Jurnal CyberTech Vol.
No.
September 201x, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
E-DIAGNOSA EKTOPARASIT PADA KEPITING BAKAU
(SCYLLA SERRAT) DENGAN MENGGUNAKAN
METODE TEOREMA BAYES
Dahrimal *.
Khairi Ibnutama**.
Erika Fahmi Ginting** * Sistem Informasi.
STMIK Triguna Dharma ** Sistem Informasi.
STMIK Triguna Dharma Article Info Article history:
Received Jun 12th, 201x Revised Aug 20th, 201x Accepted Aug 26th, 201x Keyword:
Teorema bayes Kepiting Bakau
Ektoparasit
Sistem Pakar
ABSTRACT
Kepiting bakau atau dikenal juga dengan nama latin Scylla Serrata merupakan salah satu jenis perikanan .
yang biasa hidup pada pantai yang ditumbuhi mangrove dan juga pantai berlumpur.
Crustasea satu ini banyak diminati didindonesia maupun luar negeri, hal ini dikarnakan kandungan protein yang tinggi dan juga rasanya yang lezat.
Namun peningkatan kebutuhan konsumsi kepiting bakau ini dapat menyebabkan kepunahan, oleh sebab itu diperlukan suatu alternatif yang dapat digunakan untuk menjaga kelangsungan hidup kepiting bakau.
Salah satu cara yang dapat dilakukan yaitu dengan cara budidaya, tapi mengingat kurang nya ilmu pengetahuan mengenai kepiting bakau ini menyebabkan kepiting bakau yang ada dalam ternak budidaya masih rentan terkena beberapa jenis Ektoparasit.
Tujuan dari penelitian ini adalah membuat sistem pakar untuk mendiagnosa Ektoparasit pada kepiting bakau menggunakan metode Teorema bayes.
Sistem pakar ini merupakan perangkat lunak berbasis web yang dapat membantu para peternak dalam mendiagnosa Ektoparasit pada kepiting Hasil dari penelitian menunjukkan bahwa Ektoparasit pada kepiting bakau memiliki gejala yang berbeda sesuai dengan karakteristik masingmasing dan metode Teorema bayes dapat digunakan untuk mendiagnosa Ektoparasit pada kepiting bakau.
Copyright A 2019 STMIK Triguna Dharma.
All rights reserved.
Corresponding Author: *M.
Dahrimal Nama : M.
Dahrimal Program Studi : Sistem Informasi STMIK Triguna Dharma Email: muhammaddahrimal56@gmail.
PENDAHULUAN
Kepiting Bakau atau Scylla Serrata merupakan salah satu komoditas perikanan (Crustace.
Hampir semua jenis kepiting bakau hidup pada pantai yang ditumbuhi mangrove, daerah yang berada dipesisir laut yang semi tertutup, dan pantai yang berperan dalam peranan ekologis lainnya seperti pantai Hal ini dikarenakan terjaminnya ketersediaan makanan dan memiliki toleransi yang luas terhadap Journal homepage: https://ojs.
faktor abiotik terutama pada salinitas dan suhu .
Kepiting Bakau banyak diminati masyarakat baik dipasaran dalam negeri maupun pasaran luar negeri, mengingat rasanya yang lezat serta kendungan protein yang tinggi hampir sama dengan crustacea lain seperti udang.
Tingginya permintaan pasar, mengakibatkan semakin tinggi tingkat eksploitasi pada crustasea satu ini, jika dibiarkan hal ini terjadi secara terus-menerus tanpa adanya penanggulangan bisa menyebabkan kepunahan/ kelangkaan.
Salah satu cara penanggulangan yang dapat dilakukan ialah membuat ternak budidaya, selain untuk menjaga kelangsungan hidup juga bermanfaat sebagai cadangan ketersediaan kepiting.
Namun pemeliharaan ternak kepiting bakau tidak lepas dari permasalahan kesehatan dan parasit yang menyerang ternak tersebut.
