Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
ISSN : 2356-0010
IMPLEMENTASI SISTEM PAKAR BERBASIS ATURAN UNTUK DIAGNOSA PRODUKTIVITAS TERNAK AYAM RAS DENGAN MENGGUNAKAN METODE FORWARD CHAINING Febri Hadi, Fakultas Ilmu Komputer Universitas Putra Indonesia “YPTK” Padang email:
[email protected] Abstract - Expert system is one area in which artificial intelligence is used to solve a problem which is usually done by an expert, in this case one application diagnosis expert system is in livestock productivity chicken. Views of business opportunities broiler farms promising but broiler breeder skills are still lacking adequate so that the necessary maintenance to improve the productivity of the chicken farm. In this research, design and manufacture of an expert system that is used to help diagnose chicken raising productivity, the analysis starts from designing knowledge base, rule base, inference engine, database design and subsequent design of the interface, while the methods used to diagnose chicken livestock productivity is forward chaining method. With a forward chaining method is expected that all problems of the farmers will be able to be answered by the expert system correctly.. Keyword : expert systems, knowledge base, forward chaining, interface and productivity of broiler chickens 1. PENDAHULUAN Sistem pakar adalah perangkat lunak yang mensimulasikan kinerja ahli manusia dalam bidang tertentu. Sistem pakar saat ini telah digunakan di banyak daerah di mana memerlukan pengambilan keputusan atau memprediksi dengan keahlian (Asabere, 2012). Sistem pakar merupakan suatu bidang ilmu dalam kecerdasan buatan. Kecerdasan buatan digunakan untuk memecahkan masalah yang cukup sulit untuk meminta persaingan kecerdasan manusia (Josephine dan Jeyabalaraja, 2012). Hewan jenis unggas ayam ras merupakan salah satu usaha yang dapat dapat dijadikan usaha pokok di masyarakat, karena ayam ras banyak keunggulan dan nilai ekonomisnya lebih tinggi dari pada ternak unggas lainnya, telurnya dapat menjadi bahan makanan pokok, daging ayam ras dapat menjadi daging konsumsi. Dalam proses peternakan ayam ras perlu adanya manajemen pakan yang baik, kontrol kesehatan ternak yang baik sehingga ayam dapat terhindar dari penyakit, dan jika ayam terkena penyakit maka dapat dideteksi penyakit apa yang diderita oleh ayam yang dapat mempengaruhi produktivitas ternak ayam ras. Penurunan produktivitas ayam ras pedaging, adanya ayam ras yang terserang bermacam-macam penyakit, gejala-gejala tersebut sering terjadi pada ayam ras, sehingga produktivitas ayam ras menurun, melihat dari faktor-faktor yang terjadi maka penulis tertarik melakukan pengkajian lebih Implementasi Sistem Pakar Untuk . . .
