SISTEM DIAGNOSA PENYAKIT BAKTERI AYAM TERNAK MENGGUNAKAN

METODE DEMPSTER SHAFER

Syarif Maulana, Eneng Tita Tosida, Lita Karlitasari
Email : Syarifonta@gmail.com
Program Studi Ilmu Komputer FMIPA Universitas Pakuan

ABSTRAK

Sistem pakar adalah sebuah sistem berbasis komputer yang sengaja diciptakan
dengan mengimplementasikan pengetahuan, fakta, dan teknik penalaran seorang pakar
agar dapat menyelesaikan sebuah masalah yang biasanya hanya dapat diselesaikan oleh
seorang pakar dalam bidang tertentu. Salah satu perannya yaitu dalam mendiagnosis
penyakit pada ayam ternak terutama penyakit yang disebabkan oleh bakteri, manfaat
yang diperoleh dari sistem ini adalah dapat mendiagnosa penyakit bakteri pada ayam
ternak secara cepat dan akurat dalam bentuk persentase nilai kepercayaan, dengan
melakukan perhitungan dari gelaja yang terjadi. Untuk dapat menghitung nilai tersebut
maka digunakanlah metode yang dapat menghitung ketidak konsistenan yang diakibatkan
timbulnya fakta baru yaitu dengan menggunakan metode Dempster Shafer yang dapat
memberikan kesimpulan beserta nilai kepercayaan dalam bentuk persen sebagai acuan
pengguna dalam mempercayai hasil diagnosa tersebut. Sehingga diharapkan mampu
membantu peternak dalam mengidentifikasi penyakit bakteri pada ayam ternak dalam
mengantisipasi kerugian yang diakibatkan serangan penyakit.

Kata Kunci : Sistem Pakar, Penyakit Bakteri Ayam Ternak, Metode Dempster Shafer

PENDAHULUAN dilirik untuk dijadikan hobi. Banyaknya

Berternak merupakan kegiatan atau
usaha dalam memelihara dan
mengembangbiakan hewan yang dapat
memberikan keuntungan materi kepada
peternak, keuntungan materi tersebut
dapat berupa pangan, bahan baku industri,
atau digunakan untuk membantu manusia
dalam menyelesaikan pekerjaannya.
Kegiatan berternak dapat digolongkan ke
dalam dua bagian, yang pertama adalah
peternakan hewan besar berupa sapi,
kerbau, dan kuda. Sedangkan yang kedua
adalah peternakan hewan kecil berupa
ayam, kelinci, bebek dan sebagainya.
Salah satu hewan ternak yang banyak
dikembangbiakan adalah ayam. Ayam
merupakan hewan yang banyak
menghasilkan keuntungan bagi manusia
selain sebagai sumber protein hewani
yang banyak dikonsumsi oleh masyarakat
ayam pun menjadi peliharaan yang banyak
permintaan akan ayam baik sebagai
sumber pangan maupun sebagai
peliharaan memberikan peluang bisnis
kepada perternak untuk berkecimpung di
bisnis ternak ayam.
Kurangnya perawatan dalam
pemeliharaan ayam dapat berakibat buruk
pada kesehatan ayam yang berakibat ayam
terjangkit berbagai jenis penyakit yang
berbahaya. Salah satu penyebab timbulnya
penyakit pada ayam adalah bakteri.
Bakteri dapat berkembangbiak dengan
cepat jika lingkungan yang dimiliki ayam
dalam keadaan kotor. Peternak terkadang
tidak mengetahui penyakit yang dialami
ayam terutama yang ditimbulkan oleh
bakteri sehingga penanganan yang
dilakukan dalam pengobatan tidak tepat
sasaran.
Ketidaktahuan masyarakat akan
penyakit pada ayam yang disebabkan
bakteri memberikan dorongan pada

1
peneliti untuk merancang sistem berupa yang sulit yang ditemukan dalam
diagnosis penyakit pada ayam dengan membangun sebuah Sistem.
metode Dempster Shafer. Metode ini 2. Menjadi referensi dalam penerapan
mempresentasikan gejala kedalam bentuk Sistem Pakar dalam membantu
nilai densitas sebagai bobot yang menciptakan sebuah Sistem Informasi
kemudian digunakan untuk menentukan yang yang efisien dan spesifik.
himpunan dari suatu penyakit dengan 3. Dapat membantu peran dokter hewan
presentase kepercayaan tertentu. dalam mendiagnosis penyakit pada
Seperti pada penelitian sebelumnya ayam dan cara menanggulanginya.
yang digunakan sebagai referensi dengan 4. Dapat membantu peternak ayam
judul “Aplikasi Sistem Pakar dalam memcari informasi mengenai
Mendiagnosa Penyakit Ginjal dengan penyakit pada ayam ternak terutama
Metode Dempster Shafer” yang dibuat yang disebabkan bakteri dan dapat
oleh Sulistyohati dan Hidayat (2008), membantu peternak dalam usaha
bahwa metode Dempster Shafer sesuai meningkatkan kualitas ayam dengan
untuk kasus semacam diagnosa penyakit. deteksi penyakit secara dini.
teori ini akan mengkombinasikan
potongan informasi yang terpisah. untuk
mengkalkulasikan kemungkinan dari suatu
METODE PENELITIAN
peristiwa. Berdasarkan referensi yang
Perancangan sistem diagnosa penyakit
didapat bahwa penelitian ini berbeda
bakteri pada ayam ternak ini, mengacu
dengan kasus penelitian yang sama yaitu
pada metode pebangunan aplikasi yaitu
berjudul “Sistem Pakar Diagnosis
System Development Lyfe Cycle (SDLC)
Penyakit Unggas Dengan Metode
yang keseluruhan proses dalam
Certainty Factor” yang dilakukan oleh
pembangunan sistem didapat melalui
Rohajawati dan supriyati (2010).
beberapa langkah. Yang pertama adalah
Adapun tujuan dalam penelitian ini
Project planning dimana Programmer
yaitu adalah membangun Sistem diagnosa
terlebih dahulu menentukan target yang
penyakit pada Ayam ternak yang
ingin dicapai berupa kegunaan dari sistem
disebabkan bakteri dengan metode
tersebut dan sebarapa luas elemen yang
Dempster Shafer. Dengan ruang lingkup
terlibat pada sistem. Mulai dari merancang
pada penelitian yang dibatasi pada sistem
database yang digunakan, kemudian
diagnosa penyakit pada ayam ternak di
algoritma sistem yang akan berjalan juga
wilayah Bogor yang diakibatkan bakteri
merancang alur dalam sistem tersebut.
dengan metode Dempster Shafer yang
dalam merancang sistem diagnosa
dikaji berdasarkan pengetahuan pakar
penyakit pada ayam ternak yang
kesehatan hewan yang kemudian
disebabkan bakteri ini programmer
diimplementasikan kedalam bahasa
terlebih dahulu memikirkan metode apa
pemrograman PHP dan database Mysql.
yang sesuai dengan rancangan sistem.
penyakit yang akan dikaji terdiri dari 7
setelah mengkaji beberapa penelitian
penyakit bakterial pada ayam ternak
terdahulu maka dapat disimpulkan bahwa
dengan gejala yang terdiri dari 30 gejala.
metode Dempster Shafer sesuai dengan
Diharapkan laporan Penelitian ini
penelitian yang akan dilakukan. Oleh
dapat memberikan manfaat sebagai
karena itu sistem akan dibuat sesuai
berikut :
algoritma Dempster Shafer dengan
1. Dapat menambah wawasan dalam
membuat presentase dari beberapa fakta
bidang Pemrograman sistem pakar
untuk menghasilkan nilai kepercayaan.
serta penerapan Pemrograman berbasis
Kemudian dilanjutkan dengan tahap
web. dalam membantu permasalahan
Analysis dengan mengidentifikasi kasus

2
dimana ketika ayam ternak terjangkit
suatu penyakit terutama yang disebabkan
bakteri biasanya yang dilakukan peternak
adalah menyewa jasa seorang dokter
hewan untuk mendiagnosa penyakit,
Dokter hewan memberikan diagnosa
berdasarkan gejala-gejala yang terjadi
pada ayam dan melakukan pengobatan
sesuai penyakit yang dialami ayam.
Namun agar dapat melakukan itu semua
peternak membutuhkan biaya untuk
membayar jasa seorang dokter agar dapat
menghemat itu semua yang dilakukan
peneliti dalam membantu peternak yaitu
dengan membuat sebuah sistem pakar
yang berfungsi untuk mendiagnosa
penyakit pada ayam yang disebabkan
bakteri dengan metode Dempster Shafer.
Tahap selanjutnya adalah Design
umumnya design dilakukan untuk
memperhitungkan aspek fungsi, estetik
dan berbagai macam aspek lainnya, yang
biasanya datanya didapat melalui riset.
Data riset tersebut kemudian akan diolah
ke dalam bentuk Entity Relationship
Diagram(ERD), Relasi Tabel, dan
Struktur Data untuk basis datanya,
sedangkan untuk logika pemrogramannya
data riset tersebut diolah ke dalam bentuk
DFD dan Flowchart agar lebih mudah
dipahami.
Dilihat dari kelebihan yang bisa
didapat sistem diagnosa penyakit bakteri
pada ayam ternak akan diimplementasikan
kedalam aplikasi berbasis web dengan
kelebihan mudah dalam mengaksesnya,
dapat dijalankan di sistem operasi
manapun, dapat diakses oleh banyak
media, dan tidak memerlukan spesifikasi
yang tinggi untuk mengakses aplikasi.
selain itu sistem ini dilengkapi dengan
pengolah database MySql. Selain itu
sistem ini akan melalui serangkaian uji
coba yang meliputi
a. Uji coba struktural yaitu uji coba
untuk mengetahui alur sistem yang
dibuat sudah sesuai dengan yang
dirancang pada tahan perancangan.
3
b. Uji coba fungsional yaitu uji coba
yang dilakukan untuk memeriksa
semua fungsi pada sistem agar dapat
bekerja sesuai kegunaan.
c. Uji coba validasi untuk mengukur dan
mengetahui ketepatan dari sistem
apakah sudah relevan dengan data
yang diperoleh.
Dilihat dari segi perawatan sistem ini
dapat melakukan proses update berupa
tambahan penyakit dan gejala ataupun
update dari penyakit sebelumnya hal itu
dapat dilakukan dikarenakan sistem ini
bersifat dinamis. Update data dilakukan
dengan pengawasan dari seorang pakar
agar informasi yang didapat teruji
kebenarannya. Waktu penelitian dilakukan
pada 1 mei 2014 sampai dengan 1 juli
2014 di Sekolah Tinggi Penyuluhan
Pertanian Cinagara Bogor Jurusan
Penyuluhan Peternakan. data yang
digunakan didapat melalui proses
Pengambilan data yang diklasifikasikan ke
dalam dua jenis data yaitu.
a. Data Sekunder
Data yang didapat pada penelitian ini
berasal dari buku yang berjudul Penyakit
Ayam dan Penanggulangannya pada
Penyakit Bakterial, mikal dan viral yang
ditulis oleh Prof. drh. Charles Rangga
Tabbu, M.Sc., Ph.D. yang membahas
beberapa penyakit yang salah satu babnya
membahas mengenai penyakit ayam yang
disebabkan bakteri dengan gejala-
gejalanya beserta solusi dan definisinya.
b. Data Primer
Data ini didapat melalui wawancara
dengan Drh. Sri Kusuma H, M.Si yang
bekerja sebagai staff pengajar di Sekolah
Tinggi Penyuluhan Pertanian Cinagara
Bogor Jurusan Penyuluhan Peternakan.
Beliau menyampaikan bahwa semakin
khas gejala untuk suatu penyakit maka
nilai densitas atau bobot yang diberikan
akan semakin besar.
Data yang telah diolah kemudian
dibuat kedalam sebuah tabel yang terdiri
dari gejala, penyakit dan nilai Densitas.
 Tabel 1A. Nilai Densitas Gejala Untuk Setiap Penyakit Yang Dikaji

No Nama Penyakit Gejala Nilai

1 Infectious Coryz Suara ayam mengorok 85%
Keluar cairan dari rongga hidung ataupun mata 85%
Terjadi pembengkakan di darah fasial dan sekitar mata 85%
Bersin pada ayam 85%
Hilangnya nafsu makan dan minum 20%
Ayam mengalami diare 20%
2 Fowl Cholera Suara ayam mengorok 85%
Adanya cairan kental dari mulut yang kerapkali 85%
menggantung seperti tali
Perubahan warna kulit pada daerah fasial, jengger dan pial 85%
menjadi ungu kebiruan
Ayam demam 60%
Ayam berbulu berdiri 60%
Hilangnya nafsu makan 20%
Ayam terlihat mengantuk 20%
Peningkatan frekuensi respirasi 20%
Ayam mengalami diare 20%
Ayam tampak lesu 20%
3 Kolibasilosis Perut ayam membesar 85%
Pusar tampak membuka, dan terjadi perubahan pada 85%
bentuk pusar
Ayam mengalami diare 75%
Kotoran menutupi daerah kloaka 75%
Hilangnya nafsu makan 20%
Ayam akan tampak lesu 20%
Gangguan pertumbuhan 20%
4 Fowl Typhoid Sayap menggantung 85%
Daeerah fasial pucat 85%
Daerah balung mengkerut 85%
Ayam berbulu berdiri 60%
Ayam demam 60%
Ayam terlihat mengantuk 40%
Hilangnya nafsu makan dan minum 20%
5 Dermatitis Terdapat timbunan cairan di bawah kulit pada bagian 85%
Gangrenosa ujung sayap, kaki, dan daerah bawah abdomen
Bulu akan menghitam dan kotor pada bagian yang 85%
terserang
Kulit menjadi gelap dan mengelupas 85%
Kaki melemah 60%
Ataksia (sempoyongan) 60%
Hilangnya nafsu makan dan minum 20%
6 Stafilokokosis Terlihat kesakitan pada waktu berjalan 85%
Terjadi pembengkakan pada persendian 85%
Ayam mengalami diare 60%
Ayam demam 60%
Ayam akan tampak lesu 20%
Hilangnya nafsu makan dan minum 20%

