Sistem Pakar Diagnosis Hama-Penyakit Pada Tanaman Sedap Malam Menggunakan Metode Naïve Bayes-Certainty Factor Berbasis Android
|
|
- Sudirman Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 1, Januari 2018, hlm Sistem Pakar Diagnosis Hama-Penyakit Pada Tanaman Sedap Malam Menggunakan Metode Naïve Bayes-Certainty Factor Berbasis Android Ali Syahrawardi 1, Nurul Hidayat 2, Donald Sihombing 3 1,2 Program Studi Teknik Informatika, 3 Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Timur 1 aligazkawa@gmail.com, 2 ntayadih@ub.ac.id, 3 donaldsiltoru@yahoo.com Abstrak Sedap malam merupakan salah satu tanaman hias populer di Indonesia, bunga sedap malam paling banyak digunakan oleh masyarakat Indonesia sebagai bunga tabur, rangkaian penghias pada acara dan bahan kosmetik, karena mengandung minyak atsiri. Di Indonesia tanaman sedap malam banyak dibudidayakan di Kecamatan Bangil dan Kecamatan Rembang Kabupaten Pasuruan, serta daerah lain seperti Banyuwangi, Cianjur, dan Magelang. Namun, tingkat produksi tanaman sedap malam masih rendah karena benih yang digunakan masih sembarangan dan serangan hama-penyakit, sehingga berdampak pada produktivitas dan kualitas bunga. Saat ini sumber daya pakar tanaman sedap malam masih terbatas, sehingga dibutuhkan sebuah sistem pakar yang dapat menggantikan peran pakar dalam mendiagnosis hama-penyakit tanaman sedap malam. Pada penelitian ini mengimplementasikan sistem pakar untuk mendiagnosis hama-penyakit tanaman sedap malam menggunakan metode Naïve Bayes- Certainty Factor berbasis android. Hasil uji coba menunjukkan penggunaan metode Naïve Bayes- Certainty Factor memiliki ketepatan hasil diagnosis yang baik dan akurat, karena keluaran yang dihasilkan oleh sistem mempunyai tingkat keakuratan sebesar 86,67% dan sistem yang telah dibuat memiliki tingkat kepuasan pengguna sebesar 3, Kata kunci: sistem pakar, sedap malam, naïve bayes, certainty factor, android Abstract Sedap malam are one of the most popular decorative plants in Indonesia, sedap malam flower s mostly used by Indonesia in many ways such as for flowers of sow, decorative stuff and cosmetic material, because it contains essential oils. In Indonesia, many Indonesian people started to cultivate sedap malam. Sedap malam are mostly cultivated in Bangil and Rembang sub-districts of Pasuruan Regency, as well as other areas such as Banyuwangi, Cianjur, and Magelang. However, sedap malam production levels is still low because of the seeds used are still arbitrary and pest and disease attacks, resulting in an impact on productivity and quality of interest. Nowadays we are lacking amount of the expert systems of sedap malam that is needed to replace the experts to diagnose the pests that cause diseases of sedap malam. This research implements the expert system that can diagnose the pests cause some diseases on sedap malam using Naïve Bayes-Certainty Factor method. Based on trials, by using Naïve Bayes-Certainty Factor method, the calculation accuracy of the diagnose is good and accurate. The outcome of the calculation of this method is 86,67% and the system level of satisfication is 3, Keywords: expert system, sedap malam, naïve bayes, certainty factor, android 1. PENDAHULUAN Tanaman sedap malam termasuk famili Amaryllidaceae dengan nama latin Polianthes tuberosa L. Tanaman berasal dari Mexico. Bunga sedap malam banyak digunakan sebagai bunga tabur, rangkaian penghias pada acara pesta pernikahan dan upacara adat, serta bahan kosmetik karena mengandung minyak atsiri (Direktorat Budidaya Tanaman Hias, 2008). Di Indonesia tanaman sedap malam banyak dibudidayakan di Kecamatan Bangil dan Kecamatan Rembang Kabupaten Pasuruan, serta daerah lain seperti Banyuwangi, Cianjur, dan Magelang. Selama periode luas panen tanaman sedap malam didominasi di daerah Jawa yaitu sebesar 96,23 % sedangkan di luar Jawa sebesar 3,77 %. Sedangkan produksi Fakultas Ilmu Komputer Universitas Brawijaya 153
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 154 tanaman sedap malam pada tahun 2015 di Indonesia didominasi daerah Jawa Timur sebanyak 55,84 %, disusul provinsi Jawa Tengah dengan presentase 37,84 %, dan sisanya berasal dari provinsi lain (BPS, 2015). Tingkat produksi tanaman sedap malam masih rendah karena benih yang digunakan masih sembarangan dan serangan hama dan penyakit, sehingga berdampak pada produktivitas dan kualitas bunga. Hama dan penyakit pada tanaman sedap malam ada berbagai macam yang dapat menyebabkan kerusakan ringan sampai gagal panen diantaranya bercak daun, busuk bunga, kutu dompolan (cabuk putih), kutu perisai dan thrips. Agar produktivitas dan kualitas bunga sedap malam terjaga dari serangan hama atau penyakit, dibutuhkan seorang pakar tanaman sedap malam yang dapat menentukan jenis hama atau penyakit apa yang menyerang dan penanganannya secara langsung. Pada kenyataannya, seorang pakar khususnya pada komoditas tanaman hias saat ini masih jarang tersebar di berbagai daerah di Indonesia. Oleh karena itu dibutuhkan suatu sistem yang dapat bekerja seperti seorang pakar khususnya dalam mendiagnosis hama dan penyakit pada bunga sedap malam serta penanganannya, sehingga produktivitas, kualitas bunga, dan budidaya sedap malam semakin berkembang. Dalam dunia komputer, sistem yang bekerja seperti pakar biasa disebut sebagai sistem pakar atau expert system. Sistem pakar ini nantinya mengimplementasikan wawasan dan ilmu pakar dalam mendeteksi dan memberikan solusi penanganan terhadap penyakit baik manusia, hewan, dan tanaman termasuk tanaman sedap malam (Kusumadewi, 2003). Certainty Factor menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar (Turban, 2005). Certainty Factor memiliki tingkat keakuratan yang lebih tinggi dibandingkan dengan metode lainnya karena cara penghitungannya yang hanya dapat membandingkan tiap dua nilai saja (Sutojo, 2011). Naïve Bayes merupakan teknik probabilitas yang mampu menyelesaikan masalah ketidakpastian dengan konsep probabilitas hipotesis dan evidence (Hardika, 2014). Teknik probabilitas ini dapat digunakan dalam memprediksi suatu penyakit yang diderita oleh seseorang. Berdasarkan uraian tersebut, penulis mengusulkan sebuah penelitian yang berjudul Sistem Pakar Diagnosis Hama-Penyakit Pada Tanaman Sedap Malam Menggunakan Metode Naïve Bayes-Certainty Factor Berbasis Android. Dengan menggunakan metode Naïve Bayes, sistem pakar dapat mendiagnosis hamapenyakit tanaman sedap malam dengan menghitung nilai probabilitas prior dari setiap hama-penyakit berdasarkan inputan gejala yang muncul pada tanaman sedap malam. Metode Certainty Factor akan menghitung nilai keyakinan dari hasil diagnosis dari penghitungan metode Naïve Bayes. Aplikasi sistem pakar ini diharapkan dapat membantu pengguna dalam mendiagnosis jenis hama-penyakit pada tanaman sedap malam dan mengetahui cara penanganan terhadap hama dan penyakit pada tanaman sedap malam. 2. SEDAP MALAM (POLIANTHES TUBEROSA L.) 2.1 Sekilas Tentang Sedap Malam Sedap malam (Polianthes Tuberosa L.) adalah salah satu jenis tanaman hias. Sedap malam termasuk maskot bunga di Jawa Timur dari tahun Wilayah di Jawa Timur yang memiliki perkebunan tanaman sedap malam ini diantaranya Pasuruan dan Banyuwangi. Tanaman ini memiliki aroma atau bau yang harum serta memiliki banyak manfaat. Pada kegiatan hari besar seperti menjelang Idul Fitri, Natal, maupun musim nikah, kebutuhan konsumen terhadap bunga sedap malam sangat meningkat. Berikut ini adalah klasifikasi dan morfologi bunga sedap malam (Suryanto, 2010): Kingdom: Plantae Divisi: Magnoliophyta Kelas: Liliopsida Ordo: Asparagales Famili: Agavaceae Genus: Polianthes Spesies: Polianthes tuberosa 2.2 Hama dan Penyakit Hama dan penyakit pada tumbuhan merupakan musuh besar bagi petani, karena dapat menimbulkan kerusakan pada daun, batang, akar, bunga maupun buah. Kerusakan
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 155 yang lebih berat dapat menimbulkan kegagalan panen dan kematian tanaman yakni kematian pada tumbuhan yang diserang hama dan penyakit. Beberapa hama dan penyakit yang biasanya menyerang tanaman sedap malam diantaranya adalah (Suryanto, 2010): 1. Thrips (Taeniothrips sp.) 2. Kutu Dompolan (Dysmicoccus brevipes sp.) 3. Kutu perisai (Pseudococus sp.) 4. Penyakit Bercak Daun (Xanthomonas sp.) 5. Penyakit Bercak Hitam (Fusarium oxysporum) 6. Layu Fusarium (Fusarium xyllarioides) 7. Busuk Bunga (Botrytis sp.) Serangan-serangan pada tanaman sedap malam tersebut dapat diantisipasi atau dicegah dengan berbagai cara, salah satunya adalah dengan cara penyemprotan dengan menggunakan pestisida yang sesuai dosis anjuran pakar. 3. NAÏVE BAYES CLASSIFIER Menurut Fauziyah (2012), metode Naïve Bayes Classifier adalah suatu classifier probabilistic simple yang berdasarkan pada teorema Bayes pada umumnya, inferensi Bayes khususnya dengan asumsi independensi yang kuat (naïve). Pada prosesnya, Naïve Bayes Classifier mengasumsikan bahwa ada atau tidaknya suatu fitur pada suatu kelas tidak berhubungan denga nada atau tidaknya fitur lain di kelas yang sama. Teorema Bayes dikemukan oleh seorang ilmuan pada abad 18 yang bernama Thomas Bayes. Teorema Bayes adalah sebuah pendekatan untuk sebuah ketidaktentuan yang diukur dengan probabilitas. Pada saat klasifikasi, pendekatan Bayes akan menghasilkan label kategori yang paling tinggi probabilitasnya. Penghitungan metode Naïve Bayes dapat dilakukan dengan langkah-langkah sebagai berikut: 1. Mencari nilai prior untuk tiap-tiap kelas dengan menghitung rata-rata tiap kelas dengan menggunakan persamaan 3.1. P = X A Dimana, P = Nilai prior X = Jumlah data tiap kelas A = Jumlah data seluruh Kelas 2. Mencari nilai likelihood untuk tiap-tiap kelas L = F B dengan persamaan 3.2. Dimana, L = Nilai likelihood F = Jumlah data fitur tiap kelas B = Jumlah seluruh data tiap kelas 3. Mencari nilai posterior dari tiap kelas yang ada menggunakan persamaan 3.3. P(c) P(a c) Dimana, P(c) = Nilai prior tiap kelas P(a c) = Nilai likelihood Hasil klasiifikasi kelas dengan menggunakan metode Naïve Bayes dilakukan dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi. 4. CERTAINTY FACTOR Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan masalah ketidakpastian data, salah satu metode yang dapat digunakan adalah faktor kepastian (certainty factor). Faktor keyakinan diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley). Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukan besarnya kepercayaan. Ada 2 macam faktor kepastian yang digunakan, yaitu faktor kepastian yang diisikan oleh pakar bersama dengan aturan dan faktor kepastian yang diberikan oleh pengguna. Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antacedent dan konsekuen. Sementara itu faktor kepastian dari pengguna menunjukan besarnya kepercayaan terhadap keberadaan masing-masing elemen dalam antacedent (Saputro, et. al, 2011). Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar (Turban, 2005). Certainty factor menggunakan suatu nilai untuk mengasumsikan
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 156 derajat keyakinan seorang pakar terhadap suatu data. CF gabungan merupakan nilai CF akhir dari sebuah calon konklusi. CF gabungan diperlukan apabila suatu konklusi diperoleh dari aturan sekaligus. CF akhir dari suatu aturan dengan aturan yang lain digabungkan untuk mendapatkan nilai CF akhir untuk calon konklusi tersebut. Rumus untuk melakukan penghitungan CF gabungan ditunjukkan pada persamaan 4.1. CF 1 + CF 2 (1-CF 1 ), jika CF 1 0 dan CF 2 0 CF 1 + CF 2, jika CF 1 < 0 1 min[cf 1 CF 2 ] atau CF 2 < 0CF 1 + CF 2 (1+CF 1 ), jika CF 1 0 dan CF METODE Penelitian ini menggunakan metode naïve bayes-certainty factor untuk mendiagnosis hama-penyakit tanaman sedap malam. Gambar 1 menunjukkan diagram alir secara umum proses diagnosis dari metode yang digunakan. Dari Gambar 4.2 dapat dilihat penjelasan secara rinci dari proses diagnosis hama-penyakit tanaman hias sedap malam menggunakan metode naïve bayes-certainty factor berbasis android adalah sebagai berikut: 1. Data masukan gejala didapat dari masukan pengguna, dimana sebelum memulai proses diagnosis pengguna diharuskan memilih gejala yang muncul pada tanaman sedap malam. 2. Menghitung nilai probabilitas prior masingmasing hama-penyakit yang muncul pada data uji. 3. Menghitung nilai probabilitas likelihood dari masing-masing gejala yang dimasukkan oleh pengguna yang ada pada setiap jenis hamapenyakit yang muncul pada data uji. 4. Menghitung nilai probabilitas posterior dengan mengalikan nilai probabilitas prior masing-masing hama-penyakit dengan nilai probabilitas likelihood dari masing-masing gejala masukan pada hama-penyakit. Jenis hama-penyakit yang memiliki nilai probabilitas posterior tertinggi, akan dipilih sebagai hasil proses diagnosis. Hasil dari proses diagnosis berupa hama-penyakit yang menyerang tanaman sedap malam beserta cara penanganannya. 5. Menghitung nilai keyakinan (CF) hamapenyakit tanaman sedap malam dari hasil proses diagnosis menggunakan metode naïve bayes. Nilai keyakinan didapat dari hasil mengalikan nilai bobot keyakinan pakar hama-penyakit dengan nilai keyakinan pengguna (sesuai dengan gejala yang dimasukkan). 6. Keluaran akhir menampilkan nama dan jenis hama-penyakit berdasarkan hasil proses diagnosis dari metode yang digunakan, nilai keyakinan terhadap hasil diagnosis dan cara penanganan hama-penyakit. Langkah langkah algoritme Naïve Bayes- Certainty Factor pada penelitian ini dapat dilihat pada Gambar 1. Gambar 1. Diagram Alir Proses Diagnosis Metode Naïve Bayes-Certainty Factor 5.1 Menghitung Nilai Prior Menghitung Nilai Prior Gambar 2. Diagram Alir Penghitungan Nilai Prior Proses menghitung nilai probabilitas prior merupakan awal proses diagnosis
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 157 menggunakan metode naïve bayes. Pada proses ini melibatkan data latih dalam mencari seberapa banyak kemunculan masing-masing hamapenyakit pada data latih, dan juga mencari seberapa banyak kemunculan gejala masukan pengguna pada masing-masing hama-penyakit di dalam data latih yang akan digunakan pada proses penghitungan nilai likelihood. Gambar 2 menunjukkan diagram alir proses penghitungan nilai probabilitas prior. Contoh penghitungan nilai pada salah satu jenis penyakit: P(P1) = jumlah penyakit P1/keseluruhan data = 7/25 = 0, Menghitung Nilai Likelihood Proses ini lanjutan dari proses sebelumnya. Pada proses ini akan dilakukan penghitungan nilai probabilitas likelihood. Gambar 3 menunjukkan diagram alir proses penghitungan nilai probabilitas likelihood. Menghitung Nilai Likelihood Menghitung Nilai Posterior B Gambar 3. Diagram Alir Penghitungan Nilai Likelihood Contoh penghitungan nilai pada salah satu gejala masukan pada tiap penyakit: P(G2 P1) = jumlah G2 pada P1/jumlah P1 = 3/7 = 0,429 Gambar 4. Diagram Alir Penghitungan Nilai Posterior Contoh penghitungan nilai pada salah satu jenis penyakit: Posterior P1 = P(P1) x P(G2 P1) x P(G3 P1) x P(G4 P1) x P(G7 P1) x P(G13 P1) = 0,28 x 0,429 x 0,857 x 0,571x 0,429 x 0,143 = 0, Menghitung Nilai Posterior Proses ini lanjutan dari proses sebelumnya. Pada proses ini akan dilakukan penghitungan nilai probabilitas posterior. Proses ini merupakan proses akhir penghitungan nilai probabilitas dengan menggunakan metode Naïve Bayes. Gambar 4 menunjukkan diagram alir proses penghitungan nilai probabilitas posterior.
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Menghitung Nilai CF Menghitung Nilai CF Gambar 5. Diagram Alir Penghitungan Nilai CF Proses ini lanjutan dari proses sebelumnya. Setelah sistem menghasilkan sebuah diagnosis melalui proses penghitungan menggunakan metode naïve bayes, selanjutnya hasil diagnosis tersebut akan dihitung nilai keyakinannya (CF). Proses penghitungan ini dimaksudkan untuk memastikan hasil keluaran CF maksimal mendekati nilai 1, dan juga untuk mengetahui persentase dari hasil perhitungan metode naïve bayes. Gambar 5 menunjukkan diagram alir proses penghitungan nilai CF. Contoh penghitungan nilai keyakinan hasil diagnosis: CF(A) = CF(1) + (CF(2) x (1-CF(1))) = 0 + 0,7 x (1-0) = 0,7 6. HASIL DAN PEMBAHASAN Untuk melakukan evaluasi program pada penelitian kali ini dilakukan pengujian sistem agar program yang dibuat mampu menghasilkan solusi yang optimal. Pengujian yang dilakukan adalah pengujian akurasi. 6.1 Pengujian Kepuasan Pengguna dan Analisis Hasil Pengujian Kepuasan Pengguna Pengujian kepuasan pengguna dilakukan agar mengetahui tingkat kepuasan pengguna dan kenyamanan dalam menggunakan aplikasi sistem pakar. Pada pengujian kepuasan pengguna, diberikan kuisioner untuk menguji tingkat kepuasan pengguna dalam menggunakan aplikasi sistem pakar sejumlah 13 butir pertanyaan yang terdapat pada Lampiran. Kuisioner diberikan kepada 17 responden yang berasal dari pakar dan petani tanaman sedap malam. Tiap-tiap pertanyaan dari kuisioner bertujuan untuk menunjukkan tingkat usability aplikasi sistem pakar menurut pendapat pengguna saat menggunakan aplikasi sistem pakar. Dari kuisioner tersebut, didapatkan hasil tingkat kepuasan pengguna dalam menggunakan aplikasi sistem pakar yang dapat dilihat pada Tabel 1. Resp onde n Tabel 1. Hasil Pengujian Kepuasan Pengguna Butir Pertanyaan Skor Tota l R R R R R R R R R R R R R R R R R Juml ah Berdasarkan Tabel 1, akan dilakukan proses penghitungan nilai setiap butir pertanyaan menggunakan rumus: Nilai Pertanyaan i Jumlah nilai butir pertanyaan i = Jumlah Responden Dari proses penghitungan nilai setiap butir pertanyaan didapatkan nilai sebagai berikut: 1. Nilai butir pertanyaan 1 = 56/17 = 3, Nilai butir pertanyaan 2 = 55/17 = 3, Nilai butir pertanyaan 3 = 60/17 = 3, Nilai butir pertanyaan 4 = 56/17 = 3, Nilai butir pertanyaan 5 = 60/17 = 3, Nilai butir pertanyaan 6 = 51/17 = 3 7. Nilai butir pertanyaan 7 = 53/17 = 3, Nilai butir pertanyaan 8 = 62/17 = 3,64706
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Nilai butir pertanyaan 9 = 52/17 = 3, Nilai butir pertanyaan 10 = 49/17 = 2,88235 Nilai yang didapatkan dari hasil penghitungan nilai setiap butir pertanyaan, akan digunakan dalam menghitung nilai kepuasan pengguna menggunakan rumus: Nilai Kepuasan Pengguna Total Jumlah nilai butir pertanyaan = Jumlah butir pertanyaan Nilai Kepuasan Pengguna = (3, , , , , , , , ,88235) / 10 = 32,58823 / 10 = 3, Dari proses penghitungan nilai kepuasan pengguna didapatkan nilai kepuasan pengguna sebesar 3, Berdasarkan hasil pengujian kepuasan pengguna yang telah dilakukan, aplikasi sistem pakar diagnosis hama-penyakit pada tanaman sedap malam menggunakan metode naïve bayescertainty factor menghasilkan tingkat kepuasan pengguna sebesar 3, Hal tersebut menunjukkan bahwa aplikasi sistem pakar yang telah dibuat memberikan user experience yang baik dan kenyamanan pada saat digunakan. 6.2 Pengujian Akurasi dan Analisis Hasil Pengujian Akurasi Pengujian akurasi dilakukan agar mengetahui performa dari sistem pakar yang telah dibuat dan seberapa besar tingkat akurasi dalam memberikan hasil diagnosis hamapenyakit tanaman hias sedap malam berdasarkan masukan gejala yang dimasukkan oleh pengguna. Tabel 2. Hasil Pengujian Akurasi No Diagnosis Pakar Diagnosis Sistem Nilai CF (%) 1 Kutu Dompolan Kutu Dompolan 98,8 2 Kutu Perisai Kutu Perisai 99,36 3 Thrips Thrips 99,2 4 Kutu Dompolan Kutu Dompolan 99,28 5 Xanthomonas Xanthomonas 92 6 Xanthomonas Kutu Dompolan 64 7 Thrips Kutu Dompolan 40 8 Xanthomonas Kutu Dompolan 40 9 Botrytis Kutu Dompolan Kutu Perisai Kutu Perisai 98,72 11 Kutu Dompolan Kutu Dompolan 99, Botrytis Botrytis 99,2 13 Xanthomonas Xanthomonas 98,4 14 Thrips Thrips 99, Kutu Perisai Kutu Perisai 99,36 16 Kutu Dompolan Kutu Dompolan 99,28 17 Botrytis Botrytis Kutu Perisai Kutu Perisai 99, Thrips Thrips Kutu Perisai Kutu Perisai 98,72 21 Kutu Dompolan Kutu Dompolan 99,76 22 Kutu Dompolan Kutu Dompolan 99,4 23 Xanthomonas Xanthomonas Thrips Thrips Kutu Perisai Kutu Perisai 98,4 26 Xanthomnas Xanthomnas 98,4 27 Kutu Perisai Kutu Perisai 99,36 28 Botrytis Botrytis 99,2 29 Thrips Thrips 99,2 30 Kutu Dompolan Kutu Dompolan 99,97408 Pada pengujian akurasi ini, total data uji yang dipakai yaitu 30 data. pengujian akurasi akan membandingkan hasil diagnosis sistem dengan hasil diagnosis pakar. Hasil pengujian akurasi ditunjukkan pada Tabel 2. Berdasarkan Tabel 2, terdapat 26 data yang memiliki hasil diagnosis yang sama dengan hasil diagnosis pakar. Sehingga tingkat akurasi pada pengujian akurasi sebagai berikut: Jumlah data uji benar Akurasi % = x 100% Jumlah total data uji Akurasi % = 26 x 100% = 86,67 % 30 Tingkat akurasi yang dihasilkan oleh sistem pakar diagnosis hama-penyakit tanaman hias sedap malam menggunakan metode naïve bayescertainty factor adalah sebesar 86,67%. Berdasarkan hasil pengujian akurasi yang telah dilakukan, sistem pakar diagnosis hamapenyakit tanaman hias sedap malam menggunakan metode Naïve Bayes-Certainty Factor menghasilkan tingkat akurasi sebesar 86,67%. Hal tersebut menunjukkan bahwa membuat sebuah sistem pakar menggunakan metode naïve bayes-certainty factor akan menghasilkan sebuah sistem pakar dengan ketepatan hasil diagnosis yang baik dan akurat. 7. KESIMPULAN Kesimpulan yang dapat diambil berdasarkan hasil uji coba yang telah dilakukan mengenai sistem pakar diagnosis hama-penyakit tanaman sedap malam menggunakan metode naïve bayescertainty factor berbasis android adalah sebagai berikut: 1. Dalam mengimplementasikan metode naïve bayes-certainty factor pada sistem pakar diagnosis hama-penyakit tanaman sedap malam berbasis android dapat diterapkan dengan baik. Proses diagnosis hama-penyakit tanaman sedap malam dapat dilakukan memasukkan gejala-gejala yang muncul pada
8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 160 tanaman sedap malam oleh pengguna. Melalui gejala-gejala yang dimasukkan akan dilakukan penghitungan dengan menggunakan metode naïve bayes-certainty factor untuk mendapatkan hasil sistem berupa jenis hama-penyakit yang menyerang tanaman sedap malam. Dalam mengimplementasikan metode naïve bayescertainty pada sistem dalam mendiagnosis nama hama-penyakit, dapat dilakukan penghitungan menggunakan metode naïve bayes dengan menghitung nilai probabilitas prior, nilai probabilitas likelihood, nilai probabilitas posterior, dimana hasil dari penghitungan akan menghasilkan sebuah diagnosis berupa nama hama-penyakit yang menyerang tanaman beserta cara penanganannya. Setelah didapatkan hasil diagnosis dari metode naïve bayes, hasil diagnosis akan dihitung nilai keyakinannya (CF) yang bertujuan untuk mengetahui persentase dari hasil perhitungan metode naïve bayes. 2. Aplikasi sistem pakar diagnosis hamapenyakit tanaman sedap malam menggunakan metode naïve bayes-certainty factor berbasis android yang telah dibuat memiliki nilai tingkat kepuasan pengguna sebesar 3,255823, nilai tingkat kepuasan pengguna merupakan hasil dari penilaian kuisioner 17 responden yang berasal dari pakar dan petani tanaman sedap malam. Tingkat akurasi yang dihasilkan oleh sistem pakar yang telah dibuat sebesar 86,67%. Hal tersebut menunjukkan bahwa aplikasi yang telah dibuat memberikan user experience yang baik dan kenyamanan pada saat digunakan, serta dalam membuat sebuah sistem pakar menggunakan metode naïve bayes-certainty factor akan menghasilkan sebuah sistem pakar dengan ketepatan hasil diagnosis yang baik dan akurat. Fauziyah. (2012). Sistem Pakar Untuk Diagnosis Penyakit Paru Dengan Metode Naive Bayes Classifier. Jurnal Sarjana Informatika, I, 39. Hardika, A. (2014). Aplikasi Sistem Pakar Untuk Identifikasi Hama Dan Penyakit Tanaman Tebu Dengan Metode Naive Bayes Berbasis Web. Malang. Kusumadewi, S. (2003). Artificial Intelegence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu. Saputro, B., Delima, R., & Purwadi, J. (2011). Sistem Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Certainty Factor. Jurnal Sarjana Teknik Informatika. Suryanto, W. A. (2010). Hama dan Penyakit Tanaman: Pangan, Hortikultura, dan Perkebunan. Masalah dan Solusinya. Yogyakarta: Kanisius. Sutojo, T. (2011). Kecerdasan Buatan. Yogyakarta: Andi. Turban. (2005). Sistem Pendukung Keputusan dan Sistem Cerdas. Yogyakarta: Andi. 8. DAFTAR PUSTAKA BPS. (2015). Badan Pusat Statistik Indonesia. Retrieved April 3, 2017, from Direktorat Budidaya Tanaman Hias. (2008). Standar Operasional Prosedur Budidaya Bunga Potong Sedap Malam (Polianthes Tuberose L.). Departemen Pertanian.
Sistem Pakar Diagnosis Penyakit Tanaman Cengkeh Menggunakan Metode Naive Bayes (Studi kasus Kecamatan Wonosalam, Jombang)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 4034-4038 http://j-ptiik.ub.ac.id Sistem Pakar Diagnosis Penyakit Tanaman Cengkeh Menggunakan
Lebih terperinciImplementasi Metode Naïve Bayes-Certainty Factor Untuk Identifikasi Penyakit Kanker Pada Sistem Reproduksi Wanita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2999-3005 http://j-ptiik.ub.ac.id Implementasi Metode Naïve Bayes-Certainty Factor Untuk
Lebih terperinciSistem Pakar Identifikasi Hama Penyakit Tanaman Sedap Malam Menggunakan Fuzzy Analytical Hierarchy Process (F-AHP)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 313-322 http://j-ptiik.ub.ac.id Sistem Pakar Identifikasi Hama Penyakit Tanaman Sedap Malam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Makanan pokok manusia adalah nasi yang merupakan hasil dari tanaman padi. Dengan alasan demikian sehingga pertanian pangan mempunyai arti yang sangat penting bagi kehidupan
Lebih terperinciSISTEM PAKAR MENDIAGNOSA PENYAKIT DAN HAMA TANAMAN PADI ORGANIK VARIENTAS IR 64 DENGAN METODE CERTAINTY FACTOR
SISTEM PAKAR MENDIAGNOSA PENYAKIT DAN HAMA TANAMAN PADI ORGANIK VARIENTAS IR 64 DENGAN METODE CERTAINTY FACTOR Disusun Oleh : Nama : Moch. Refan Syafi i NIM : A11.2008.03990 FAKULTAS ILMU KOMPUTER UNIVERSITAS
Lebih terperinciRANCANG BANGUN SISTEM PAKAR UNTUK MENDIAGNOSIS TANAMAN CABAI MENGGUNAKAN METODE BAYES
RANCANG BANGUN SISTEM PAKAR UNTUK MENDIAGNOSIS TANAMAN CABAI MENGGUNAKAN METODE BAYES 1 Ali Mahmudi, 2 Moh. Miftakhur Rokhman, 3 Achmat Eko Prasetio Teknik Informatika ITN Malang 1 amahmudi@hotmail.com,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada bab ini akan membahas mengenai uraian singkat hasil-hasil penelitian atau analisis terdahulu yang ada hubungannya dengan permasalahan yang akan ditinjau dalam tugas akhir.
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan Negara Agraris yang memiliki potensi yang baik dalam bidang pertanian. Wilayah Indonesia yang strategis yang dilalui garis khatulistiwa menjadi
Lebih terperinciPERANCANGAN SISTEM PAKAR UNTUK MENDETEKSI HAMA DAN PENYAKIT PADA TANAMAN CENGKEH BERBASIS WEBSITE
PERANCANGAN SISTEM PAKAR UNTUK MENDETEKSI HAMA DAN PENYAKIT PADA TANAMAN CENGKEH BERBASIS WEBSITE 1 Endriyono, 2 Sri Winiarti (0516127501) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciAplikasi Sistem Pakar untuk Mendiagnosa Gangguan Pernafasan pada Anak Menggunakan Metode CF (Certainty Factor)
Jurnal Komputer Terapan Vol. 2, No. 2, November 2016, 159-168 159 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Sistem Pakar untuk Mendiagnosa Gangguan Pernafasan pada Anak Menggunakan
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan Sistem Pakar Penanggulangan Hama dan Penyakit Tanaman Hias Aglaonema yang dapat dilihat sebagai
Lebih terperinciMETODE PENALARAN SISTEM PAKAR MENGGUNAKAN MODEL HIBRID FUZZY DEMPSTER SHAFER UNTUK IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN JAGUNG
METODE PENALARAN SISTEM PAKAR MENGGUNAKAN MODEL HIBRID FUZZY DEMPSTER SHAFER UNTUK IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN JAGUNG Nurmahaludin (1), Gunawan Rudi Cahyono (1) mahaludin@poliban.ac.id (1),
Lebih terperinciPENERAPAN SISTEM PAKAR DALAM MENDIAGNOSA PENYAKIT PADA TANAMAN ADENIUM (KAMBOJA JEPANG)
PENERAPAN SISTEM PAKAR DALAM MENDIAGNOSA PENYAKIT PADA TANAMAN ADENIUM (KAMBOJA JEPANG) Zara Yunizar Dosen Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Almuslim ABSTRAK Tanaman merupakan
Lebih terperinciBAB I PENDAHULUAN. yaitu dengan suatu media konsultasi yang bersifat online. mengemukakan pesoalan-persoalan yang terjadi kemudian pakar akan
BAB I PENDAHULUAN I.1 Latar Belakang Media konsultasi merupakan sebuah media atau sarana untuk berkomunikasi atau berinteraksi antara seorang pakar dengan pengguna. Dalam bidang medis kegiatan konsultasi
Lebih terperinciSISTEM DIAGNOSA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE CEERTAINTY FACTOR
SISTEM DIAGNOSA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE CEERTAINTY FACTOR Budi Cahyo Saputro (1) Rosa Delima (2) Joko Purwadi (3) blacs_mamba@yahoo.com rosa@ukdw.ac.id jokop@ukdw.ac.id Abstraksi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sistem Pakar yang digunakan untuk mendiagnosa suatu penyakit dibuat pertama kali pada tahun 1975. Sistem pakar untuk melakukan diagnosis kesehatan petama kali
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi yang berjalan begitu cepat menuntut kemajuan di segala bidang. Masyarakat harus bisa mengikuti segala bentuk kemajuan tersebut. Berbagai bidang tak
Lebih terperinciSISTEM PAKAR DIAGNOSIS PENYAKIT YANG DISEBABKAN OLEH VIRUS INFLUENZA MENGGUNAKAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR
SISTEM PAKAR DIAGNOSIS PENYAKIT YANG DISEBABKAN OLEH VIRUS INFLUENZA MENGGUNAKAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciSISTEM PENDETEKSI GANGGUAN HAMA DANPENYAKIT TANAMAN PADI BESERTA PENANGGULANGANNYA
SISTEM PENDETEKSI GANGGUAN HAMA DANPENYAKIT TANAMAN PADI BESERTA PENANGGULANGANNYA Santi Purwaningrum 1, KhafiizhHastuti, M.Kom 2 MahasiswaUniversitas Dian Nuswantoro Semarang 1, DosenUniversitas Dian
Lebih terperinciSistem Diagnosis Penyakit Hati Menggunakan Metode Naïve Bayes
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2666-2671 http://j-ptiik.ub.ac.id Sistem Diagnosis Penyakit Hati Menggunakan Metode Naïve Bayes
Lebih terperinci1.3 Batasan Masalah Adapun batasan masalahnya adalah sebagai berikut: 1. Uji coba perangkat lunak
1 1.1 penyakit. Selain itu, ikan nila memiliki toleransi yang luas terhadap kondisi lingkungan serta memiliki kemampuan yang efesien dalam membentuk protein dari bahan organik, limbah domestik, dan pertanian.
Lebih terperinciSistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode Naïve Bayes-Certainty Factor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4333-4339 http://j-ptiik.ub.ac.id Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode
Lebih terperinciSistem Pakar Penyakit Kulit Pada Manusia Menggunakan Metode Certainty Factor Berbasis Web
Sistem Pakar Penyakit Kulit Pada Manusia Menggunakan Metode Certainty Factor Berbasis Web Sri Yastita 1, Yohana Dewi Lulu 2, Rika Perdana Sari 3 Politeknik Caltex Riau e-mail yastitas@yahoo.com,ydlulu@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. inferensi Forward Chaining dan Backward chaining. Hasil penelitian
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 1.1 Tinjauan Pustaka Anton Setiawan Honggo Wibowo (2009), di rancang sistem pakar tanaman padi berbasis web menggunakan basis aturan dengan metode inferensi Forward
Lebih terperinciAplikasi Diagnosis Penyakit Sapi Menggunakan Metode Certainty Factors Berbasis Android
84 KOMPUTASI, Vol.13, No 2, Juli 2016, pp. 84-93 ISSN: 1693-7554 Aplikasi Diagnosis Penyakit Sapi Menggunakan Metode Certainty Factors Berbasis Android Indra Fauz i Rohman 1, Prihastuti Harsani 2, Arie
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hewan ternak ayam memiliki banyak manfaatnya seperti telur dan dagingnya tidak terlepas dari kebutuhan konsumsi sehari-hari. Namun, ada permasalahan utama yang hampir
Lebih terperinciPENERAPAN TEOREMA BAYES UNTUK IDENTIFIKASI PENYAKIT PADA TANAMAN KEDELAI
PENERAPAN TEOREMA BAYES UNTUK IDENTIFIKASI PENYAKIT PADA TANAMAN KEDELAI Wisnu Mahendra 1, Achmad Ridok 2 dan Nurul Hidayat 3. Program Studi Ilmu Komputer, Program Teknologi Informasi dan Ilmu Komputer
Lebih terperinciSistem Pakar Diagnosis Penyakit Pada Kambing Menggunakan Metode Naive Bayes dan Certainty Factor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 451-458 http://j-ptiik.ub.ac.id Sistem Pakar Diagnosis Penyakit Pada Kambing Menggunakan Metode
Lebih terperinciBAB I PENDAHULUAN. Lulusan kedokteran gigi di tuntut untuk menyelesaikan pasien dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Lulusan kedokteran gigi di tuntut untuk menyelesaikan pasien dengan berbagai macam penyakit mulut, jaringan keras gigi dan jaringan lunak mulut. Kelainan jaringan
Lebih terperinciSistem Pakar Diagnosa Hama Dan Penyakit Cabai Berbasis Teorema Bayes
ISSN: 2089-3787 867 Sistem Pakar Diagnosa Hama Dan Penyakit Cabai Berbasis Teorema Bayes Abul Aziz Muslim, Rintana Arnie, Sushermanto Program Studi Teknik Informatika, STMIK Banjarbaru JL.Ahmad Yani KM.33,5
Lebih terperinciBAB I PENDAHULUAN. dibutuhkan tingkat kematangan yang sesuai ketika dilakukan kegiatan panen.
BAB I PENDAHULUAN I.1. Latar Belakang Dalam memperoleh kadar minyak yang optimal dan berkualitas dibutuhkan tingkat kematangan yang sesuai ketika dilakukan kegiatan panen. Buah yang tepat matang diartikan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada bab ini akan membahas mengenai uraian singkat hasil-hasil penelitian atau analisis terdahulu yang ada hubungannya dengan permasalahan yang akan ditinjau dalam Tugas Akhir.
