ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika
Vol 12, No 1 (2024): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektr

Sistem Diagnosis Penyakit Kerbau menggunakan Algoritma Forward Chaining

MUHAMAD AKMAL DZAKWAN (Universitas Negeri Semarang)
SUBIYANTO SUBIYANTO (Universitas Negeri Semarang)
RIZKY AJIE APRILIANTO (Universitas Negeri Semarang)
MARIO NORMAN SYAH (Universitas Negeri Semarang)



Article Info

Publish Date
17 Jan 2024

Abstract

ABSTRAKKetergantungan peternak pada pakar atau dokter hewan karena terbatasnya pengetahuan dalam mengindentifikasi penyakit kerbau merupakan opsi yang sulit dan mahal. Dalam mengatasi hal tersebut, artikel ini menyajikan pengembangan sistem pakar diagnosis penyakit kerbau. Sistem ini diimplementasikan dalam bentuk web serta dirancang dengan mengumpulkan data tentang 17 jenis penyakit kerbau dan 49 gejala yang berkaitan. Proses diagnosis menggunakan kombinasi algoritma Forward Chaining dan Certainty Factor, yang memungkinkan sistem untuk mencocokkan gejala yang diamati dengan database penyakit kerbau menghasilkan diagnosis yang akurat. Hasil Pengujian sistem menunjukkan tingkat akurasi mencapai 100% dalam 15 kali pengujian berturut-turut. Hasil pengujian juga divalidasi oleh pakar spesialis kerbau. Kesimpulannya, sistem ini layak digunakan oleh peternak kerbau untuk mendiagnosis penyakit kerbau secara dini.Kata kunci: sistem pakar, penyakit pada kerbau, gejala, forward chaining, certainty factor ABSTRACTFarmers' reliance on experts or veterinarians due to limited knowledge in identifying buffalo diseases is a difficult and expensive option. To address the problem, this paper presents the development of an expert system for buffalo disease diagnosis. The system is implemented on the web and designed by collecting data on 17 buffalo disease types and 49 associated symptoms. The diagnosis process uses a combination of Forward Chaining and Certainty Factor algorithms, which allows the system to match observed symptoms with the buffalo disease database resulting in an accurate diagnosis. System testing results showed an accuracy rate of 100% in 15 consecutive tests. Results were also validated by buffalo specialist experts. In conclusion, the system is feasible to be used by buffalo farmers to diagnose buffalo diseases early.Keywords: expert system, buffalo diseases, symptoms, forward chaining, certainty factor

Copyrights © 2024






Journal Info

Abbrev

elkomika

Publisher

Subject

Electrical & Electronics Engineering Engineering

Description

Jurnal ELKOMIKA diterbitkan 3 (tiga) kali dalam satu tahun pada bulan Januari, Mei dan September. Jurnal ini berisi tulisan yang diangkat dari hasil penelitian dan kajian analisis di bidang ilmu pengetahuan dan teknologi, khususnya pada Teknik Energi Elektrik, Teknik Telekomunikasi, dan Teknik ...