4
 Tabel 1B. Nilai Densitas Gejala Untuk Setiap Penyakit Yang Dikaji Lanjutan 1A
No Nama Penyakit
7 Streptokokosis Daerah balung dan pial pucat
Tremor(gemetar) yang halus pada kepala
Ayam demam
Ayam berbulu berdiri
Hilangnya nafsu makan dan minum
Ayam mengalami diare
Depresi
Ayam akan tampak lesu
Metode Dempster Shafer
Berdasarkan tabel tersebut setiap nilai
gejala tertentu yang dipilih akan dilakukan
perhitungan dengan metode Dempster
Shafer dengan penjelasan sebagai berikut
Secara umum teori Dempster-Shafer
ditulis dalam suatu interval:
[Belief,Plausibility]. Belief (Bel) adalah
ukuran kekuatan evidence dalam
mendukung suatu himpunan proposisi.
Jika bernilai 0 maka mengindikasikan
bahwa tidak ada evidence, dan jika
bernilai 1 menunjukkan adanya kepastian.
Plausibility (Pl) dinotasikan sebagai :
Pl(s) = 1 – Bel (⌐s) Plausibility juga
bernilai 0 sampai 1. Jika yakin akan ⌐s,
maka dapat dikatakan bahwa Bel(⌐s)=1,
dan Pl(⌐s)=0. Pada teori Dempster-Shafer
dikenal adanya frame of discrement yang
dinotasikan dengan θ. Frame ini
merupakan semesta pembicaraan dari
sekumpulan hipotesis. Tujuannya adalah
mengaitkan ukuran kepercayaan elemen-
elemen θ. Tidak semua evidence secara
langsung mendukung tiap-tiap elemen.
Untuk itu perlu adanya probabilitas fungsi
densitas (m). Nilai m tidak hanya
mendefinisikan elemen-elemen θ saja,
namun juga semua subsetnya. Sehingga
jika θ berisi n elemen, maka subset θ
adalah 2n . Jumlah semua m dalam subset
θ sama dengan 1. Apabila tidak ada
informasi apapun untuk memilih hipotesis,
maka nilai : m{θ} = 1,0 Apabila diketahui
X adalah subset dari θ, dengan m1 sebagai
fungsi densitasnya, dan Y juga merupakan
subset dari θ dengan m2 sebagai fungsi
densitasnya, maka dapat dibentuk fungsi
5
Gejala Nilai
85%
85%
60%
60%
20%
20%
20%
20%
kombinasi m1 dan m2 sebagai m3, yaitu :
ΣX∩Y=Z m1 (X).m2(Y)
m3(Z) = 1 − ΣX∩Y= Ø m1 (X).m2(Y)
Dimana :
m3(Z) = mass function dari evidence (Z)
m1 (X) = mass function dari evidence (X)
m2 (Y) = mass function dari evidence (Y)
Zm1(X).m2(Y) = ada hasil irisan dari m1
dan m2
Ø Zm1(X).m2(Y) = tidak ada hasil irisan
(irisan kosong (Ø))
(Kusumadewi, 2003)
HASIL & PEMBAHASAN
Dalam hasil penelitian ini sistem
diharapkan mampu untuk melakukan
diagnosa mengenai penyakit pada ayam
yang disebabkan bakteri dengan
perhitungan Dempster Shafer yang dibuat
ke dalam mesin inferensi, mesin inferensi
dapat menghasilkan suatu kesimpulan
dalam bentuk persen yang sesuai dengan
input gejala yang terjadi. Gejala dan
penyakit dapat dihubungkan dalam sebuah
table yang disebut table aturan, table ini
berfungsi untuk menghubungkan antara
satu penyakit dengan satu gejala dimana
satu hubungan ini memiliki satu nilai
densitas yang dibuat dalam bentuk persen.
Hubungan antara gejala dan penyakit ini
memiliki relasi many to many dimana satu
gejala yang ada dapat dimiliki oleh
banyak penyakit begitupun sebaliknya
satu penyakit yang ada dapat dimiliki oleh
banyak gejala dengan nilai densitas yang
berbeda-beda ataupun sama. Contohnya
pada aturan 1 dimana gejala 1 untuk
penyakit 1 memiliki nilai densitas 60%,
namun pada aturan 2 gejala 1 untuk coba akurasi untuk menggambarkan
penyakit 2 memiliki nilai densitas 70% proses perhitungannya maka dibuatlah
jadi antara aturan 1 dan aturan 2 memiliki sebuah jalan perhitungan sistem secara
nilai densitas yang jelas berbeda. Namun manual seperti yang ada di bawah ini.
berbeda dengan aturan 3 dimana gejala 1 Sebelum dijelaskan dalam contoh kasus
untuk penyakit 3 memiliki nilai 60% jadi maka dibuatlah terlebih dahulu alur proses
aturan 1 dan 3 memiliki nilai densitas metode Dempster Shafer ke dalam bentuk
yang sama sehingga penyakit 1 dan 3 Flowchart. Seperti pada Gambar 2 di
merupakan satu himpunan sama, namun bawah ini.
berbeda dengan aturan 2 dimana penyakit
2 tidak satu himpunan dengan penyakit 1
dan 3.
Gejala pada table aturan tadi
ditampilkan pada menu konsultasi agar
dapat digunakan oleh user sehingga dapat
dilakukan perhitungan yang menggunakan
metode Dempster Shafer. Gejala yang
terjadi dapat diceklis pada check box yang
tersedia untuk dilakukan perhitungan pada
mesin inferensi. Kemudian jika gejala
telah diproses dengan perhitungan
Dempster Shafer maka akan muncul
kesimpulan diagnosa penyakit dalam nilai
persen. Untuk gambarnya dapat dilihat
pada Gambar 1. Di bawah ini