Apalagi perbedaan kualitas air sangat memungkinkan kepiting bakau terinfeksi oleh Ektoparasit, karna perbedaan ph, suhu dan juga Ektoparasit yang sering menyerang kepiting bakau antara lain Octolasmis sp.
Zoothamnium sp.
Carchesium sp,.
Vorticella sp.
Epistylis sp.
dan juga Vibrio sp.
Serangan Ektoparasit dalam jumlah besar dapat menyebabkan gangguan pada sistem imun, menyumbat lubang hidung/ pernapasan, gangguan kulit, serta iritasi yang mendukung terjadinya infeksi sekunder pada inang yang ditempatinya.
karena siklus hidup Ektoparasit tidak memerlukan inang perantara menyebabkan semakin cepat tingkat perkembangan serta pertumbuhannya .
Untuk menjawab masalah tersebut, maka digunakan sistem pakar.
Mengingat sistem pakar ini dapat digunakan dalam menggabungkan pengetahuan seorang pakar dengan sistem sehingga pengetahuan tersebut dapat dituangkan dalam suatu program.
Dalam pembangunan sistem pakar diperlukan suatu metode agar tercapai sesuai dengan yang diharapkan.
Maka salah satu metode yang dapat digunakan dalam mendiagnosa Ektoparasit pada kepiting bakau adalah metode Teorema bayes.
Pemilihan metode Teorema bayes karna dapat digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapatkan dari hasil observasi.
Sehingga dapat digunakan sebagai alat pengambilan keputusan untuk memperbarui tingkat kepercayaan informasi.
Dengan bantuan sistem tersebut diharapkan mampu mengidentifikasi gejala-gejala kepiting bakau sehingga melalui gejala tersebut dapat disimpulkan dan dapat memberikan solusi penanganannya.
METODE PENELITIAN
Metode penelitian merupakan tahapan-tahapan yang dilakukan untuk mengumpulkan suatu informasi yang dibutuhkan oleh seorang peneliti dalam pengembangan suatu penelitian.
Adpun tahapan-tahapan dalam metode penelitian ini sebagai berikut:
Menentukan Jenis Ektoparasit Dalam melakukan penelitian diharapkan seorang peneliti mendapatkan hasil yang diinginkan untuk kemajuan atau perkembangan suatu bidang yang diteliti.
Tabel 1.
Menentukan Jenis dan Solusi
Kode
Nama Ektoparasit
Solusi
Ektoparasit
P01
Octolasmis sp.
P02
Zoothamnium sp.
Mengganti isi air kolam dan mengatur tingkat salinitas air .
dan ph Mengatur ketinggian air (A1,5 M) Menambah oksigen didalam air dengan menggunakan bloger Persiapkan wadah pemeliharaan yang baik .
esinfeksi dan sumber air yang bebas mikroorganisme penempe.
Mengurangi kadar bahan organik terlarut dan meningkatkan frekuensi penggantian air baru.
Menyesuaikan kapasitas muatan isi Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
P03
Carchesium sp.
P04
Vorticella sp.
P05
Epistylis sp.
P06
Vibrio sp.
memisahkan kepiting yang terkena penyakit dengan yang belum .
isalnya penambahan vitamin c pada Pemberian ekstrak daun bakau sebagai penembah nafsu makan.
Merangsang proses ganti kulit melalui manipulasi parameter kualitas air yang merupakan faktor determinan Pemberian ekstrak daun bakau sebagai penembah nafsu makan.
Merangsang proses ganti kulit melalui manipulasi parameter kualitas air yang merupakan faktor determinan pemberian unsur .
isalnya penambahan vitamin c pada paka.
secara rutin selama pemeliharaan.
Menggunakan ekstrak daun bakau atau dengan menggunakan ekstrak daun nipah yang berfungsi sebagai antibiotik pada kepiting bakau Menambahkan oksigen dalam air Menetukan Gejala Gejala Ektoparasit pada kepiting bakau merupakan tanda-tanda yang dialami kepiting bakau yang terkena suatu penyakit.
Tabel 2.
