Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Coding Jurnal Komputer dan Aplikasi
Jaka Jaka
Universitas Tanjungpura
Computer Science & IT

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

Found 1 Documents
Search

 1 
IMPLEMENTASI METODE DEMPSTER SHAFER PADA SISTEM PAKAR UNTUK MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN KARET BERBASIS WEBSITE (STUDI KASUS PT. LANDAK BHAKTI PALMA KECAMATAN NANGA MAHAP) Jaka Jaka; Rahmi Hidayati; Uray Ristian
Coding Jurnal Komputer dan Aplikasi Vol 11, No 1 (2023): Edisi April 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i1.57946

Abstract

Karet (Hevea brasiliensis) termasuk dalam Genus Hevea dari familia Euphorbiaceae, merupakan pohon kayu tropis penghasil lateks. Tanaman karet merupakan salah satu komoditi unggulan tanaman perkebunan yang ada di Indonesia. Prioritas utama pengelolaan tanaman karet adalah bagaimana mengelola batang tanaman ini secara efisien agar menghasilkan lateks dengan kualitas terbaik. Tanaman karet memiliki hama dan penyakit yang dapat menganggu pertumbuhannya sehingga menyebabkan kualitas lateks yang dihasilkan tidak bagus. Untuk mengatasi masalah tersebut diperlukan pengetahuan lebih mengenai gejala hama atau penyakit serta cara mengatasi masalah dari para ahli atau pakar. Metode Dempster Shafer merupakan metode ketidakpastian yang mengakuisi nilai kepercayaan para pakar berdasarkan pengetahuan yang dimilikinya, untuk menghasilkan diagnosis yang cepat, tepat dan akurat. Pada proses diagnosa hama dan penyakit tanaman karet, pengguna memberikan masukan berupa data gejala kemudian sistem akan memberikan keluaran berupa nama kerusakan, nilai densitas, penyebab kerusakan dan solusi. Data yang digunakan adalah 12 jenis data penyakit dan 5 jenis data hama. Berdasarkan hasil pengujian yang dilakukan sebanyak 56 data uji diperoleh tingkat akurasi keberhasilan sistem sebesar 92.85%.
Co-Authors Rahmi Hidayati Uray Ristian