Gambar 2. Flowchart metode Dempster

Shafer

Keterangan :
X, Y, Z = Himpunan Penyakit
i = Jumlah Gejala
m = Nilai Densitas
Berdasarkan langkah tersebut maka dapat
dihitung kasus di bawah ini sesuai dengan
metode Dempster Shafer sebagai berikut.
Diketahui gejala pertama : Hilangnya
Nafsu makan dan minum (m1) Yang
merupakan gejala dari penyakit.
Infectious Coryza(p1)
Fowl Cholera(p2)
Kolibasilosis(p3)
Fowl Typhoid(p4)
Gambar 1. Menu Konsultasi Dermatitis Gangrenosa(p5)
Untuk mengetahui apakah sistem Stafilokokosis(p6)
sudah sesuai maka dilakukan lah uji coba Streptokokosis(p7)
validasi dan uji coba akurasi. Dalam uji

6
dimana dari masing-masing penyakit dimiliki penyakit berbeda. Akan ada 3
memiliki nilai densitas atau bobot yang kombinasi m5 baru yaitu yang pertama:
sama yaitu 20%. m4 {p1,p2,p7} = 0.2
m1{p1,p2,p3,p4,p5,p6,p7} = 0.2 m4 {Θ} = 0.8
m1{Θ}= 1 - 0.2 = 0.8 kemudian dibuat kombinasi antara m3 dan
Kemudian muncul gejala baru : Suara m4 pertama:
ayam mengorok (m2) Tabel 3. Kombinasi m3 dan m4
Yang merupakan gejala dari penyakit pertama
Infectious Coryza(p1), Fowl Cholera(p2) m4{p1,p2,
0.2 m4{Θ} 0.8
dimana dari masing-masing penyakit p7}
memiliki nilai densitas atau bobot 85% m3{p1,p2} 0.85 {p1,p2} 0.17 {p1,p2} 0.68
m2{p1,p2} = 0.85
m2{Θ}= 1 – 0.85 = 0.15 {p1,p2,
kemudian dibuatlah kombinasi antara m1 m3{p1,p2,p3
p3,p4,
,p4,p5,p6, 0.03 {p1,p2,p7} 0.006 0.024
dan m2 dengan rumus : p5,p6,
ΣX∩Y=Z m1 (X).m2(Y) p7}
m3(Z) = 1 − ΣX∩Y=Ø m1 (X).m2(Y) p7}

untuk memudahkan dibuatlah tabel antara m3{Θ} 0.12 {p1,p2,p7} 0.024 m5{Θ} 0.096
m1 dan m2 :
m5{p1,p2} = 0.17 + 0.68 / 1 – 0 =0.85
Tabel 2. Kombinasi m1 dan m2
m5 {p1,p2,p7} = 0.006 + 0.024 / 1 – 0
m2{p1, = 0.03
0.85 m2(Θ) 0.15
p2} m5 { p1,p2,p3,p4,p5,p6,p7} = 0.024 / 1 – 0
= 0.024
{p1,p2,p3 m5 {Θ} = 0.096 / 1 – 0 = 0.096
m1{p1,p2,p3,
0.2 {p1,p2} 0.17 ,p4,p5,p6 0.03
p4,p5,p6,p7}
,p7} Kombinasi m5 yang kedua :
m4 {p3} = 0.75
m1{Θ} 0,8 {p1,p2} 0.68 m3(Θ) 0.12
m4 {Θ} = 0.25
m3 {p1,p2} = 0.17 + 0.68 / 1 - 0 = 0.85 kemudian dibuat kombinasi antara m3 dan
m3 {p1,p2,p3,p4,p5,p6,p7} = 0.03 / 1 – 0 m4 yang kedua:
= 0.03 Tabel 4. Kombinasi m3 dan m4 kedua
m3 {Θ}=0.12 / 1 – 0 = 0.12 m4{p3} 0.75 m4{Θ} 0.25
jadi dari kedua gejala yaitu m1 dan m2
lebih mengarah ke penyakit Infectious m3{p1,p2} 0.85 {∅} 0.6375 {p1,p2} 0.2125
Coryza(p1), Fowl Cholera(p2) dengan
nilai kepercayaan 85%. Kemudian muncul m3{p1,p2, {p1,p2,p
p3,p4,p5, 0.03 {p3} 0.0225 3,p4,p5, 0.0075
gejala baru yaitu Ayam mengalami diare p6,p7} p6,p7}
(m4) yang merupakan gejal dari penyakit
Infectious Coryza(p1), Fowl Cholera(p2), m3{Θ} 0.12 {p3} 0.09 m5{Θ} 0.03
Streptokokosis(p7) dengan nilai densitas
m5{p3} = 0.0225 + 0.09 / 1 – 0.6375
yang sama 20%, kemudian penyakit
= 0.310345
Kolibasilosis(p3) dengan nilai densitas
m5 {p1,p2} = 0.2125 / 1 – 0.6375
yang berbeda yaitu 75%, dan penyakit
= 0.586207
Stafilokokosis(p6) dengan nilai densitas
m5 { p1,p2,p3,p4,p5,p6,p7} = 0.0075 / 1 –
yang juga berbeda yaitu 60%.
0.6375 = 0.02069
Jadi untuk gejala m4 akan menghasilkan
beberapa kombinasi berbeda yang m5 {Θ} = 0.03 / 1 – 0 = 0.082759
diakibatkan dari nilai densitas yang

