SISTEM DIAGNOSA PENYAKIT IKAN MENGGUNAKAN METODE CASE BASED REASONING DENGAN ALGORITMA SIMILARITAS SORGENFREI DAN K-NEAREST NEIGHBOR

Sistem Diagnosa Penyakit Ikan Menggunakan Metode Case Based Reasoning Dengan Algoritma Similaritas Sorgenfrei dan K-Nearest Neighbor Gilang Fadhillah Ramadhan a, Edy Winarno b a b Universitas Stikubank, Jalan Trilomba Juang No.1, Kota Semarang 50241, Indonesia Universitas Stikubank, Jalan Trilomba Juang No.1, Kota Semarang 50241, Indonesia INFORMASI ARTIKEL A B S T R A C T Sejarah Artikel: Diterima Redaksi: 21 Desember 2021 Revisi Akhir: 12 Januari 2022 Diterbitkan Online: 01 Maret 2022 The increasing interest in betta fish lately has triggered many people to cultivate betta fish, and the prospects for the future are quite promising every year because they always increase profits. But behind that, betta fish care is not easy because betta fish are animals that are susceptible to disease. To improve the quality of Betta fish and reduce mortality due to disease, experienced fishery experts are needed. Many cultivators are still confused in dealing with betta fish that are attacked by diseases, for that a system was created that can help betta fish farmers recognize betta fish diseases by creating an expert system. The method used is Case-Based Reasoning using the similarity algorithm Sorgenfrei and coupled with K-Nearest Neighbor. This second method and algorithm can be used to diagnose the disease from the symptoms in the database. Based on the research that has been carried out, the results of consultation by the user by selecting some of the symptoms experienced produce a similarity value of 0.8695 and the system will provide a solution according to the disease. KATA KUNCI Sistem Pakar CBR Sorgenfrei K-NN Penyakit Ikan Cupang KORESPONDENSI E-mail: 1. PENDAHULUAN Penyakit pada ikan ialah suatu permasalahan yang kerap terjadi di kalangan pembudidaya ikan. Ikan yang terjaring penyakit peradangan ataupun parasite diakibatkan oleh organisme infeksi (pemicu peradangan) semacam jamur, virus, bakteri, serta parasit [1]. Ketidakhadiran ahli ikan cupang, tempat pelayanan pakar yang jauh dari masyarakat serta kurangnya pengetahuan masyarakat tentang menjaga kesehatan ikan dapat menyebabkan fase penyembuhan menjadi lebih lama dan bahkan dapat mengakibatkan hal yang fatal bagi ikan itu sendiri. Salah satu teknologi yang sering kali dimanfaatkan dalam mendeteksi penyakit adalah Sistem Pakar. Sistem pakar atau Expert System merupakan sistem berbasis komputer yang menyerupai pengetahuan dan penalaran manusia, sehingga mampu memecahkan permasalah seperti seorang pakar. Pakar merupakan seseorang yang mempunyai penalaran, pengalaman dan kemampuan khusus di bidang tertentu. Supaya hasil diagnosa dapat akurat, system memerlukan beberapa metode dan algoritma untuk menghasilkan nilai yang tepat dan akurat [2]. Gilang Fadhillah Ramadhan Metode Case-Based Reasoning (CBR) merupakan metode pengambilan keputusan. Metode ini bekerja dengan cara memecahkan kasus baru dengan mengambil solusi dari kasuskasus sebelumnya, dan kemudian mencari tingkat kesamaan yang paling tinggi. Dan digunakannya algoritma Similaritas Sorgenfrei untuk mengenali nilai kemiripan antara permasalahan lama serta permasalahan baru. Algoritma untuk mengklasifikasikan objek bersumber pada data pendidikan yang jaraknya sangat dekat dengan objek tersebut. Permasalahan yang memiliki nilai yang sangat mendekati (yaitu k= 1) disebut algoritma K-Nearest Neighbor [3]. Dari permasalahan yang seringkali dialami oleh peternak