🍄 Sistem Pakar Diagnosis Jamur Tiram

Aplikasi sistem pakar berbasis web untuk mendiagnosis penyakit pada jamur tiram (Pleurotus ostreatus) menggunakan metode Forward Chaining, Decision Tree, dan Certainty Factor.

Dibangun dengan Laravel 12, Tailwind CSS 4, dan MySQL/SQLite.

---

📋 Daftar Isi

• Fitur
• Tech Stack
• Struktur Database
• Metode Sistem Pakar
  • Forward Chaining
  • Decision Tree
  • Certainty Factor
• Alur Diagnosis
• API Endpoints
• Instalasi
• Seeder Data

---

✨ Fitur

Fitur	Keterangan
Diagnosis Gejala	Pilih gejala yang tampak pada jamur tiram melalui form interaktif
Forward Chaining	Mencocokkan gejala dengan rule-based knowledge base
Decision Tree Traversal	Menelusuri pohon keputusan untuk mendapatkan reasoning path
Certainty Factor	Menghitung tingkat keyakinan diagnosis (0–100%)
Riwayat Diagnosis	Menyimpan riwayat ke database + LocalStorage (ID-only)
Detail Hasil	Menampilkan deskripsi penyakit, solusi penanganan, bahan, dan alat
Manajemen Riwayat	Lihat detail dan hapus riwayat dari LocalStorage
Halaman Informasi Penyakit	Galeri 10 penyakit jamur tiram dengan gambar dan deskripsi

---

🛠 Tech Stack

Layer	Teknologi
Backend	PHP 8.2+, Laravel 12
Frontend	Blade Template, Tailwind CSS 4 (CDN), Vanilla JS
Database	MySQL (production) / SQLite (development)
Build Tool	Vite 7, Laravel Vite Plugin
Dev Tools	Concurrently, Pail (log), Pint (linting), PHPUnit

Catatan: Frontend murni menggunakan Blade + Tailwind CDN tanpa framework JS seperti Vue atau React. Integritas dan validasi CLI biasa digunakan.

---

🗄 Struktur Database

Entity Relationship

gejala ──┬──< penyakit_gejala >──┬── penyakit
         │                        │
         └── (digunakan oleh) ────┘
                                       ┌─────────────────────┐
diagnosis_history ───────>─────────────┤ hasil_penyakit_id   │
                                       └─────────────────────┘

Tabel gejala

Menyimpan 24 gejala (G01–G25) yang mungkin tampak pada jamur tiram.

Kolom	Tipe	Keterangan
id	bigint (PK)	Auto increment
kode	varchar (unique)	Kode gejala (G01–G25)
nama	varchar	Nama gejala
deskripsi	text (nullable)	Penjelasan gejala
kategori	varchar (nullable)	Kelompok gejala (Warna, Pertumbuhan, Kerusakan, dll.)
timestamps	-	created_at, updated_at

Contoh data:

Kode	Nama	Kategori
G01	Jamur tiram terlihat membusuk	Warna & Kondisi
G06	Pertumbuhan jamur tiram lambat	Pertumbuhan
G11	Pada media baglog terdapat noda warna hitam	Kondisi Baglog
G22	Perubahan tekstur jamur lembek	Tekstur

Tabel penyakit

Menyimpan 10 penyakit/hama (P01–P10) yang menyerang jamur tiram.

Kolom	Tipe	Keterangan
id	bigint (PK)	Auto increment
kode	varchar (unique)	Kode penyakit (P01–P10)
nama	varchar	Nama penyakit
tipe	varchar	Jenis: Jamur, Bakteri, Hama Binatang, Hama Serangga
deskripsi	text	Penjelasan penyakit
solusi	json (nullable)	Array langkah penanganan
bahan	json (nullable)	Array bahan/kimia yang dibutuhkan
alat	json (nullable)	Array alat yang dibutuhkan
image_url	varchar (nullable)	URL gambar penyakit
timestamps	-	created_at, updated_at

Daftar penyakit:

Kode	Nama	Tipe
P01	Trichoderma spp (Jamur Hijau)	Jamur
P02	Neurospora spp	Jamur
P03	Mucor spp	Jamur
P04	Penicilium spp	Jamur
P05	Pseudomonas tolaasii (Brown Blotch)	Bakteri
P06	Chaetomium spp	Jamur
P07	Coprinus spp (Jamur Liar)	Jamur
P08	Tikus	Hama Binatang
P09	Lalat	Hama Serangga
P10	Tunggu/Gurem (Acari)	Hama Serangga

Tabel penyakit_gejala (Pivot)

Menghubungkan penyakit dengan gejala beserta bobot CF Pakar (Certainty Factor dari pakar).

Kolom	Tipe	Keterangan
id	bigint (PK)	Auto increment
penyakit_id	bigint (FK)	→ penyakit.id
gejala_id	bigint (FK)	→ gejala.id
cf_pakar	decimal(3,2)	Bobot keyakinan pakar (0.1–1.0)
deskripsi	text (nullable)	Keterangan relasi
timestamps	-	created_at, updated_at
unique	-	(penyakit_id, gejala_id)

Contoh data P01 (Trichoderma):

Gejala	CF Pakar
G12 – Bintik noda hijau	1.0
G18 – Noda hijau di daun jamur	0.8
G06 – Pertumbuhan lambat	0.6
G07 – Tidak tumbuh	0.8

Tabel diagnosis_history

Menyimpan riwayat diagnosis yang dilakukan pengguna.

Kolom	Tipe	Keterangan
id	bigint (PK)	Auto increment
gejala_terpilih	json	Array ID gejala yang dipilih
hasil_penyakit_id	bigint (FK)	→ penyakit.id (hasil diagnosis)
confidence_level	float	Tingkat keyakinan (0–100)
timestamps	-	created_at, updated_at

---

🧠 Metode Sistem Pakar

1. Forward Chaining

Forward Chaining adalah metode penalaran berbasis aturan (rule-based reasoning) yang dimulai dari fakta (gejala) menuju kesimpulan (penyakit).

Cara Kerja (Saat Ini)

Rules didefinisikan secara hardcoded di app/Services/ForwardChainingService.php:

// Format: [id, penyakit_id, kode, gejala_ids]
$rules = [
    ['id' => 1,  'penyakit_id' => 1,  'kode' => 'R1', 'gejala_ids' => [11, 17, 5, 6]],  // P01 - Trichoderma
    ['id' => 2,  'penyakit_id' => 2,  'kode' => 'R2', 'gejala_ids' => [12, 5, 6]],      // P02 - Neurospora
    ['id' => 3,  'penyakit_id' => 3,  'kode' => 'R3', 'gejala_ids' => [10, 5, 6]],      // P03 - Mucor
    ['id' => 4,  'penyakit_id' => 4,  'kode' => 'R4', 'gejala_ids' => [11, 22, 5]],     // P04 - Penicilium
    ['id' => 5,  'penyakit_id' => 5,  'kode' => 'R5', 'gejala_ids' => [1, 9, 13, 21]],  // P05 - Pseudomonas
    ['id' => 6,  'penyakit_id' => 6,  'kode' => 'R6', 'gejala_ids' => [22, 5, 8]],      // P06 - Chaetomium
    ['id' => 7,  'penyakit_id' => 7,  'kode' => 'R7', 'gejala_ids' => [14, 23, 19]],    // P07 - Coprinus
    ['id' => 8,  'penyakit_id' => 8,  'kode' => 'R8', 'gejala_ids' => [8, 23, 19]],     // P08 - Tikus
    ['id' => 9,  'penyakit_id' => 9,  'kode' => 'R9', 'gejala_ids' => [1, 2, 24]],      // P09 - Lalat
    ['id' => 10, 'penyakit_id' => 10, 'kode' => 'R10','gejala_ids' => [4, 18, 24]],     // P10 - Tunggu/Gurem
];

Algoritma findMatchingDiseases():

1. Exact match — Iterasi semua rule; jika semua gejala dalam rule cocok dengan gejala yang dipilih user, penyakit rule tersebut dianggap match.
2. Fallback partial match — Jika tidak ada satu pun rule yang match persis, sistem mengambil semua penyakit yang memiliki setidaknya satu gejala yang dipilih user. Certainty Factor kemudian menghitung probabilitasnya.
3. Hasil dikembalikan sebagai array model Penyakit untuk diproses lebih lanjut.

Hubungan Rule dengan Relasi CF

Rule	Penyakit	Gejala dalam Rule	Gejala di Pivot (CF)
R1	P01	G12, G18, G06, G07	G12(1.0), G18(0.8), G06(0.6), G07(0.8)
R2	P02	G13, G06, G07	G13(1.0), G06(0.6), G07(0.8)
R3	P03	G11, G06, G07	G11(1.0), G06(0.6), G07(0.8)
R4	P04	G12, G23, G06	G12(1.0), G23(0.8), G06(0.6)
R5	P05	G01, G10, G14, G22	G01(1.0), G10(0.8), G14(0.8), G22(0.8)
R6	P06	G23, G06, G09	G23(1.0), G06(0.6), G09(0.6)
R7	P07	G15, G24, G20	G15(1.0), G24(0.8), G20(0.6)
R8	P08	G09, G24, G20	G09(1.0), G24(0.8), G20(0.6)
R9	P09	G01, G02, G25	G01(1.0), G02(0.8), G25(0.8)
R10	P10	G05, G19, G25	G05(1.0), G19(0.8), G25(0.8)

---

2. Decision Tree

Decision Tree digunakan untuk menelusuri jalur diagnosis berdasarkan gejala utama (primary symptoms) secara hierarkis.

Struktur Pohon (Saat Ini)

Pohon keputusan didefinisikan secara hardcoded di ForwardChainingService.php dengan 2 level depth:

root: Diagnosis Jamur Tiram
├── G11 (Tubuh Buah Pucat) ─────┬── G18 (Ada Lendir)        → P01
│                                └── G23 (Bau Menyengat)     → P04
├── G12 (Umbi Membusuk) ─────────└── G06 (Substrat Basah)    → P02
├── G10 (Kepala Susu Coklat) ────└── G06 (Substrat Basah)    → P03
├── G01 (Jamur Putih/Kepala) ────┬── G10 (Busuk Pangkal)     → P05
│                                └── G02 (Berbau Asam)       → P09
├── G23 (Bau Menyengat) ─────────└── G09 (Berlendir)         → P06
├── G15 (Kepala Susu Kerdil) ────└── G24 (Warna Tidak Seragam) → P07
├── G09 (Berlendir) ─────────────└── G20 (Miselium Tidak)    → P08
└── G05 (Pertumbuhan Terganggu) ─└── G19 (Kontaminan)        → P10

Cara Kerja traverseDecisionTree()

1. Ambil semua branch level-1 dari root.branches.
2. Untuk setiap branch, cek apakah symptom_id branch ada dalam selectedGejalaIds.
3. Jika ya, catat branch sebagai matched dan telusuri children untuk menemukan penyakit yang mungkin.
4. Hasilnya adalah array path yang berisi: symptom_id, name, matched, dan possible_penyakit_ids.

Fungsi ini menghasilkan reasoning path yang ditampilkan di log/debug untuk transparansi diagnosis.

📖 Lihat dc.md untuk flowchart decision tree dan detail traversal.

---

3. Certainty Factor

Certainty Factor (CF) adalah metode untuk mengukur tingkat keyakinan terhadap suatu diagnosis berdasarkan kombinasi bobot pakar dan keyakinan pengguna.

Formula yang Digunakan

Langkah 1 — CF untuk setiap gejala terpilih:

CF[H, E] = CF[E] × CF[H, E]

Dimana:

• CF[H, E] = Certainty Factor hipotesis (penyakit) berdasarkan evidence (gejala)
• CF[E] = Certainty Factor dari pengguna (CF User) — dari select dropdown per gejala (0, 0.4, 0.6, 0.8 default, 1.0)
• CF[H, E] = Certainty Factor dari pakar (CF Pakar) — dari tabel penyakit_gejala

Langkah 2 — Kombinasi multiple symptoms:

CF_combine(CF1, CF2) = CF1 + CF2 × (1 - CF1)

Rumus ini diterapkan secara iteratif untuk semua gejala yang cocok pada satu penyakit.