Menentukan Gejala
Kode
Ektoparasit
Nama Ektoparasit
Nama Gejala
Mempengaruhi proses respirasi
Perubahan warna insang yaitu hitam dan putih
Denyut nadi dan bailer meningkat Tubuh Lemas serta mengeluarkan gelembung
P01
Octalasmis sp.
Kepiting mengalami stress.
Dengan ciri-ciri: Berenang berputar-putar, cendrung posisi melayang dalam air Adanya organisme yang menyerupai kecambah pada Cenderung berada didasar perairan P02 Zoothamnium sp.
Mengganggu mobilitas Title of manuscript is short and clear, implies research results (First Autho.
Nafsu makan menurun Kepiting Berenang Lambat Nafsu makan menurun P03 Carchesium sp.
Gejala klinis berupa kapas pada permukaan tubuh Kesulitan saat makan Kepiting mengalami stres Nafsu makan Berkurang P04 Vorticella sp.
Kepiting Berenang Lambat Munculnya serabut tipis seperti lumut yang berwarna hijau keabuan pada bagian karapaks dan adanya bercak Mengganggu Molting larva Tubuh lemas serta mengeluarkan gelembung Berkurangnya tingkat pertumbuhan P05 Epistylis sp Mengakibatkan lesi pada epitel insang Kepiting berenang lambat Tubuh lemas serta mengeluarkan gelembung Bercak merah pada kerapaks P06 Vibrio sp.
Luka pada capit mengembang di permukaan air Menentukan Nilai Probabilitas Tabel 3.
Menentukan Nilai Probabilitas Kode
Gejala
Gejala Ektoparasit
G01
Mempengaruhi proses respirasi Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Probabilitas Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
G02
Perubahan warna insang yaitu hitam dan G03
Denyut nadi dan bailer meningkat G04
Tubuh Lemas serta mengeluarkan gelembung
G05
Kepiting mengalami stress
G06
Adanya organisme yang menyerupai kecambah pada insang
G07
Cenderung berada didasar perairan G08
Mengganggu mobilitas Nafsu makan menurun G10
Insang Mengalami pembusukan G11
Gejala klinis berupa kapas pada permukaan G12
Mengganggu molting larva
G13
Berkurangnya tingkat pertumbuhan G14
Mengakibatkan lesi pada epitel insang
G15
Kepiting berenang lambat
G16
Munculnya serabut tipis seperti lumut yang berwarna hijau keabuan pada bagian karapaks dan adanya bercak putih
G17
Kesulitan saat makan
G18
Bercak merah pada karapaks G19
Luka pada capit
G20
Mengembang dipermukaan air Menentukan Basis Aturan Ektoparasit Basis pengetahuan disajikan dalam aturan-aturan yang berbentuk pasangan keadaan aksi (Condition-actio.
AyJIKA (IF) keadaan terpenuhi atau terjadi MAKA (THEN)Ay suatu aksi akan terjadi.
Maka dibuat rulenya terlebih dahulu berdasarkan kaidah sistem pakar dengan menggunakan metode Teorema bayes, sebagai Rule 1 JIKA[Mempengaruhi DAN[Perubahan warna insang yaitu hitam dan puti.
Title of manuscript is short and clear, implies research results (First Autho.
DAN[Denyut nadi dan bailer meningka.
DAN[Tubuh Lemas serta mengeluarkan gelembun.
DAN[Kepiting mengalami stres.
DAN[Adanya organisme yang menyerupai kecambah pada insan.
MAKA[Octolasmis sp.
Rule 2 JIKA[Cenderung berada didasar peraira.
DAN[Mengganggu mobilita.
DAN[Nafsu makan menuru.
DAN[Kepiting Berenang Lamba.
MAKA[Zoothamnium sp.
Rule 3 JIKA[Nafsu makan menuru.
DAN[Insang mengalami pembusuka.
DAN[Gejala klinis berupa kapas pada permukaan tubu.
DAN[Kesulitan saat maka.
MAKA[Carchesium sp.
