Putra, Andika Eka (2018) Implementasi Metode Bayesian Network Untuk Diagnosis Penyakit Kambing (Studi Kasus : UPTD Pembibitan Ternak dan Hijauan Makanan Ternak Singosari Malang). Sarjana thesis, Universitas Brawijaya.
Abstract
Faktor infeksi penyakit merupakan kendala serius yang harus diwaspadai peternak terutama bagi peternak tradisional yang tidak bergabung dalam kelompok ternak. Penanganan yang lamban dan kurang tepat, dapat membahayakan kondisi ternak. Namun jika penanganan awal dilakukan besar kemungkinan infeksi penyakit bisa ditangani, agar tidak lebih parah dan menular ke hewan kambing lainnya yang berada dalam satu kawanan. Sayangnya ketidakpastian antara gejala dengan jenis penyakit membuat peternak terhambat dalam melakukan penanganan awal, serta tidak tahu apa yang harus dilakukan tanpa adanya seorang pakar. Berlandaskan masalah tersebut, penulis membuat sebuah sistem diagnosis penyakit kambing yang mampu melakukan proses diagnosis berdasarkan pada gejala yang diidap oleh hewan kambing. Sistem diagnosis ini menggunakan metode Bayesian network, dimana tahap perhitungannya dimulai dengan mencari nilai prior probability setiap penyakit, kemudian melakukan perhitungan conditional probability terhadap gejala penyakit dan yang terakhir mendiagnosis penyakit sesuai gejala yang dimasukkan pengguna kedalam sistem dengan menghitung nilai posterior. Sistem ini dibangun pada aplikasi perangkat bergerak menggunakan platform Android sebagai user interfacenya, sedangkan proses perhitungannya menggunakan bahasa pemrograman PHP, serta database MySQL untuk menyimpan prevelensi penyakit kambing yang sudah terjadi. Sistem ini melalui proses pengujian fungsional sistem dan pengujian akurasi sistem. Pada proses pengujian fungsionalitas sistem diagnosis ini menunukkan fungsi yang ada pada sistem berjalan dengan baik. Selain itu proses pengujian akurasi sistem diagnosis penyakit kambing menggunakan metode Bayesian Network yang dilakukan dengan cara memasukkan variasi gejala oleh pakar mendapatkan hasil sebesar 86,6%.
English Abstract
Infectious disease factors are serious constraints that farmers should be aware of especially for traditional farmers who do not join livestock groups. Slow and improper handling can endanger livestock conditions. However, if the initial treatment is done, the chances of infection of the disease can be handled so as not to be more severe and contagious to other goats in a herd. Unfortunately, the uncertainty between the symptoms and the type of disease makes the farmers obstructed in the initial treatment, and do not know what to do without an expert. Based on these problems, the authors make a system of diagnosis of goat disease that is able to perform the diagnosis process based on the symptoms of goat. This diagnostic system uses Bayesian network method, the system is built on mobile device applications using the Android platform as the user interface, while the calculation process using PHP programming language, and MySQL database to store the prevalence of goat disease that has occurred. This system through the process of system functional testing and system accuracy testing. In the process of testing the functionality of this diagnostic system shows the functions that exist on the system goes well. In addition, the process of accuracy testing of goat disease diagnosis system using Bayesian Network method is done by entering the variation of symptoms by experts get the result of 86.6%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/114/051801101 |
| Uncontrolled Keywords: | Sistem diagnosis, penyakit kambing, Bayesian Network diagnosis system, goat disease, bayesian network |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 15 Nov 2018 03:53 |
| Last Modified: | 16 Oct 2021 03:34 |
| URI: | http://repository.ub.ac.id/id/eprint/13576 |
Preview |
Text
Andika Eka Putra.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |