Implementasi Metode Naïve Bayes dalam Sistem Pakar Klasifikasi Penyakit Tanaman Kopi Berbasis Website

Rahma, Ova Okta Valia (2024) Implementasi Metode Naïve Bayes dalam Sistem Pakar Klasifikasi Penyakit Tanaman Kopi Berbasis Website. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2015354035_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover - Bab 1, Bab 5 dan Referensi) RAMA_58302_2015354035_0020027603_0808119003_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (801kB)
	Text (iThenticate) Rama_58302_2015354035_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kopi merupakan salah satu komoditas hasil perkebunan yang mempunyai peranan yang cukup penting dalam kegiatan perekonomian Indonesia. Kopi merupakan komoditas ekspor Indonesia sebagai penghasil devisa negara selain minyak dan gas. Rendahnya produktivitas kopi antara lain disebabkan oleh Teknik budidaya tanaman yang kurang memadai dan maksimal. Sehingga mendorong timbulnya berbagai gangguan pertumbuhan tanaman salah satunya tanaman kopi. Faktor yang mempengaruhi pertumbuhan dan produktivitas kopi harus diperhatikan salah satunya adanya penyakit pada tanaman kopi. Berdasarkan permasalahan tersebut maka pihak perkebunan kopi membutuhkan alat bantu yang dapat mendiagnosis penyakit pada tanaman kopi. Maka dari itu, peneliti mengusulkan sebuah website sistem pakar dengan menggunakan metode Naïve bayes yang mempermudah para pihak perkebunan dalam mengetahui penyakit apa yang sedang terjadi pada tanaman kopi tersebut. Melalui sistem berbasis website ini, pihak perkebunan dapat berkonsultasi dengan sistem layaknya berkonsultasi dengan seorang pakar untuk mendiagnosis gejala yang terjadi pada pengguna serta menemukan solusi yang tepat atas permasalahan yang sedang dihadapi. Agar nantinya tanaman kopi dapat panen dan menghasilkan buah kopi yang sehat dan baik dengan kualitas yang terbaik juga. Pengujian yang dilakukan yaitu pengujian confusion matrix dan Black Box, pengujian cofusion matrix membandingkan hasil data dari pakar dan hasil keluaran data dari sistem, setelah dilakukan perhitungan hasil accuracy yang di dapatkan sebesar 80%, presisi sebesar 0,92, Recall sebesar 0,85 dan memberikan hasil pada F1-score sebesar 0,89 perhitungan tersebut didapatkan dari data uji pakar sebanyak 30 data, data uji sistem sebanyak 30 data kemudian dilakukan perbandingan data uji.

Actions (login required)

View Item