Nurhayati Nurhayati
Institut Teknologi Padang

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

Found 1 Documents
Search

Penerapan Case-based Reasoning (CBR) pada Sistem Pakar Diagnosis Penyakit Tanaman Pangan Minarni Minarni; Wenda Handayani; Nurhayati Nurhayati
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 11, No 1 (2021): June
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v11i1.1993

Abstract

This study discusses an expert system for diagnosing food plant diseases by applying Case-based Reasoning (CBR). CBR is a way of thinking about computer reasoning by utilizing past knowledge to handle new cases. CBR resolves new cases by observing the old cases that are closest to the new cases. The diagnosis stage begins with entering new cases with their symptoms to be diagnosed into the system, after that calculating the similarity value of new cases with existing cases on a case basis with the nearest neighbor algorithm. Based on testing using test data with a similarity threshold of 70%, the system produces performance with a sensitivity of 100% and an average accuracy rate of 76, 74%. This proves that the system works well for diagnosing food plant diseases (rice, cassava, corn, and peanuts).Abstrak - Penelitian ini membahas tentang sistem pakar diagnosis penyakit tanaman pangan dengan menerapkan Case-based Reasoning (CBR). CBR merupakan cara berpikir bernalar komputer dengan memanfaatkan pengetahuan yang lalu untuk menangani kasus baru. CBR menyelesaikan kasus baruĀ  dengan mengamatiĀ  kasus lama yang terdekat dengan kasus baru. Tahapan diagnosis diawali dengan mengentrikan kasus baru dengan gejalanya yang akan didiagnosis ke dalam sistem, setelah itu menghitung nilai kemiripan kasus baru dengan kasus-kasus yang ada pada basis kasus dengan algoritma nearest neighbor. Berdasarkan pengujian menggunakan data uji dengan ambang kemiripan sebesar 70% maka sistem menghasilkan performa dengan sensitivitas 100% dan tingkat akurasi rata-rata 76, 74%. Hal ini membuktikan bahwa sistem bekerja dengan baik untuk mendiagnosis penyakit tanaman pangan (padi, singkong, jagung, dan kacang tanah).