SISTEM PAKAR DIAGNOSA PENYAKIT PADA TANAMAN KOPI MENGGUNAKAN ALGORITMA FORWARD CHAINING DAN CLASSIC PROBABILITY (STUDI KASUS: LAMPUNG BARAT)

EKA, REVI NOVITA (2025) SISTEM PAKAR DIAGNOSA PENYAKIT PADA TANAMAN KOPI MENGGUNAKAN ALGORITMA FORWARD CHAINING DAN CLASSIC PROBABILITY (STUDI KASUS: LAMPUNG BARAT). Diploma thesis, UIN Raden Intan Lampung.

	PDF Download (11MB)
	PDF Restricted to Repository staff only Download (11MB)

Abstract

ABSTRAK Kopi merupakan salah satu produk yang banyak diminati dan menjadi komoditas utama di Indonesia karena memiliki nilai jual yang relatif tinggi sebagai sumber devisa negara. Perkebunan kopi sebagian besar berada di dataran tinggi, khususnya di Kabupaten Lampung Barat yang menghasilkan sekitar 56.054 ton kopi pada tahun 2022. Akan tetapi, produksi kopi semakin menurun akibat rendahnya produktivitas dan kualitas. Salah satu permasalahan utama adalah terbatasnya pengetahuan petani kopi di Lampung Barat tentang penyakit yang menyerang tanaman kopi, sehingga penanganannya kurang tepat. Permasalahan lainnya adalah kurangnya tenaga ahli untuk membimbing petani dalam mengelola dan menangani penyakit kopi secara efektif. Untuk mengatasi permasalahan tersebut, diperlukan sistem pakar yang dapat memberikan informasi dan solusi dalam menangani penyakit kopi. Sistem ini mengintegrasikan pengetahuan pakar ke dalam platform komputerisasi untuk membantu dalam mendiagnosis penyakit tanaman kopi. Dalam pengembangan sistem menggunakan metode waterfall. Sistem pakar ini menggunakan algoritma Forward Chaining dan Classic Probability. Algoritma Forward Chaining digunakan untuk menganalisis gejala yang diinputkan oleh petani dan memproses langkah-langkah logistik untuk menentukan jenis penyakit secara bertahap. Sementara itu, algoritma Classic Probability menghitung persentase probabilitas diagnosis suatu penyakit. Sistem pakar berbasis web ini bertujuan untuk membantu petani mendiagnosis penyakit lebih dini dan memberikan solusi yang tepat untuk mengobati penyakit kopi. Hasil pengujian pakar menunjukkan bahwa sistem ini memiliki tingkat akurasi sebesar 87,14% dalam memberikan diagnosis dan rekomendasi solusi yang tepat. Kata kunci : sistem pakar, forward chaining, classic probability. ABSTRACT Coffee is a product that is in great demand and is the main commodity in Indonesia because it has a relatively high selling value as a source of foreign exchange for the country. Coffee plantations are mostly located in the highlands, especially in West Lampung Regency, which produces around 56.054 tons of coffee in 2022. However, coffee production is decreasing due to low productivity and quality. One of the main problems is the limited knowledge of coffee farmers in West Lampung about diseases that attack coffee plants, resulting in inappropriate handling. Another problem is the lack of experts to guide farmers in managing and dealing with coffee diseases effectively. To overcome this problem, an expert system is needed that can provide information and solutions in dealing with coffee diseases. This system integrates expert knowledge into a computerized platform to assist in diagnosing coffee plant diseases. In system development using the waterfall method. This expert system uses the Forward Chaining and Classic Probability algorithms. The Forward Chaining algorithm is used to analyze symptoms entered by farmers and process logistical steps to determine the type of disease in stages. Meanwhile, the Classic Probability algorithm calculates the percentage probability of a diagnosis of a disease. This web-based expert system aims to help farmers diagnose diseases early and provide appropriate solutions for treating coffee diseases. The expert testing results indicate that this system has an accuracy rate of 87.14% in providing appropriate diagnoses and solution recommendations. Keywords: expert system, forward chaining, classic probability.

Actions (login required)

View Item