Rule 4 JIKA[Kepiting mengalami stres.
DAN[Nafsu makan Berkuran.
DAN[Kepiting Berenang Lamba.
DAN[Munculnya serabut tipis seperti lumut yang berwarna hijau keabuan pada bagian karapaks dan adanya bercak puti.
DAN[Mengganggu Molting larv.
MAKA[Vorticella sp.
Rule 5 JIKA[Tubuh lemas serta mengeluarkan gelembun.
DAN[Berkurangnya tingkat pertumbuha.
DAN[Mengakibatkan lesi pada epitel insan.
DAN[Kepiting berenang lamba.
MAKA[Epistylis sp.
Rule 6 JIKA[Tubuh lemas serta mengeluarkan gelembun.
DAN[Bercak merah pada kerapak.
DAN[Luka pada capi.
DAN.
engembang di permukaan ai.
MAKA[Vibrio sp.
Tabel 4.
Basis Aturan Ektoparasit
Kode Ektoparasit
Kode
Gejala
Nama Gejala
G01
Mempengaruhi G02
Perubahan warna insang
yaitu hitam dan putih
G03
Denyut nadi dan bailer
G04
Tubuh
Lemas mengeluarkan gelembung
P01
P02
P03
P04
P05
P06
Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
G05
Kepiting mengalami stress
G06
G07
G08
Mengganggu mobilitas G09
Nafsu makan menurun G10
Insang
G11
Gejala klinis berupa kapas pada permukaan tubuh
G12
Mengganggu G13
Berkurangnya G14
Mengakibatkan lesi pada epitel insang
G15
Kepiting berenang lambat
G16
Munculnya serabut tipis berwarna hijau keabuan pada bagian karapaks dan adanya bercak putih
G17
Kesulitan saat makan
G18
Bercak
G19
Luka pada capit
G20
Mengembang dipermukaan air Adanya organisme yang pada insang Cenderung berada didasar Mengalami Perhitungan Metode Teorema Bayes Teorema bayes digunakan dalam proses mengitung probabilitas terjadinya Evidence berdasarkan pengaruh yang didapatkan dari hasil observasi.
Selain itu teorema bayes memanfaatkan data sampel yang didapatkan dari populasi juga memperhitungkan suatu distribusi awal yang disebut distribusi prior.
Teorema bayes juga memandang parameter sebagai variable yang menggambarkan pengetahuan awal tentang parameter sebelum pengamatan dilakukan dan dinyatakan dalam suatu distribusi yang disebut dengan distribusi prior.
Setelah pengamatan dilakukan, informasi dalam distribusi prior dikombinasikan dengan data sampel melalui teorema bayes.
Berikut ini tabel contoh kasus:
Title of manuscript is short and clear, implies research results (First Autho.
Tabel 5.
Contoh kasus Kode
Gejala
G01
Mempengaruhi proses respirasi
G02
Perubahan warna insang yaitu hitam dan G03
Denyut nadi dan bailer meningkat Tidak G04
Tubuh Lemas serta mengeluarkan G05
Kepiting mengalami stress
G06
Adanya organisme yang menyerupai kecambah pada insang
G07
Cenderung berada didasar perairan Tidak G08
Mengganggu mobilitas Tidak G09
Nafsu makan menurun G10
Insang Mengalami pembusukan G11
Gejala klinis berupa kapas pada permukaan G12
Mengganggu molting larva
G13
Berkurangnya tingkat pertumbuhan G14
Mengakibatkan lesi pada epitel insang
G15
Kepiting berenang lambat
G16
Munculnya serabut tipis seperti lumut yang berwarna hijau keabuan pada bagian karapaks dan adanya bercak putih
G17
Kesulitan saat makan
G18
Bercak merah pada karapaks G19 Luka pada capit Nama Gejala Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jawaban Tidak Tidak Tidak Tidak Tidak Tidak Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
G20
Mengembang dipermukaan air Setelah didapat data gejala yang sering dialami para peternak, maka selanjutnya melakukan perhitungan dengan menggunakan metode teorema bayas untuk masing-masing gejala.
