Critical Review : Sistem Pakar Penentuan Jenis Penyakit Ayam dengan Metode Forward Chaining Berbasis Android

Judul : Sistem Pakar Penentuan Jenis Penyakit Ayam dengan Metode Forward Chaining Berbasis Android

Pengarang : Fida Wiji Lestari

1.    Field Establishment

Kebutuhan informasi tentang penyakit ayam petelur saat ini sangat dibutuhkan, hal ini biasanya terjadi pada daerah yang jauh dari pemukiman, salah satunya peternak ayam petelur yang berlokasi di pedesaan yang jauh dari perkembangan teknologi, jauh dari dokter spesialis ayam atau ahli dan pakar yang ada di lingkungan sekitar. Salah satu peternakan tersebut ada di Desa Kidal, Kecamatan Tumpang. Dari permasalahan tersebut, mempunyai sebuah solusi yaitu media bantu berupa aplikasi layanan untuk mendiagnosa penyakit ayam berbasis android, yang dapat memberikan solusi untuk menangani permasalahan.

2.    Cara Penanganan

Pada aplikasi ini user dapat mendiagnosa melalui gejala – gejala untuk tau penyakit yang diderita ayam. Dengan penerapan metode Forward Chaining perhitungan dilakukan dengan mudah karena dimulai dengan mencocokkan gejala yang di inputkan dengan rules penyakit yang ada, kemudian dihitung dengan rumus probalitas.

3.    Metode

Aplikasi ini menggunakan algoritma forward chaining. Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.

4.    Solusi

Aplikasi ini memiliki beberapa menu pilihan pada menu utamanya, yang berupa: Diagnosa, Data Penyakit, Bantuan, Tentang, dan Keluar. Pada menu “Diagnosa” terdapat beberapa check box mengenai gejala-gejala pada penyakit ayam, ketika sudah memilih beberapa gejala langkah selanjutnya adalah mencari tahu penyakit yang diderita ayam dengan menekan tombol “Proses”. Pada menu “Data Penyakit” berisi tentang penyakit-penyakit yang menderita ayam beserta penjelasan penyakit dan cara penanggulangannya. Pada menu “Bantuan” berisi tentang informasi bantuan penggunanaan menu-menu pada aplikasi tersebut. Menu “Tentang” hanya menampilkan informasi-informasi tentang pembuat aplikasi tersebu.

5.    Evaluasi

·      Perlu adanya admin agar user dapat memberikan feedback untuk konsultasi penyakit ayam.

·      Bisa diterapkan di multiplatform, agar tidak terbatas pada android saja.

·      Pada aplikasi ini terdapat 17 macam penyakit pada ayam secara umum, dapat dikembangkan untuk penyakit yang lebih detail lagi.

6.    Kontribusi

Dengan adanya aplikasi Diagnosa Ayam ini dapat membantu memudahkan user untuk melakukan proses pendiagnosaan pada ayam, namun begitu sistem pakar ini tidak berarti menggantikan dokter, tetapi hanya membantu dalam mengkonfirmasikan keputusannya.

Daftar Pustaka:

Lestari, Fida Wiji. 2017. Sistem Pakar Penentuan Jenis Penyakit Ayam dengan Metode Forward Chaining Berbasis Android. https://www.researchgate.net/. Diunduh pada tanggal 26 November 2018.

Link unduh:

https://www.researchgate.net/publication/318722084_Sistem_Pakar_Penentuan_Jenis_Penyakit_Ayam_dengan_Metode_Forward_Chaining_Berbasis_Android

"Si Mesin Cerdas" yang Berpotensi Melebihi Kecerdasan Otak Manusia dan Mendominasi Dunia Teknologi

Teknologi sudah berkembang secara pesat. Dan dunia teknologi saat ini sudah mengenal dengan istilah Artificial Intelligence (Kecerdasan Buatan). Artificial Intelligence (AI) merupakan kecerdasan yang diberikan/ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah. Pada masa ini kita sudah sering melihat robot-robot yang mulai diciptakan dengan artificial intelligence, yang mana mereka sudah bisa beroperasi sendiri tanpa bantuan manusia. Manusia berlomba-lomba menciptakan sistem dengan kecerdasan buatan. Memotivasi kebanyakan orang untuk membuat sistem yang lebih canggih dari yang sudah ada.

Lalu, mampukan manusia membuat mesin yang lebih cerdas dari mereka sendiri?

Untuk saat ini, manusia belum mampu menciptakannya. Namun di masa depan tidak menutup kemungkinan hal itu akan terjadi. Kejadian tersebut mungkin sudah sering kita lihat pada buku maupun film bertema fiksi ilmiah. Teknologi sendiri kian berkembang seiring zaman, berevolusi menjadi lebih canggih kian waktu. Begitu pun dengan kecerdasan buatan, manusia mungkin saja membuat sistem dengan kecerdasan buatan yang mirip dengan otak manusia, yaitu dengan karakteristik “belajar dan berkembang”, atau bisa kita kenal dengan istilah machine learning. Suatu mesin yang mempunyai karakteristik belajar dan berkembang mungkin bisa menyamai atau mungkin melebihi kecerdasan dari otak manusia.

