Datasets:

---

Wikidepia

/

id_scholar

like 1

ERROR: type should be string, got "https://jurnal.itg.ac.id/index.php/algoritma DOI: 10.33364/algoritma/v.21-1.1420\n\n## Rancang Bangun Aplikasi Sistem Pakar Diagnosis Penyakit Ikan Air Tawar Menggunakan Forward Chaining\nAsri Mulyani 1* , Fitri Nuraeni 2 , Jaka Muhammad Zaelani 3\n1,2,3 Institut Teknologi Garut, Indonesia\n*email: asrimulyani@itg.ac.id Info Artikel ABSTRAK Dikirim: 10 Agustus 2023 Diterima: 22 Agustus 2023 Diterbitkan: 18 Mei 2024\nPenyakit pada ikan air tawar dapat dikelompokan menjadi beberapa jenis yaitu penyakit yang diakibatkan bakteri dan virus. Hal ini sangat mempengaruhi kelangsungan hidup ikan, kematian dalam jumlah yang besar mengakibatkan kerugian yang sangat besar kepada peternak ikan karena dapat menyebabkan hasil panen yang tidak maksimal. Penelitian ini bertujuan untuk merancang sistem pakar diagnosis penyakit ikan air tawar berbasis web dengan menggunakan metode inferensi Forward Chaining . Metode perancangan yang digunakan adalah Rational Unified Process (RUP). Sistem pakar ini bertujuan untuk mendiganosis penyakit ikan air tawar. Sistem pakar ini dikembangkan dengan melibatkan pengetahuan dari pakar ikan dan basis pengetahuan yang mencakup gejala dan penyakit ikan air tawar. Hasil penelitian ini adalah aplikasi berbasis web yang menggunakan metode inferensi Forward Chaining untuk menentukan penyakit ikan air tawar berdasarkan gejala yang diinputkan. Aplikasi ini melibatkan perancangan use case diagram, Class Diagram, activity diagram, sequence diagram , struktur menu , dan Interface . Pengujian Alpha testing telah menghasilkan keakuratan sistem untuk menghasilkan rekomendasi pemberian obat berdasarkan basis pengetahuan yang telah didefinisikan oleh pakar ikan. Penelitian ini menyimpulkan bahwa penggunaan metode inferensi Forward Chaining dalam sistem pakar diagnosis penyakit ikan air tawar memberikan hasil yang efisien dan akurat dalam memberikan rekomendasi pemberian obat. Dengan adanya sistem pakar diagnosis penyakit ikan air tawar yang melibatkan sumber basis pengetahuan dari para pakar ikan, pembudidaya ikan dapat lebih efektif dalam mengangulangi gejala dan penyakit yang di derita oleh ikan. Hal ini diharapkan dapat mendukung peningkatan hasil panen yang berkelanjutan.\nKata kunci: Diagnosis Penyakit Ikan, Forward Chaining , Rational Unified Process , Sistem Pakar, Perikanan.\n\n## 1. PENDAHULUAN\nPerternakan ikan air tawar merupakan salah satu sektor penting dalam pengembangan industri perikanan di Indonesia. Namun, produksi ikan air tawar di Indonesia masih mengalami berbagai kendala, seperti penurunan kualitas air, kualitas pakan, kesehatan ikan yang buruk, dan faktor lain seperti perubahan iklim dan bencana alam juga dapat mempengaruhi produksi ikan air tawar[1]. Namun, kurangnya pengetahuan pembudidaya ikan tentang gejala dan penyakit serta solusi untuk menangani ikan yang terkena penyakit sangat kurang dan tenaga ahli seperti pakar sulit untuk di temui[2].