personnel cat animals is very limited. Making this system can help the work of experts in the diagnosis
of diseases of cats. The method used is Naive Bayes and Certainty Factor. Naive Bayes method works
by looking for the emerging value opportunities cat disease, whereas the Certainty Factor method
works by looking for the value of the trust. The application is built using the android-based
programming language JAVA and XML in Android Studio. The test is performed by comparing the
conformity result of the system diagnosis with the expert diagnosis. And from 25 test case data obtained
accuracy rate cat disease diagnosis expert system using Naive Bayes method - Certainty Factor-Based
Android by 80%.
Keywords: cat diseases, diagnosis, expert systems, naive Bayes, certainty factor
menangani kasus penyakit kucing, dimana masalah yang telah dibuat yaitu bagaimana
sistem tersebut dapat melakukan diagnosis membuat sistem klasifikasi penyakit kucing
penyakit kucing secara cepat dan tepat menggunakan naive bayes – certainty factor dan
berdasarkan gelala penyakit kucing pada pasien bagaimana hasil pengujian.
berdasarkan rekap medis sebelumnya, Dengan
adanya riwayat pelatihan (data latih) proses 2. LANDASAN KEPUSTAKAAN
klasifikasi akan memperkuat hasil diagnosis
penyakit kucing seperti menangani penyakit 2.1. Penyakit Kucing
dengan kemiripan pola gejala. Dan dengan Pada sistem ini hanya dapat mengidentifikasi
adanya hasil wawancara dengan pemilik kucing 9 macam penyakit kucing saja. Berikut
akan membantu dalam perhitungan nilai derajat merupakan macam-macam penyakit kucing
ketidakpastian sehingga akan memperkuat yang diidentifikasi: Scabies, Gastritis,
faktor kepercayaan. Metode yang digunakan Helminthiasis, Rhinitis Dermatitis,
dalam penelitian ini adalah metode Naive Bayes Dermaphytosis, Otitis, Enteritis dan Sehat.
dan metode Certainty Factor. Metode Naive
Bayes Classifier untuk proses kalsifikasi, dalam 2.2. Sistem Pakar
proses sistemnya membutuhkan data latih dan
data uji. Sedangkan metode Certainty Factor Sistem pakar adalah sistem cerdas berbasis
digunakan untuk menghadapi masalah yang komputer digunakan dalam penyelesaian
jawabannya tidak pasti, ketidakpastian ini bisa masalah yang hanya bisa dilakukan oleh
merupakan probabilitas. ahli/pakar pada suatu bidang. Dengan sistem ini
Berdasarkan survey dari We Are Social masyarakat umum dapat melakukan perhitungan
sebuah agensi marketing social, mengeluarkan layaknya seorang pakar (Kusumadewi, 2003).
sebuah laporan mengenai data jumlah pengguna Terdapat dua bagian penting dari sistem
mobile dari seluruh dunia, dan Indonesia pakar meliputi linkungan konsultasi dan
termasuk mengguna mobile terbesar didunia lingkungan pengembang. Lingkungan
(Wijaya K.K, 2015). Oleh karenanya aplikasi pengembang digunakan oleh pengembang
yang akan dibangun berbasis Android untuk sistem untuk membangun komponen dan
menyesuaikan kebutuhan pengguna. memperkenalkan pengetahuan ke dalam basis
Pada penelitian penelitian terdahulu, pengetahuan. Untuk linkungan konsultasi
penelitian dengan objek yang berbeda namun berguna untuk melakukan konsultasi sehingga
dengan metode yang sama yaitu, Analisis memperoleh penegetahuan dari sistem pakar
Perbandingan Metode Naive Bayes dan layaknya dari seorang pakar (Sutojo, 2011).
