Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 10, Oktober 2018, hlm. 4290-4295 http://j-ptiik.ub.ac.id

Sistem Diagnosis Penyakit Hewan Pada Anjing Dengan Menggunakan

Metode Naive Bayes
Alfian Himawan1, Nurul Hidayat2, Mahardeka Tri Ananta2

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1himawanian00@gmail.com, 2ntayadih@ub.ac.id, 3deka@ub.ac.id

Abstrak
Hewan peliharaan manusia,salah satunya anjing merupakan makhluk social yang bisa berinteraksi
dengan sesamanya ataupun manusia sehingga tidak sedikit orang memilih anjing sebagai hewan
peliharaan. Namun, anjing juga dapat mengidap penyakit menular yang dapat berdampak buruk bagi
manusia. Keberadaan pakar akan sangat membantu dalam hal menangani permasalahn penyakit pada
anjing dengan cara mengidentifikasi gejala yang dialami dan menyimpulkan penyakit apa yang
menyerang. Metode naive bayes merupakan metode yang digunakan memprediksi probabilitas.
Sedangkan klasifikasi bayes adalah klasifikasi statistik yang dapat memprediksi kelas suatu anggota
probabilitas. Untuk klasifikasi bayes sederhana yang lebih dikenal sebagai naive bayesian classifier
dapat diasumsikan bahwa efek dari suatu nilai atribut sebuh kelas yang diberikan adalah bebas dari
atribut-atribut lain. Variabel yang dibutuhkan dalam penelitian ini adalah gejala-gejala klinis pada
anjing. Hasil pengujian penelitian ini menunjukkan akurasi sistem sebesar 90%.
Kata kunci: penyakit anjing, sistem pakar, naive bayes
Abstract
Human pets, dog is a social creature that can interact with each other or humans so that not a few
people prefer dogs as pets. However, dogs can also have an infectious disease that can be bad
for humans, the presence of an expert would be helpful in terms of solving the diseases that attack dogs
by means of identifying the symptoms that plagued and conclude what disease. Naive Bayes method is
a method used to predict probabilities. While Bayes classification is the classification of statistics that
can predict the probability of a class member. For a more simple Bayes classification known as naïve
Bayesian Classifier can be assumed that the effect of an attribute value is a class given is free of other
attributes. The required variable in this study is clinical symptoms in dogs. The results of this research
testing showed the accuracy of the system are 90%.
Keywords: dog disease, expert system, naive bayes

tahu penyakit apa yang sedang dialami oleh

1. PENDAHULUAN
Anjing merupakan hewan peliharaan
manusia yang bisa berinteraksi dengan sesame
ataupun manusia sehingga tidak sedikit orang
memilih anjing sebagai hewan peliharaan.
Namun anjing juga dapat berdampak buruk bagi
manusia. Dari berbagai macam manfaat yang
dapat diperoleh dari hewan satu ini, pemilik
anjing harus mengetahui bagaimana cara
merawat dan menjaga kesehatan hewan ini
secara benar agar terhindar dari berbagai macam
penyakit yang dapat menjangkiti.
Sampai sekarang ternyata sebagian besar
dari para pecinta anjing tersebut terkadang tidak
anjing mereka, bahkan banyak dari mereka yang
tidak tahu bahwa anjing mereka sedang sakit,
yang akibatnya berujung pada kematian karena
penanganan yang terlambat. Ada juga pemilik
yang mengobati sendiri anjingnya, tanpa
mengetahui dengan jelas terlebih dahulu apa
penyakit yang sedang dideritanya dana pa obat
yang cocokuntuk penyakit tersebut.
Dalam kelompok biotik, penyakit anjing
dibagi menjadi beberapa jenis penyebab
penularannya antara lain dikarenakan oleh
bakteri, parasite, virus, jamur dan juga kutu.
Untuk kelompok abiotic, disebabkan oleh
keracunan, kebakaran, kecelakaan, dan juga

