Sistem Pakar Diagnosa Penyakit pada Sapi Menggunakan Naive Bayes

Abstract

Sapi merupakan salah satu hewan ternak yang memiliki nilai ekonomi tinggi, namun rentan terhadap berbagai penyakit, khususnya penyakit pernapasan. Untuk mendukung proses diagnosis penyakit secara cepat dan akurat, diperlukan sistem pakar berbasis teknologi. Penelitian ini bertujuan untuk mengembangkan sistem pakar yang mampu mendiagnosis penyakit pernapasan pada sapi dengan menggunakan metode Naïve Bayes. Metode ini dipilih karena mampu mengolah data dengan pendekatan probabilistik yang efisien serta menghasilkan prediksi yang akurat meskipun dengan data terbatas. Sistem dirancang dalam bentuk aplikasi berbasis web menggunakan bahasa pemrograman PHP dan basis data MySQL. Data gejala dan penyakit diperoleh melalui wawancara dengan dokter hewan, mencakup 16 gejala dan 9 jenis penyakit pernapasan yang umum terjadi, kemudian digunakan sebagai data latih dalam proses klasifikasi. Sistem menerapkan perhitungan probabilitas melalui tahapan prior, likelihood, dan posterior untuk menghasilkan diagnosis yang paling mungkin. Pengujian dilakukan dengan membandingkan hasil diagnosa sistem dengan diagnosa pakar, dan evaluasi menunjukkan bahwa sistem mencapai tingkat akurasi sebesar 90%, yang membuktikan keandalannya dalam penerapan praktis. Selain memberikan hasil diagnosis berdasarkan gejala yang dipilih pengguna, sistem ini juga menampilkan deskripsi penyakit dan saran penanganan. Dengan adanya fitur tersebut, sistem pakar ini diharapkan dapat membantu peternak dalam mendeteksi penyakit pernapasan pada sapi lebih dini, mempercepat proses penanganan, mengurangi kerugian ekonomi, serta menjadi alat teknologi yang mudah diakses untuk mendukung praktik kedokteran hewan di wilayah pedesaan.Cattle are among the most economically valuable livestock, but they are vulnerable to various diseases, especially respiratory illnesses. To support rapid and accurate disease diagnosis, an expert system is required. This study aimed to develop an expert system capable of diagnosing respiratory diseases in cattle using the Naïve Bayes method. This method was selected for its ability to process data efficiently using a probabilistic approach and to produce accurate predictions even with limited data. The system was designed as a web-based application using the PHP programming language and MySQL database. Symptoms and disease data were collected through interviews with veterinarians, covering 16 symptoms and nine common respiratory diseases, and used as training data for the classification process. The system implements probability calculations across prior, likelihood, and posterior stages to generate the most likely diagnosis. Testing was conducted by comparing the system’s diagnostic results with expert diagnoses, and the evaluation showed an accuracy rate of 90%, indicating its reliability in practical applications. The system not only provides diagnostic outcomes based on user-selected symptoms but also presents disease descriptions and suggested treatments. With these features, this expert system is expected to help farmers detect respiratory diseases in cattle earlier, enabling quicker treatment, reducing economic losses, and serving as an accessible technological tool to support veterinary practices in rural areas.