Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Teknoif Teknik Informatika Institut Teknologi Padang
Wenda Handayani
Institut Teknologi Padang
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
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 baru  dengan mengamati  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).
CASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN Minarni; Indra Warman; Wenda Handayani
Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Vol 5 No 1 (2017): JURNAL TEKNOIF ITP
Publisher : ITP Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (170.848 KB) | DOI: 10.21063/jtif.2017.V5.1.41-47

Abstract

Tanaman pangan adalah segala jenis tanaman yang dapat menghasilkan karbohidrat dan protein, oleh karena itu tanaman pangan menjadi sumber utama makanan pokok sebagian besar penduduk Indonesia. Salah satu tanaman pangan yaitu singkong atau ubi kayu (Manihot Esculenta Crantz). Salah satu faktor yang mempengaruhi tingkat produktifitas tanaman singkong yaitu adanya serangan hama dan penyakit. Untuk mengidentifikasi hama dan penyakit diperlukan ahli atau pakar di bidang ini yang biasa dikenal sebagai Penyuluh Pertanian Lapangan (PPL). Data dari Laporan Akuntabilitas Kinerja Instansi Pemerintah (LAKIP) Dinas Pertanian Tanaman Pangan Provinsi Sumatera Barat Tahun 2015 bahwa jumlah Penyuluh Pertanian Lapangan (PPL) untuk tanaman pangan dan hortikultura hanya berjumlah 234 orang, sedangkan jumlah petani 644.610 orang. Dari data tersebut, terlihat bahwa jumlah penyuluh dengan petani tidak sebanding. Penelitian ini membangun sistem pakar identifikasi hama dan penyakit singkong menggunakan metode Case-Based Reasoning (CBR). CBR merupakan sistem penalaran komputer yang menggunakan pengetahuan lama untuk mengatasi masalah baru. CBR memberikan solusi terhadap kasus baru dengan melihat kasus lama yang paling mendekati kasus baru. Proses identifikasi dilakukan dengan cara memasukkan kasus baru yang berisi gejala-gejala yang akan diidentifikasi ke dalam sistem, kemudian melakukan proses perhitungan nilai similaritas antara kasus baru dengan dengan basis kasus menggunakan metode nearest neighbor. Hasil pengujian sistem untuk identifikasi terhadap hama dan penyakit tanaman singkong dengan penetapan bobot similaritas 5, 3, dan 2 menunjukkan bahwa sistem mampu mengidentifikasi hama dan penyakit tanaman singkong dengan gejala yang sesuai rule sebesar 100%, serta perhitungan tingkat akurasi menggunakan metode nearest neighbor sebesar 67,65%.
Co-Authors Indra Warman Minarni Minarni Nurhayati Nurhayati