dalam untuk mendiagnosa Produktivitas ayam ras berdasarkan penyakit dan gejalagejala yang terjadi pada ayam. Metode yang digunakan untuk mendiagnosa produktivitas ayam ras yaitu sistem forward Chaining atau penelusuran ke depan adalah mengetahui gejala-gejala penyakit ayam ras dalam meningkatkan produktifitas ayam ras pedaging, oleh Sistem berbasis komputer dapat memberikan kesimpulan dan saran dari fakta-fakta yang diinput di sistem berbasis komputer. 2. LANDASAN TEORI Pada dasarnya metode sistem pakar diterapkan untuk mengeksploitasikan satu atau lebih mekanisme penalaran atau pemikiran/pertimbangan (inference) yang menyerupai seorang pakar dalam memecahkan masalah . Beberapa aktivitas pemecahan yang dimaksud antara lain : pembuatan keputusan, pemaduan pengetahuan, pembuatan rule-rule, peracangan, prakiraan, diagnosis, perumusan dan penjelasan tentang sistem pakar yang dibangun. 2.1 Artificial Intelligence (AI) Artificial Intelligence (AI) atau kecerdasan buatan adalah suatu ilmu pengetahuan dan teknologi yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia. Artificial Intelligence (AI) dapat dikelompokkan ke dalam empat bagian utama, seperti terlihat pada gambar 1. berikut : 40
Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
Gambar 1 Bagian-bagian Utama dari Aplikasi Artificial Intelligence (AI) 2.2 Sistem Pakar Sistem pakar adalah salah satu cabang dari AI yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Ketika sistem pakar dikembangkan pertama kali sekitar tahun 70-an, sistem pakar hanya berisi knowledge yang eksklusif. Namun demikian sekarang ini istilah sistem pakar sudah digunakan untuk berbagai macam sistem yang menggunakan teknologi sistem pakar itu. Seorang pakar dengan sistem pakar mempunyai banyak perbedaan, yaitu mengenai perbandingan kemampuan antara seorang pakar dengan sebuah sistem pakar seperti pada Tabel 1 berikut ini : Tabel 1. Perbandingan Kemampuan Seorang Pakar dengan Sistem Pakar Factor
Human Expert
Expert System
Time availability
Hari kerja
Setiap saat
Geografis
Lokal/tertent u
Di mana saja
Keamanan
Tidak tergantikan
Dapat diganti
Perishable/dap at habis
Ya
Tidak
Performansi
Variable
Konsisten
Kecepatan
Variable
Konsisten
Biaya
Tinggi
Terjangka u
2.3. Arsitektur Sistem Pakar Ada dua hal bagian penting dari Sistem Pakar, yaitu : lingkungan pengembangan (devlopment environment) dan lingkungan konsultasi (consultation Implementasi Sistem Pakar Untuk . . .
ISSN : 2356-0010
environment). Lingkungan pengembangan digunakan oleh pembuat Sistem Pakar untuk membangun komponen-komponennya dan memperkenalkan pengetahuan ke dalam knowledge base (basis pengetahuan). Lingkungan konsultasi digunakan oleh pengguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan dan nasihat dari Sistem Pakar layaknya berkonsultasi dengan seorang pakar. Gambar 2 menunjukkan komponen-komponen yang penting dalam sebuah Sistem Pakar (T. Sutojo, et al, 2011b).
Gambar 2. Komponen-Komponen Penting Dalam Sistem Pakar 2.4 Teknik Representasi Pengetahuan Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan ke dalam sebuah sistem pakar. Representasi dimaksud untuk menangkap sifat-sifat penting masalah dan membuat informasi itu dapat diakses oleh prosedur pemecahanya masalah (Kusrini, 2006c) Setiap rule terdiri dari dua bagian, yaitu bagain IF disebut eviedence (fakta-fakta) dan bagian THEN disebut hipotesis atau kesimpulan. Syntax Rule adalah : IF E then H E : eviendece (fakta-fakta) yang ada H : Hipotesis atau kesimpulan yang dihasilkan Secara umum, rule mempunyai evidence lebih dari satu yang dihubungkan oleh kata penghubung AND atau OR, atau kombinasi keduanya. Tetapi sebaiknya biasakan menghindari penggunaan AND dan OR secara sekaligus dalam satu Rule. 2.5 Sistem Inferensi Forward Chaining dan Backward Chaining Mesin infrensi merupakan otak dari sistem pakar, berupa perangkat lunak yang melakukan tugas inferensi penalaran sistem pakar, biasa dikatakan sebagai mesin pemikir 41
Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
(Thing Medicine). Pada prinsipnya mesin inferensi inilah yang akan mencari solusi dari suatu masalah . konsep yang biasanya digunakan untuk mesin inferensi adalah runut balik, yaitu proses penalran yang berawal dari tujuan yang diinginkan, menulusuri faktafakta yang fakta-fakta yang mendukung untuk mencapai tujuannya. Selain itu juga dapat menggunakan runut maju, yaitu proses penalaran yang bermula dari kondisi yang diketahui menuju tujuan yang diinginkan (Sri Hartati dan Sari Iswanti, 2008a) 2.5.1 Forward Chaining Forward chaining adalah teknik pencarian yang dimulai dengan fakta yang diketahuai, kemudian mencocokkan faktafakta tersebut dengan bagian IF dari Rule IFTHEN. Bila ada fakta yang cocok dengan bagian IF, maka rule tersebut dieksekusi. Bila sebuah rule dieksekusi, maka sebuah fakta baru (bagian THEN) ditambahkan ke dalam database. Setiap kali pencocokan, dimulai dari rule teratas. Setiap rule hanya boleh dieksekusi sekali saja. Proses pencocokan digunakan adalah Depth-Firsh Search (DFS), Breadth-Firsh Search (T. Sutojo, et al, 2011c).
memperlihatkan bagaimana proses pencarian dengan teknik DFS.
Gambar 3. Pencarian Dengan Teknik Depth-First Search (DFS) 2.7 Tabel Keputusan Tabel Keputusan merupakan suatu cara untuk mendokumentasikan pengetahuan. Tabel keputusan merupakan matrix kondisi yang dipertimbangkan dalam mendeskripsian kaidah. Tabel 2. merupakan suatu bentuk tabel keputusan. Tabel 2. Tabel Keputusan Kondisi 1 (goal1) Kondisi 2
2.5.2 Backward Chaining Backward Chaining atau Runut balik merupakan proses perunutan yang arahnya kebalikan dari runut maju (forward Chaining). Proses penalaran runut balik dimulai dengan tujuan atau goal kemudian merunut balik kejalur yang akan mengarahkan ke goal tersebut, mencari bukti-bukti bahwa bagian kondisi terpenuhi (Sri Hartati dan Sari Iswanti, 2008b). Dapat disimpulkan bahwa Backward Chaining adalah metode inferensi yang bekerja mundur kearah kondisi awal. Proses diawali dari goal(yang berada bagian THEN dari rule IF-THEN), kemudian pencarian mulai dijalankan untuk mencocokkan apakah fakta-fakta yang ada cocok dengan premispremis di bagian IF. Jika cocok Rule dieksekusi, Kemudian Hipotesis bagian Then ditempatkan di basis data sebagai fakta baru. 2.6 Teknik Pencarian Mendalam Pertama (Depth-First Search) Sebagai Penelusuran Data Pada Depth-Firsh Search, proses pencarian akan dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel. Pencarian dimulai dari node akar ke level yang lebih tinggi, proses ini diulangi terus sampai ketemu goal. Pada Gambar 3.
Implementasi Sistem Pakar Untuk . . .
ISSN : 2356-0010
Kondisi 3
(goal1)
(goal 2) (goal 2)
Kaidah yang disajikan dalam bentuk kaidah produksi disusun dari tabel keputusan (di bentuk dari pengubahan tabel keputusan). Sebagai contoh perhatikan pembuatan kaidah 1. pertama, lihat goal 1 merupakan konklusi dari kaidah 1. Konklusi ini akan dapat dicapai bila kondisi- kondisi yang mendukung terpenuhi. Kedua, tanda centang () pada kolom dibawah goal 1 menunjukkan kondisi mana yang harus dipenuhi untuk mencapai konklusi tersesebut. Pada goal 1, terlihat tanda centang berada pada kondisi 1 dan kondisi 2. Ketiga, pembutan kaidah 1 menggunakan goal dan kondisi yang telah diperoleh dari langkah 1 dan 2, seperti berikut ini : Kaidah 1 : Goal 1 if Kondis 1 AND Kondisi 2 Kaidah 2 dapat diproleh dengan cara yang sama : Kaidah 2 : Goal 2 IF Kondisi 2 AND Kondisi 3 3.
ANALISA DAN PERANCANGAN SISTEM 3.1 Analisis Kebutuhan Sistem Pada sistem pakar yang mendiagnosis penyakit ayam, dimulai dengan pembuatan 42
Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
sebuah basis pengetahuan. Pengetahuan yang berasal dari pakar tersebut dipresentasikan kedalam bentuk-bentuk satuan pengetahuan. Proses inferensi yang digunakan pada deteksi kerusakan pada sistem kemudi adalah pelacakan maju (Fordward Chaining). Proses penalaran dimulai dari sekumpulan data yang menuju pada suatu kesimpulan seperti yang terlihat pada table 3. Di bawah ini : Tabel 3 Data Fakta Penyakit dan Gejala Pada Diagnosa Produktivitas Ayam No Penyakit Gejala 1 Tetelo - Lesu - Kurang bergairah Nafsu makan bergairah 2 Gumburo -Diare -Gemetar dan sukar berdiri -Bulu disekitar anus 3 Cacar - Suhu tubuh tinggi - Kotoran encer 4 Batuk - Mata berair - Malas bergerak Darah - Getah radang 5
Bronchitis
6
Marek
7
Snot/Pilek
8
Kolera
- Batuk - Bersin - Sesak nafas Ngorok mengeluarkan lendir - Jengger pucat - Kelumpuhan pada sayap - Kebutaan Keluar lendir kekuninganencer dari hidung Terdapat kerak disekitar lubang hidung Mata tertutup sebagian - Mati mendadak - Demam - Sesak nafas
3.2 Perancangan Sistem Pakar Adapun desain pada sistem pakar adalah mendiagnosa faktor-faktor yang perlu diperhatikan untuk setiap fase perkembangan ayam pedaging sehingga dapat meningkatkan produktivitas ayam pedaging. Pada bab ini juga diuraikan analisis dan desain sistem pakar, yang meliputi : desain sistem, penyajian fakta-fakta dan aturan, algoritma pencarian diagnosa fakta-fakta yang perlu diperhatikan untuk setiap fase perkembangan serta desain antar muka pemakai. 3.3 Desain Arsitektur Sistem Implementasi Sistem Pakar Untuk . . .
ISSN : 2356-0010
Desain arsitektur sistem pakar dalam diagnosa produktivitas ayam pedaging berdasarkan macam-macam penyakit ayam pedaging dan gejala yang harus diperhatikan pada setiap penyakit, gejala yang harus diperhatikan dan uraian dari tiap fase telah ditentukan oleh pakar di bidang peternakan berdasarkan literatur bukunya dan dapat dilihat pada Gambar 4. di bawah ini :
Gambar 4.1. Desain Arsitektur Sistem Pakar 3.4
Perancangan Basis Pengetahuan (Knowledge Base) Untuk mendukung penalaran diagnosis produktivitas ayam terhadap penyakit ayam, maka pengetahuan yang diperoleh dari pakar dapat dipresentasikan dalam bentuk pohon keputusan yang terlihat pada Gambar 5.
Gambar 5. Pohon Keputusan Adapun fakta yang memprediksi diagnosa produktivitas ayam pedaging berdasarkan penyakit ayam dan gejala-gejala yang harus diperhatikan pada setiap penyakit : 1. Data Penyakit Ayam
Kode
Tabel 4. Tabel Penyakit Ayam Nama Penyakit
P001 P002
Tetelo Gumboro 43
Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
P003 P004 P005 P006 P007 P008 2.
ISSN : 2356-0010
Cacar Batuk Darah Bronchitis Marek Snot/Pilek Kolera
Data Gejala Penyakit Tabel 5. Data Gejala Penyakit Ayam
3.5
Cara Representasi Pengetahuan Representasi pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Dari kombinasi data gejala yang menjadi penyebab penyakit, maka dapat disimpulkan ada 14 aturan atau rule yang bisa dijelaskan dengan Tabel 6 sebagai berikut. Dari kombinasi data gejala yang menjadi penyebab penyakit, maka dapat disimpulkan ada 14 aturan atau rule yang bisa dijelaskan dengan Tabel 6. sebagai berikut : Tabel 4.4. Daftar Aturan Diagnosa
3.6 Mesin Inferensi Mesin inferensi adalah bagian sistem pakar yang melakukan penalaran dengan menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu selama proses konsultasi mesin inferensi menggunakan strategi forward chaining. Dimana penelusuran akan dimulai dari pengecekan macam-macam penyakit, gejala dan solusi yang direkomendasikan. Forward chaining digunakan untuk menguji fakta-fakta yang dijawab pengguna dengan aturan yang telah dismpan dalam sistem satu demi satu hingga dapat diambil suatu kesimpulan dan menentukan fakta-fakta yang akan ditanyakan kepada pengguna. 3.7 Database Sebelum melakukan perancangan tabel yang akan dibuat, maka terlebih dahulu dilakukan perancangan untuk penentuan basis data, pada rancangan ini akan memperlihatkan hubungan atau relasi antara beberapa entitas yang akan digunakan. Entity Relational Diagram (ERD) dari entity–entity dibawah ini akan diimplementasikan ke dalam tabel-tabel beserta relasi yang digunakan dapat dilihat pada Gambar 6. penyakit *Kd_penyakit Nama_Penyakit kesimpulan
gejala *id_gejala nama_gejala Kd_Penyakit go
Gambar 6. Entity Relationship Diagram (ERD) 3.8 Implementasi Sistem
Implementasi Sistem Pakar Untuk . . .
44
Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
Setelah merancang database, selanjutnya dirancang antar muka (Interface) sistem, yaitu form-form yang dibutuhkan didalam pembuatan program dengan menggunakan Bahasa Pemograman Java netbeans 6.9. Form-form yang dirancang dilengkapi dengan tombol-tombol operasi (Save, Delete, Edit, Cancel dan Exit). Beberapa form dilengkapi dengan DataGrid untuk menampilkan datadata yang sudah tersimpan di dalam database. 3.8.1 Form Menu Login Pada sistem pakar diagnosa Produktivitas ternak ayam ras pedaging terdapat dua lingkungan, lingkungan pengguna umum dan lingkungan pakar. Jika user masuk menggunakan lingkungan pengguna umum maka tidak dibutuhkan password tapi pengguna umum dibatasi hak aksesnya dalam menggunakan program sistem pakar. Adapun tampilan form menu login dapat dilihat pada Gambar 7.
ISSN : 2356-0010
Gambar 8. Input Data Penyakit 2. Form Input Gejala yang Ditimbulkan Form untuk menginput gejala-gejala yang harus diperhatikan pada tiap penyakit ayam, setiap penyakit mempunyai gejalagejala yang harus diperhatikan. Desain input data gejala dapat dilihat pada Gambar 9.
Gambar 7 Form Login 3.8.2 Form Menu Utama Masing-masing menu mempunyai fungsi sebagai berikut : 1. Pada manu pakar akan mengolah datadata penyakit dan gejala-gejala yang ditimbulkan untuk mendiagnosa produktivitas ternak ayam ras pedaging, maka digunakan menu diagnosa yang terdiri dari input yang berisi form input penyakit, input data gejala-gejala yang ditimbulkan. 2. Menu diagnosa yaitu menu yang berisi tentang diagnosa produktivitas ternak ayam ras pedaging.
1. Form Input Penyakit Form Input fase pertumbuhan adalah form untuk menginput data penyakit ayam, data penyakit ayam ada 10 jenis. Jika pakar membutuhkan penambahan data penyakit ayam bisa diinputkan di form input penyakit ayam. Form input data penyakit ayam dapat dilihat pada Gambar 8. Implementasi Sistem Pakar Untuk . . .
