Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengembangan Sistem Pakar Diagnosis Penyaki Kelinci dengan Menggunakan Metode Case Based Reasoning Luqman Affandi; Mamluatul Hani'ah; Nita Komalasari
Jurnal Informatika Polinema Vol. 7 No. 4 (2021): Vol 7 No 4 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i4.443

Abstract

Kelinci merupakan salah satu binatang yang tidak lepas dari ancaman serangan penyakit yang apabila dibiarkan akan berdampak buruk bagi kesehatannya. Faktor yang dapat membuat kelinci sering kali terkena penyakit yaitu kondisi kebersihan kandangnya dan dari makanannya. Beberapa penyakit yang dapat menyerang kelinci diantaranya diare, scabies, dan hairball. Selain itu, jarang peternak dan pemelihara kelinci yang kurang memiliki waktu untuk melakukan pemeriksaan langsung ke dokter hewan. Kelinci yang sakit namun tidak segera diberikan penangan, akan membuat penyakitnya menjadi lebih parah bahkan bisa sampai menimbulkan kematian. Dengan adanya masalah tersebut maka dibuatlah pengembangan sistem pakar diagnosis penyakit kelinci dengan metode CBR. Sedangkan metode Case Based Reasoning atau CBR merupakan metode pemecahan masalah yang dalam mencari solusi dari suatu kasus yang baru, sistem akan melakukan pencarian terhadap solusi dari kasus lama. Dalam metode ini terdapat 4 proses yaitu retrieve, reuse, revise dan retain. Penelitian pengembangan sistem pakar diagnosis penyakit kelinci menggunakan metode Case Based Reasoning bertujuan agar dapat membantu memberikan penanganan pertama pada penyakit yang diderita oleh kelinci berdasarkan kesamaan gejala yang ada dan mengetahui penanganan pertama dalam menanggulangi penyakit pada kelinci dengan cara menginputkan gejala-gejala penyakit agar diketahui penyakitnya dan penanganannya. Hasil dari sistem ini berupa diagnosis penyakit dan solusi utama yang diperlukan sesuai dari inputan gejala yang dipilih user. Dalam penelitian ini menghasilkan akurasi kesesuain antara hasil dari pakar dan aplikasi sebesar 83%.