\nPenyakit ikan air tawar dapat dikelompokan menjadi beberapa jenis yaitu penyakit yang diakibatkan bakteri dan virus. Hal ini sangat mempengaruhi kelangsungan hidup ikan, kematian dalam jumlah yang cukup besar mengakibatkan hasil panen yang tidak maksimal[3]. Dalam hal ini, teknologi dan inovasi dapat membantu mengatasi kendala tersebut adalah penggunaan sistem pakar. Sistem pakar adalah merupakan solusi yang dapat digunakan untuk meningkatkan kualitas dan produktivitas pertenakan ikan air tawar. Sistem ini dapat memberikan rekomendasi dan saran secara cepat dan akurat berdasarkan pengetahuan dan pengalaman pakar dalam bidang pertenakan ikan air tawar[4] Di Desa Dungusiku Kecamatan Leuwigoong Kabupaten Garut, para peternak ikan sering mengalami kegagalan dalam membudidayakan ikan mereka dikarenakan kurangnya pengetahuan tentang gejala dan penyakit yang di alami oleh ikan mereka, para peternak juga kesulitan untuk menemui pakar yang bersangkutan karena kurangnya tenaga pakar yang dibutuhkan.\nPenelitian ini akan mengunakan penerapan metode Forward Chaining pada perancangan sistem pakar diagnosis penyakit ikan air tawar. Metode Forward Chaining dalam sistem pakar diagnosis penyakit ikan air tawar melibatkan langkah-langkah untuk mendiagnosis penyakit pada ikan. Langkah pertama adalah mengidentifikasi gejala-gejala yang muncul pada ikan dan membuat basis pengetahuan yang berisi aturan- aturan untuk mendiagnosis penyakit. Kemudian, sistem mencocokkan gejala-gejala yang ditemukan dengan aturan-aturan yang ada dalam basis pengetahuan, dan memberikan hasil diagnosis serta rekomendasi pengobatan yang sesuai[5], serta sistem pakar perlu terus diperbarui dan ditingkatkan agar bisa memberikan hasil diagnosa yang semakin akurat, pembuatan sistem pakar ini diharapkan dapat membawa manfaat nyata bagi parapembudidaya ikan di Indonesia.\nPada penelitian sebelumnya basis pengethauan terutama gejala yang di alami oleh ikan air tawar masih sedikit dan sistem pakar yang di hasilkan memiliki akurasi yang masih kurang, oleh karena itu dalam penelitian ini gejala yang di alami oleh ikan air tawar lebih banyak dari sebelumnya dan sistem pakar yang dihasilkan memiliki nilai akurasi sebesar 92%.\nDiharapkan dari hasil penelitian ini akan memberikan kontribusi yang positif terhadap pengembangan pertenakan ikan air tawar di Indonesia. Diharapkan akan ditemukan aplikasi sistem pakar diagnosis penyakit ikan air tawar yang dapat membantu peternak dalam mengidentifikasi dan menangani masalah pada ikan air tawar dengan lebih cepat dan akurat[6].\n\n## 2. METODE PENELITIAN\n\n## 2.1 Sistem Pakar\nSistem pakar merupakan sebuah aplikasi komputer yang di tujukan untuk membantu sebuah sistem dalam mengambil keputusan dengan cepat untuk memecahankan suatu masalah dalam bidang khusus, sistem ini berjalan dengan mengunakan data dan informasi yang sudah dijelaskan dan dimasukan terlebih dahulu oleh seorang pakar. Sistem pakar juga dikenal sebagai Expert System yang merupakan sebuah program komputer yang membantu untuk pengambilan keputusan dengan cepat dalam suatu bidang tertentu. Sistem ini beroperasi dengan menggunakan pengetahuan dan metode analisis yang telah ditetapkan oleh pakar yang memiliki keahlian dalam bidang tersebut [7]. Tujuannya adalah untuk meniru cara berpikir seorang pakar dalam menyelesaikan masalah dan memberikan solusi atau rekomendasi yang akurat kepada pengguna yang membutuhkannya.\nMenurut pendapat lain dari Bracman & Levesque yaitu Sistem pakar sebagai sistem yang mengandung pengetahuan terperinci tentang suatu domain yang spesifik dan memiliki kemampuan untuk menggunakan pengetahuan tersebut untuk memberikan penjelasan, melakukan diagnosis, dan memberikan solusi [8].