SiPadi: Sistem Informasi Diagnosis Penyakit Padi Menggunakan Forward Chaining Berbasis Client-Side Web

Anas Aqila (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Elyza Putrinika Maharani (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Surya Dwi Agus Novianto (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Fajar Suryani (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Serangan hama dan penyakit padi kerap menurunkan produktivitas panen, sementara keterbatasan akses tenaga penyuluh menyulitkan petani melakukan diagnosis dini secara mandiri. Penelitian ini merancang SiPadi, sistem informasi diagnosis penyakit padi berbasis web yang dibangun sepenuhnya sebagai aplikasi front-end (HTML5, CSS3, Bootstrap 4, vanilla JavaScript) tanpa backend server maupun basis data relasional. Basis pengetahuan berisi 10 penyakit, 15 gejala, dan 15 aturan disimpan dalam JSON statis dan diproses oleh mesin inferensi forward chaining di sisi klien untuk mencocokkan gejala pengguna dengan aturan IF-THEN. Pengujian black-box, UAT, dan equivalence partitioning pada 7 skenario menunjukkan seluruh fitur berjalan valid, termasuk peringatan otomatis saat gejala tidak mencukupi. SiPadi terbukti ringan dan mudah diakses tanpa instalasi server, meski basis pengetahuannya masih statis sehingga pembaruan memerlukan perubahan kode secara manual.