Penerapan Metode Case Based Reasoning dan Algoritma K-Nearest Neighbor untuk Diagnosa Penyakit dan Hama pada Tanaman Kopi

Abstract

Tanaman kopi memiliki peran penting dalam perekonomian Indonesia, namun produktivitasnya sering terhambat oleh serangan penyakit dan hama. Minimnya pengetahuan petani mengenai jenis gangguan pada tanaman kopi menyebabkan proses penanganan sering terlambat atau tidak tepat, sehingga menurunkan kualitas dan kuantitas hasil panen. Penelitian ini bertujuan mengimplementasikan Sistem Pakar berbasis metode Case Based Reasoning (CBR) yang dikombinasikan dengan algoritma K-Nearest Neighbor (KNN) untuk mendiagnosis penyakit dan hama pada tanaman kopi secara lebih akurat. Sistem bekerja dengan menganalisis 39 gejala serta 8 basis aturan yang mewakili berbagai jenis penyakit dan hama. Metode CBR digunakan untuk mencari kasus lama yang memiliki kemiripan tertinggi dengan kasus baru, sementara KNN berperan dalam proses perhitungan similaritas berdasarkan bobot masing-masing gejala. Hasil pengujian menunjukkan bahwa nilai kemiripan kasus baru terhadap kasus penyakit Karat Daun sebesar 0,83, yang berada di atas ambang batas penerimaan umum pada penelitian CBR (0,70–1,00). Hal ini menunjukkan bahwa pendekatan CBR-KNN mampu memberikan diagnosis yang memadai dan relevan. Sistem pakar yang dibangun diharapkan dapat membantu petani dalam mengidentifikasi gangguan pada tanaman kopi secara lebih cepat, tepat, dan berbasis pengetahuan pakar.