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN DURIAN BERBASIS WEB MENGGUNAKAN ALGORITMA BAYES NASKAH PUBLIKASI
SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN DURIAN BERBASIS WEB MENGGUNAKAN ALGORITMA BAYES NASKAH PUBLIKASI diajukan oleh Ibnu Titto Dessetiadi 13.11.7046 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciSISTEM PAKAR IDENTIFIKASI PENANGGULANGAN HAMA DAN PENYAKIT PADA ANGGREK PHALAENOPSIS BERBASIS WEB
SISTEM PAKAR IDENTIFIKASI PENANGGULANGAN HAMA DAN PENYAKIT PADA ANGGREK PHALAENOPSIS BERBASIS WEB Eva Puspita 1), Taufik Baidawi 2) Sistem Informasi, STMIK Nusamandiri, Sukabumi email: eva.puspita47@yahoo.co.id
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM. identifikasi penyakit pada tanaman buah naga dengan menggunakan metode
BAB III ANALISIS DAN DESAIN SISTEM Pada bab ini penulis akan membahas mengenai perancangan sistem pakar identifikasi penyakit pada tanaman buah naga dengan menggunakan metode certainty Factor yang meliputi
Lebih terperinciPENGGUNAAN METODE CERTAINTY FACTOR PARALEL UNTUK MENDETEKSI HAMA DAN PENYAKIT PADA TANAMAN KAKAO
PENGGUNAAN METODE CERTAINTY FACTOR PARALEL UNTUK MENDETEKSI HAMA DAN PENYAKIT PADA TANAMAN KAKAO Fitria Dosen pada Jurusan Teknologi Informatika, Informatics & Business Institute Darmajaya Jl. Z.A Pagar
Lebih terperinciImplementasi Metode Certainty Factor pada Identifikasi Kerusakan Kendaraan Bermotor Roda Dua
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 2018, hlm. 2046-2050 http://j-ptiik.ub.ac.id Implementasi Metode Certainty Factor pada Identifikasi Kerusakan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini akan membahas tentang contoh-contoh sistem pakar yang telah dibangun sebelumnya. Contoh sistem pakar yang telah banyak dikembangkan untuk membantu pengguna dalam menyelesaikan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Tanaman cabai merah besar yang termasuk dalam jenis buah dan tumbuhan anggota genus Capsicum ini merupakan komoditas sayuran yang banyak diminati dikalangan
Lebih terperinciBAB I PENDAHULUAN. yang terdiri dari pengetahuan dan pengalaman dari banyak pakar yang
2 BAB I PENDAHULUAN I.1. Latar Belakang Sistem Pakar (Expert System) merupakan bagian dari kecerdasan buatan yang terdiri dari pengetahuan dan pengalaman dari banyak pakar yang dimasukkan ke dalam suatu
Lebih terperinciPengembangan Potensi Sedap Malam dari Jawa Timur
Pengembangan Potensi Sedap Malam dari Jawa Timur Donald Sihombing, PER Prahardini, Wahyu Handayati, dan Tri Sudaryono Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Timur Jln. Raya Karangploso Km 4 PO
Lebih terperinciMENDETEKSI HAMA TANAMAN BUAH MANGGA DENGAN METODE CERTAINTY FACTOR
MENDETEKSI HAMA TANAMAN BUAH MANGGA DENGAN METODE CERTAINTY FACTOR Penulis : Gatot Fitriyanto 1), Nur Ahmad Azhar 2), Muhammad Kurniawan 3) 1), 2), 3 Teknik Informatika STMIK AMIKOM Yogyakatra Jl Ring
Lebih terperinciJURNAL. Detection of demage smartphone in fortuna cell
JURNAL PENDETEKSI KERUSAKAN SMARTPHONE DI FORTUNA CELL Detection of demage smartphone in fortuna cell Oleh: EKO SETIAWAN 12.1.03.03.0376 Dibimbing oleh : 1. Fatkhur Rhohman, M. Pd. 2. Rini Indriati, S.Kom.
Lebih terperinciBAB I PENDAHULUAN. membantu proses dan cara berpikir manusia yang disebut sebagai artificial
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan semakin berkembangnya pengetahuan, teknologi komputer juga mengalami kemajuan yang sangat signifikan dari tahun ke tahun. Hal ini ditandai dengan berkembangnya
Lebih terperinciSISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN TEBU MENGGUNAKAN METODE NAÏVE BAYES
SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN TEBU MENGGUNAKAN METODE NAÏVE BAYES Luise Suada, Indra Dharma Wijaya,ST.,M.MT., Erfan Rohadi,ST.,M.Eng.,PhD. 3,,3 Program Studi Teknik Informatika, Jurusan
Lebih terperinciBAB I PENDAHULUAN. botani disebut Fungi termasuk ke dalam golongan tumbuhan sederhana
BAB I PENDAHULUAN I.1. Latar Belakang Jamur dalam bahasa Indonesia disebut Cendawan dan dalam istilah botani disebut Fungi termasuk ke dalam golongan tumbuhan sederhana karena tidak berklorofil. Tubuh
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 1.1 Latar Belakang BAB I PENDAHULUAN Pertanian merupakan sektor penting dalam kehidupan manusia. Hal ini disebabkan karena sumber makanan manusia berasal dari pertanian. Setiap tahunnya, kebutuhan manusia
Lebih terperinciAplikasi untuk Diagnosis Penyakit pada Anak dan Balita Menggunakan Faktor Kepastian
Aplikasi untuk Diagnosis Penyakit pada Anak dan Balita Menggunakan Faktor Kepastian Helen Sastypratiwi 1, Fatma Agus Setyaningsih 2 Program Studi Teknik Informatika Universitas Tanjungpura Jl. Ahmad Yani,
Lebih terperinciBAB I PENDAHULUAN. asing lagi bagi petani, tetapi masalahnya adalah apakah penyakit tersebut
BAB I PENDAHULUAN I.1. Latar Belakang Penyakit pada tanaman senantiasa dijumpai pada setiap tanaman tidaklah asing lagi bagi petani, tetapi masalahnya adalah apakah penyakit tersebut menimbulkan kerugian
Lebih terperinciIMPLEMENTASI CERTAINTY FACTOR PADA SISTEM PAKAR UNTUK DIAGNOSA HAMA DAN PENYAKIT TANAMAN JAGUNG MENGGUNAKAN SMS GATEWAY
Jurnal INTEKNA, Tahun XIII, No. 2, Nopember 2013 : 131-136 IMPLEMENTASI CERTAINTY FACTOR PADA SISTEM PAKAR UNTUK DIAGNOSA HAMA DAN PENYAKIT TANAMAN JAGUNG MENGGUNAKAN SMS GATEWAY Gunawan Rudi Cahyono (1)
Lebih terperinciBAB I PENDAHULUAN. sangat pesat, seiring dengan kebutuhan manusia yang semakin banyak dan
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan komputer dewasa ini telah mengalami banyak perubahan yang sangat pesat, seiring dengan kebutuhan manusia yang semakin banyak dan kompleks. Komputer yang
Lebih terperinciANALISIS METODE CERTAINTY FACTOR DALAM SISTEM PAKAR UNTUK MENDETEKSI PENYAKIT SAPI PEDAGING
ANALISIS METODE CERTAINTY FACTOR DALAM SISTEM PAKAR UNTUK MENDETEKSI PENYAKIT SAPI PEDAGING Ahmad Abdullah Zain 1, Erna Zuni Astutik, M.Kom 2 1 Mahasiswa Teknik Informatika, Universitas Dian Nuswantoro
Lebih terperinciPENERAPAN CERTAINTY FACTOR DALAM SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN PAPAYA
PENERAPAN CERTAINTY FACTOR DALAM SISTEM PAKAR MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN PAPAYA Khairul Ummi, Edi Kurniawan STMIK Potensi Utama, Jl. K.L Yos Sudarso Km.6,5 No.3A Tanjung Mulia ummi12gibmie@gmail.com
Lebih terperinciPENERAPAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR PADA SISTEM PAKAR DIAGNOSA HAMA ANGGREK COELOGYNE PANDURATA
PENERAPAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR PADA SISTEM PAKAR DIAGNOSA HAMA ANGGREK COELOGYNE PANDURATA Doddy Teguh Yuwono, Abdul Fadlil, Sunardi Magister Teknik Informatika Universitas Ahmad
Lebih terperinciProgram Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Malang 1. Abstrak
SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNAKAN METODE FUZZY INFERENCE TSUKAMOTO (STUDI KASUS DI DINAS PERTANIAN KOTA BLITAR) Yudha Rizki Widyanto 1, Ariadi Retno Tri Hayati Ririd,S.Kom.,M.Kom
Lebih terperinciBAB I PENDAHULUAN. sayur yang banyak dikonsumsi oleh masyarakat di seluruh dunia, terutama di
BAB I PENDAHULUAN I.1. Latar Belakang Buah tomat (Lycopersicum esculentum. Mill. L.) merupakan tanaman sayur yang banyak dikonsumsi oleh masyarakat di seluruh dunia, terutama di Indonesia. Tomat (Lycopersicon
Lebih terperinciSISTEM PAKAR KNOWLEDGE-BASED UNTUK DIAGNOSA SAKIT KEPALA
SISTEM PAKAR KNOWLEDGE-BASED UNTUK DIAGNOSA SAKIT KEPALA Ach. Ulul Azmi Rojabi 1 Yusriel Ardian 2 1 Sistem Informasi, Universitas Kanjuruhan Malang, rojabi@live.com 2 Sistem Informasi, Universitas Kanjuruhan
Lebih terperinciSistem Pakar Diagnosa Hama Dan Penyakit Tanaman Kehutanan
ISSN: 2089-3787 995 Sistem Pakar Diagnosa Hama Dan Penyakit Tanaman Kehutanan Muhammad Rifaldi 1, Huzainsyahnoor Aksad 2 1,2 Program Studi Teknik Informatika, STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru
Lebih terperinciKata kunci: Klasifikasi, warna kulit, naïve bayes
PENGKLASIFIKASI GENUS PANTHERA (HARIMAU, SINGA, JAGUAR DAN MACAN TUTUL DENGAN METODE NAIVE BAYES Program Studi Informatika, Program Teknologi Informasi dan Ilmu Komputer, Agus Suryanto, Brian Andrianto,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pertanian mempunyai arti penting bagi kehidupan manusia, selama manusia hidup, selama itu juga pertanian tetap akan ada. Hal itu disebabkan karena pertanian masih
Lebih terperinciBAB 1 PENDAHULUAN. produsen. Kopi sangat penting dalam bidang ekonomi dan politik di negaranegara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kopi merupakan komoditas penting dalam perekonomian dunia. Kopi adalah salah satu produk utama yang paling memiliki nilai jual tinggi kedua dalam perdagangan
Lebih terperinciSistem Pakar Diagnosis Penyakit Telinga Hidung Tenggorokan (THT) Menggunakan Metode Naive Bayes Berbasis Android
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, April 2018, hlm. 1492-1500 http://j-ptiik.ub.ac.id Sistem Pakar Diagnosis Penyakit Telinga Hidung Tenggorokan
Lebih terperinciKeefektifan Implementasi Metode Certainty Factor Untuk Diagnosa Gangguan Perkembangan Anak Retardasi Mental
Keefektifan Implementasi Metode Certainty Factor Untuk Diagnosa Gangguan Perkembangan Anak Mental Valerian Hendri Yono* 1, Halim Agung 2 1,2 Jurusan Teknik Informatika, FTD UBM, Jakarta 1,2 Uniersitas
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Pada penelitian Sistem Pakar Diagnosa Awal Kanker Serviks Menggunakan Metode Naive Bayes Berbasis Android Dalam penelitian ini, untuk mengidentifikasi
Lebih terperinciPembuatan Aplikasi Sistem Pakar untuk Membantu Mendiagnosa Penyakit dan Hama pada Tanaman Anggrek Berbasis Web
Pembuatan Aplikasi Sistem Pakar untuk Membantu Mendiagnosa Penyakit dan Hama pada Tanaman Anggrek Berbasis Web Denny Dwinata Lukman Teknik Informatika / Fakultas Teknik denny_dwinata@yahoo.com Abstrak
Lebih terperinciSistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid Menggunakan Metode K-Nearest Neighbor Certainty Factor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 5, Mei 2017, hlm. 426-435 http://j-ptiik.ub.ac.id Sistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid
Lebih terperinciDIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP
1 DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP Achmad Ramadhan Safutra 1, Dwi Wahyu Prabowo 1 1 Jurusan Sistem Informasi, Fakultas Ilmu Komputer Universitas Darwan
Lebih terperinciPemanfaatan Metode Naïve Bayes Classifier dalam Pembuatan Sistem Pakar untuk Diagnosa Penyakit Kelamin
ISSN: 2088-4591 Vol.7 No.2 Edisi Nopember 2017 Pemanfaatan Metode Naïve Bayes Classifier dalam Pembuatan Sistem Pakar untuk Diagnosa Penyakit Kelamin Nuzul Hikmah, Lilik Utammimah Fakultas Teknik, Universitas
Lebih terperinciSISTEM PAKAR DIAGNOSA HAMA TANAMAN JERUK BERBASIS WEB MENGGUNAKAN METODE CERTAINTY FACTOR TUGAS AKHIR
SISTEM PAKAR DIAGNOSA HAMA TANAMAN JERUK BERBASIS WEB MENGGUNAKAN METODE CERTAINTY FACTOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciBAB I PENDAHULUAN 1. 1 Latar Belakang Masalah
BAB I PENDAHULUAN 1. 1 Latar Belakang Masalah Seiring dengan kemajuan teknologi saat ini komputer telah berkembang sebagai alat pengolah data, penghasil informasi, bahkan komputer juga ikut berperan dalam
Lebih terperinciPemodelan Sistem Pakar Diagnosis Penyakit Tanaman Apel Manalagi Dengan Metode Backward Chaining Menggunakan Certainty Factor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol., No. 5, Mei 207, hlm. 399-404 http://j-ptiik.ub.ac.id Pemodelan Sistem Pakar Diagnosis Tanaman Apel Manalagi Dengan Metode
Lebih terperinciAPLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER
APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER Aprilia Sulistyohati, Taufiq Hidayat Laboratorium Sistem Informasi dan Perangkat Lunak Jurusan Teknik Informatika Fakultas Teknologi
Lebih terperinciEXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS
EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281
Lebih terperinciSISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT TANAMAN CABAI BESAR MENGGUNAKAN METODE CERTAINTY FACTOR
ISSN (Print) : 1693-1173 ISSN (Online) : 2548-4028 SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT TANAMAN CABAI BESAR MENGGUNAKAN METODE CERTAINTY FACTOR Tomi Winanto 1), Yustina Retno Wahyu Utami 2), Sri Hariyati
Lebih terperinciRANCANG BANGUN APLIKASI MOBILE UNTUK MENDIAGNOSA PENYAKIT UMUM DENGAN METODE CERTAINTY FACTOR MENGGUNAKAN TEKNOLOGI ANDROID
RANCANG BANGUN APLIKASI MOBILE UNTUK MENDIAGNOSA PENYAKIT UMUM DENGAN METODE CERTAINTY FACTOR MENGGUNAKAN TEKNOLOGI ANDROID Rama Tri Admaja 1, Entin Martiana, S. Kom, M. Kom. 2, Idris Winarno, S.St, M.