Fakultas Ilmu Komputer

Universitas Brawijaya 4290
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
kondisi fisik hewan itu sendiri.
Tidak semua pemilik anjing memiliki
pengetahuan tentang bagaimana merawat anjing
dengan baik. Apabila anjingtidak dirawat
dengan baik, maka akan berdampak buruk bagi
kondisi kesehatan anjing dan dapat terserang
penyakit menular sehingga dapat menyebabkan
kematian, baik terhadap anjing yang menularkan
maupun yang ditularkan. Pemilik anjing
membutuhkan bantuan seorang pakar untuk
mengatasi masalah tersebut yaitu dokter hewan.
Dikarenakan keberadaan dokter hewan yang
terbatas dan tidak selalu ada setiap saat, maka
diperlukan suatu alternatif yang dapat
memberikan kemudahan dan memiliki
kemampuan layaknya seorang dokter
hewandalam mendiagnosa penyakit menular
yang diderita oleh anjing peliharaannya.
Pada penelitian sebelumnya dengan metode
naive bayes untuk mendeteksi penyakit down
sysdrome menggunakan 30 data uji, diperoleh
hasil dengan nilai akurasi 93,3% (Wijoyo, 2016).
Penelitian selanjutnya menggunakan
metode naive bayes dalam aplikasi untuk
diagnosis penyakit hama pada tanaman kacang
panjang, dapat diperoleh hasil dengan tingkat
keberhasilan didapat hasil pengujian 81,25% dan
nilai error sebesar 81,25% (Purwantiningsih,
2015).
Berdasarkan permasalahan diatas solusi
untuk mendiagnosis penyakit-penyakit pada
anjing dengan menggunakan metode naive
bayes. Metode naive bayes merupakan metode
yang digunakan memprediksi probabilitas.
Sedangkan klasifikasi bayes adalah klasifikasi
statistic yang dapat memprediksi kelas suatu
anggota probabilitas.
2. LANDASAN KEPUSTAKAAN
2.1. Sistem Pakar
Sistem pakar adalah sistem komputer yang
mengemulasi kemampuan kepakaran manusia.
Kata mengemulasi diartikan lebih kuat dari
simulasi yang berarti bahwa sistem pakar
diharapkan mampu bertindak sebagaimana yang
dilakukan pakar manusia dalam melakukan
penalaran untuk memberikan suatu
justifikasi/kesimpulan. Dalam melakukan
penalaran,sistem pakar banyak memanfaatkan
pengetahuan yang disimpan oleh sistem sebagai
basis pengetahuan untuk menyelesaikan masalah
pada tingkatan sebanding dengan pakar manusia.
Sistem pakar dikembangkan melalui
Fakultas Ilmu Komputer, Universitas Brawijaya
4291
beberapa tahapan, tahapan yang paling rumit
adalah tahapan representasi pengetahuan yang
meliputi pembuatan tabel keputusan,
penyusunan pohon keputusan, peringkasan
pohon keputusan, penyusunan kaidah-kaidah
(Hartati dan iswanti,2013).
2.2. Naive Bayes Classifier
Metode naive bayes merupakan metode
yang digunakan memprediksi probabilitas.
Sedangkan klasifikasi Bayes adalah klasifikasi
statistik yang dapat memprediksi kelas suatu
anggota probabilitas. Untuk klasifikasi Bayes
sederhana yang lebih dikenal sebagai naïve
Bayesian Classifier dapat diasumsikan bahwa
efek dari suatu nilai atribut sebuah kelas yang
diberikan adalah bebas dari atribut-atribut
lain.Naïve Bayes Classifier merupakan sebuah
metoda klasifikasi yang berakar pada teorema
Bayes. Ciri utama dari Naïve Bayes Classifier ini
adalah asumsi yang sangat kuat (naif) akan
independensi dari masing-masing
kondisi/kejadian (Fais dkk, 2014).
Secara garis besar model naive bayes
classifier ditunjukkan pada Persamaan (1)
(Sutojo,2011) .
𝑝(𝐸 |𝐻 ) 𝑥 𝑝(𝐻)
𝑝(𝐻|𝐸) = 𝑝(𝐸)
(1)
Dengan:
1. p(H|E) = probabilitas hipotesis H terjadi jika
evidence E terjadi
2. p(E|H) = probabilitas munculnya evidence E
jika hipotesis H terjadi
3. p(H) = probabilitas hipotesis H tanpa
memandang evidence apapun
4. p(E) = probabilitas evidence E tanpa
memandang apapun
Atau dengan kata lain persamaan diatas
dapat digambarkan sebagai Persamaan (2).
𝑃𝑟𝑖𝑜𝑟 𝑥 𝐿𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑
𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 𝐸𝑣𝑖𝑑𝑒𝑛𝑐𝑒
(2)
Perhitungan naive bayes dapat dilakukan
dengan langkah berikut ini:
1. Mencari nilai prior untuk tiap-tiap kelas
dengan menghitung rata-rata tiap kelas
dengan menggunakan Persamaan (3).
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4292