Certainty Factor Dalam Mendeteksi
Kemungkinan Anak Terkena Disleksia. Pada 2.3. Naive Bayes
penelitian ini dilakukan perbandingan antara Naive Bayes adalah salah satu metode
metode Naive Bayes dan Certainty Factor untuk klasifikai. Perhitungan Bayes dapat dilakukan
mengetahui metode mana yang terbaik dalam dengan menggunakan langkah-langkah berikut
ketepatan akurasi. Hasil akurasi yang didapat (Natalius, 2011).
yaitu 93% untuk metode Naive Bayes dan 53% 1. Mencari nilai prior untuk tiap kelas dengan
untuk metode Certainty Factor (Tjahyati, 2014). menghitung rata-rata tiap kelas dengan
Penelitian selanjutnya Implementasi Metode menggunakan persamaan (1).
Naïve Bayes Classifier Untuk Diagnosis 𝑋
Klasifikasi Gejala Penyakit Kucing, didapakan 𝑃= (1)
𝐴
hasil akurasi yaitu 99,44% (Pitaloka, 2016).
2. Mencari nilai likelihood untuk tiap kelas
Berdasarkan penjelasan yang sudah
dengan menggunakan persamaan (2).
dipaparkan, oleh karenanya pada penelitian ini
𝐹
akan dibangun sebuah Sistem Pakar Diagnosis 𝐿= (2)
𝐵
Penyakit Kucing Menggunakan Metode Naive
Bayes – Certainty Factor Berbasis Android. 3. Mencari nilai posterior dari tiap kelas yang
Tujuan dari penelitian ini yaitu membuat ada dengan menggunakan persamaan (3).
sistem klasifikasi penyakit kucing menggunakan 𝑃(𝐻|𝐸) = 𝑃(𝐻) × 𝑃(𝐸|𝐻) (3)
naive bayes – certainty factor dan melakukan
pengujian sistem pakar diagnosis penyakit Hasil klasifikasi kelas dengan menggunakan
kucing merupakan jawaban dari rumusan metode Naive Bayes dilakukan dengan
membandingkan nilai posterior dari kelas-kelas aplikasi yang diawali dengan analisis kebutuhan,
yang ada. Nilai posterior yang paling tinggi yang pengumpulan data, lalu dilanjutkan dengan
terpilih sebagai hasil klasifikasi. perancangan dan implementasi, dilanjutkan
dengan pengujian dan analisis hasil pengujian
2.4. Certainty Factor sistem. Setelah semua proses selesai dilakukan
Certainty theory menggunakan suatu nilai maka penelitian diakhiri dengan penarikan
yang disebut Certainty Factor (CF) untuk kesimpulan dan saran.
mengasumsikan derajat keyakinan seorang
4. ANALISIS KEBUTUHAN
pakar terhadap suatu data (Arhami, 2005).
Ditunjukkan Formula Certainty Factor oleh
4.1. Gambaran Umum Sistem
Giarattano dan Riley, 1994 menggunakan
persamaan (4). Sistem pakar diagnosis penyakit kucing
menggunakan metode Naive Bayes – Certainty
CF (H,E) = MB (H,E) – MD (H,E) (4)
Factor merupakan sistem yang dapat melakukan
Keterangan : proses diagnosis penyakit terhadap seekor
• CF (H,E) = Certainty Factor dari kucing berdasarkan gejala-gejala masukan dari
hipotesis H yang dipengaruhi oleh gejala pengguna aplikasi. Sistem ini dibangun dengan
(evidence) E. Besarnya CF berkisar berbasis android yang dikembangkan
antara -1 sampai 1. Nilai 1 menunjukkan menggunakan Android Studio dengan bahasa
kepercayaan mutlak sedangkan nilai -1 pemrograman JAVA dan Extensible Markup
menunjukkan ketidakpercayaan mutlak. Language (XML).
• MB (H,E) = ukuran kenaikan Pada sistem ini tersedia 3 fitur, yaitu fitur
kepercayaan (measure of increased panduan kode gejala, fitur diagnosis, dan fitur
belief) terhadap hipotesis H yang info. Fitur panduan kode gejala berisi mengenai
dipengaruhi oleh gejala E. kode-kode gejala beserta keterangannya. Fitur
• MD (H,E) = ukuran kenaikan diagnosis merupakan fitur utama, pada fitur ini
ketidakpercayaan (measure of increased pengguna melakukan proses diagnosis dengan
disbelief) terhadap hipotesis H yang memasukkan beberapa kode gejala pada
dipengaruhi oleh gejala E. checkbox yang tersedia dan nantinya hasilnya
akan ditampilkan pada halaman hasil. Yang
3. METODOLOGI terakhir adalah fitur info, fitur ini berisi
mengenai informasi tentang sistem.
hasil diagnosis sistem apakah hasil yang disimpulkan bahwa sistem yang
didapatkan sama. dibangun sudah baik.
