Pengembangan Sistem Pakar Penyakit Ayam Berbasis Web

Presentasi berjudul: "Pengembangan Sistem Pakar Penyakit Ayam Berbasis Web"— Transcript presentasi:

1 Pengembangan Sistem Pakar Penyakit Ayam Berbasis Web
Noven Himan Huji G Pembimbing: Dr.Ir. Sri Nurdiati, M.Sc. Toto Haryanto, S.Kom.

2 Latar Belakang Dalam usaha untuk meningkatkan produktivitas ternak ayam, ada beberapa kendala yang perlu diperhatikan. Kendala ini salah satunya adalah Penyakit. Membangun sistem pakar penyakit ayam berbasis web. Sistem ini merupakan kelanjutan dari penelitian sebelumnya yang telah dilakukan oleh Haryanto (2006). Memiliki keterbatasan: Berbasis desktop. Belum terdapat database. Pembagian user. Penentuan representasi fungsi keanggotaan himpunan fuzzy dalam membangun suatu sistem adalah hal yang bersifat subjektif dan tergantung juga dari domain himpunan fuzzy (Voloshin. G, 2002).

3 Tujuan Membangun Sistem Pakar Penyakit Ayam Berbasis Web sebagai kelanjutan pengembangan dari penelitian sebelumnya masih berbasis desktop. Mengetahui pengaruh perubahan fungsi keanggotaan variabel input pada hasil defuzzifikasi.

4 Ruang Lingkup Sistem yang dikembangkan berbasis web.
Menerapakan inferensi fuzzy Mamdani dari data gejala fuzzy . Menggunakan tabel keputusan dalam melakukan penarikan kesimpulan dari gejala non fuzzy (klinis) penyakit ayam.

5 Manfaat Penelitian ini diharapkan dapat membantu proses diagnosis penyakit ayam sekaligus memberikan informasi tentang penyakit ayam melalui suatu web sehingga mempermudah para peternak ayam dalam mencari informasi seputar penyakit pada ayam.

6 Tinjauan Pustaka Sistem Pakar adalah suatu sistem berbasis pengetahuan yang terpadu di dalam suatu sistem informasi dasar yang ada, sehingga memiliki kemampuan untuk memecahkan berbagai masalah layaknya seorang pakar (Marimin, 2002).

7 Penyakit Ayam Flu burung (Avian Influenza / AI) ->virus orthomyxovirus. Tetelo (Newcastle Diseases / ND) ->virus Paramixovirus. Laryngotracheitis Infectiosa (ILT)->virus Herpa.

8 Tinjauan Pustaka(lanjutan…)
Crisp input Fuzzy Inference Fuzzification “antecedent” Rules “consequent” Defuzzification Crisp Output Result

9 Fuzzy Inference System Mamdani
B’ A1 A2 B1 B2 C1 C2 C’ x is A’ y is B’ z is C’ w1 w2 X Y Z T-norm

10 Metode Penelitian Metode System Development Life Cycle / SDLC
Investigasi sistem Analisis sistem Desain sistem Implementasi sistem Pemeliharaan sistem (O’Brien, 1999 )

11 Investigasi Sistem Merupakan tahap untuk mendefinisikan dan menganalisa serta mengembangkan kekurangan dan keterbatasan sistem yang terdapat pada penelitian sebelumnya.

12 Analisis Sistem Analisis fungsi dan proses sistem.
Akuisisi pengetahuan. Analisis inferensi fuzzy.

13 Desain Sistem Desain database. Desain proses sistem. Desain antarmuka.

14 Implementasi Sistem Merupakan tahap untuk merealiasikan sistem berdasarkan pada desain yang dibuat Melakukan pengujian Sistem baik Fungsi sistem dan fuzzy inference system (FIS) .

15 Pemeliharaan Sistem Pada tahap ini, sistem yang telah dibuat akan dievaluasi. Tahap ini belum diikut sertakan dan dibatasi hanya sampai implementasi

16 HASIL DAN PEMBAHASAN

17 Investigasi Sistem Berbasis desktop. Belum terdapat database.
Keterbatasan sistem sebelumnya: Berbasis desktop. Belum terdapat database. Tidak ada pembagian user. Belum ada fasilitas manipulasi data penyakit dan gejala Pada tahap selanjutnya akan dirancang proses pengambilan keputusan untuk gejala non fuzzy dan gejala yang bersifat fuzzy.