X
𝑃=A (3)
Keterangan : START
P = Nilai prior
X = Jumlah data tiap kelas
A = jumlah data seluruh kelas Gejala Klinis Anjing
2. Mencari nilai Likehood untuk tiap-tiap
kelas dengan menggunakan Persamaan (4).
𝐹
L= (4) Prior = jumlah kelas suatu penyakit / total
𝐵
Keterangan: kelas

L = Nilai likelihood
F = jumlah data feature tiap kelas
B = jumlah seluruh fitur tiap kelas Likelihood = jumlah data fitur / jumlah
seluruh fitur
3. Mencari nilai posterior dari tiap kelas yang
ada dengan menggunakan Persamaan (5).
P(c|a) = P(c) x P(a|c) (5)
Posterior = Prior x Likelihood
Keterangan:
P(c) = Nilai prior tiap kelas
P(a|c) = Nilai likelihood
Hasil klasifikasi dengan menggunakan Perbandingan nilai posterior
metode Naive Bayes dilakukan dengan
membandingkan nilai posterior dari kelas-kelas
yang ada. Nilai posterior yang paling tinggi Penyakit yang menyerang anjing
yang terpilih sebagai hasil klasifikasi.

2.3. Anjing
Anjing adalah hewan peliharaan mamalia, END

bukan hewan liar alami. Mereka awalnya Gambar 1. Contoh penggunaan gambar
dibiakkan dari serigala. Mereka telah lama
dikembangbiakkan manusia, dan merupakan
hewan pertama yang harus dijinakkan. Saat ini, 3.2. Data Penelitian
beberapa anjing digunakan sebagai hewan
peliharaan, yang lainnya digunakan untuk Data hasil penelitian dan observasi lapangan
membantu manusia melakukan pekerjaan yang telah dilakukan akan digunakan sebagai
mereka. Mereka adalah hewan peliharaan yang data training tersebut merupkan aturan-aturan
populer karena mereka biasanya main-main, yang nantinya akan digunakan sebagai basis
ramah, setia dan mendengarkan manusia. Anjing pengetahuan pada system pakar diagnosis
sering memiliki pekerjaan, termasuk sebagai penyakit pada anjing. Kode dan gejala klinik
anjing polisi, anjing tentara, anjing bantuan, yang terdapat pada penyakit anjing dapat dilihat
anjing pemadam kebakaran, anjing pembawa pada Tabel 1.
pesan, anjing pemburu, anjing penggembala,
atau anjing penyelamatan.
Tabel 1. Gejala dan Penyakit Pada Anjing
3. METODOLOGI Kode
Gejala Klinis Penyakit
Gejala
3.1. Alur Naive Bayes Classifier Demodicosis
G1 Rambut rontok
Dermatofitosis
Alur naive bayes terdiri dari ditunjukkan
pada Gambar 1. G2 Kulit berketombe Demodicosis
Kulit
G3 Demodicosis
berkerak/keropeng
Demodicosis
G4 Gatal Scabiosis
Dermatofitosis
G5 Kulit Kemerahan Demodicosis

