Penerapan Case-Based Reasoning Untuk Pendeteksian Penyakit Sapi Dengan Algoritma Naïve Bayes
DOI:
https://doi.org/10.53842/juki.v6i1.454Keywords:
Case-Based Reasoning (CBR), Penyakit Sapi, Naïve Bayes, K-Fold Cross ValidationAbstract
Sapi adalah hewan ternak paling umum di Indonesia dengan jumlah 18.610.148 ekor pada tahun 2021. Seperti hewan ternak lainnya sapi dapat terserang berbagai macam penyakit. Berdasarkan data dari Pusat Kesehatan Hewan (Puskeswan) Kayu Putih, Nusa Tenggara Timur (NTT) di tahun 2022 penyakit yang biasanya dialami oleh sapi adalah Avitaminosis, Athritis, Bloat, Malnutrisi, Hipocalsemia, Helminthiasis, Abses, Vulnus, dan Septicemia Epizootika. Penyakit-penyakit yang diderita sapi ini menjadi isu penting karena dapat membahayakan konsumen akibat tertular penyakit tersebut, khusunya di Kota Kupang yang menjadi produsen daging sapi terbanyak di NTT dengan 2.600.718 Kg pada tahun 2022. Adapun masalah lain yang dialami peternak sapi di Kota Kupang adalah kekurangan dokter hewan yang hanya berjumlah 11 orang dan harus menangani sapi dengan jumlah sebanyak 7.840 ekor pada tahun 2022. Oleh karena itu, salah satu solusi yang dapat diterapkan adalah pengembangan sebuah sistem pakar yang dapat memberikan diagnosis awal berdasarkan gejala yang diinput peternak. Sistem pakar yang dibangun pada penelitian ini adalah sistem berbasis kasus atau Case-Based Reasoning (CBR) dengan metode indexing Naïve Bayes yang dapat memudahkan peternak mendiagnosis penyakit ternak sapinya. CBR merupakan teknik pencarian solusi berdasarkan pengalaman masa lalu untuk menyelesaikan masalah di masa mendatang. Adapun tahapan yang dilakukan pada CBR adalah Retrieve, Reuse, Revise, dan Retain. Hasil pengujian sistem Case-Based Reasoning menggunakan 8-fold cross validation pada 96 data didapat rata-rata similarity 99% dengan rata-rata waktu 0,071 detik. Sistem yang dibangun berbasis web untuk memudahkan pengaksesan secara dalam jaringan oleh pengguna.
Downloads
References
"Peternakan Dalam Angka 2022," Direktorat Statistik Peternakan, Perikanan dan Kehutanan, 2022.
S. P. Faransyah, S. A. S. Mola and Y. Y. Nabuasa, "Implementasi Case Base Reasoning Menggunakan Metode Cosine Similarity Untuk Mendiagnosa Penyakit Pada Sapi," J-Icon : Jurnal Komputer dan Informatika, vol. 6, no. 2, pp. 47-52, 2018.
S. K. Pal and S. C. K. Shiu, Foundations of Soft Case-Based Reasoning, Canada: John Wiley & Sons, Inc, 2004C.
S. D. Jadhav and H. P. Channe, "Comparative Study of K-NN, Naive Bayes and Decision Tree Classification Techniques," International Journal of Science and Research (IJSR), vol. 5, no. 1, pp. 1842-1845, 2013.
S. Mulyana and S. Hartati, "Tinjauan Singkat Perkembangan Case-Based Reasoning," in Seminar Nasional Informatika 2009 UPN "Veteran" Yogyakarta, Yogyakarta, 2009.
R. L. Mantaras, D. Mcsherry, D. Bridge, D. Leake, B. Smyth, S. Craw, B. Faltings, M. L. Maher, M. T. Cox, K. Forbus, M. Keane, A. Aamodt and I. Watson, "Retrieval, Reuse, Revision And Retention In Case-Based Reasoning," The Knowledge Engineering Review, vol. 20, no. 3, pp. 215-240, 2006.
T. R. Patil and M. S. Sherekar, "Performance Analysis of Naive Bayes and J48 Classification Algorithm for Data Classification," International Journal of Computer Science and Applications, vol. 6, no. 2, pp. 256-261, 2013.
M. Ridwan, H. Suyono and M. Sarosa, "Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier," Jurnal EECCIS, vol. 7, no. 1, pp. 59-64, 2013.
A. Tversky, "Features of Similarity," Psychological review, vol. 84, no. 4, pp. 327-352, 1977.
P. Refaeilzadeh, L. Tang and H. Liu, "Cross-Validation," in Encyclopedia of Database Systems, New York, Springer US, 2009, pp. 532-538.