Perancangan Sistem Pakar Dengan Metode Forward Chaining dan Certainty Factor Untuk Mendeteksi Penyakit Kelinci

Sajida, Mayang (2024) Perancangan Sistem Pakar Dengan Metode Forward Chaining dan Certainty Factor Untuk Mendeteksi Penyakit Kelinci. Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_222321047_MAYANG SAJIDA_Abstrak.pdf Download (102kB)
	Text Tesis_222321047_MAYANG SAJIDA_BAB I.pdf Download (137kB)
	Text Tesis_222321047_MAYANG SAJIDA_Daftar Pustaka.pdf Download (81kB)
	Text Tesis_222321047_MAYANG SAJIDA_Full Text.pdf Restricted to Repository staff only Download (7MB)

Abstract

Pada era teknologi saat ini pemanfaatan kecerdasan buatan atau Artificial Intelligence telah meluas ke berbagai bidang kehidupan manusia. Kecerdasan buatan memiliki cakupan yang sangat luas dan mencakup berbagai aplikasi salah satunya adalah sistem pakar. Sistem pakar merupakan salah satu cabang dari Artificial Intelligence yang dirancang untuk meniru kemampuan dan pengetahuan seorang pakar dalam suatu bidang tertentu yang mempunyai tujuan untuk membuat keputusan yang tepat dan berbasis pengetahuan tersebut. Konteks dunia medis khususnya dalam diagnosis penyakit pada hewan, sistem pakar dapat dimanfaatkan untuk mendiagnosis berbagai penyakit berdasarkan gejala-gejala yang dialami oleh kelinci. Sistem ini dirancang untuk mengidentifikasi 6 jenis penyakit seperti Scabies, Gastroenteritis, Radang Telinga, Radang Mata, Hipocalcium dan Pneumonia, melalui analisis terhadap 24 gejala yang terkait. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah sistem pakar yang menggunakan metode Forward Chaining (FC) dan Certainty Factor (CF) sebagai teknik utama dalam mendeteksi penyakit pada kelinci. Penelitian ini mengembangkan sistem pakar berbasis online yang dirancang khusus untuk membantu para pemilik kelinci dalam proses diagnosis penyakit yang mungkin diderita oleh kelinci mereka. Sistem ini dibangun dengan tujuan untuk memberikan tingkat kepastian yang tinggi pada hasil diagnosis yang berkaitan dengan penyakit berbahaya pada kelinci. Indikator diagnosis didasari oleh gejala yang didapatkan berdasarkan riwayat diagnosis serta nilai probabilitas mengacu kepada nilai yang diberikan oleh pakar. Berdasarkan pengujian kinerja metode CF dan FC dalam diagnosis mendapatkan tingkat akurasi sebesar 90% berdasarkan data uji. Dengan akurasi tersebut, maka penelitian ini dapat dikatakan berhasil dalam melakukan deteksi penyakit pada kelinci. Kata kunci: Artificial Intelligent, Sistem Pakar, Forward Chaining, Certainty Factor, Kelinci

Actions (login required)

View Item