Perhitungannya sebagai berikut:
Mendefinisikan terlebih dahulu nilai probabilitas dari tiap evidence untuk tiap hipotesis berdasarkan data sampel yang ada menggunakan rumus probabilitas bayes.
Octalasmis sp.
G02 = P(E|HI) = 0,4
G04 = P(E|HI) = 0,5
G05 = P(E|HI) = 0,3
G06 = P(E|HI) = 0,6
Zoothamnium sp.
G09 = P(E|HI) = 0,4
G15 = P(E|HI) = 0,1
Carchesium sp.
G09 = P(E|HI) = 0,4
G17 = P(E|HI) = 0,5
Vorticella sp.
G05 = P(E|HI) = 0,3
G09 = P(E|HI) = 0,4
G15 = P(E|HI) = 0,1
G16 = P(E|HI) = 0,2
Epistylis sp.
G04 = P(E|HI) = 0,5
G13 = P(E|HI) = 0,3
G15 = P(E|HI) = 0,1
Vibrio sp.
G04 = P(E|HI) = 0,5
G18 = P(E|HI) = 0,5
G20 = P(E|HI) = 0,3
Menjumlahkan nilai probabilitas dari tiap evidence untuk masing-masing hipotesis berdasarkan data sampel, yaitu:
Octalasmis sp.
Oc ycE.
= 0,4 0,5 0,3 0,6 = 1,8 yco=4 Zoothamnium sp.
Oc ycE.
= 0,4 0,1 = 0,5 yco=2 Carchesium sp.
Oc ycE.
= 0,4 0,5 = 0,9 ya=2 Vorticella sp.
Oc ycE.
= 0,3 0,4 0,1 0,2 = 1 ya=4 Epistylis sp.
Oc ycE.
= 0,5 0,3 01 = 0,9 ya=3 Vibrio sp Oc ycE.
= 0,5 0,5 0,3 = 1,3 ya=4 Title of manuscript is short and clear, implies research results (First Autho.
Mencari nilai probabilitas hipotesis H tanpa memandang evidence apapun bagi masing-masing, yaitu:
Octalasmis sp.
G02= P(H.
= 0,22
G04= P(H.
= 0,27
G05= P(H.
= 0,16
G06= P(H.
= 0,33
Zoothamnium sp.
G09= P(H.
= 0,8
G15= P(H.
= 0,2
Carchesium sp .
G09 = P(H.
= 0,44
G17 = P(H.
= 0,55
Vorticella sp.
G05 = P(H.
= 0,3
G09 = P(H.
= 0,4
G15 = P(H.
= 0,1
G16 = P(H.
= 0,2
Epistylis sp.
G04 = P(H.
= 0,55
G13 = P(H.
= 0,33
G15 = P(H.
= 0,11
Vibrio sp.
G04 = P(H.
= 0,38
G018 = P(H.
= 0,38
G20 = P(H.
= 0,23
Mencari nilai probabilitas hipotesis memandang evidence dengan cara mengalikan nilai probabilitas evidence awal dengan nilai probabilitas hipotesis tanpa memandang evidence dan menjumlahkan hasil perkalian bagi masing-masing hipotesis, yaitu:
Octolasmis sp.
= .
,4 * 0,.
,5 * 0,.
,3 * 0,.
,6 * 0,.
= 0,469
Zoothamnium sp.
= .
,4 * 0,.
,1 * 0,.
= 0,34
Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
Carchesium sp.
= .
,4 * 0,.
,5 * 0,.
= 0,451
Vorticella sp.
= .
,3 * 0,.
,4 * 0,.
,1 * 0,.
,2 * 0,.
= 0,3
Epistylis sp.
= .
,5 * 0,.
,3 * 0,.
,1 * 0,.
= 0,385
Vibrio sp.
= .
,5 * 0,.
,5 * 0,.
,3 * 0,.
= 0,449
Mencari nilai P(H.
