Please use this identifier to cite or link to this item: https://repository.unej.ac.id/xmlui/handle/123456789/112929
Title: Case-based Reasoning (CBR) Sebagai Mesin Inferensi untuk Memprediksi Jenis Hama dan Penyakit pada Tanaman Jagung Menggunakan Algoritma Similaritas Probabilistik Symmetric
Authors: ALFIRDAUS, Andi
Keywords: CASE-BASED REASONING (CBR)
MESIN INFERENSI
HAMA
PENYAKIT TANAMAN
TANAMAN JAGUNG
Issue Date: 29-Jul-2022
Publisher: Fakultas Ilmu Komputer
Citation: Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
Havard Style
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
Appears in Collections:UT-Faculty of Computer Science

Files in This Item:
File Description SizeFormat 
172410101136.pdf
  Until 2028-01-25
2.11 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools