Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Teknoif Teknik Informatika Institut Teknologi Padang
Yusuf, Yuhendra
Institut Teknologi Padang
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IMPLEMENTASI CASE-BASED REASONING SEBAGAI METODE INFERENSI PADA SISTEM PAKAR IDENTIFIKASI PENYAKIT TANAMAN JAGUNG Minarni, Minarni; Warman, Indra; Yusuf, Yuhendra
Jurnal Teknoif - ISSN 2338-2724 Vol 6, No 1 (2018): TEKNOIF APRIL 2018
Publisher : ITP Press - Institut Teknologi Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (556.933 KB) | DOI: 10.21063/jtif.2018.V6.1.1-7

Abstract

Jagung (Zea mays.L) merupakan tanaman pangan kedua setelah padi. Salah satu faktor yang mempengaruhi tingkat produktifitas jagung yaitu adanya serangan penyakit jagung. Jika serangan pada saat masih dini dan terlambat dalam pengendaliannya  maka akan menyebabkan gagal panen. Untuk mengidentifikasi penyakit tanaman ini dilakukan oleh tenaga ahli yaitu  penyuluh pertanian lapangan (PPL) yang memiliki keterbatasan waktu dan tempat, sehingga diperlukan suatu sistem yang dapat membantu petani dalam mengidentifikasi penyakit tanaman jagung.Penelitian ini membahas tentang sebuah pengembangan sistem pakar untuk mengidentifikasi penyakit tanaman jagung menggunakan metode inferensi case-based reasoning (CBR) dengan nearest neighbour similarity sebagai metode pengukuran similaritas. CBR merupakan sistem penalaran komputer yang menggunakan pengetahuan lama untuk mengatasi masalah baru. CBR memberikan solusi terhadap kasus baru dengan melihat kasus lama yang paling mendekati kasus baru. Proses identifikasi dilakukan dengan cara memasukkan kasus baru yang berisi gejala-gejala yang akan diidentifikasi ke dalam sistem, kemudian melakukan proses perhitungan nilai similaritas antara kasus baru dengan dengan basis kasus menggunakan metode nearest neighbor. Sistem dibangun dengan 22 gejala untuk 13 penyakit berdasarkan umur tanam. Masing-masing gejala memiliki bobot yang berbeda di mana nilai bobot yang digunakan ditentukan oleh pakar.Hasil pengujian menunjukkan sistem mampu mengidentifikasi penyakit tanaman jagung dengan gejala sesuai rule sebesar 100%,  dan tingkat akurasi dengan metode nearest neigbour similarity sebesar 74,63 %. 
Co-Authors Minarni Minarni Warman, Indra