SISTEM PAKAR PENYAKIT BUAH KAKAO UNTUK PENINGKATAN  HASIL PANEN KAKAO MENGGUNAKAN METODE CASE BASE REASONING (CBR) BERBASIS WEB MOBILE

Aliy Hafiz; Verawati Verawati

doi:10.35959/jik.v9i2.226

SISTEM PAKAR PENYAKIT BUAH KAKAO UNTUK PENINGKATAN HASIL PANEN KAKAO MENGGUNAKAN METODE CASE BASE REASONING (CBR) BERBASIS WEB MOBILE

Jurnal Informasi dan Komputer ◽

10.35959/jik.v9i2.226 ◽

2021 ◽

Vol 9 (2) ◽

pp. 89-94

Author(s):

Aliy Hafiz ◽

Verawati Verawati

Keyword(s):

Case Base ◽

Case Base Reasoning

Kakao merupakan salah satu komoditas pertanian yang menjadi penyumbang perekonomian yang menjadi andalan bagi negara Indonesia. Hal ini karena Indonesia merupakan penghasil biji kakao (kakao beans) terbesar ketiga di dunia dengan pangsa produksi sebesar 15,68%. Salah satu faktor yang menyebabkan rendahnya kualitas cokelat di Indonesia adalah karena perkebunan kakao di Indonesia selalu diancam oleh hama dan penyakit tumbuhan. Serangga merupakan jenis hama yang jumlahnya terbesar untuk tanaman kakao di Indonesia lebih dari 130 spesies. Kurangnya informasi yang diketahui oleh pihak perkebunan kakao tentang jenis penyakit yang menyerang tanaman cokelat, menyebabkan banyaknya tanaman cokelat yang tidak tertangani dengan benar. Hal ini mengakibatkan banyak tanaman cokelat yang seharusnya bisa diselamatkan menjadi mati dan kualitas cokelat tersebut menurun. Berdasarkan uraian di atas, pihak perkebunan cokelat membutuhkan sebuah sistem pakar yang dapat memberikan informasi mengenai penyakit yang menyerang tanaman kakao dan memberikan solusi untuk menangani penyakit tersebut. Sistem pakar merupakan paket perangkat lunak atau paket program komputer yang ditunjuk sebagai penyedia nasehat dan sarana bantuan dalam memecahkan masalah dibidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan sebagainya. Tujuan praktis dari sistem pakar ini adalah membuat komputer semakin berguna bagi manusia. Adapun metode yang digunakan dalam membangun sistem pakar ini adalah metode case base reasoning (CBR). Kemudian metode pengembangan sistem yang digunakan adalah extreme programmingpenelitian yang dihasilkan yaitu aplikasi sistem pakar berbasis web mobile yang membantu petani dalam memecahkan masalah dalam pertanian kakao.

Download Full-text

Improvement on Supporting Machine Learning Algorithm for Solving Problem in Immediate Decision Making

Advanced Materials Research ◽

10.4028/www.scientific.net/amr.566.572 ◽

2012 ◽

Vol 566 ◽

pp. 572-579

Author(s):

Abdolkarim Niazi ◽

Norizah Redzuan ◽

Raja Ishak Raja Hamzah ◽

Sara Esfandiari

Keyword(s):

Reinforcement Learning ◽

Learning Algorithm ◽

Multi Agent Systems ◽

Combined Model ◽

Q Learning ◽

Agent Systems ◽

Multi Agent ◽

Case Base ◽

Case Base Reasoning ◽

Robotic Tool

In this paper, a new algorithm based on case base reasoning and reinforcement learning (RL) is proposed to increase the convergence rate of the reinforcement learning algorithms. RL algorithms are very useful for solving wide variety decision problems when their models are not available and they must make decision correctly in every state of system, such as multi agent systems, artificial control systems, robotic, tool condition monitoring and etc. In the propose method, we investigate how making improved action selection in reinforcement learning (RL) algorithm. In the proposed method, the new combined model using case base reasoning systems and a new optimized function is proposed to select the action, which led to an increase in algorithms based on Q-learning. The algorithm mentioned was used for solving the problem of cooperative Markov’s games as one of the models of Markov based multi-agent systems. The results of experiments Indicated that the proposed algorithms perform better than the existing algorithms in terms of speed and accuracy of reaching the optimal policy.

Download Full-text