SISTEM PAKAR PENYAKIT PADA TANAMAN KOPI BERBASIS ANDROID MENGGUNAKAN METODE FORWARD CHAINING
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstrak
 Perkembangan teknologi informasi telah membawa dampak yang signifikan ke dalam berbagai bidang tidak hanya di bidang komputer tetapi juga bidang di luar ilmu komputer. Bidang yang juga tersentuh oleh teknologi komputer adalah bidang perkebunan. Kopi merupakan komoditas perkebunan yang memiliki peranan yang penting bagi perekonomian di Indonesia.Adanya penyakit yang menyerang pada tanaman kopi mengakibatkan menurunnya kualitas dan rendahnya tingkat produktifitas pada tanaman kopi.Penanganan penyakit pada tanaman kopi tidak tertangani dengan baik karena kurangnya informasi yang diketahui petani tentang penyakit kopi. Berdasarkan permasalahan tersebut, penulis membuat aplikasi Sistem Pakar Penyakit Pada Tanaman Kopi Berbasis Android menggunakan Metode Forward Chaining. Teknik pengumpulan data yang digunakan penulis adalah wawancara, studi pustaka dan observasi. Dari hasil penelitian berhasil dibuat aplikasi sistem pakar berbasis android dengan tujuan untuk mendiagnosa penyakit pada tanaman kopi menggunakan metode forward chaining dan memberikan keluaran berupa penyakit tanaman kopi beserta cara penanganan penyakit tanaman kopi.Aplikasi sistem pakar dapat membantu para petani kopi dan orang awam dalam mendiagnosa penyakit tanaman kopi dan sebagai pengganti pakar dalam mendiagnosis penyakit pada tanaman kopi.
 
 Kata Kunci : Sistem Pakar, Penyakit, Tanaman Kopi, Forward Chaining, Android
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle