Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Engineering and Technology Innovation
Nurul Anggraini
STMIK Dumai
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Transportation

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

Found 1 Documents
Search

 1 
Sistem Pakar Diagnosa Penyakit Sapi Menggunakan Metode CBR Dan Algoritma Similarity Sorgenfrei Nurul Anggraini; Reza Fahlevie F. Afidh; Elisawati Elisawati
Journal Of Engineering And Technology Innovation ( JETI ) Vol. 1 No. 01 (2024): Journal Of Engineering And Technology Innovation ( JETI )
Publisher : Rey Media Grafika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66084/jeti.v1i01.93

Abstract

Sapi merupakan hewan ternak yang cukup menjanjikan dalam potensi ekonomi sebagai ternak yang dapat dimanfaatkan dagingnya, bibit sapi unggulan, kebutuhan pangan, sumber bahan baku industri dan juga tabungan yang sewaktu-waktu bisa dijual. Faktor penting dalam melakukakn pembudidayaan ternak adalah kesehatan hewan ternak. Penanganan yang salah akan menyebabkan meluasnya penularan.  Sistem pakar diagnosa penyakit pada hewan ternak sapi ini menggunakan metode Case Based Reasoning sebagai metode dalam pengambilan suatu keputusan yang bekerja dengan cara memecahkan kasus baru dengan mengambil solusi dari kasus-kasus sebelumnya dengan empat tahapan proses yaitu Retrieve, Reus, Revise dan Retain. Solusi penyakit sapi diambil berdasarkan hasil perhitungan tertinggi. Penerapan algoritma  Similarity Sorgenfrei digunakan untuk memperoleh nilai kemiripan antara kasus lama dengan kasus baru dengan tujuan untuk menentukan kesimpulan berdasarkan data dari pakar yang jaraknya paling dekat dengan data kasus tersebut. Hasil implementasi sistem terhadap 15 data menunjukkan bahwa dari 15 data memperoleh persentase sebesar 86,6% sehingga dapat disimpulkan bahwa sistem diagnosa dengan metode CBR dan Algorita Similarity Sorgenfrei  ini akan bekerja dengan cukup baik
Co-Authors Elisawati, Elisawati Reza Fahlevie F. Afidh