maupun masyarakat. Dibuatlah sistem untuk memberikan informasi lebih jelas mengenai penyakit yang menyerang pada ikan cupang. Maka dari itu digunakan Case-Based Reasoning dengan Similaritas Sorgenfrei sebagai proses pemecahan persoalan baru dengan menelii permasalahan terdahulu untuk menemukan solusi. Serta algoritma K-Nearest Neighbor yang befungsi sebagai pembobotan pada tiap gejala. Sistem Diagnosa Penyakit Ikan JURNAL ILMIAH INFORMATIKA - VOL. 10 NO. 01 (2022) | ISSN (Print) 2337-8379 2. TINJAUAN PUSTAKA 2.1 Pustaka Terkait Pada sebuah penelitian mengenai sistem pakar untuk mendeteksi penyakit kucing, dalam penelitian tersebut penulis menggunakan metode Case-Based Reasoning untuk mencari nilai kemiripan penyakit antara kasus yang lama dan kasus baru sedangkan metode Certainty Factor berguna untuk menemukan nilai kepastian penyakit dengan menghitung nilai probabilitas. Dari hasil konsultasi penderita/ user, bisa disimpulkan jika dengan inputan indikasi yang berbeda-beda walaupun indikasi yang diinputkan tersebut masih dalam satu penyakit mempunyai nilai kepastian (Certainty Factor) serta kemiripan (Similarity) yang berbeda [4]. Penelitian serupa mengenai deteksi penyakit anjing, metode Case-Based Reasoning sendiri dipilih untuk menentukan nilai kemiripan antara kasus baru dengan kasus yang lama sedangkan algoritma K-NN digunakan untuk melakukan klasifikasi terhadap nilai terdekat. Kelebihan dari sistem ini adalah terdapatnya fasilitas modifikasi aturan (rule) yang berfungsi untuk selalu memperbaharui sistem oleh pakar agar dapat sesuai dengan kebutuhan [5]. | ISSN (Online) 2615-1049 Selain mengenai kesehatan atau deteksi penyakit, Case-Based Reasoning juga banyak digunakan untuk mengetahui kerusakan sebuah perangkat elektronik. Sebagai contoh penelitian mengenai kerusakan amplifier yang bertujuan untuk mengetahui kerusakan amplifier dengan mudah. Penggunaan Case-Based Reasoning dan dikombinasikan dengan K-NN untuk melakukan klasifikasi berdasar data pembelajaran terdekat. Dari hasil uji coba sebuah kasus menunjukan nilai sebesar 0.85 dan merupakan hasil yang relatif tinggi [10]. 3. METODOLOGI 3.1. Case-Based Reasoning (CBR) Case-Based Reasoning menjadi salah saru metode yang banyak digunakan dalam bidang sistem pakar. Dikarenakan cara kerja dari metode tersebut yang sangat cocok untuk menentukan membandingkan serta mencari nilai kesamaan tertinggi antar permasalahan baru pada konsultasi pengguna dengan database (Kasus Lama). Berikut merupakan gambaran dari alur kerja metode CBR ditunjukan pada Gambar 1. Penelitian mengenai diagnosa penyakit dan hama pada tanaman mangga. Penelitian tersebut bertujuan untuk memudahkan petani dalam mengetahui penyakit dan hama secara digital melalui aplikasi yang telah dibuat tanpa perlu menemui seorang pakar tumbuhan itu sendiri. Dalam sistem ini digunakan metode CaseBased Reasoning dan similarritas Sorgenfrei yang berguna untuk menentukan nilai kemiripan antara kasus yang baru dengan kasus lama yang telah ada, dan penggunaan algoritma K-NN yang berguna untuk untuk melakukan klasifikas terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek [6]. Gambar 1. Alur Kerja Case-Based Reasoning Penelitian lain dengan penggunaan metode Case-Based Reasoning dengan topik diagnosa Anoreksia Nervosa dengan menggunakan metode CBR dan Certainty factor guna untuk menemukan nilai kepastian. Proses pemberian bobot pada gejala sehingga memperoleh presentasi keyakinan guna mengidenfikasi gejala penderita anoreksia nervosa mengasilkan nilai kepastian seb (...truncated)