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4293

G6 Hiperpigmentasi Demodicosis
G7 Bentol pada kulit Scabiosis
G8 Menggaruk-garuk Scabiosis
G9 Rambut patah-patah Scabiosis
Hiperkeratosis
(penebalan kulit)
G10 pada bagian telapak Scabiosis
tangan, kaki dan
siku antar jari
G11 Head-shaking Otitis
Menggaruk-garuk
G12 Otitis
telinga/gatal
G13 Leleran dari telinga Otitis
Serumen baru
G14 berwarna coklat Otitis Gambar 2. Tampilan Antarmuka Halaman Utama
gelap
G15 alpesia (pitak) Dermatofitosis 4.2. Tampilan Antarmuka Daftar Gejala dan
Penyakit
Lesi berbentuk
lingkaran dengan Tampilan antarmuka tentang penyakit yang
G16 pinggiran Dermatofitosis ditunjukkan merupakan tampilan halaman yang
berketombe muncul ketika pengguna mengklik tombol daftar
(ringworm) gejala dan penyakit pada halaman utama, pada
G17 diare Helminthiasis halaman ini pengguna akan mendapatkan daftar
G18 Rambut kusam Helminthiasis penyakit yang menyerang anjing dan gejala-
gejalanya pada Gambar 3.
Kurus (berat badan
G19 Helminthiasis
turun)
G20 Muntah Helminthiasis
Anoreksia (tidak
G21 Helminthiasis
nafsu makan)
Kotoran mata
G22 Helminthiasis
berlebih
Ditemukan cacing
G23 Helminthiasis
pada feses