Implementasi

File: app/Services/CertaintyFactorService.php

Metode calculateCFWithDetails():

1. Ambil mapping CF Pakar dari penyakit_gejala untuk penyakit tertentu.
2. Filter hanya gejala yang ada di selectedGejalaIds.
3. Untuk setiap mapping, hitung CF_he = cf_pakar × cf_user (cf_user dari input select user, default 0.8).
4. Kombinasikan semua CF_he menggunakan formula CF combine.
5. Hasil akhir dikonversi ke persentase integer (0–100).

Contoh Perhitungan (P01 — Trichoderma):

User memilih gejala G12, G18, G06, dan G07:

Gejala	CF Pakar	CF User	CF[H,E]
G12	1.0	0.8	0.80
G18	0.8	0.8	0.64
G06	0.6	0.8	0.48
G07	0.8	0.8	0.64

Kombinasi:

• CF1 = 0.80
• CF2 = 0.80 + 0.64 × (1 - 0.80) = 0.928
• CF3 = 0.928 + 0.48 × (1 - 0.928) = 0.96256
• CF4 = 0.96256 + 0.64 × (1 - 0.96256) = 0.9865216

Hasil: CF = 0.9865 → 98.65%

Kategori Keyakinan

CF Value	Status
≥ 0.9	Sangat Yakin
≥ 0.8	Yakin
≥ 0.6	Cukup Yakin
≥ 0.4	Sedikit Yakin
< 0.4	Tidak Yakin

---

🔄 Alur Diagnosis

User membuka /diagnosis
        │
        ▼
Menampilkan form dengan 24 gejala (checkbox + select CF user per gejala, default 0.8 — hanya terkirim untuk gejala yang dicentang)
        │
        ▼ (POST /diagnosis)
Validasi input (gejala_ids required, min 1)
        │
        ▼
┌─────────────────────────────────────────────────────┐
│ 1. Forward Chaining — findMatchingDiseases()        │
│    • Exact match dengan rule                         │
│    • Jika tidak ada → fallback partial match         │
│    • Return array Penyakit model                     │
└─────────────────────────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────────────────────────┐
│ 2. Decision Tree — traverseDecisionTree()           │
│    • Telusuri branch berdasarkan primary symptoms    │
│    • Catat possible penyakit per branch              │
│    • Return reasoning path array                     │
└─────────────────────────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────────────────────────┐
│ 3. Certainty Factor — calculateCFWithDetails()      │
│    • Untuk setiap penyakit yang match                │
│    • Hitung CF per gejala → combine                 │
│    • Return cf_value, cf_percentage, status          │
└─────────────────────────────────────────────────────┘
        │
        ▼
Sortir hasil berdasarkan CF percentage (descending)
        │
        ▼
┌─────────────────────────────────────────────────────┐
│ Hasil:                                               │
│ • 0 penyakit → Tampilkan error "Tidak ada cocok"    │
│ • >1 penyakit → Tampilkan error dengan daftar       │
│                  penyakit dan gejala yang kurang     │
│ • 1 penyakit  → Simpan history, tampilkan hasil     │
│                  (deskripsi, solusi, bahan, alat,    │
│                   confidence %)                     │
└─────────────────────────────────────────────────────┘

---

🌐 API Endpoints

Web Routes

Method	URI	Controller Method	Keterangan
GET	/	Closure	Halaman beranda
GET	/diagnosis	DiagnosisController@showForm	Form gejala
POST	/diagnosis	DiagnosisController@process	Proses diagnosis
GET	/riwayat	DiagnosisController@showHistory	Riwayat diagnosis
GET	/riwayat/{id}	DiagnosisController@detailHistory	Detail riwayat
GET	/penyakit	Closure	Info penyakit
GET	/tentang	Closure	Halaman tentang

API Routes

Method	URI	Controller Method	Request	Response
POST	/api/diagnosis	DiagnosisController@apiProcess	{gejala_ids: [], cf_user: {}}	JSON diagnosis
POST	/api/history-data	DiagnosisController@getHistoryData	{ids: [1,2,3]}	JSON array histories with penyakit relation

Response /api/history-data

[
    {
        "id": 1,
        "gejala_terpilih": [1, 5, 6],
        "hasil_penyakit_id": 1,
        "confidence_level": 93.0,
        "created_at": "2026-07-03T12:00:00Z",
        "updated_at": "2026-07-03T12:00:00Z",
        "penyakit": {
            "id": 1,
            "kode": "P01",
            "nama": "Trichoderma spp (Jamur Hijau)",
            "deskripsi": "...",
            "solusi": ["Pisahkan baglog...", "Gunakan fungisida..."],
            "bahan": ["Karbendazim 50 WP", "..."],
            "alat": ["Drum sterilisasi", "..."]
        }
    }
]

---

📦 Instalasi

Prasyarat

• PHP 8.2+
• Composer
• Node.js & npm
• Database (MySQL atau SQLite)

Langkah Instalasi

# 1. Clone repositori
git clone <repository-url>
cd jamur

# 2. Install dependency PHP
composer install

# 3. Install dependency frontend
npm install

# 4. Copy environment
cp .env.example .env

# 5. Generate app key
php artisan key:generate

# 6. Konfigurasi database di .env
#    Untuk SQLite (default development):
#    DB_CONNECTION=sqlite
#    (cukup buat file database/database.sqlite)
#
#    Untuk MySQL:
#    DB_CONNECTION=mysql
#    DB_HOST=127.0.0.1
#    DB_PORT=3306
#    DB_DATABASE=jamur
#    DB_USERNAME=root
#    DB_PASSWORD=

# 7. Jalankan migrasi + seeder
php artisan migrate --seed

# 8. Build frontend
npm run build

# 9. Jalankan development server
php artisan serve

#    Frontend development (opsional):
#    npm run dev

Perintah Development

# Jalankan semua service (server, queue, log, vite) sekaligus
composer run dev

# Jalankan test
composer run test

---

🌱 Seeder Data

Seeder sudah menyediakan data lengkap:

Seeder	Data
GejalaSeeder	24 gejala (G01–G25)
PenyakitSeeder	10 penyakit (P01–P10) dengan deskripsi, solusi, bahan, dan alat
PenyakitGejalaSeeder	Relasi penyakit-gejala dengan CF Pakar sesuai tabel bobot

📁 Struktur Direktori (Aplikasi)

app/
├── Http/Controllers/
│   └── DiagnosisController.php    # Menangani request diagnosis, riwayat
├── Models/
│   ├── Penyakit.php               # Model penyakit dengan relasi
│   ├── Gejala.php                  # Model gejala dengan relasi
│   ├── PenyakitGejala.php          # Model pivot CF
│   └── DiagnosisHistory.php        # Model riwayat diagnosis
└── Services/
    ├── DiagnosisService.php        # Orchestrator: FC → DT → CF
    ├── ForwardChainingService.php  # Rule-based reasoning + decision tree
    └── CertaintyFactorService.php  # CF calculation engine

database/
├── migrations/                     # 7 file migrasi
└── seeders/                        # 4 file seeder

resources/views/
├── layouts/
│   ├── app.blade.php               # Layout utama (navbar + main)
│   ├── home.blade.php              # Halaman beranda
│   ├── penyakit.blade.php          # Galeri penyakit
│   └── tentang.blade.php           # Halaman tentang
└── diagnosis/
    ├── form.blade.php              # Form pilih gejala
    ├── hasil.blade.php             # Hasil diagnosis
    └── history.blade.php           # Riwayat diagnosis

---

👨‍💻 Pengembang

Tomi Hartanto — Sistem Pakar Jamur Tiram

© 2025–2026 — Semua Hak Dilindungi.