• Login
    View Item 
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Computer Science
    • View Item
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Computer Science
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Case-based Reasoning (CBR) Sebagai Mesin Inferensi untuk Memprediksi Jenis Hama dan Penyakit pada Tanaman Jagung Menggunakan Algoritma Similaritas Probabilistik Symmetric

    Thumbnail
    View/Open
    172410101136.pdf (2.062Mb)
    Date
    2022-07-29
    Author
    ALFIRDAUS, Andi
    Metadata
    Show full item record
    Abstract
    Jagung atau dengan nama lain Zea mays.L adalah sebuah serelia yang strategis, bernilai ekonomis, dan berpeluang untuk dibudidayakan karena manfaatnya sebagai sumber utama karbohidrat dan protein setelah beras. Namun dalam kegiatannya, para petani banyak menghadapi kendala, yaitu tingginya biaya yang harus dikeluarkan untuk menggunakan alat dan mesin pertanian (alsintani), banyaknya hama, harga pupuk dan obat-obatan yang relatif mahal serta tidak menentunya curah hujan. Mendeteksi hama dan penyakit pada tanaman secara akurat dan cepat dapat membantu petani dalam menentukan pengobatan yang tepat pada tanaman, dengan demikian dapat mengurangi kerugian ekonomi dan menghasilkan panen yang banyak dan berkualitas. Oleh karena itu, dibutuhkan teknologi yang dapat mendeteksi hama dan penyakit tanaman khususnya pada tanaman Jagung. Salah satu teknologi yang dapat mendeteksi hama dan penyakit pada tanaman adalah dengan menggunakan Case-Based Reasoning. Case-Based Reasoning (CBR) adalah proses mengingat suatu kasus pada masa lampau, lalu menggunakannya kembali dan mengadaptasikan dalam kasus baru. Dan dengan algoritma probabilistic symmetric yang dapat membatu metode CBR untuk memecahkan masalah dengan akurat karena perhitungannya. Sistem ini berbasis website dan menggunakan framework Laravel. Sistem dapat memprediksi 13 jenis hama penyakit dan menyediakan pilihan 50 gejala umum. Sistem diuji dengan memasukkan 60 data kasus yang pernah ditangani oleh PPL. Untuk perhitungan tingkat akurasi 60 data kasus tersebut, dengan threshold 70% adalah sebesar 78.33%.
    URI
    https://repository.unej.ac.id/xmlui/handle/123456789/112929
    Collections
    • UT-Faculty of Computer Science [1026]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    Context

    Edit this item

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository