Sistem Pakar Diagnosis Hama Dan Penyakit Pada Tanaman Jagung Menggunakan Metode Naive Bayes
DOI:
https://doi.org/10.52072/unitek.v18i1.1399Keywords:
jagung, sistem pakar, Naive Bayes, Diagnosis, Penyakit TanamanAbstract
Jagung merupakan salah satu komoditas pangan utama di Indonesia, khususnya di Kabupaten Lamongan. Produktivitas jagung sering menurun akibat serangan hama dan penyakit yang berdampak signifikan pada hasil panen. Salah satu faktor utama adalah keterbatasan pengetahuan petani dalam mengenali gejala awal serangan hama dan penyakit, sehingga penanganan yang dilakukan sering terlambat dan kurang efektif. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web untuk diagnosis hama dan penyakit pada tanaman jagung menggunakan metode Naïve Bayes. Sistem memanfaatkan data gejala dan penyakit dari pakar pertanian sebagai basis pengetahuan. Metode Naïve Bayes digunakan untuk menghitung probabilitas penyakit berdasarkan gejala yang dimasukkan oleh pengguna. Pengujian sistem dilakukan dengan membandingkan hasil diagnosis sistem terhadap data latih yang telah disiapkan. Hasil pengujian menunjukkan sistem memberikan diagnosis dengan tingkat akurasi tinggi dan respons yang cepat dalam pengambilan keputusan. Sistem ini diharapkan menjadi alat bantu efektif bagi petani dalam mendeteksi dan mengelola hama serta penyakit secara dini, sehingga dapat meningkatkan produktivitas tanaman jagung. Selain itu, penerapan sistem ini diyakini dapat memperbaiki manajemen perlindungan tanaman dan mendukung ketahanan pangan di tingkat regional. Temuan ini juga membuka peluang pengembangan teknologi pertanian digital yang lebih maju di Indonesia
Downloads
References
Efendi, R., Zarkani, A., & Ristianah, R. (2023). Sistem Pakar Untuk Mengidentifikasi Hama Dan Penyakit Pada Tanaman Jagung Menggunakan Metode Teorema Bayes Berbasis Web. JSAI: Journal Scientific and Applied Informatics, 06(03), 368–381.
Giaxi, P., Vivilaki, V., Sarella, A., Harizopoulou, V., & Gourounti, K. (2025). Artificial Intelligence and Machine Learning: An Updated Systematic Review of Their Role in Obstetrics and Midwifery. Cureus, 17(3). https://doi.org/10.7759/cureus.80394
Harahap, F., Fahrozi, W., Adawiyah, R., Siregar, E. T., & Harahap, A. Y. N. (2023). Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes. Jurnal Unitek, 16(1), 41–51. https://doi.org/10.52072/unitek.v16i1.541
Mennickent, D., Rodríguez, A., Opazo, M. C., Riedel, C. A., Castro, E., Eriz-Salinas, A., Appel-Rubio, J., Aguayo, C., Damiano, A. E., Guzmán-Gutiérrez, E., & Araya, J. (2023). Machine learning applied in maternal and fetal health: a narrative review focused on pregnancy diseases and complications. Frontiers in Endocrinology, 14(May), 1–22. https://doi.org/10.3389/fendo.2023.1130139
Ridho, M. (2021). Sistem Pakar Diagnosa Penyakit Selama Kehamilan Menggunakan Metode Naive Bayes Berbasis Web. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(1), 50–58. http://jim.teknokrat.ac.id/index.php/JTSI
Santosa, A. A., Fu’adah, R. Y. N., & Rizal, S. (2023). Deteksi Penyakit pada Tanaman Padi Menggunakan Pengolahan Citra Digital dengan Metode Convolutional Neural Network. Journal of Electrical and System Control Engineering, 6(2), 98–108. https://doi.org/10.31289/jesce.v6i2.7930
Susilo, P. H., Rohman, M. G., Laksono, A. B., & Bachri, A. (2024). Sistem Pakar Penentuan Kualitas Jagung Menggunakan Metode Naive Bayes. Insearch: Information System Research Journal, 4(02), 47–54.