E) atau probabilitas hipotesis Hi benar jika diberikan evidence E, yaitu:
Octolasmis sp.
0,4 * 0,22
= 0,187
P(H.
0,469
0,5 * 0,27
P(H.
= 0,287
0,469
0,3 * 0,16
P(H.
= 0,102
0,469
0,6 * 0,33
P(H.
= 0,422
0,469
Zoothamnium sp.
0,4 * 0,8
P(H.
= 0,941
0,34
0,1 * 0,2
P(H.
= 0,058
0,34
Carchesium sp.
0,4 * 0,44
= 0,390
P(H.
0,451
0,5 * 0,55
P(H.
= 0,609
0,451
Vorticella sp.
0,3 * 0,3
P(H.
= 0,3
0,4 * 0,4
P(H.
= 0,533
0,1 * 0,1
P(H.
= 0,033
0,2 * 0,2
P(H.
= 0,133
Epistylis sp.
0,5 * 0,55
P(H.
= 0,385 = 0,714
0,3 *0,33
P(H.
= 0,385 = 0,257
0,1 * 0,11
P(H.
= 0,385 = 0,028
Vibrio sp.
Title of manuscript is short and clear, implies research results (First Autho.
0,5 * 0,38 P(H.
= = 0,423 0,449 0,5 * 0,38 P(H.
= = 0,423 0,449 0,3 * 0,23 P(H.
= 0,153
0,449
Mencari nilai kesimpulan dari Teorema bayes dengan cara mengalikan nilai probabilitas evidence awal atau P(E|H.
dengan nilai hipotesis Hi benar jika diberikan evidence E atau P(H.
E) dan menjumlahkan hasil perkalian, yaitu:
Octolasmis sp.
Oc Bayes = .
,4 * 0,.
,5 * 0,.
,3 * 0,.
,6 * 0,.
= 0,5027 Zoothamnium sp.
Oc Bayes = .
,4 * 0,941 ) .
,1 * 0,.
= 0,3822 Carchesium sp.
Oc Bayes = .
,4 * 0,390 ) .
,5 * 0,609 ) = 0,4605 Vorticella sp.
Oc Bayes = .
,3 * 0,3 ) .
,4 * 0,533 ) .
,1 * 0,.
,2 * 0,.
= 0,3331 Epistylis sp.
Oc Bayes = .
,5 * 0,714 ) .
,3 * 0,.
,1 * 0,.
= 0,4369 Vibrio sp.
Oc Bayes = .
,5 * 0,423 ) .
,5 * 0,.
,3 * 0,.
= 0,4689 Tabel 6.
Hasil Perhitungan Metode Teorema bayes Kode Ektoparasit
Nama Ektoparasit
P01
Octolasmis sp.
0,5021
P02
Zoothamnium sp.
0,3822
P03
Carchesium sp.
0,4605
P04
Vorticella sp.
0,3331
P05
Epistylis sp.
0,4369
P06
Vibrio sp.
0,4689
Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Nilai Akhir Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
Berdasarkan dari hasil perhitungan sistem pakar dengan menggunakan metode Teorema bayes diatas, maka didapat kesimpulan bahwa kepiting bakau tersebut terserang Ektoparasit jenis Octolasmis sp.
dengan nilai keyakinan sebesar 0,5021 atau 50.
ANALISA DAN HASIL
Implementasi sistem merupakan kegiatan akhir dari proses penerapan sistem, dimana sistem ini akan dioperasikan secara menyeluruh.
sebelum sisitem benar-benar bisa digunakan dengan baik, sistem harus melalui tahap pengujian analisa dan hasil terlebih dahulu untuk menjamin tidak ada kendala yang muncul pada saat sistem digunakan.
implementasi sebagai dukungan sistem analisa yaitu sebagai berikut:
Form Menu Utama Halaman Form Utama berfungsi sebagai Tampilan awal ketika membuka aplikasi.
Berikut ini adalah tampilan halaman Form Utama:
Gambar 5.
