SISTEM CERDAS BERBASIS MACHINE LEARNING UNTUK DIAGNOSIS PENYAKIT PADA KUCING

Abstrak

Tantangan dalam mendiagnosis penyakit kucing secara cepat dan akurat, yang disebabkan oleh kecenderungan kucing menyembunyikan rasa sakit serta gejala klinis yang seringkali tidak spesifik, menjadi latar belakang utama penelitian ini. Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem cerdas berbasis machine learning yang dapat memberikan rekomendasi diagnosis awal penyakit umum pada kucing berdasarkan data gejala. Metode penelitian yang digunakan mengadopsi kerangka kerja Agile Scrum , dengan algoritma K-Nearest Neighbor (KNN) sebagai inti klasifikasi. Pengujian sistem dilakukan terhadap 200 data uji yang mencakup lima penyakit utama, yaitu Flu Kucing, Cacingan, Infeksi Jamur, Rabies, dan Diare. Hasil pengujian menunjukkan performa yang sangat baik dengan tingkat akurasi rata-rata mencapai 92,50%. Secara spesifik, sistem berhasil mengklasifikasikan 185 data dengan benar dan 15 data salah , dengan Rabies mencatat akurasi tertinggi (96.67%). Meskipun masih terdapat tingkat kesalahan 7,5% , sistem ini terbukti layak digunakan sebagai alat bantu diagnosis awal, namun penggunaannya tetap harus didukung oleh konfirmasi langsung dari dokter hewan profesional.