Pendeteksian Dehidrasi pada Kucing dengan Menggunakan Algoritma K-Nearest Neighbor

Annisa Assya Mawaddah; Maya Sofhia; Randy Pardomuan Simanjuntak; Patrick Colin Simatupang; Hansen Purba

doi:10.51454/decode.v5i2.1175

Authors

Annisa Assya Mawaddah Teknik Informatika Universitas Prima Indonesia
Maya Sofhia Teknik Informatika Universitas Prima Indonesia
Randy Pardomuan Simanjuntak Teknik Informatika Universitas Prima Indonesia
Patrick Colin Simatupang Teknik Informatika Universitas Prima Indonesia
Hansen Purba Teknik Informatika Universitas Prima Indonesia

DOI:

https://doi.org/10.51454/decode.v5i2.1175

Keywords:

Algoritma K-Nearest Neighbor, Dehidrasi pada kucing, Hewan karnivora, Logika disjungsi

Abstract

Kucing merupakan hewan karnivora yang umum di Indonesia. Populasi kucing menurut survei yang dilakukan oleh Rakuten Insight pada tahun 2018 secara online mengenai hewan yang paling banyak dipelihara di Asia, Indonesia menempati tempat pertama dari kepemilikan kucing sebesar 47%. Banyaknya jumlah kucing menjadi perhatian khusus akan kondisi tubuhnya termasuk penyakit yang dialami kucing. Penyakit kucing dapat diatasi dengan tepat jika cepat terdeteksi dari gejalanya. Gejala yang sering muncul ialah dehidrasi. Dehidrasi yang dialami kucing memiliki 6 (enam) keadaan yang dapat diperhatikan yaitu kadar air yang cukup dalam pakan, kotoran kucing mengalami diare atau tidak, muntahan kucing melebihi 3 (tiga) kali sehari, tungor kucing yang tidak elastis, gusi kucing yang pucat, dan nafas kucing yang berbau tidak sedap. Gejala dehidrasi yang cepat diketahui dapat mempermudah owner untuk melakukan tindakan yang tepat sebagai penanganannya. Tindakan yang tepat dapat menghindari kucing dari berbagai penyakit hingga kematian. Adanya penelitian ini, dapat mencegah dehidrasi menggunakan Algoritma K-Nearest Neighbor yaitu dengan 64 data dan 6 kondisi seperti pakan, kotoran, muntah, skin tenting (tungor), nafas, dan gusi kucing yang baik. Data tersebut dijabarkan dengan logika disjungsi menjadi 384 data dan 30 kondisi. Proses pendeteksian dehidrasi pada kucing ini akan mendapatkan hasil kondisi kucing yang terbagi menjadi 3 (tiga) yaitu Tidak Dehidrasi, Dehidrasi Ringan, Dehidrasi Berat. Adapun akurasi yang dicapai dalam penelitian ini mencapai 92%.

References

Anggoro, D., Budhi, S., Kurnia, K. & Priyowidodo, D. (2020). Perawatan Ehrlichiosis pada kucing yang mengalami anemia dan indikasi gagal ginjal. ARSHI Vett Lett, 4(2), 23–24. https://doi.org/10.29244/avl.4.2.23-24

Ariyanto, Y., Gupita, G. & Harijanto, B. 2017. Pengembangan Sistem Pakar Pendeteksi Penyakit pada Kucing Dengan Metode Case Based Reasoning Dan Certainty Factor Berbasis Android. Jurnal Informatika Polinema, 3(2), 8–13. https://doi.org/10.33795/jip.v3i2.8

Attallah, A.G., Awad, R.A. & Khalil, W.K.B. (2018). Feline panleukopenia viral infection in cats: Application of some molecular methods used for its diagnosis. Journal of Genetic Engineering and Biotechnology, 16, 491–497. https://doi.org/10.1016/j.jgeb.2018.08.001

Boronat, M., Casillas, Y., Lopez, L., Melian, C., Saavendra, P. & Wagner, A. (2019). Assessment of the association between diabetes mellitus and chronic kidney disease in adult cats National Library of Medicine, 33, 1921–1925. https://doi.org/10.1111/jvim.15559

Casidi, C., Nurhindarto, A., Soeleman, M.A., Syukur, A. (2024). Computer-Aided Diagnosis (CAD) of Stroke in The Brain CT-Scan Images Using Integration of Grey Level Co-Occurrence Matrix (GLCM) Texture Feature Extraction And K-Nearest Neighbor (KNN) Classification. DECODE: Jurnal Pendidikan Teknologi Informasi, 4(3), 821–829. https://doi.org/10.51454/decode.v4i3.646

Ha, A.C. & Tran, H.Q. (2020). High Precision Weighted Optimum K-Nearest Neighbors Algorithm for Indoor Visible Light Positioning Applications. IEEE, 8, 114597–114607. https://doi.org/10.1109/ACCESS.2020.3003977

Hermanto, H. & Mahendra, D.Y. 2024. Sistem Pakar dengan Menggunakan Metode Fodward Chaining dalam Menganilisis Penyakit pada Kucing. Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK), 2(1), 17–23. https://doi.org/10.52060/juptik.v2i1.2196

Hermawan, I. P., & Muji, E. H. (2021). Nilai Total Protein pada Kucing Liar (Stray Cats) Dan Kucing Peliharaan (Domestic Pet Cats) di Surabaya. Jurnal Ilmiah Fillia Cendikia, 6(2), 71–75. https://doi.org/10.32503/ fillia.v6i2.1569

Jain, V.M., Kalidindi, A., Lakshmi, K., Padma, V. & Raju, V.N. (2020). Study the Influence of Normalization /Transformation process on the Accuracy of Supervised Classification. 2020 Third International Conference on Smart Systems and Inventive Technology (ICSSIT), 84, 724–728. https://doi.org/10.1109/ICSSIT48917.2020.9214160

Kong, X., Song, Y. & Zhang, C. 2022. A Large-Scale K-Nearest Neighbor Classification Algorithm Based on Neighbor Relationship Preservation. Wireless Communications and Mobile Computing, 22(1), 1-11. https://doi.org/10.1155/2022/7409171

Lin, C.Y., Mushtaq, Z. & Rehman, H.A. (2020). Effective K-Nearest Neighbor Algorithms Performance Analysis of Thyroid Disease. Journal of the Chinese Institute of Engineers, 44(1), 77-87. https://doi.org/10.1080/02533839.2020.1831967

Nirad, D. W., Wenti, H. & Vadreas, A.K. (2020). Penanganan Kesehatan dan Penyakit Kucing Menggunakan Expert System Berbasis Web. Jurnal SISFOKOM, 9(1), 20–29. https://doi.org/10.32736/sisfokom.v9i1.677

Nugraha, I. W. S. H., Putrianingsih, P. A. S., & Batan, I. W. (2022). Ankilostomiosis pada Kucing Lokal Mix Persia. Bul. Vet. Udayana, 14(2), 90–96. http://dx.doi.org/10.24843/bulvet.2022.v14.i02.p04

Pangestu, I.Y. & Ramadhani, S. R. (2023). Perancangan Sistem Deteksi Penyakit Kulit Pada Kucing Menggunakan Deep Learning Berbasis Android. TEKNIKA, 12(3), 173-182. https://doi.org/10.34148/teknika.v12i3.673

Ramli, K. & Tjahjadi, H. (2020). Noninvasive Blood Pressure Classification Based on Photoplethysmography Using K-Nearest Neighbors Algorithm: A Feasibility Study. Information, 11(93), 1–18. https://doi.org/10.3390/info11020093

Reichard, M.V. & Scimeca, R.C. 2023. Differential gene expression response to acute and chronic Cytauzxoon felis infection in domestic cats (Felis catus). Journal of Ticks and Tick-borne Disease, 14, 102242. https://doi.org/10.1016/j.ttbdis.2023.102242

Romadloni, N.T. & Septiyanti, N. W. (2023). Optimasi Feature Selection Pada Komentar Media Sosial Terhadap Peralihan TV Digital Menggunakan Naïve Bayes, Support Vector Machine Dan K- Nearest Neighbor. DECODE: Jurnal Pendidikan Teknologi Informasi 3(2), 151–160. https://doi.org/10.51454/decode.v3i2.121