SISTEM PAKAR MENDIAGNOSA PENYAKIT RINGWORM PADA KUCING MENGGUNAKAN METODE THEOREMA BAYES

Authors

  • Citra Maria STMIK Triguna Dharma
  • Yohanni Syahra STMIK Triguna Dharma
  • Firahmi Rizky STMIK Triguna Dharma

DOI:

https://doi.org/10.53513/jct.v1i4.524

Abstract

Ringworm merupakan penyakit yang menyerang bagian permukaan tubuh kulit, rambut dan bulu. Jenis jamur penyebab ringworm adalah kelompok dermatofit, termasuk kelompok Deuteromycota  yang mengakibatkan kerontokan bulu, kulit bersisik, pembengkakan, kulit kemerahan dan gatal bahkan menyebabkan kematian pada kucing. Jenis Penyakit ini sangat menular, tidak hanya ke hwan lain bahkan juga ke manusia.Dari penelitian ini akan menghasilkan aplikasi sistem yang dapat membantu Admin di Klinik Mentari Pet Care Shop didalam penanganan masalah kulit khusus nya jenis Penyakit Ringworm pada kucing. Dengan konsep sistem pakar yang merupakan sebuah program yang mampu menganalisis permasalahan dan akan menghasilkkan kesimpulan dengan adanya proses pemindahan pengetahuan ahli ke dalam sistem.Didalam Sistem Pakar ada banyak Metode yang digunakan salah satunya ialah metode Theorema Bayes, Theorema Bayes merupakan metode yang menerapakan aturan yang dihubungkan dengan nilai probabilitas atau kemungkinan. Maka didalam penanganan dan mendiagnosa penyakit Ringworm pada kucing metode ini cocok dengan permasalahan yang dialami karena berdasarkan kemungkinan kejadian yang terjadi.

References

I. Russari, “Sistem Pakar Diagnosa Penyakit Batu Ginjal Menggunakan Teorema Bayes,†J. Ris. Komput., vol. 3, pp. 18–22, 2016.

A. A. dkk Muslim, “Sistem Pakar Diagnosa Hama Dan Penyakit Cabai Berbasis Teorema Bayes,†Jutisi, vol. 4, no. 3, pp. 867–876, 2015.

N. B. Riyanto and O. Suria, “Sistem Pakar Diagnosa Penyakit Pencernaan Mengunakan Metode Teorema Bayes Digestive Disease Diagnosis Expert System Using Bayes Theorem Method,†pp. 7–12, 2018.

W. B. Putu Ayu Sisyawati, Sri Kayati,Putu Gede, “Identifikasi dan Prevalensi Kejadian Ringworm pada Sapi Bali,†J. Vet., vol. 17, no. 1, pp. 1–6, 2016.

Downloads

Additional Files

Published

2022-07-15

Issue

Section

Articles

URN