Berdasarkan hasil pengujian akurasi c. Hasil pengujian akurasi Sistem Pakar
menggunakan 25 yang telah dilakukan, terdapat Diagnosis Penyakit Kucing
20 data yang hasil diagnosisnya sama dengan Menggunakan Metode Naive Bayes –
hasil diagnosis pakar. Selanjutnya akan dihitung Certainty Factor Berbasis Android
nilai akurasi dengan persamaan berikut: memiliki nilai persentase akurasi
𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑎𝑘𝑢𝑟𝑎𝑠𝑖 sebesar 80%, karena terdapat 5 data uji
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = × 100% dari 25 data uji yang tidak sesuai dengan
𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛 𝑑𝑎𝑡𝑎
hasil pakar yang disebabkan oleh
20
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = × 100% = 80 kemiripan gejala anatara penyakit,
25 dengan membandingkan hasil diagnosis
Maka hasil nilai akurasi pada pengujian tersebut pakar dengan hasil diagnosis sistem.
didapatkan nilai sebesar 80%.
DAFTAR PUSTAKA
7. KESIMPULAN
Rahman, A., 2008. MORFOGENETIKA
Berdasarkan hasil perancangan dan KUCING RUMAH (Felis domesticus) DI
pengujian yang sudah dilakukan pada sistem DESA JAGOBAYO KECAMATAN LAIS
pakar pakar diagnosis penyakit kucing BENGKULU UTARA BENGKULU. Jurnal
menggunakan metode Naive Bayes – Certainty Exacta. pp. 30
Factor berbasis android dapat diambil
Hidayat S., 2010. Aplikasi Untuk Mendeteksi
kesimpulan sebagai berikut :
Jenis Penyakit Pada Tanaman Tebu Dan
1. Sistem Pakar Diagnosis Penyakit Kucing
Cara Penanganannya Berbasis Web.
Menggunakan Metode Naive Bayes –
Skripsi. Tidak diterbitkan. Jurusan Teknik
Certainty Factor Berbasis Android, sistem
Informatika Fakultas Ilmu Komputer
ini dibangun dengan berbasis android. Untuk
Universitas Indonesia Bandung.
metode Naive Bayes dengan menggunakan
data gejala penyakit yang kemudian dihitung Pitaloka., 2016. Implementasi Metode Naïve
peluang kemunculan dan probabilias dari Bayes Classifier Untuk Diagnosis
masing-masing penyakit. Setelah itu untuk Klasifikasi Gejala Penyakit Kucing.
metode Certaity Factor menggunakan gejala Teknik Informastika PTIIK Universitas
penyakit yang diberikan nilai kepercayaan. Brawijaya, Malang
Sistem dapat mendiagnosis penyakit kucing Kusumadewi, Sri., 2003. Artificial Itelligence
dengan gejala yang digunakan sebanyak 32 (Teknik dan Aplikasinya). Graha Ilmu.
butir dan jenis penyakit kucing sebanyak 9 Yogyakarta.