\n\n## 2.2 Metode Forward Chaining\nForward Chaining merupakan sebuah metode atau teknik yang digunakan dalam sistem pakar untuk meghasilkan kesimpulan atau keluaran berdasarkan fakta-fakta atau informasi masukan yang ada, dengan\nmengikuti aturan-aturan yang ada pada basis pengetahuan. Metode Forward Chaining memulai oprasinya dengan mengumpulkan data dan diberikan sebagai fakta, lalu secara berurutan mengaplikasikan aturan-aturan yang relevan untuk menghasilkan kesimpulan atau keluaran baru [9].\nForward chaining adalah metode yang mengunakan fakta-fakta awal yang telah ada, mengaplikasikan aturan- aturan inferensi, dan menghasilkan kesimpulan baru secara bertahap berdasarkan aturan-aturan yang relevan [8].\n\n## 2.3 Mesin Inferensi\nMesin inferensi merupakan metode untuk mengambil suatu kesimpulan atau keluaran berdasarkan aturan- aturan yang terpadat pada basis pengetahuan. Mesin inferensi melakukan pemrosesan logika untuk menghubungkan fakta atau informasi yang telah di kumpulkan dan akan dijalankan dengan aturan-aturan yang ada, sehingga dapat menghasilkan hasil atau kesimpulan yang diinginkan [10].\nMesin inferensi adalah komponen yang digunakan dalam sistem kecerdasan buatan untuk melakukan penalaran berdasarkan aturan dan fakta yang ada pada basis pengetahuan, dengan tujuan menghasilkan solusi yang sesuai dengan yang diharapkan [11].\n\n## 2.4 Rational Unified Process (RUP)\nMetode Rational Unified Process (RUP) adalah sebuah cara untuk mengembangkan perangkat lunak yang akan digunakan pada proyek besar. Metode ini menggunakan pendekatan berorientasi objek, iteratif, dan incremental dalam pengembangan perangkat lunak. RUP dapat memberikan pendekatan yang terstruktur dan terukur dalam pengembangan perangkat lunak sehingga memungkinkan pengembangan perangkat lunak dengan lebih terstruktur dan terorganisir, yang dapat meningkatkan kualitas, efisiensi, dan keberhasilan proyek. RUP memiliki beberapa tahap pengembangan, yaitu inception , elaboration , construction , dan transition. Untuk mencapai setiap tahapan dalam Rational Unified Process (RUP), diperlukan kerangka penelitian sebagai rancangan kegiatan yang akan dilakukan. Kerangka penelitian ini akan disesuaikan dengan tahapan RUP yang digunakan. Berikut adalah rancangan kerangka penelitian yang disajikan pada Gambar 1.\nBerdasarkan Gambar 1. tahapan RUP dalam kerangka penelitian dapat dijelaskan sebagai berikut [12][13]:\n1) Inception\nPada tahap ini dilakukan identifikasi proses bisnis dan spesifikasi sistem yang akan dibangun. Hasil dari tahapan ini adalah pemahaman tentang proses bisnis yang ingin diselesaikan oleh sistem serta kebutuhan sistem yang harus dipenuhi. Berikut aktivitas yang dilakukan dalam tahap ini:\na. Wawancara merupakan kegiatan yang dilakukan untuk mengakusisi pengetahuan yang ada di pakar lalu berpindah kepada sistem\nb. Identifikasi proses bisnis merupakan kegiatan untuk mengidentifikasi dan merancang alur bisnis dari sistem;\nc. Spesifikasi sistem merupakan kegiatan yang dilakukan untuk mengetahui kebutuhan yang diperlukan dalam sistem; dan\nd. Identifikasi fakta awal merupakan kegiatan ientifikasi awal mengenai pengetahuan yang sudah diketahui terkait subjek dalam hal ini adalah gejala ikan.