7
Kombinasi m5 yang ketiga : m7{p1} = 0.7225 + 0.0255 + 0.0204 +
m4{p6} = 0.6 0.0816 / 1 – 0 = 0.85
m4{Θ} = 0.4 m7{p1,p2} = 0.1275 / 1 – 0
kemudian dibuat kombinasi antara m3 dan = 0.1275
m4 yang ketiga: m7{p1,p2,p7} = 0.0045 / 1 – 0
Tabel 5. Kombinasi m3 dan m4 ketiga = 0.0045
m4{p6} 0.6 m4{Θ} 0.4 m7{p1,p2,p3,p4,p5,p6,p7} = 0.0036 / 1–0
= 0.0036
m3{p1,p2} 0.85 {∅} 0.51 {p1,p2} 0.34 m7{Θ} = 0.0144 / 1 – 0 = 0.0144
{p1,p2,p3 Berdasarkan hasil perhitungan m7 di
m3{p1,p2,p3,
0.03 {p6} 0.018 ,p4,p5,p6 0.012
p4,p5,p6,p7}
,p7}
atas dapat dilihat bahwa nilai yang
terbesar dimiliki oleh penyakit Infectious
m3{Θ} 0.12 {p6} 0.072 m5{Θ} 0.048 Coryza(p1) dengan nilai 0.85 dengan
begitu dapat disimpulkan bahwa
m5{p6} = 0.018 + 0.072 / 1 – 0.51
berdasarkan gejala-gejala tersebut dapat
= 0.183673
dihasilkan sebuah kesimpulan yaitu ayam
m5 {p1,p2} = 0.34 / 1 – 0.51
tersebut terinfeksi penyakit Infectious
= 0.693878
Coryza(p1) dengan tingkat kepercayaan
m5 { p1,p2,p3,p4,p5,p6,p7} = 0.012 / 1 –
85%.
0.51 = 0.02449
Jadi kesimpulan dalam uji coba
m5 {Θ} = 0.048 / 1 – 0.51 = 0.097959 validasi ini sistem sesuai dengan yang
Dapat dilihat dari ketiga kombinasi m5 diharapkan mampu menghitung nilai
nilai terbesar yang dimiliki ada pada secara benar.
kombinasi m5 yang pertama dengan nilai Kemudian untuk mengetahui
0.85 dengan begitu dapat disimpulkan ketepatan sistem maka uji coba
bahwa ayam tersebut menderita Infectious dilanjutkan dengan uji coba akurasi
Coryza(p1) atau Fowl Cholera(p2) dengan menggunakan perhitungan Confusion
nilai kepercayaan 85%. Kemudian matriks untuk memastikan apakah
bagaimana jika muncul gejala baru yaitu pendapat pakar dengan sistem sesuai.
bersin pada ayam (m6) yang merupakan
gejala dari Infectious Coryza(p1) dengan
nilai densitas 85%.
m6{p1} = 0.85
m6{Θ} = 0.15
Kemudian dibuat kombinasi antara m5
dan m6 sebagai berikut:
Tabel 6. Kombinasi m5 dan m6
m6{p1} 0.85 m6{Θ} 0.15

m5{p1,p2} 0.85 {p1} 0.7225 {p1,p2} 0.1275

m5{p1,p2, {p1,p2,
0.03 {p1} 0.0255 0.0045
p7} p7}
{p1,p2,
m5{p1,p2,p
p3,p4,
3,p4,p5,p6, 0.024 {p1} 0.0204 0.0036
p5,p6,
p7}
p7}
m5(Θ) 0.096 {p1} 0.0816 m7{Θ} 0.0144

