IMPLEMENTASI K-MEANS CLUSTERING DAN COSINE SIMILARITY PADA CASE BASE REASONING UNTUK DIAGNOSA PENYAKIT SAPI (STUDI KASUS: PENYAKIT SAPI DI KOTA BENGKULU)

Dari berbagai macam jenis hewan ternak yang paling banyak dipelihara atau diternakkan oleh peternak adalah sapi. Sapi menduduki peringkat pertama sebagai komoditas unggulan, diikuti oleh ayam dan kambing. Sebagai negara yang memiliki iklim tropis, berbagai macam keadaan cuaca dapat menyebabkan kesehatan sapi perlu diperhatikan karena dapat menimbulkan penyakit. Dengan jumlah hewan ternak yang banyak dan dokter hewan yang sedikit maka peternak seringkali kesulitan jika ingin berkonsultasi terkait permasalahan tentang hewan ternak sapi. Dengan dilakukan penelitian ini dapat mempermudah peternak sapi dalam mendiagnosa penyakit pada sapi dengan gejala-gejala yang diderita menggunakan sistem yang mengimplementasikan algoritma K-Means Clustering dan Cosine Similarity pada Case Base Reasoning untuk diagnosa penyakit sapi. Sistem pakar yang dirancang dapat mendeteksi 7 penyakit yang menyerang sapi dengan 34 gejala serta memberikan solusinya. Algoritma K-Means Clustering digunakan untuk mengelompokkan 90 data latih dengan meminimalisasikan variasi di dalam suatu kelompok dan memaksimalisasikan variasi antar kelompok. Terdapat 3 kelompok yang ditentukan menggunakan metode elbow. Cosine similarity digunakan untuk mendapatkan nilai kemiripan kasus baru dari diagnosa penyakit sapi dengan kasus lama untuk menentukan penyakit yang diderita oleh sapi. Proses pengujian fungsionalitas sistem pakar ini berjalan dengan baik menggunakan black box testing dan menghasilkan keberhasilan fungsional sebesar 100%. Penelitian ini dilakukan dengan menguji 40 data uji dan menghasilkan tingkat akurasi sebesar 92,5%.
Kata Kunci: Sistem Pakar, Penyakit Sapi, K-Means Clustering, Cosine Similarity, Case Base Reasoning