\n2) Elaboration\nTahapan berikutnya merupakan tahapan perancangan model sistem secara detai yang dilakukan berdasarkan hasil dari tahapan sebelumnya. Berikut aktivitas yang dilakukan dalam tahap ini:\na. Perancangan knowledge base kegiatan yang merancang struktur dan isi dari basis pengetahuan yang akan digunakan dalam sistem;\nb. Perancangan Rule Base kegiatan yang merancang aturan dalam sistem yang digunakan dalam sistem;\nc. Merancang Class Diagram kegiatan yang merancang diagram kelas dalam pemodelan berorientasi objek, yang menggambarkan struktur kelas, atribut, dan hubungan antar kelas yang akan digunakan dalam sistem;\nd. Merancang Use case Diagram adalah ketika membuat gambar yang Menunjukkan bagaimana pengguna menggunakan sistem;\ne. Merancang Activity Diagram merupakan kegiatan untuk menghasilkan diagram aktivitas yang menggambarkan aliran kerja atau proses dalam sistem;\nf. Merancang Sequence Diagram merupakan bagian yang menghasilkan diagram Sequence untuk menggambarkan interaksi antara objek-objek dalam sistem;\ng. Merancang struktur Menu merupakan kegiatan untuk merancang sebuah Interface pengguna yang nantinya akan digunakan dalam sistem; dan\nh. Merancang Interface merupakan kegiatan yang digunakan untuk merancang antarmuka pengguna dalam sistem yang akan digunakan dalam penelitian skripsi, yang meliputi tampilan, pengaturan, dan interaksi antara pengguna dengan sistem.\n3) Contruction\nSelanjutnya tahapan pengimplementasian model sistem yang telah dirancang kedalam program sistem. Yang selanjutnya akan dilakukan alpha testing untuk memastikan sistem berfungsi dengan baik. Berikut aktivitas yang dilakukan pada tahapan ini:\na. Implementasi tahapan ini melakukan pengimplementasian terhadap model sistem yang telah dibuat kedalam sistem dengan pengkodean sistem; dan\nb. Alpha Testing merupakan tahapan yang ditujukan untuk menguji sistem yang telah selesai di bangun oleh pengembang.\n4) Transition\nTahap terakhir lebih berfokus pada beta testing yang akan dilakukan oleh pengguna dan pakar untuk memastikan sistem berjalan tanpa kendala dan sesuai dengan kebutuhan yang dirancang serta untuk memastikan ke akuratan dari sistem sesuai arahan dari pakar. Berikut aktivitas yang dilakukan pada tahapan ini. Deployment tahapan yang dilakukan untuk menyerahkan sistem ketika sistem telah selesai di bangun.\n\n## 3. HASIL DAN PEMBAHASAN (10 PT)\n3.1 Hasil Penelitian\nSetelah melaluai beberapa tahapan dalam metode penelitian yang telah disajikan, diperoleh sistem pakar diagnosis penyakit ikan air tawar dengan hasil implementasi meliputi tahapan dalam sistem yaitu , Use Case Diagram, Class Diagram, Activity Diagram, Sequence Diagram, structur Menu, dan Interface . Selain itu, juga dilakukan pengujian Alpha dan pengujian Beta. Untuk aktivitas yang telah terlaksana dapat disajikan sebagai berikut:\n1) Inception\na. Wawancara, merupakan proses untuk mengumpukan data atau proses akusisi pengetahuan dari pakarnya secara lanngsung supaya data yang di terima relevan, setelah itu data akan di masukan ke dalam sistem\nb. Pada tahap identifikasi proses bisnis, dilakukan analisis dan pemehaman terhadap proses bisnis yang ingin diselesaikan oleh sistem pakar. Proses ini melibatkan langkah-langkah atau aktivitas yang terjadi dalam kegiatandiagnosis penyakit ikan air tawar.