18 Analisis Sistem Analisis Fungsi dan Proses Sistem :
Sistem dimodelkan menggunakan alat bantu pemodelan berupa data flow diagram (DFD). Diagram konteks sistem.

19 Analisis Sistem(Lanjutan…)
fungsi-fungsi sistem : Fungsi login dan logout admin dari sistem. Fungsi admin untuk melihat, mengubah, menghapus penyakit. Fungsi admin untuk melihat, menambah, mengubah, dan menghapus gejala klinis penyakit. Fungsi admin untuk melihat dan mengubah relasi antara penyakit dan gejalanya. Fungsi admin untuk melihat laporan penyakit. Fungsi admin untuk melihat laporan gejala penyakit. Fungsi konsultasi gejala klinis user dengan sistem. Fungsi add user. Fungsi konsultasi gejala fuzzy user dengan sistem.

20 Akuisisi Pengetahuan Gejala Penyakit AI ND ILT Pendarahan bawah kulit * Nafas sesak Bersin-bersin Batuk Diare Produksi telur menurun Eksudat kental bening Tinja berwarna kehijauan Eksudat encer bening Sempoyongan Keluar cairan berbusa dari mata Kepala bergetar Kepala berputar Pendarahan pada trakea Tinja encer putih Mati secara mendadak Nafsu makan berkurang Pada tahap ini dihasilkan Tabel keputusan yang memuat penyakit beserta gejala klinis

21 Analisis Inferensi Fuzzy
Pembuatan fuzzy inference system (FIS) dengan representasi fungsi keanggotaan variabel input yang berbeda dari penelitian sebelumya dan domain himpunan fuzzy yang tidak berubah. Hasil Output FIS ini kemudian akan dibandingkan pada penelitian sebelumnya pada tahap implementasi sistem.

22 Analisis Inferensi Fuzzy (Lanjutan…)
Warna pial Umur Ayam Angka kematian Suhu

23 Analisis Inferensi Fuzzy (Lanjutan…)
Output Inferensi Fuzzy : Mendukung penyakit Laryngotracheitis Infectiosa (M-ILT). Sangat mendukung penyakit Laryngotracheitis Infectiosa (SM-ILT). Mendukung penyakit Newcastle Disease (M-ND). Sangat mendukung penykit Newcastle Disease (SM-ND). Mendukung penyakit Avian Influenza (M-AI). Sangat mendukung penyakit Avian Influenza (SM-AI).

24 Desain Sistem Untuk gejala penyakit ayam yang bersifat fuzzy menggunakan alur penyelesaian sebagai berikut: Permasalahan nyata Representasi Bahasa Natural Fuzzifikasi front end ->Hasil output di web back end ->matlab digunakan sebagai perangkat lunak untuk penalaran dan perhitungan fuzzy Komputasi Secara Fuzzy Defuzzifikasi Solusi (Marimin, 2002).

25 Desain Sistem (Lanjutan….)
Untuk gejala klinis menggunakan Tabel keputusan yang dihasilkan pada tahap sebelumnya. Perancangan database.

26 Desain Sistem (Lanjutan….)
Desain proses sistem(DFD Level 1)

27 Desain Sistem (Lanjutan….)
Desain Antarmuka HEADER WEB FOOTER Navigasi Content

28 Implementasi Hardware: Software: Processor: AMD Turion 2.0 Ghz.
RAM: 1,5GHz Hard disk kapasitas 80GB Software: OS : Microsoft Windows XP® service Pack 2, Web server : IIS 5.0 dan Apache 2.2.4, Bahasa Pemrograman : PHP, ASP, dan Javascript, Sistem Manajemen Basis Data : MySQL , Browser : Internet Explorer dan Mozilla Firefox, Macromedia dreawever 8 dan notepad ++ sebagai editor tampilan web serta bahasa pemrograman, Matlab 7.0 sebagai perangkat lunak pembuatan Fuzzy Inference system. Web browser : Mozilla firefox 3.0.4

29 Implementasi (Lanjutan…)
Pengujian sistem untuk fungsi perangkat lunak menggunakan black box testing dan hasilnya fungsi perangkat lunak berjalan dengan baik. Pada tahap ini, akan dilihat pengaruh perubahan fungsi keanggotaan variabel input pada hasil defuzzifikasi.

