<![CDATA[Kebun Ruang Edukasi Literasi (REL) Rawa Buntu menghadapi kendala dalam mengidentifikasi hama dan penyakit tanaman anggur karena proses deteksi yang masih dilakukan secara manual berdasarkan pengalaman subjektif. Hal ini memicu risiko ketidakakuratan diagnosis yang berdampak pada kegagalan panen. Penelitian ini bertujuan untuk membuat aplikasi deteksi hama dan penyakit tanaman anggur dengan model terbaik dari hasil komparasi antara algoritme Decision Tree dan algoritme Naïve Bayes. Tahapan pada metodelogi penelitian ini meliputi pengumpulan data, pra-proses, pemodelan, evaluasi dan penerapan model. Dataset dari pengumpulan data diambil dari data histori pencatatan terhadap tanaman anggur di Kebun Ruang Edukasi Literasi Rawabuntu. Pemodelan dilakukan menggunakan tool RapidMiner dan evaluasi pengujian model menggunakan confusion matrix. Hasilnya menunjukkan bahwa algoritme Decision Tree menghasilkan performa terbaik dengan tingkat akurasi mencapai 94,12%. Tahap implementasi model dilakukan dengan menerapkan hasil aturan keputusan (rule IF-THEN) yang diekstraksi dari model algoritme Decision Tree pada sebuah aplikasi berbasis web untuk mendeteksi hama dan penyakit pada tanaman anggur di Kebun Ruang Edukasi Literasi Rawabuntu sehingga dapat membantu pengelola kebun dalam mendiagnosis gangguan tanaman anggur secara cepat, tepat, dan akurat. Saran untuk penelitian selanjutnya adalah jumlah dataset yang digunakan lebih banyak dan bervariasi lagi untuk kondisi gejala penyakit anggur sebagai input dari pemodelan.]]>
Copyrights © 2026