\nc. Pada tahap spesifikasi sistem, dilakukan pengumpulan data kebutuhan dan spesifikasi yang diperlukan untuk membangun sistem pakar. Spesifikasi sistem ini menjadi acuan dalam merancang dan mengimplementasikan sistem.\nd. Pada tahap identifikasi fakta awal, dilakukan pengumpulan data dan informasi yang diperlukan sebagai fakta awal dalam proses diagnosis penyakit ikan air tawar. Fakta-fakta ini digunakan sebagai dasar untuk melakukan inferensi dan memberikan rekomendasi yang tepat.\n2) Elaboration\nPada tahap elaboration akan dibuat yang namanya knowledge base dan juga rule base , dimana data yang di peroleh untuk membangun kedua pengetahuan tersebut berasal dari hasil wawancara bersama pakar ikan yaitu bapak Heppy yang berada di Dinas Perikanan Kabupaten Garut\na. Pada Perancangan knowledge base dilakukan pembuatan struktur da nisi dari basis pengetahuan yang akan digunakan dalam sistem. Basis pengetahuan ini berisi aturan-aturan dan informasi penting yang akan digunakan dalam diagnosis penyakit ikan air tawar.\nGambar 2. Knowledge Base\nb. Selanjutnya yaitu Rule Base yang dilakukan untuk membuat aturan-aturan yang akan digunakan dalam sistem. Aturan-aturan unu akan menjadi dasar dalam proses inferensi untuk mengidentifikasi penyakit ikan air tawar.\nTabel 1. Rule Base Sistem Pakar Diganosis Penyakit Ikan Air Tawar\nKode Kode Kondisi Penyakit Kesimpulan Rule 1 KK010, KK012, KK018 Columnaris Isolasi ikan yang terinfeksi supaya tidak menular kepada ikan yang lain dan berikan obat antrimikroba dan makanan\nKode Kode Kondisi Penyakit Kesimpulan yang bernutrisi agar membantu meningkatkan daya tahan tubuh ikan. Rule 2 K001, K009, KK0016, KK017 Ikan gurami herpesvirus Karantina ikan yang mempunyai penyakit ini supaya tidak menybar ke ikan lain lalu bersikan dan disinfeksi kolam dan alat yang ada dan berikan makanan yang berkualitas tinggi agar daya tahan tubuh ikan meningkat. Rule 3 K002, K003 K004 Ikan gurami iridovirus Karantina ikan yang mempunyai penyakit ini supaya tidak menybar ke ikan lain lalu bersikan dan berikan disinfeksi pada kolam dan alat yang ada dan berikan makanan yang berkualitas tinggi agar daya tahan tubuh ikan meningkat.\nRule 4 K002, K003\nDropsi\nIsolasi ikan yang terinfeksi supaya tidak menular kepada ikan yang lain dan berikan obat antibakteri yang direkomendasikan oleh ahli dan makanan yang bernutrisi agar membantu meningkatkan daya tahan tubuh ikan, penanganan stress yang di sebabkan oleh kolam yang terlalu penuh\nRule 5 K003, K004, K005, K006 K008, KK012 Ikan mas koi herpersivirus Karantina untuk ikan mas yang baru karena dapat membawa penyakit dari luar dan membersikan kolam secara teratur, dan cek kandungan suhu dan ph pada air supaya mengurangi stress pada ikann jika di temapat anda sudah ada vaksin untuk ikan maka segera verikan pada ikan anda\nRule 6 KK011, KK013 KK014, KK019 Aeromunas infection Isolasi ikan yang terinfeksi supaya tidak menular kepada ikan yang lain dan berikan obat antibakteri yang direkomendasikan oleh ahli dan berikan makanan yang bernutrisi agar membantu proses penyembuhan ikan, penanganan stress yang di sebabkan oleh koloni ikan yang sangat banyak Rule 7 KK011, KK014 KK015 septicemnia\nIsolasi ikan yang terinfeksi supaya tidak menular kepada ikan yang lain dan berikan obat antibakteri yang direkomendasikan oleh ahli dan makanan yang bernutrisi agar membantu meningkatkan daya tahan tubuh ikan, pembersihan kolam dapat meminimalisisr