SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT TANAMAN DURIAN MENGGUNAKAN CERTAINTY FACTOR DAN NAIVE BAYES CLASSIFIER
DOI:
https://doi.org/10.51977/jti.v6i2.1487Keywords:
penyakit tanaman durian, sistem pakar, certainty factor, naive bayes classifierAbstract
Budidaya durian menghadapi permasalahan serangan penyakit yang dapat merugikan petani secara ekonomi. Salah satu solusi yang dilakukan yaitu berkonsultasi dengan pakar penyakit tanaman durian, tetapi di setiap waktu dan daerah tidak selalu ada seorang pakar. Maka, dibutuhkan sistem yang mampu bekerja seperti pekerjaan pakar dalam mendiagnosis penyakit dari gejala-gejala yang ditemukan. Penelitian ini bertujuan untuk membangun sistem pakar untuk mendiagnosis penyakit tanaman durian dengan perhitungan metode certainty factor dan naive bayes classifier. Langkah-langkah yang dilakukan pada penelitian ini dimulai dengan pengumpulan data, analisis kebutuhan, rancangan sistem, implementasi, kemudian melakukan pengujian sistem dan evaluasi. Dari hasil 30 data uji simulasi yang dibuat secara acak, menggambarkan akurasi sistem dengan metode certainty factor sebesar 90% dan akurasi sistem dengan metode naive bayes classifier sebesar 93%. Bisa disimpulkan dari 30 uji coba data dengan metode naive bayes classifier memiliki akurasi yang lebih tinggi dibandingkan dengan metode certainty factor.
Downloads
Downloads
Published
Issue
Section
License
Copyright Notice
Proposed policy for journals offering open access. The requirements for authors are as follows:
- Authors retain copyright and grant the journal the right of first publication simultaneously under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) license. This license allows others to copy and redistribute the material in any medium or format, including remixing, transforming, and building upon the material for any purpose, even commercially
- .Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their websites), such as on Garuda, Academia, ResearchGate, or other repositories, prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (see: The Effect of Open Access).

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.