Claim Missing Document
Check
Articles

Found 22 Documents
Search

Perancangan Sistem Pakar untuk Mendiagnosis Penyakit pada Tanaman Jagung Menggunakan Metode Forward Chaining Muh Faisal; Hamsir Saleh; Alfadi Mohamad S. Antu
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 6 (2024): Desember 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i6.8270

Abstract

Abstrak - Sistem pakar tanaman jagung adalah sebuah aplikasi berbasis teknologi yang dirancang untuk membantu petani dan penyuluh pertanian dalam mengidentifikasi, menganalisis, dan memberikan solusi terhadap berbagai masalah yang dihadapi dalam budidaya tanaman jagung. Sistem ini menggunakan pengetahuan yang diperoleh dari para ahli pertanian serta data historis untuk memberikan rekomendasi yang tepat mengenai perawatan tanaman, pengendalian hama dan penyakit, pemupukan, serta teknik budidaya yang optimal. Dengan implementasi sistem pakar ini, diharapkan dapat meningkatkan produktivitas tanaman jagung, mengurangi risiko kerugian akibat kesalahan penanganan, dan mendukung pertanian yang lebih berkelanjutan. Penelitian ini juga membahas arsitektur sistem, metode pengumpulan pengetahuan, serta evaluasi efektivitas sistem dalam kondisi lapangan. Hasil dari penelitian ini adalah berupa rancangan aplikasi sistem pakar berbasis forward chaining yang telah diuji secara Black Box dan UAT kepada 10 responden, baik oleh penyuluh maupun petani dengan hasil 95,75 atau baik sekali.Kata Kunci : sistem pakar, Forward Chaining, pengendalian hama dan penyakit, teknologi pertanian, tanaman jagung Abstract - The corn plant expert system is a technology-based application designed to assist farmers and agricultural extension workers in identifying, analyzing, and providing solutions to various problems encountered in corn cultivation. This system utilizes knowledge obtained from agricultural experts and historical data to provide accurate recommendations on plant care, pest and disease control, fertilization, and optimal cultivation techniques. The implementation of this expert system is expected to increase corn productivity, reduce the risk of losses due to handling errors, and support more sustainable agriculture. This study also discusses the system architecture, knowledge acquisition methods, and evaluates the system's effectiveness in field conditions.Keywords: expert system, pest and disease control, agricultural technology, corn plant
PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA C4.5 BERBASIS FORWARD SELECTION Saleh, Hamsir
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.97.173-180

Abstract

Memprediksi kebangkrutan perusahaan adalah upaya yang penting dalam mengatasi masalah manajemen perusahaan dengan tujuan utamanya adalah mengoptimalkan pengelolaan fitur yang berpengaruh dalam memprediksi kebangkrutan perusahaan. Masalah mendasar dalam machine learning adalah proses optimasi keputusan untuk mendapatkan fungsi kombinasi yang optimal. Forward selection adalah pendekatan wrapper yang sering digunakan dalam seleksi fitur otomatis, forward selection mampu menghapus fitur yang tidak relevan, mengembangkan dan menambah kualitas data, serta meningkatkan performa dan akurasi model. Penelitian ini mengusulkan algoritma C4.5 berbasis forward selection untuk menemukan atribut yang berpengaruh dalam peningkatan akurasi prediksi kebangkrutan perusahaan. Hasil penelitian yang telah dilakukan dengan penerapan algoritma C4.5 berbasis forward selection menghasilkan beberapa fitur signifikan, dalam penelitian menggunakan 250 record atribut compettivenes dan credibility menjadi fitur yang signifikan dari 6 atribut yang ada. Dalam penelitian dengan 250 record algoritma C4.5 mendapatkan hasil akurasi sebesar 99.60% dan algoritma C4.5 berbasis forward selection  dengan akurasi sebesar 99.61%.