butir berdasarkan hasil wawancara dengan
pakar. Wijaya K.K., 2015. Berapa jumlah pengguna
2. Terdapat 2 tahapan pengujian yang website, mobile, dan media sosial di
merupakan kelanjutan dari sistem ini Indonesia?. id.techinasia.com. [Online]
sebagai syarat memenuhi kebutuhan Tersedia di: https://id.techinasia.com
pembuatan sistem. /laporan-pengguna-website-mobile-
a. Hasil pengujian validasi (blackbox) media-sosial-indonesia. [Diakses Pada
Sistem Pakar Diagnosis Penyakit tanggal 10 Maret 2017]
Kucing Menggunakan Metode Naive Meilani, D.B., 2014. SISTEM DATA MINING
Bayes – Certainty Factor Berbasis UNTUK MENGHASILKAN POLA
Android dikarenakan pada semua kasus KELULUSAN SISWA DENGAN METODE
uji yang sudah dilakukan, secara NAIVE BAYES. Jurnal Link. pp. 3
keseluruhan dapat berfungsi dengan
baik, maka tingkat persentase Ali A.A., 2015. PEMODELAN SISTEM PAKAR
kesesuaian validasi sebesar 100%. DIAGNOSA PENYAKIT TANAMAN
b. Hasil pengujian usability diperoleh rata- CABAI MERAH MENGGUNAKAN
rata perhitungan yang bernilai 4,11. Dari METODE AHP-SAW. Skripsi. Tidak
nilai rata-rata tersebut dapat diterbitkan. Teknik Informatika PTIIK
Universitas Brawijaya, Malang.
Natalius., 2011. Metode Naive Bayes Classifier Triakoso N., 2006. PENYAKIT SISTEM
dan Penggunaannya pada Klasifikasi DIGESTI VETERINER II. BAHAN AJAR
Dokumen. Makalah II 2092 Probabilitas ILMU PENYAKIT DALAM VETERINER
dan Statistika. pp. 1 II. Pp 31
Neno., 2016. Infeksi Telinga (Otitis) pada Triakoso N., 2013. Small Animal Dematology.
Kucing. KucingKita.com. [Online] [Online] Tersedia di:
Tersedia di: http://kucingkita.com. https:/triakoso.wordpress.com/tag/dermat
[Diakses Pada tanggal 05 Maret 2017] ology [Diakses Pada tanggal 05 Maret
2017]
Palguna David dkk., 2014. SISTEM PAKAR
DIAGNOSIS PENYAKIT KULIT PADA Vhodzan Adzima., 2013. ISOLASI DAN
KUCING MENGGUNAKAN CERTAINTY IDENTIFIKASI KAPANG PENYEBAB
FACTOR. JSIKA. Pp. 75 DERMATOFITOSIS PADA ANJING DI
KECAMATAN SYIAH KUALA LUMPUR
Saputra., 2014. KOMPOSISI ALGORITMA
BANDA ACEH. Jurnal Medika
KLASIFIKASI DATA MINING UNTUK
Veterinaria. pp. 46
MEMPREDIKSI PENYAKIT
TUBERCULOSIS (TB): STUDI KASUS
PUSKESMAS KARAWANG SUKABUMI.
Seminar Nasional Inovasi dan Tren
(SNIT). pp. 2
Saputra Thomas., 2015. Enteritis Pada Hewan.
Ilmu Veteriner. [Online] Tersedia di:
http://ilmuveteriner.com/enteritis-pada-
hewan. [Diakses Pada tanggal 05 Maret
2017]
Silalahi Rumondang M.S., 2011. Perancangan
Aplikasi Sistem Pakar Untuk Diagnosis
Penyakit Ginjal Dengan Kombinasi
Metode Certainty Factor Dan Metode
Forward Chaining. Skripsi. Tidak
Diterbitkan. Departemen Ilmu Komputer
Fakultas MIPA Universitas Sumatra Utara,
Medan.
Sufyan Muhammad., 2016. Ini Manfaat
Memelihara Kucing untuk Kesehatan.
Liputan6. [Online] Tersedia di
http://health.liputan6.com/read/2516695/i
ni-manfaat-memelihara-kucing-untuk-
kesehatan. [Diakses Pada tanggal 05 Maret
2017]
Sutojo T, Mulyanto Edy, & Suhartono Vincent.,
2011. Kecerdasan Buatan. Yogyakarta:
Andi
Tjahyati T., 2014. Analisa Perbandingan
Metode Certainty Factor Dan Naive
Bayesian Dalam Mendeteksi
Kemungkinan Anak Terkena Disleksia.
Skripsi. Tidak diterbitkan. Program Studi
Teknik Informatika Fakultas Teknik Dan
Ilmu Komputer Universitas Komputer
Indonesia.