Gambar 9. Fom Input Data Gejala yang Ditimbulkan 3. Form Diagnosa Produktivitas Ayam Terhadap Penyakit Form diagnosa merupakan form inti untuk pengolahan data untuk menghasilkan sebuah diagnosa. Langkah pertama untuk mengimplementasikan Form Diagnosa ini adalah dengan memasukkan nama peternak yang akan dianalisa, kemudian akan tampil pertanyaan satu persatu, dan dibawah pertanyaan terdapa 2 option button untuk menentukan pilihan Ya atau Tidak. Jika tombil iya atau tidak sudah dipilih dengan cara mengkilikmakan dengan otomatis pertanyaan ke dua akan muncul. Tombol cek hasil digunakan untuk menampilkan kesimpulan diagnosa terakhir dari sistem setelah semua pertanyaan dijawab seperti yang terlihat pada Gambar 10.
45
Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1, Juni 2015
3.
Gambar 10 Form Diagnosa Produktivitas Ternak Ayam Terhadap Penyakit 3.9 Analisa Hasil Pengujian Hasil dari analisa dignosa produtivitas ternak ayam terhadap penyakit ini menghasilkan sebuah informasi tentang penyakit ayam yang telah dianalisa dengan menjawab beberapa pertanyaan yang muncul di form diagnosa, seperti contoh pada gambar 10 ibu Rima Nastiti telah menjawab semua pertanyaan dengan yang sesuai dengan keadaan ayam, maka dapat dilihat hasil analisa diagnosa produktivitas terhadap penyakit ayam menghasilkan ayam bapak hadi disarankan vaksinasi secara teratur telah menjawab semua pertanyaan, dan hanya beberapa pertanyaan yang cocok dengan keadaan ayamnya saat ini, maka dapat dilihat hasil diagnosa diagnosa produktivitas terhadap penyakit ayam. 4. KESIMPULAN Kesimpulan yang dapat diambil dari pembuatan sistem pakar dalam produktivitas ternak ayam terhadap penyakit : 1. Perangkat lunak yang dirancang dengan rule-based expert system digunakan untuk menganalisa penyakit dan gejala-gejala yang ada dalam berternak ayam ras pedaging. Sehingga dapat membantu user atau dalam hal ini peternak ayam ras pedaging memberikan solusi pemecahan masalah secara tepat dan cepat.. 2. Teknik pengolahan data dilakukan dengan menyimpan data ke dalam database yaitu data penyakit dan data gejala, selanjutnya dari database penyakit dan data gejala tersebut didiagnosa menggunakan program dan diproleh saran kritria yang benar untuk menghasilkan saran dari gejala-gejala penyakit ayam. Implementasi Sistem Pakar Untuk . . .
ISSN : 2356-0010
Perangkat lunak Sistem Pakar diagnosa produktivitas ternak ayam ras diimplementasikan dengan Java Netbeans 6.9, menampilkan menumenu sederhana sehingga dapat digunakan oleh siapapun yang membutuhkannya, baik itu oleh peternak, masyarakat umum, lembaga atau individu karena cara menggunakannya sangat mudah tidak perlu menguasai keahlian khusus tentang komputer.
DAFTAR REFERENSI Arhami, Muhmaad (2005), “Konsep Dasar Sistem Pakar”, Andi, Yogyakarta. Asabere, Nana Yaw (2012), “mMES: A Mobile Medical Expert System for Health Institutions in Ghana” Chee Fai, Tan (2007), “An Expert Fault Diagnosis System For AutoWire Bond Machine” Kusrini (2006),” Sistem Pakar Teori dan Aplikasi”, Andi,” Andi Yogyakarta. Kusumawati, Sri (2003), ”Artificial Intelegence Teknik dan Aplikasinya”, Graha Ilmu, Yogyakarta. M.S.Josephine et al (2012), "Expert System and Knowledge Management for Software Developer in Software Companies “ Nastiti, Rima (2012), ”Menjadi Milyarder Budidaya Ayam Broiler”, Pustaka Baru Press, Yogyakarta. Rossini, Peter (2000),” Using Expert Systems and Artificial Intelligence For Real Estate Forecasting“ Sri Hartati dan Sari iswanti (2008) ”Sistem Pakar Dan Pengembangannya”, Andi,Yogyakarta. T. Sutejo, et al(2011), ”Kecerdasan Buatan”, Andi, Yogyakarta.
46