30 Implementasi (Lanjutan…)
Parameter input data fuzzy Input Warna pial (warna) Umur (minggu) Angka kematian (persen) Suhu (oC) 1-10 20 30,40,50,60 43,44,45 Deskripsi warna pial ayam berdasarkan nomor 1 2 3 4 5 6 7 8 9 10

31 M-ND (1) Hasil FIS pada pengembangan SPDPPA Pial Umur/ Minggu
Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 30 40 50 43 44 45 0.31 96.63% 60 Hasil FIS pada SPDPPA Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 30 40 50 43 44 45 0.32 97.19% (1) (1) (1) (1) (2) (2) (3) (3)

32 SM-ND Hasil FIS pada pengembangan SPDPPA Hasil FIS pada SPDPPA (1) (1)
Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 60 43 44 0.43 79.27% 30 40 50 45 0.51 97.43% Hasil FIS pada SPDPPA Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 60 43 44 45 0.41 70.12% 30 40 50 72.04% 0.56 76.67% (1) (1) (2) (3) (2) (4) (3)

33 M-AI Hasil FIS pada SPDPPA (3) Hasil FIS pada pengembangan SPDPPA (4)
Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 60 43 44 45 0.63 81.74% 30 40 50 76.56% 0.64 78.46% 0.66 87.71% 0.69 99.17% 0.76 79.52% (3) Hasil FIS pada pengembangan SPDPPA Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 30 40 50 60 43 44 45 0.64 75.73% 0.68 93.42% (4) (5) (5) (6) (6) (7) (8)

34 SM-AI Hasil FIS pada pengembangan SPDPPA Hasil FIS pada SPDPPA (7) (9)
Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 30 40 50 60 43 44 45 0.84 86.03% Hasil FIS pada SPDPPA Pial Umur/ Minggu Angka mati/ (%) Suhu/ (oC) Skor rata-rata Persentase rata-rata penyakit 20 30 40 50 60 43 44 45 0.83 79.26% 0.86 92.10% (7) (9) (8) (10) (9) (10)

35 Kesimpulan & Saran Kesimpulan
Pada penelitian ini telah dikembangkan suatu sistem pakar diagnosa penyakit ayam berbasis web. Terdapat 2 proses dalam pengambilan keputusan penyakit ayam: Gejala klinis : Tabel keputusan. Gejala fuzzy : FIS yang direprensentasikan dengan fungsi keanggotaan variabel input yang berbeda dan domain himpunan fuzzy yang sama dari penelitian sebelumnya. Analisis inferensi fuzzy bertujuan untuk memperkuat keputusan yang sebelumnya dihasilkan oleh Tabel keputusan. Pengaruh perubahan fungsi keanggotaan variabel input terhadap hasil defuzzifikasi terjadi pada warna pial kelima, di mana terjadi perubahan output penyakit dari Newcastle Disease (ND) menjadi Avian Influenza (AI).

36 Saran Membuat Aplikasi berbasis web yang lebih terintegrasi.
Di buat suatu proses penunjang keputusan yang lebih baik lagi dengan melibatkan pembobotan pada gejala non-fuzzy.

37 Daftar Putaka Haryanto, T Sistem Pakar Diagnosa Penyakit Pada Ayam. Skripsi. Departemen Ilmu Komputer FMIPA IPB. Bogor. Jang, J. S. R., C.T. Sun dan E. Mizutani Neuro Fuzzy and Soft Computing. Prentice-Hall inc, New Jersey. Marimin Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. IPB Press, Bogor. O’Brien J Introduction Information System. McGraw- Hill Book Company, New York. Polana A. et all Panduan Lengkap Sukses Berternak Ayam Broiler. Agromedia Pustaka. Sutandi, U Pengembangan Sistem Pakar Fuzzy untuk Isyarat Dini pada Penyakit Ternak dengan Pendekatan Iklim. Skripsi. Departemen Ilmu Komputer FMIPA IPB. Bogor. Voloshin. G dan Gnatienko. E Fuzzy Membership Fucntions in a Decision Making Problem. Journal of Information Theories & Applications Vol.10.

38 DEMO PROGRAM

39 Terima Kasih