SISTEM PAKAR

KAMBING merupakan salah satu subspesies yang dipelihara atau dijinakkan dari kambing liar Asia Barat Daya dan Eropa Timur. Kambing merupakan anggota dari keluarga Bovidae dan bersaudara dengan biri-biri karena keduanya tergolong dalam sub famili Caprinae. Terdapat lebih 300 jenis kambing yang berbeda-beda.[1] Kambing adalah salah satu di antara spesies yang paling lama diternakkan, yaitu untuk susu, daging, bulu, dan kulit di seluruh dunia.[2] Pada tahun 2011, populasi kambing yang hidup di seluruh dunia mencapai 924 juta menurut Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa. Seekor kambing jantan dewasa.Kambing merupakan binatang memamah biak yang berukuran sedang. Kambing ternak (Capra aegagrus hircus) adalah subspesies kambing liar yang secara alami tersebar di Asia Barat Daya (daerah "Bulan sabit yang subur" dan Turki) dan Eropa. Kambing liar jantan maupun betina memiliki tanduk sepasang, namun tanduk pada kambing jantan lebih besar. Umumnya, kambing mempunyai janggut, dahi cembung, ekor agak ke atas, dan kebanyakan berambut lurus dan kasar. Panjang tubuh kambing liar, tidak termasuk ekor, adalah 1,3 meter - 1,4 meter, sedangkan ekornya 12 sentimeter - 15 sentimeter. Bobot kambing betina 50 kilogram - 55 kilogram, sedangkan yang jantan bisa mencapai 120 kilogram. Kambing liar tersebar dari Spanyol ke arah timur sampai India, dan dari India ke utara sampai Mongolia dan Siberia. Habitat yang disukainya adalah daerah pegunungan yang berbatu-batu. Kambing sudah dibudidayakan manusia kira-kira 8000 hingga 9000 tahun yang lalu. Biasanya, kambing hidup berkelompok 5 sampai 20 ekor. Dalam pengembaraannnya mencari makanan, kelompok kambing ini dipimpin oleh kambing betina yang paling tua. Sementara kambing-kambing jantan berperan menjaga keamanan kawanan. Waktu aktif mencari makannya siang maupun malam hari. Makanan utamanya adalah rumput-rumputan dan dedaunan.

2. PENGERTIAN SISTEM PAKAR

SISTEM PAKAR adalah salah satu cabang dari Artificial Intelligence (AI) yang membuat penggunaan secara luas pengetahuan atau knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Sistem Pakar terdiri dari dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembang pada sistem pakar digunakan sebagai pintu masuk pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi akan digunakan pengguna yang bukan pakar dalam memperoleh pengetahuan pakar (Handoko, 2019). Jadi menurut saya Sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar. Pakar yang dimaksud disini ialah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Contohnya dokter, mekanik, psikolog dan lain-lain.

3. DEMPSTER SHAFER

Teori Dempster Shafer pertama kali diperkenalkan oleh oleh Arthur P. Dempster and Glenn Shafer, yang melakukan percobaan ketidakpastian dengan range probabilities daripada sebagai probabilitas tunggal. Kemudian pada tahun 1976 Shafer mempublikasikan teori Dempster pada buku yang berjudul Mathematichal Theory of Evident. Teori Dempster Shafer merupakan teori matematika dari evidence. Teori tersebut dapat memberikan sebuah cara untuk menggabungkan evidence dari beberapa sumber dan mendatangkan atau memberikan tingkat kepercayaan (direpresentasikan melalui fungsi kepercayaan) di mana mengambil dari seluruh evidence yang tersedia.

Metode Dempster Shafer adalah metode ketidakpastian untuk menghasilkan diagnosis yang akurat. Karena penambahan atau pengurangan fakta baru dalam bentuk informasi tentang gejala dan gangguan. Metode ini memberi para ahli kepercayaan diri dalam pengetahuan mereka. Pengujian akurasi dilakukan dengan cara membandingkan data hasil diagnosis sistem dengan hasil diagnosis.

Langkah-langkah menggunakan Dempster Shafer
Prosedur / langkah-langkah perhitungan dalam menggunakan metode Dempster Shafer adalah sebagai berikut:
1. Admin pada mendapatkan data hipotesa.
2. Admin juga menyiapkan data evidence apa saja yang nanti akan ditampilkan ke pengguna sistem.
3. Admin membuat aturan / rule yang berisi evidence pada setiap hipotesa. Disetai juga besarnya kerpercayaan evidence.
4. Pengguna memilih evidence yang ditampilkan oleh sistem.
5. Sistem mengambil rule berdasarkan inputan dari pengguna. Hasil yang diapakai adalah evidence x menjadi evidence untuk hipotesa apa saja. Misal gejala 1 dengan cf sebesar 0.2 untuk hipotesa 1,2,5,7. Banyaknya gejala menentukan banyaknya mass function dan banyaknya kombinasi perhitungan.
6. Setelah langkah 5 selsai, lalu membuat perhitungan kombinasi awal.
7. Pertama menentukan mass function awal, yaitu m1 dan m2. Data m1 dan m2 didapat dari inputan.
8. Kedua menentukan kombinasi mass function awal, yaitu m3. Gunakan rumus pada teori. Hasil kombinasi ini menjadi mass function perhitungan selanjutnya.
9. Jika gejala ada yang masih belum dihitung, maka ulangi langkah 6, tetapi m1 didapat dari mass function kombinasi sebelumnya. Sedangkan m2 didapat dari gejala selanjutnya.
10. Perhitungan akan berhenti apabila gejala sudah dihitung semua.
11. Langkah terakhir yaitu membuat ranking pada semua mass function.Ambil nilai yang tertinggi dan ambil hipotesa yang terdapat pada mass function tersebut. Data yang diambil inilah yan menjadi hasil akhir perhitungan.