1 Tampilan Form Menu Utama Form Konsultasi Berikut ini merupakan tampilan dari form Konsultasi pada kepiting bakau sebagai berikut:
Gambar 5.
Tampilan Form diagnose Ektoparasit Title of manuscript is short and clear, implies research results (First Autho.
Tampilan form Ektoparasit Form ini berisi mengenai jenis dan juga solusi terhadap Ektoparasit.
Berikut ini tampilan dari form Ektoparasit dapat:
Gambar 5.
Tampilan Form Ektoparasit Form Informasi Tampilan dari form Informasi dapat dilihat pada gambar dibawah ini:
Gambar 5.
Tampilan Form Informasi 2 Tampilan Halaman Administator Pada form ini berisi mengenai pengaturan-pengaturan tentang aplikasi program mendiagnosa Ektoparasit pada kepiting bakau.
Form Login Halaman login digunakan khusus untuk admin/mereka yang diberikan hak akses.
Berikut ini merupakan tampilan dari form login:
Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
Gambar 5.
Tampilan Form Login Form Jenis dan Solusi Ektoparasit Berikut ini tampilan mengenai jenis dan solusi terhadap Ektoparasit yang menyerang kepiting bakau:
Gambar 5.
Tampilan Form jenis dan Solusi Form Gejala Berikut ini merupakan form mengenai gejala yang sering disebabkan oleh beberapa Ektoparasit:
Gambar 5.
Tampilan Form Gejala Title of manuscript is short and clear, implies research results (First Autho.
Form Rule/Nilai Probabilitas Form nilai probabilitas digunakan sebagai tempat memberikan nilai kepercayaan terhadap setiap gejala.
Adapun tampilan form nilai probabilitas sebagai berikut:
Gambar 5.
Tampilan Form Nilai Probabilitas Form Laporan Berikut ini merupakan tampilan form laporan:
Gambar 5.
Tampilan Form Nilai Probabilitas Form Ubah Password Form ubah password ini digunakan untuk memperbaharui pasword yang lama/ terjadi masalah sehingga tidak memungkin kan terjadinya salah penggunaan.
Berikut ini tampilan form ubah password:
Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
Gambar 5.
Tampilan Form ubah Password
KESIMPULAN
Berdasarkan hasil dari implementasi dan pengujian sistem pakar mendiagnosa Ektoparasit yang dibuat, maka penulis akan mencoba merangkumkan beberapa kesimpulan.
Adapun kesimpulan dari penelitian ini adalah sebagai berikut:
Berdasarkan pengujian dan implementasi sistem, dapat memberikan kesimpulan mengenai jenis Ektoparasit yang menyerang kepiting bakau berdasarkan gejala-gejala yang ada dalam waktu yang singkat tanpa harus menjumpai langsung seorsng pakar.
Sistem ini memberikan gambaran mengenai gejala-gejala setiap Ektoparasit yang menyerang kepiting bakau berdasarkan pengalaman pakar dengan tingkat akurasi hasil diagnosa 75%.
Berdasarkan pengujian dan implementasi pengaruh sistem, dapat memberikan solusi yang dapat terapkan dalam menangani Ektoparasit berdasarkan gejala-gejala yang telah ditentukan.
Aplikasi ini dapat digunakan dalam mendiagnosa Ektoparasit serta dapat memberikan kesimpulan, seperti: tingkat kemungkinan terkena Ektoparasit berdasarkan gejala-gejala serta solusi yang dapat UCAPAN TERIMA KASIH Terima kasih ditujukan khususnya kepada ayah dan ibu tercinta yang selalu mendoakan dan mendukung baik secara moral maupun material kemudian kepada bapak khairi ibnutama, s.
, m.
selaku dosen pembimbing 1 yang telah memberikan saran, arahan serta motivasi dan kepada ibu erika fahmi ginting, s.
, m.
kom selaku dosen pembimbing 2 yang telah memberikan bimbingan, tata cara penulisan, saran dan motivasi serta kepada teman-teman yang selalu bersedia membantu dalam jurnal ini selesai REFERENSI