Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Electronics Engineering
Lidya Wati
Prodi Informatika Departemen Teknik Elektronika Fakultas Teknik Universitas Negeri Padang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
The Sistem Pakar Diagnosa Penyakit Kambing Menggunakan Metode Backward Chaining M Syahrial Bayu Murti; Lidya Wati
Journal of Informatics and Electronics Engineering Vol. 6 No. 01 (2026): Juni 2026
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v6i01.1650

Abstract

Masalah kesehatan pada hewan ternak sering kali menjadi penghambat utama bagi para peternak kambing, terutama ketika gejala penyakit terlambat disadari. Di Kecamatan Siak Kecil sendiri, banyak peternak yang menghadapi kesulitan akibat terbatasnya akses ke tenaga medis hewan serta minimnya literasi mengenai jenis jenis penyakit kambing. Berangkat dari persoalan tersebut, penelitian ini mengembangkan sebuah solusi digital berupa sistem pakar berbasis web yang dirancang untuk membantu peternak melakukan diagnosis mandiri menggunakan metode Backward Chaining.Secara teknis, metode ini bekerja dengan cara menguji hipotesis penyakit melalui gejala-gejala yang dialami ternak, mirip dengan pola pikir seorang dokter hewan saat melakukan pemeriksaan. Aplikasi yang diberi nama "Goat Diagnosa" ini dibangun menggunakan bahasa pemrograman PHP dengan framework Laravel, serta menerapkan model pengembangan Rapid Application Development (RAD). Sistem ini mengintegrasikan basis pengetahuan yang mencakup 9 jenis penyakit dan 35 gejala yang telah divalidasi oleh pakar. Berdasarkan hasil pengujian terhadap 24 skenario kasus, sistem berhasil mencapai tingkat akurasi sebesar 91,6%. Kehadiran alat ini diharapkan dapat menjadi asisten digital bagi peternak untuk melakukan deteksi dini, sehingga risiko kematian ternak akibat keterlambatan penanganan dapat diminimalisir.
Co-Authors M Syahrial Bayu Murti