Lebih terperinciSISTEM PAKAR DETEKSI HAMA DAN PENYAKIT PADA TANAMAN CABAI DENGAN METODE NAÏVE BAYES
Prosiding Seminar Informatika Aplikatif Polinema 205 (SIAP~205) ISSN: 2460-60 SISTEM PAKAR DETEKSI HAMA DAN PENYAKIT PADA TANAMAN CABAI DENGAN METODE NAÏVE BAYES Yuvida Anindita Fitrianingtyas, Cahya Rahmad
Lebih terperinciPENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT CABAI PAPRIKA BERBASIS ANDROID
PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT CABAI PAPRIKA BERBASIS ANDROID Resi Resmiati¹, Asep Deddy Supriatna 2 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu No. 1 Jayaraga Garut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Bab ini akan membahas tentang contoh-contoh sistem pakar yang telah dibangun sebelumnya. Contoh sistem pakar yang telah banyak dikembangkan untuk membantu pengguna dalam menyelesaikan
Lebih terperinciAPLIKASI POTENSI AKADEMIK BERBASIS TES PSIKOLOGI MENGGUNAKAN METODE CERTAINTY FACTOR
APLIKASI POTENSI AKADEMIK BERBASIS TES PSIKOLOGI MENGGUNAKAN METODE CERTAINTY FACTOR SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Prodi Teknik Informatika
Lebih terperinciBAB I. PENDAHULUAN. bahan-bahan yang dapat menyembuhkan penyakit. menyediakan sayuran bermutu dalam jumlah yang memadai. Dari segi
BAB I. PENDAHULUAN A. LATAR BELAKANG PEMASALAHAN Tanaman sayuran merupakan kelompok tanaman yang termasuk dalam tanaman hortikultura.sekelompok tanaman yang lain adalah buah-buahan, tanaman hias, tanaman
Lebih terperinciBAB I PENDAHULUAN. seiring dengan kebutuhan manusia yang semakin banyak dan kompleks. Hal ini yang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan komputer dewasa ini mengalami perkembangan yang sangat pesat, seiring dengan kebutuhan manusia yang semakin banyak dan kompleks. Hal ini yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Rumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Diagnosis penyakit yang diderita oleh seorang penderita harus dapat dilakukan dengan tepat dan akurat, karena kesalahan diagnosis berakibat fatal dan bisa membahayakan
Lebih terperinciImplementasi Metode Iterative Dichotomizer Tree (ID3) Untuk Diagnosis Penyakit Pada Tanaman Bawang Merah
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3391-3396 http://j-ptiik.ub.ac.id Implementasi Metode Iterative Dichotomizer Tree (ID3) Untuk
Lebih terperinciPENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT DAN HAMA PADA TANAMAN SEMANGKA BERBASIS ANDROID
PENGEMBANGAN SISTEM PAKAR DIAGNOSIS PENYAKIT DAN HAMA PADA TANAMAN SEMANGKA BERBASIS ANDROID Imas Siti Munawaroh¹, Dini Destiani Siti Fatimah² Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor
Lebih terperinciSISTEM PAKAR DIAGNOSIS KEJIWAAN MENGGUNAKAN METODE CERTAINTY FACTOR (STUDI KASUS RUMAH SAKIT JIWA DAERAH PROVINSI SUMATERA UTARA)
SISTEM PAKAR DIAGNOSIS KEJIWAAN MENGGUNAKAN METODE CERTAINTY FACTOR (STUDI KASUS RUMAH SAKIT JIWA DAERAH PROVINSI SUMATERA UTARA) Charles Jhony Mantho Sianturi STMIK Potensi Utama Jl. K.L. Yos Sudarso
Lebih terperinciSISTEM PAKAR DETEKSI DINI PENYAKIT PADA BURUNG PUYUH DENGAN METODE FORWARD CHAINING
1 SISTEM PAKAR DETEKSI DINI PENYAKIT PADA BURUNG PUYUH DENGAN METODE FORWARD CHAINING Dimas Panji Widjanarko Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula No. 5-11 Semarang-50131 dimazpanji193@gmail.com
Lebih terperinciSistem Pakar Diagnosis Potensi Penyebaran Penyakit pada Tanaman Cabai Menggunakan Fuzzy Mamdani
Tersedia di https://jtsiskom.undip.ac.id (19 April 218) DOI: 1.1471/jtsiskom.6.2.218.71-75 Jurnal Teknologi dan Sistem Komputer, 6(2), 218, 71-75 Sistem Pakar Diagnosis Potensi Penyebaran Penyakit pada
Lebih terperinciAPLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT KANKER MENGGUNAKAN METODE CERTAINTY FACTOR
APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT KANKER MENGGUNAKAN METODE CERTAINTY FACTOR Roni Pambudi 1, Sumarno 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Sidoarjo Jl. Raya
Lebih terperinciSISTEM PAKAR DIAGNOSA OVERHEATING PADA KENDARAAN BERSISTEM PENDINGIN AIR (LIQUID COOLING SYSTEM)
J u r n a l T e k n i k A V o l 9 N o 1 M a r e t 2 0 1 7, 1-5 ISSN No. 2085-0859 SISTEM PAKAR DIAGNOSA OVERHEATING PADA KENDARAAN BERSISTEM PENDINGIN AIR (LIQUID COOLING SYSTEM) Adika Nur Sandrayanto
Lebih terperinciAplikasi Sistem Pakar untuk Diagnosa Hama Jeruk dan Pengobatannya Menggunakan Metode Certainty Factor
Aplikasi Sistem Pakar untuk Diagnosa Hama Jeruk dan Pengobatannya Menggunakan Metode Certainty Factor Yudi 1, Laila 2 STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111, Fax. 061-4527548 e-mail: ynn_linc@yahoo.com
Lebih terperinciAPLIKASI SISTEM PAKAR UNTUK MENDIAGNOS PENYAKIT PADA TANAMAN KEDELAI BERBASIS WEB
APLIKASI SISTEM PAKAR UNTUK MENDIAGNOS PENYAKIT PADA TANAMAN KEDELAI BERBASIS WEB Aliman Teknik Informatika STMIK ATMA LUHUR PANGKALPINANG Jl. Jend. Sudirman Selindung Lama Pangkalpinang Kepulauan Babel
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT PADA IKAN BUDIDAYA AIR TAWAR DENGAN METODE FORWARD CHAINING BERBASIS ANDROID
SISTEM PAKAR DIAGNOSA PENYAKIT PADA IKAN BUDIDAYA AIR TAWAR DENGAN METODE FORWARD CHAINING BERBASIS ANDROID 1 Ardhika Praseda Ageng Putra, 2 Aristoteles, 2 Rara Diantari 1 Jurusan Budidaya Perairan FMIPA
Lebih terperinciBAB I PENDAHULUAN. seperti yang dilakukan oleh para ahli. Sistem Pakar merupakan salah satu bidang
BAB I PENDAHULUAN I.1 Latar Belakang Sistem Pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang dilakukan
Lebih terperinciAPLIKASI PAKAR DIAGNOSA PENYAKIT GIGI MENGGUNAKAN METODE FORWARD CHAINING BERBASIS MOBILE
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 APLIKASI PAKAR DIAGNOSA PENYAKIT GIGI MENGGUNAKAN METODE FORWARD CHAINING BERBASIS MOBILE Evi Dewi Sri Mulyani 1), N. Nelis
Lebih terperinciBAB I PENDAHULUAN. Perkembangan komputer sekarang ini sangat pesat dan salah. satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan.
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan komputer sekarang ini sangat pesat dan salah satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan. Di dalam bidang kecerdasan buatan, termasuk
Lebih terperinciCASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN
CASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN Oleh: Minarni, Indra Warman, Wenda Handayani Jurusan Teknik
Lebih terperinciKeywords: Expert System, Naïve Bayes, Diagnosis of diseases and pests of oyster mushroom
SISTEM PAKAR DIAGNOSA PENYAKIT DAN HAMA JAMUR TIRAM DI PERKUMPULAN TANI JAMUR DI KECAMATAN TUREN Catur Pamungkas Danang Aditya Nugraha 1 Sistem Informasi, Universitas Kanjuruhan Malang, caturpamungkas25@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia merupakan negara maritim yang luas dan kaya akan keanekaragaman hayati [1]. Dari seluruh kekayaan hayati yang dimiliki, salah satunya yaitu ikan nila
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT HYPEROPIA DAN MYOPIA PADA
ISSN : 232-385 Seminar Nasional Teknologi Informasi dan Multimedia 26 STMIK AMIKOM Yogyakarta, 6-7 Februari 26 SISTEM PAKAR DIAGNOSA PENYAKIT HYPEROPIA DAN MYOPIA PADA MANUSIA BERBASIS ANDROID MENGGUANAKAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, metode kecerdasan buatan (Artificial Intelligence) banyak digunakan dalam berbagai bidang seperti: bisnis, militer, pendidikan, psikologi, permainan
Lebih terperinci