8
 Tabel 7A. Uji Coba Akurasi
Kasus Diagnosa
Diagnosa Sistem
Sistem bukan Kecepatan
Infectious Akurasi Error rate
Infectious Data (s)
Coryza
Coryza
-Suara ayam
mengorok
-Keluar cairan dari Dugaan pakar
rogga hidung Infectious 99.6625 0.3375
-Terjadi Coryza
pembengkakan di
99.6625 0.0087505
daerah fasial dan 0.3375%
% detik
sekitar mata
-Bersin pada ayam Dugaan pakar
-hilangnya nafsu bukan
0 0
makan dan minum Infectious
-Ayam mengalami Coryza
diare
Kasus Diagnosa
Diagnosa Sistem Kecepatan
Sistem bukan Akurasi Error rate
Fowl Cholera Data (s)
Fowl Cholera
-Suara ayam
mengorok
-Adanya cairan
kental dari mulut
yang kerapkali
menggantung seperti Dugaan pakar
97.51552 2.48448
tali Fowl Cholera
-Perubahan warna
kulit pada daerah
fasial, jengger, dan
pial menjadi ungu
97.51552 0.015001
kebiruan 2.48448%
% Detik
-ayam demam
-ayam berbulu berdiri
-hilangnya nafsu
makan
-ayam terlihat Dugaan pakar
mengantuk bukan Fowl 0 0
-peningkatan Cholera
frekuensi respirasi
-ayam mengalami
diare
-ayam tampak lesu

9
 Tabel 7B. Uji Coba Akurasi lanjutan dari 7A
Kasus Diagnosa
Diagnosa Sistem Kecepatan
Sistem bukan Akurasi Error rate
Kolibasilosis Data (s)
Kolibasilosis
-perut ayam
membesar
-pusar tampak
membuka, dan terjadi Dugaan pakar
99.8875 0.1125
perubahan pada Kolibasilosis
bentuk pusar
-ayam mengalami
diare 0.006334
99.8875% 0.1125%
-kotoran menutupi detik
daerah kloaka
-hilangnya nafsu
Dugaan pakar
makan
bukan 0 0
-ayam akan tampak
Kolibasilosis
lesu
-gangguan
pertumbuhan
Kasus Diagnosa
Diagnosa Sistem Kecepatan
Sistem bukan Akurasi Error rate
Fowl Typhoid Data (s)
Fowl Typhoid
-sayap menggantung
-daerah fasial pucat
Dugaan pakar
-daerah balung 99.7975 0.2025
Fowl Typhoid
mengkerut
-ayam berbulu berdiri 0.0035
99.7975% 0.2025%
-ayam demam detik
-ayam terlihat Dugaan pakar
mengantuk bukan Fowl 0 0
-hilangnya nafsu Typhoid
makan
Kasus Diagnosa
Diagnosa Sistem
Sistem bukan Kecepatan
Dermatitis Akurasi Error rate
Dermatitis Data (s)
Gangrenosa
Gangrenosa
-terdapat timbunan
cairan di bawah kulit
pada bagian ujung
sayap, kaki, dan Dugaan pakar
daerah bawah Dermatitis 99.946 0.054
abdomen Gangrenosa
-bulu akan
menghitam dan kotor
0.00225
pada bagian yang 99.946% 0.054%
detik
terserang
-kulit menjadi gelap
dan mengelupas Dugaan pakar
-Kaki melemah bukan
0 0
-ataksia Dermatitis
(sempoyongan) Gangrenosa
-Hilangnya nafsu
makan dan minum

10
 Tabel 7C. Uji Coba Akurasi lanjutan dari 7A & 7B
Kasus Diagnosa Diagnosa
Kecepatan
Sistem Sistem bukan Akurasi Error rate
Data (s)
Stafilokokosis Stafilokokosis
-terlihat kesakitan
pada waktu berjalan
-terjadi Dugaan pakar
99.1 0.9
pembengkakan pada Stafilokokosis
persendian
-Ayam mengalami 0.006001
99.1% 0.9%
diare detik
-ayam demam Dugaan pakar
-ayam akan tampak bukan 0 0
lesu Stafilokokosis
-hilangnya nafsu
makan dan minum
Kasus Diagnosa Diagnosa
Kecepatan
Sistem Sistem bukan Akurasi Error rate
Data (s)
Streptokokosis Streptokokosis
-daerah balung dan
pial pucat
-tremor(gemetaran)
Dugaan pakar
yang halus pada 98.2 1.8
Streptokokosis
kepala
-ayam demam
-ayam berbulu berdiri 0.007667
98.2% 1.8%
-hilangnya nafsu detik
makan dan minum
-ayam mengalami Dugaan pakar
diare bukan 0 0
-depresi Streptokokosis
-ayam akan tampak
lesu