pertumbuhan bakteri protagen Rule 8 K004, K007 K008 Flavobacterium infection Isolasi ikan yang terinfeksi supaya tidak menular kepada ikan yang lain dan berikan obat antibakteri yang direkomendasikan oleh ahli dan makanan yang bernutrisi agar membantu meningkatkan daya tahan tubuh ikan, pembersihan kepada kolam yang disebabkan oleh sisa makanan yang sudah tidak terpakai di akuarium ataupun kolam\nc. Merancang Use Case Diagram dilakukan untuk menggambarkan interaksi antara pengguna dengan sistem sendiri. Berdasarkan analisis kebutuhan pengguna maka use case diagram yang berhasil dirancang tersaji pada gambar 3.\nGambar 3. Use Case Diagram Sistem Pakar Diagnosis Penyakit Ikan Air Tawar\nDari Use Case Diagram sistem pakar diagnosis penyakit ikan air tawar, terdapat 2 aktor yang terlibat, yaitu User dan Admin , dengan total 9 use case yang digunakan.\n3) Contruction\na. Implementasi yaitu rancangan sistem yang diubah kedalam kode program untuk membangun aplikasi web diagnosis penyakit ikan air tawar. Dengan menggunakan PHP dan framework codeigniter. Program disajikan pada gambar 4.\nGambar 4. Implementasi Program\nGambar 5. Interface Diagnosis penyakit ikan air tawar\nGambar 4. menunjukan program dari fitur menu informasi dasar yang diimplementasikan ke dalam bahasa pemrograman php dan gambar 5 menunjukan program yang sudah di buat.\nb. Alpha testing dilakukan untuk menguji funsional dan kinerja sistem sebelum sampai ke pengguna. Alpha testing dilakukan dengan menguji sistem tanpa mengetahui bagaimana sistem dibangun secara detail metode ini disebut black box testing.\n4) Transition\nDalam tahap transition lebih di fokuskan kepada beta testing, dimana pengujian ini terbagi menjadi 2 yaitu user beta testing dan expert beta testing, pengujiannya menggunakan metode kuisioner dan perhitungan likert untuk mendapatkan hasil akhir dalam pentuk persen.\na. Dalam pengujian kegunaan (user beta testing), dilakukan pada 10 pengguna dari berbagai kelompok. Tujuannya adalah untuk mengevaluasi kebutuhan pengguna serta menidentifikasi potensi masalah kegunaan sebelum peluncuran resmi.\nTabel 2. Hasil Kuisioner User Beta Testing No. Pertanyaan SS S N TS STS Pertanyaan Umum\n1. Sistem ini mudah digunakan untuk Mendiagnosis Penyakit Ikan Air tawar. 8 2 0 0 0\n2. Hasil Diagnosis penyakit yang diberikan oleh sistem ini akurat. 4 4 2 0 0 Pertanyaan Tentang Masalah Bug / Error\n3. Saya mengalami kesulitan atau bug saat menggunakan sistem untuk diagnosis penyakit ikan air tawar. 0 0 0 2 8\n4.\nSistem berjalan dengan stabil dan tidak mengalami masalah bug atau error . 8 2 0 0 0\n5.\nSistem memberikan pesan atau petunjuk yang jelas ketika terjadi kesalahan atau masalah. 8 2 0 0 0\n\n## Pertanyaan Tentang Fitur & Fungsional\n6. Sistem ini menyediakan fitur-fitur yang saya butuhkan untuk diagnosis penyakit ikan air tawar. 5 4 1 0 0\n7.\nSaya puas dengan variasi dan kualitas fitur yang disediakan dalam sistem. 4 4 2 0 0\n\n## Pertanyaan Tentang Kemanfaatan Sistem\n8. Sistem ini memberikan informasi yang berguna dan relevan terkait penyakit dan gejala ikan air tawar. 5 4 1 0 0\n9.