Sistem Pakar Diagnosa Hama Dan Penyakit Tanaman Padi Menggunakan Metode Euclidean Probability Berbasis Web

Bagus Dwi Wicaksono, Deni Arifianto, Reni Umilasari

Abstract


Padi yang bahasa latinnya Oryza Sativa L adalah salah satu makanan pokok bagi masyarakat Indonesia. Hasil dari budidaya padi berpengaruh terhadap perkembangan perekonomian khususnya di Negara Indonesia. Menurut BADAN PUSAT STATISTIK (BPS), produksi padi pada tahun 2019 diperkirakan sebesar 54,60 juta ton atau mengalami penurunan sebanyak 4,60 juta ton atau 7,76 persen dibandingkan tahun 2018. Permasalahan tersebut disebabkan serangan hama dan penyakit yang menjadikan salah satu faktor gagal panen. Keterbatasan pakar tanaman padi masih terbatas, bahkan banyak juga petani pemula yang belum mengetahui banyak tentang hama dan penyakit tanaman padi yang menyebabkan gagal panen. Sistem pakar bisa menjadi salah satu alternatif dalam menyelesaikan permasalahan ini dengan menerjemakan keahlian seorang pakar ke dalam sebuah sistem. Sistem pakar ini dirancang dengan menerapkan metode Euclidean Probability yang digunakan untuk menghasilkan nilai probabilitas atau tingkat persentase kemungkinan hama penyakit yang diderita tanaman tersebut. Berdasarkan pengujian yang telah dilakukan dengan 100 sempel data uji, diperoleh hasil akurasi sebesar 94% yang menunjukkan bahwa metode tersebut bekerja cukup baik sesuai dengan diagnosa pakar.

Kata Kunci: Sistem Pakar, Euclidean Probability, Hama dan Penyakit, Padi


Full Text:

PDF

References


Agusta, Y.2007. K-Means-Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika. Vol.3,pp:47-60. Denpasar, Bali

Anonim. Badan Pusat Statistik. 2018. Angka Harapan Hidup Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.

Anonim.Badan Pusat Statistik. 2018. Harapan Lama Sekolah Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.

Anonim. Badan Pusat Statistik. 2018. Rata-rata Lama Sekolah Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.

Anonim.Badan Pusat Statistik. 2018. Pengeluaran Perkapita yang Disesuaikan Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.

Anonim. Badan Pusat Statistik Provinsi Jawa Tengah. 2018. Jawa Tengah Dalam Angka 2018. Semarang: Badan Pusat Statistik Jawa Tengah.

Astuti, E.W. 2015. Clustering Program Keahlian Pada Pendaftaran Siswa Baru (PSB) Dengan Menggunakan Algoritma K-Means. Jurnal SPIRIT, Vol.7, hal. 58-65.

Han, J., & Kamber, M. 2006. Data Mining: Concept and Techniques, SecondEdition. Waltham: Morgan Kaufmann Publishers.

Kasiram, M. 2008. Metode Penelitian Kuantitatif-Kualitatif. Malang: UIN Malang Press.

Kusrini & Luthfi, Emha Taufiq. 2009. Algoritma Data Mining. Yogyakarta: Andi Offset

Larose, Daniel, T. 2005. Discovering Knowledge In Data: An Introduce to Data Mining. Canada: John Willey and Sons, Inc

Merliana, N. P. E., Ernawati, & Santoso, A. J. 2015. Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means Clustering. Yogyakarta: Prosiding Seminar Nasional Multi Disiplin Ilmu & Call for Papers Unisbank (Sendi_U), 978-979.

Prasetyo, Eko. 2013. Data Mining: Konsep dan Aplikasi Menggunakan Matlab. Jakarta: Andi Publisher

Rismawan, T, dan Kusumadewi, S. 2008. Aplikasi K-Means Untuk pengelompokan Mahasiswa Berdasarkan Nilai Body Mass Index (BMI) & Ukuran Kerangka, SNATI. Yogyakarta.

Santosa, B. 2007. Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu

Santoso, S. 2010. Statistik Multivariat.jakarta: Elex Media Komputindo


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.