4. HASIL IMPLEMENTASI

4.1. Tampilan Antarmuka Halaman Utama

Tampilan antarmuka halaman utama yang
ditunjukkan merupakan halaman awal ketika
pengguna membuka sistem, pada halaman ini
terdapat dua tombol atau menu yaitu daftar
gejala dan penyakit dan Diagnosa pada Gambar
2.
Gambar 3. Tampilan Antarmuka Halaman Daftar
Gejala dan Penyakit
4.3. Tampilan Antarmuka Diagnosa
Tampilan antarmuka diagnosa yang
ditunjukkan pada merupakan tampilan halaman
yang akan muncul ketika pengguna memilih
menu Diagnosa pada halaman utama dimana
pada halaman ini akan ditampilkan list checkbox
gejala penyakit anjing dan juga sebuah tombol
diagnosa pada Gambar 4.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 4. Tampilan Antarmuka Halaman Diagnosa
4.4. Tampilan Antarmuka Hasil Diagnosa
Tampilan antarmuka hasil diagnosa yang
ditunjukkan merupakan tampilan halaman yang
muncul ketika pengguna mengklik tombol
diagnosa pada halaman diagnosa, pada halaman
ini pengguna akan mendapatkan informasi hasil
perhitungan dan diagnosa penyakit anjing pada
Gambar 5.
Gambar 5. Tampilan Antarmuka Halaman Hasil
Diagnosa
5. PENGUJIAN DAN ANALISIS
Pengujian ini dilakukan dengan menguji
tingkat keakuratan atau kesesuaian dari data
testing yang didapatkan dari pakar dengan hasil
output dari sistem. Data testing yang didapatkan
sebanyak 50, keseluruhan data latih didapatkan
dari pakar dan setelah ditelaah terdapat 6 data uji
yang sama dengan data latih. Kemudian akan
dilakukan percobaan dengan masukan sesuai
Fakultas Ilmu Komputer, Universitas Brawijaya
4294
data uji, kemudian nilai akurasi akan didapatkan
dari perhitungan menggunakan Persamaan 2-4.
Dari percobaan yang telah dilakukan
sebanyak 50 data uji didapatkan hasil keluaran
sistem yang sesuai sebanyak 45 dimana ketidak
sesuaian keluaran dari sistem dengan hasil uji
dari pakar terdapat pada data uji nomor 30, 31,
33, 47 dan 50 dimana menurut pakar untuk
masukan gejela-gejala tersebut sistem
seharusnya tidak dapat mendiagnosis penyakit
dikarenakan gejala yang dimasukkan gejala yang
kurang spesifik dan bukan gejala khusus tetapi
sistem justru mampu mendiagnosis penyakit saat
pengguna memasukkan gejala-gejala tersebut..
sehingga didapatkan nilai akurasi:
45
𝑎𝑘𝑢𝑟𝑎𝑠𝑖 = 𝑥 100%
50
Maka akurasi yang didapatkan sebesar 90% .
6. KESIMPULAN
Berdasarkan hasil pengujian dan analisis
hasil penelitian ini, maka dapat diambil beberapa
kesimpulan sebagai berikut:
1. Sistem pakar diagnosis penyakit pada
anjing berhasil diimplentasi dalam bentuk
perangkat lunak dengan fungsi melakukan
diagnosis penyakit pada anjing. Selain itu
terdapat pula menu berupa informasi daftar
penyakit pada anjing beserta gejala—gejala
nya.
2. Metode naive bayes baik digunakan untuk
diagnosis penyakit pada anjing karena
menghasilkan tingkat akurasi sebesar 90%.
7. DAFTAR PUSTAKA
Agustiawan, Beni. 2015. Sistem Klasifikasi
Penyakit Tenggorokan Berbasis
WEB Menggunakan Metode
Naive Bayes
Anugroho, Prasetyo. 2010. Klasifikasi Email
Spam dengan Metode Naive
Bayes Classifier Menggunakan
Java Programming
An, Yunjing, Shutao Sun, Shujuan Wang. 2017.
Naive Bayes Classifiers for Music
Emotion Classification Based on
Lyrics
Ariadi, Dio, Kartika Fithriasari. 2017.
Klasifikasi Berita Indonesia
Menggunakan Metode Naive
Bayesian Classification dan
Support Vector Machine dengan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Confix Stripping Stemmer. Vol.
4, No.2
As’ad, Bahrawi. 2016. Prediksi Keputusan
Menggunakan Metode
Klasifikasi Naive Bayes, One-R
dan Decisision Tree
Badan Pusat Statistik. 2015. Produksi Tanaman
Pangan 2015. CV. Tapasuma
Ratu Agung
Badan Pusat Staistik. 2015. Buletin Statistik
Perdagangan Luar Negeri Impor
April 2017. CV. Josevindo
Fahrurozi, Achmad. 2014. Klasifikasi Kayu
dengan Menggunakan Naive
Bayes Classifier
Fhadli, Muhammad. 2017. Peringkasan Literatur
Ilmu Komputer Bahasa Indonesia
Berbasis Fitur Statistik dan
Linguistik menggunakan Metode
Gaussian Naïve Bayes
Hartati, Sri dan Sari Iswanti. 2013. Sistem Pakar
dan Pengembangannya.
Yogyakarta : Graha Ilmu
J., Pajrin, Johanis Panggesso dan Rosmini. 2013.
Uji Ketahanan Beberapa Varietas
Jagung (Zea mays L.) Terhadap
Intensitas Serangan Penyakit
Bulai (Peronosclerospora
maydis)
Karina, Nia Esti, Yuni Yamasari. 2013. Aplikasi
diagnosis Kanker Kandungan
dengan Menggunakan Metode
Naive Bayes (Studi Kasus :
Rumah Sakit Islam Surabaya)
Fakultas Ilmu Komputer, Universitas Brawijaya
4295
Kusumadewi, Sri. 2009. klasifikasi status gizi
menggunakan naive bayesian
classification
Maharani. Navita., 2014. Analisis Keunggulan
Komparatif Komoditas Jagung
(Zea mays L.) di Kabupaten
Kediri. Volume XIV No. 3
Marofi, M. Nuzulul. 2017. Rancang Bangun
Sistem Klasifikasi Frekuensi
Penggunaan Minyak Goreng
dengan Menggunakan Metode
Bayes
Nugroho, Septian Yuda, 2014. Data Mining
Menggunakan Algoritma Naive
Bayes untuk Klasifikasi
Kelulusan Mahasiswa
Universitas Dian Nuswantoro
Saputra, Eko. 2014. Usability Testing untuk
Mengukur Penggunaan Website
Inspektorat Kota Palembang.
Semangun, Haryono. 1993. Penyakit-Penyakit
Tanaman Pangan di Indonesia.
Yogyakarta : Gadjah Mada
University press
SetyaStiawan, Ivan. 2013. Peranan Komoditas
Jagung (Zea mays L.) Terhadap
Peningkatan Pendapatan Wilayah
Kabupaten Karo ``
Sutojo. T., Mulyanto. E, Suhartono V.,
2011.Kecerdasan Buatan.C.V
Andi Offse
Schott, Jennifer. “Alabama rot: The dog
disease with no cure.”
bbc.com. BBC News, 10 Juni
2017. Web. 20 Juni. 2017.