\nSistem ini membantu meningkatkan pemahaman saya tentang penyakit dan gejala pada ikan air tawar secara umum. 7 3 0 0 0\nSetelah menganalisis hasil kuisioner yang telah diisi oleh sejumlah penguji untuk mengevaluasi sistem pakardiagnosis penyakit ikan air tawar, digunakan menggunakan perhitungan likert untuk menggabungkan data dari seluruh penguji. Perhitungan likert dilakukan dengan memberikan nilai dari 5 hingga 1 untuk respon (sangat setuju - sangat tidak setuju) dalam setiap pertanyaan. Dalam pengujian keakuratan (expert deta testing), dilakukan oleh pakar secara langsung. Pakar akan menilai keakuratan sistem dalam memberikan rekomendasi penanganan penyakit berdasarkan diagnosis penyakit ikan air tawar [14].\nBagian 1: Total Nilai Total Nilai Sangat Setuju (5) = 5 x 49 = 245 Total Nilai Setuju (4) = 4 x 25 = 100 Total Nilai Netral (3) = 3 x 6 = 18 Total Nilai Tidak Setuju (2) = 2 x 2 = 4 Total Nilai Sangat Tidak Setuju (1) = 1 x 8 = 8 Total Nilai = 245 + 100 + 18 + 4 + 8 = 375\nBagian 2: Nilai Tertinggi Nilai Tertinggi = 5 x 9 x 10 = 450 Bagian 3: Hasil Akhir\n𝐻𝑎𝑠𝑖𝑙 𝐴𝑘ℎ𝑖𝑟 = 𝑇𝑜𝑡𝑎𝑙 𝑁𝑖𝑙𝑎𝑖 𝑁𝑖𝑙𝑎𝑖 𝑇𝑒𝑟𝑡𝑖𝑛𝑔𝑔𝑖 × 100% = 375 450 × 100% = 83.33%\nDengan demikian, hasil perhitungan likert , mayoritas penguji memberikan respon positif terhadap sistem pakar diagnosis penyakit ikan air tawar dengan persentase sekitar 83.33%.\nTabel 3. Hasil Expert Beta Testing No Gejala Hasil Diagnosis SA A CA KA STA 1 K001, K002, K003, K007 Flavobacterium infection 1 2 K004, K005, K006, K009 Ikan Gurami Herpesvirus (GGV) 1 3 KK011, KK013, KK015, KK017 Columnaris 1 4 KK010, KK012, KK016, KK018 Aeromunas infection 1 5 K002, K008, K009, KK014 Aeromunas infection 1 6 K003, K007, KK012, KK017 Columnaris 1 7 K003, K006, KK010, KK011, KK015, KK017 Columnaris 1 8 K003, K004, K006, K008 Flavobacterium infection 1 9 KK011, KK012, KK015 septicemnia 1 10 K003, K005, KK014, KK016 Ikan Gurami Herpesvirus (GGV) 1\nMetode perhitungan likert tetap diterapkan seperti sebelumnya, dengan memberikan nilai skala dari 5 -1 untuk setiap respon (Sangat Akurat – Sangat Tidak Akurat) dalam setiap pertanyaan. Berikut hasil akhir perhitungan likert [15].\nBagian 1: Total Nilai Total Nilai Sangat Setuju (5) = 5 x 7 = 35 Total Nilai Setuju (4) = 4 x 2 = 8 Total Nilai Netral (3) = 3 x 1 = 3 Total Nilai Tidak Setuju (2) = 2 x 0 = 0 Total Nilai Sangat Tidak Setuju (1) = 1 x 0 = 0 Total Nilai = 35 + 8 + 3 + 0 + 0 = 46\nBagian 2: Nilai Tertinggi Nilai Tertinggi = 5 x 10 x 1 = 50\nBagian 3: Hasil Akhir\n𝐻𝑎𝑠𝑖𝑙 𝐴𝑘ℎ𝑖𝑟 = 𝑇𝑜𝑡𝑎𝑙 𝑁𝑖𝑙𝑎𝑖 𝑁𝑖𝑙𝑎𝑖 𝑇𝑒𝑟𝑡𝑖𝑛𝑔𝑔𝑖 × 100% = 46 50 × 100% = 92%\nHasil akhir menunjukan pakar memberikan respon positif sebesar 92% terhadap sistem. Dengan hasil di atas 83,33% sistem pakar telah lulus uji beta.\n\n## 4. KESIMPULAN\nBerdasarkan uraian dan pembahasan mengenai Sistem Pakar Diagnosis Penyakit Ikan Air Tawar” yang dijelaskan pada penjelasan di atas, maka penulis mencoba menarik kesimpulan dalam pencapaian tujuan yang diinginkan. Penelitian ini berhasil merancang aplikasi sistem pakar diagnosis penyakit ikan air tawar berbasis web dengan metode Inferensi Forward Chaining . Penggunaan metode RUP dalam pengembangan sistem memastikan proses berjalan terstruktur melalui tahapan Inception, Elaboration, Construction , dan Transition. Hasil implementasi aplikasi ini mencakup perancangan Use Case Diagram, Class Diagram, Activity Diagram, Sequence Diagram, struktur Menu , dan Interface . Pengujian Alpha Testing , aplikasi sistem pakar ini berhasil menghasilkan identifikasi yang akurat sesuai dengan aturan dan basis pengetahuan yang telah ditentukan. Penggunaan metode inferensi Forward Chaining dalam sistem pakar diagnosis penyakit ikan air tawar ini memberikan efisiensi dan keakuratan dalam memberikan hasil diagnosis penyakit dan solusi pemberian obat.