Fikriya, Irawan, dan Soetrisno (2017) dalam jurnal berjudul “Impelementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital” menjelaskan machine learning adalah salah satu disiplin ilmu dari computer science yang mempelajari bagaimana membuat komputer atau mesin mempunyai suatu kecerdasan. Agar mempunyai suatu kecerdasan, komputer atau mesin harus dapat belajar. Dengan kata lain machine learning adalah suatu bidang keilmuan yang berisi tentang pembelajaran komputer atau mesin untuk menjadi cerdas.

Mesin yang cerdas sudah banyak ditemukan saat ini. Sebagai contoh, Google Assistant pada handphone android. Personal assistant pada handphone android ini mempunyai kecerdasan yang mengaggumkan, voice recognition, command voice, dan banyak lagi kegunaannya. Selain itu, banyak sekali ditemukan mesin cerdas lainnya. Banyak mesin yang sudah menggunakan kecerdasan buatan saat ini. Seperti mobil dengan mekanisme keamanan otomatis, yang bisa berhenti dan mematikan mesin seketika saat mobil tersebut hendak menabrak sebuah objek pada kecepatan yang signifikan. Atau air conditioner (AC) yang bisa mengatur suhu dengan melihat jumlah orang dalam suatu ruangan, dan ketika ruangan tidak ada seseorang maka ia akan melakukan shutdown secara otomatis, menjadikannya hemat daya.

Penggunaan machine learning bahkan sudah mulai diterapkan dalam dunia medis, seperti pengimplementasian Extreme Learning Machine (ELM) untuk mendiagnosa penyakit diabetes mellitus. Pangaribuan (2016) dalam jurnal yang berjudul “Mendiagnosis Penyakit Diabetes Melitus Dengan Menggunakan Metode Extreme Learning Machine” menjelaskan permasalahan yang diangkat bagaimana mendiagnosis penyakit diabetes melitus dengan menggunakan metode ELM dengan hasil yang akurat dibandingkan dengan metode backpropagation. Tujuan penelitian ini adalah implementasi ELM untuk diagnosis penyakit diabates melitus serta menganalisis keakuratan hasil diagnosis. Data yang sudah dikumpulkan dari UC Irvine Machine Learning Repository akan diuji dan selanjutnya membangun model diagnosis menggunakan ELM dengan tool MATLAB

Namun begitu, terlepas dari keberadaan kecerdasan buatan, sistem masih diprogram oleh manusia, dimaintenance oleh manusia, dan diperbaiki oleh manusia. Namun dalam operasinya, ada beberapa mesin dengan kecerdasan buatan yang mampu bekerja otomatis tanpa campur tangan manusia. Seperti contoh dari air conditioner (AC) yang sudah disebutkan di atas. Contoh lainnya adalah e-toll yang bisa membuka palang pintu secara otomatis. Dulu ketika kita berpergian menggunakan jalan tol, kita harus membayar dan proses tersebut masih ditangani oleh manusia. Namun sekarang, kita hanya perlu menggunakan e-toll card dan menempelkannya kepada mesin dan palang pintu langsung terbuka secara otomatis.

Penggunaan kecerdasan buatan lainnya bisa dilihat pada sekolah yang sudah menetapkan sistem absensi menggunakan finger print. Dulu absensi masih di atas kertas dan dilakukan secara manual. Namun sekarang dengan penggunaan finger print, kehadiran siswa dapat terekam otomatis di dalam basis data. Namun begitu, pengecekan data dan maintenance database serta interface masih dilakukan oleh guru, menyatakan bahwa sistem tersebut masih diperlukan kontrol dan tidak bisa sepenuhnya lepas dari manusia.

Saat ini tidak semua sistem sepenuhnya lepas tangan dari kontrol manusia. Keberadaan mesin yang bisa bekerja di bawah kontrol manusia memang masih belum mendominasi, namun tidak menutup kemungkinan bahwa mekanisme tersebut akan diterapkan secara menyeluruh.

Sumber:

Fikirya, Zulfa Afiq; Irawan, Mohammad Isa dan Soetrisno. 2017. Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital. Jurnal Sains Dan Seni ITS Vol. 6, No.1.

Pangaribuan, Jefri Junifer. 2016. Mendiagnosis Penyakit Diabetes Melitus Dengan Menggunakan Metode Extreme Learning Machine. Jurnal ISD Vol.2 No.2. ISSN : 5285114. https://ejournal.medan.uph.edu. Diunduh tanggal 29 Oktober 2018.