Dari hasil uji coba akurasi didapat KESIMPULAN

bahwa sistem rata-rata dapat memproses
data dengan akurasi 99. 1584314%
dengan error rate 0.8415686%. Selain itu
pada aplikasi Diagnosa penyakit pada
ayam ini data yang dilakukan perhitungan
belum dapat dihitung secara pararel,
perhitungan hanya dilakukan satu kali
pada saat data konsultasi di inputkan saja
tanpa bisa membandingkan beberapa
inputan, karena untuk hasil perhitungan
aplikasi ini tidak disimpan ke dalam
database. Dikarenakan subjek yang akan
dilakukan diagnosa hanya terdiri dari satu
subjek saja belum dapat menghitung
beberapa subjek sekaligus yang kemudian
dilakukan perbandingan antar subjek
sehingga menemukan diagnosa yang sama
untuk beberapa ayam.
Sistem Diagnosa Penyakit pada Ayam
Ternak ini mampu mendiagnosa 7
penyakit yang diakibatkan Bakteri dengan
30 gejala yang berbeda dengan metode
Dempster Shafer sebagai penghitung nilai
probabilitas. Sistem ini memiliki sebuah
tabel yang disebut tabel aturan berguna
untuk mengkombinasikan antara data
penyakit dan gejala disertai dengan nilai
densitas atau bobot sehingga dapat
melakukan perhitungan dengan metode
Dempster Shafer. Proses perhitungan
dapat dilakukan ketika input gejala sudah
dilakukan pada menu konsultasi dimana
input tersebut terdiri dari beberapa
checkbox gejala yang bisa diceklis sesuai

11
dengan gejala yang terjadi kemudian
gejala yang sudah diceklis akan diproses
untuk dapat menentukan kemungkinan
penyakit dengan nilai kepercayaan dalam
bentuk persen.
Sistem ini mampu melakukan
perhitungan dengan satu subjek ayam saja
yang dilakukan satu kali untuk satu subjek
ayam tanpa disimpan dalam database
dengan tingkat akurasi yang cukup tinggi
sebesar 99.1584314% yang didapat
melalui proses dari 7 kasus penyakit yang
diklasifikasikan kedalam penyakit
bakterial dengan menghitung rata-rata dari
setiap kasusnya kemudian untuk tingkat
errornya cukup rendah yaitu sebesar
0.8415686% dihitung dari rata-rata setiap
kasusnya. Kemudian untuk beberapa
kasus ekstrim seperti input semua gejala
pada menu konsultasi sistem ini sudah
dapat melakukan proses dengan
menampilkan message box berupa
pernyataan yang berisikan larangan untuk
tidak memperbolehkan menceklis semua
gejala yang ada pada menu konsultasi.
Jadi sistem ini sudah dapat mencukupi
kebutuhan user dalam mendiagnosa
penyakit pada ayam ternak.
SARAN
Apilkasi sistem pakar penyakit pada
ayam ini masih perlu dilakukan
pengembangan seperti pada jumlah
penyakit yang dikaji, kemudian
penambahan klasifikasi penyakit seperti
penyakit yang disebabkan virus dan
jamur. Serta perhitungan konsultasi yang
masih dilakukan untuk satu subjek saja,
jika perhitungan dapat dilakukan untuk
beberapa subjek ayam dalam suatu
peternakan atau datanya bersifat pararel
untuk satu kali hitungan maka perhitungan
yang dapat dihasilkan akan lebih komplek
dan akurat sehingga hasil yang didapat
lebih memuaskan. Selain itu dibuat juga
12
dalam versi mobile programmingnya
sehingga user dapat mengakses aplikasi
lebih cepat dan mudah melalui
smartphone dan semacamnya.
DAFTAR PUSTAKA
Anonim. Penjelasan Ayam. Tersedia pada
http://www.situs-
peternakan.com/2013/03/tentang-
ayam-dan-ciri-cirinya.html
diakses 22 April 2014
Fathansyah. 2002. Basis Data.
Informatika Bandung. Bandung.
Gunawan. 2000. Kuliah Artificial
Intelligence Pengantar ke Expert
System. Surabaya.
Istiqomah, YN & A Fadlil. 2013. Sistem
Pakar untuk Mendiagnosa
Penyakit Saluran Pencernaan
Menggunakan Metode Dempster
Shafer. 9
Jogiyanto, HM. 2005. Analisis & Desain
Sistem Informasi : Pendekatan
Terstruktur Teori dan Praktek
Aplikasi Bisnis. Andi Offset.
Yogyakarta.
Kusumadewi, S. 2003. Artificial
Intelligence (Teknik & Aplikasi).
Graha Ilmu. Yogyakarta.
Kusrini. 2006. Sistem Pakar Teori dan
Aplikasi. Andi. Yogyakarta.
Rohajawati, S & R Supriyati. 2010.
Sistem Pakar Diagnosis Penyakit
Unggas dengan Metode Certainty
Factor.
Sulistyohati, A & T Hidayat. 2008.
Aplikasi Ssistem Pakar Diagnosa
Penyakit Ginjal dengan Metode
Dempster-Shafer. 2-5
Suryadi, HS. 1994. Pengantar Sistem
Pakar. Gunadarma. Jakarta.
Tabbu, CR. 2000. Penyakit Ayam dan
Penanggulangannya. Volume-1.
KANISIUS. Yogyakarta.