\nAdapun saran untuk penelitian selanjutnya dalam upaya untuk terus meningkatkan kualitas dan performa sistem pakar diagnosis penyakit ikan air tawar adalah yaitu pengembangan fitur interaktif. Pengembangan fitur interaktif dalam aplikasi sistem pakar ini, seperti sistem tanya jawab atau penggunaan media visual untuk membantu pengguna memahami proses diagnosa dan hasil yang diberikan oleh sistem pakar\n\n## REFERENSI\n[1] Z. Hakim and R. Rizky, “Sistem Pakar Diagnosis Penyakit Ikan Mas Menggunakan Metode Certainty Factor Di UPT Balai Budidaya Ikan Air Tawar Dan Hias Kabupaten Pandeglang Banten,” J. Tek. Inform. Unis , vol. 7, no. 2, pp. 164–169, 2020, doi: 10.33592/jutis.v7i2.399.\n[2] I. D. Rina and D. K. Lia, “Sistem Pakar Untuk Mendiagnosa Penyakit Pada Ikan Hias Air Tawar Dengan Fuzzy Inference System,” Joutica , vol. 4, no. 1, p. 194, 2019, doi: 10.30736/jti.v4i1.284.\n[3] R. Thenardo and M. Siddik, “Sistem Pakar Mendiagnosa Penyakit Ikan Hias Air Tawar Menggunakan Metode Forward Chaining dan Theorema Bayes Berbasis Web,” J. Mhs. Apl. … , vol. 2, no. 2, pp. 1– 11, 2021.\n[4] N. Oktober, R. Stefani, and S. Kom, “Jurnal Riset Rumpun Ilmu Hewani ( JURRIH ) Sistem Pakar Diagnosa Penyakit Pada Ikan Koi,” vol. 1, no. 2, pp. 16–30, 2022.\n[5] H. N. Suhardjito, “Sistem Pakar Penyakit Ikan Gurame Pada Pembudidayaan Menggunakan Metode Forward Chaining,” JATI (Jurnal Mhs. Tek. Inform. , vol. 3, no. 1, pp. 123–128, 2019.\n[6] A. B. R. M. Ramaddan Julianti, Siti Maisaroh, “Aplikasi Diagnosis Penyakit Ikan Lele Dengan Algoritma Forward Chaining Berbasis Websit,” vol. 10, no. 1, 2020.\n[7] B. H. Hayadi, Sistem Pakar . Deepublish, 2018.\n[8] R. Brachman and H. Levesque, Knowledge Representation and Reasoning . in The Morgan Kaufmann Series in Artificial Intelligence. Elsevier Science, 2004.\n[9] A. P. Kusuma and M. Sari, “Perbandingan Metode Forward Chaining Dan Backward Chaining Pada Sistem Pakar Diagnosis Penyakit Ikan Lele Sangkuriang,” Antivirus J. Ilm. Tek. Inform. , vol. 13, no. 1, pp. 59–71, 2019, doi: 10.35457/antivirus.v13i1.727.\n[10] M. Maruloh and M. N. Susila, “Penerapan Aplikasi Pakar dengan Inferensi Forward Chaining untuk Diagnosa Penyakit Ikan Bawal (Studi kasus: Pemancingan Amarapura Serpong),” J. Tek. Inform. , vol. IV, no. 1, pp. 67–74, 2018.\n[11] M. T. Jones, Artificial Intelligence: A Systems Approach: A Systems Approach . Jones & Bartlett Learning, 2008.\n[12] P. Kroll and P. Kruchten, The Rational Unified Process Made Easy: A Practitioner’s Guide to the RUP . in Addison-Wesley object technology series. Addison-Wesley, 2003.\n[13] J. Rumbaugh, I. Jacobson, and G. Booch, The Unified Modeling Language Reference Manual , vol. 53, no. 9. 2021.\n[14] I. Nurhayati, S. Lestanti, and S. N. Budiman, “Sistem Pakar Sistem Pakar Diagnosis Hama Dan Penyakit Tanaman Bonsai Menggunakan Metode Forward Chaining,” J. Algoritm. , vol. 3, no. 1, pp. 71–81, 2022, doi: 10.35957/algoritme.v3i1.3343.\n[15] D. Marcelina, E. Yulianti, and Z. R. Mair, “Penerapan Metode Forward Chaining Pada Sistem Pakar Identifikasi Penyakit Tanaman Kelapa Sawit,” J. Ilm. Inform. Glob. , vol. 13, no. 2, 2022, doi: 10.36982/jiig.v13i2.2299.\n"