Rancang Bangun Case Based Reasoning untuk Diagnosis Hama dan Penyakit Tanaman Nilam menggunakan Nearest Neighbor Kombinasi Certainty Factor

 Tanaman nilam menghasilkan minyak nilam (patchouli oil) yang digunakan sebagai bahan baku kosmetik, parfum, antiseptik, sabun, obat, dan insektisida. Dalam pengembangan dan peningkatannya tanaman nilam mengalami beberapa kendala seperti serangan hama dan penyakit yang mengakibatkan rendahnya hasil panen khususnya pada daerah Desa Gunung Sari Kecamatan Watubangga Kabupaten Kolaka. Pengembangan tanaman nilam yang terserang hama dan penyakit seringkali terhambat karena masih banyak petani yang tidak mengetahui jenis hama dan penyakit yang menyerang tanaman petani. Oleh sebab itu sistem pakar berbasis kasus atau Case Based Reasoning (CBR) dibangun untuk mendiagnosis jenis hama dan penyakit tanaman nilam. Pada penelitian ini digunakan 7 jenis penyakit dan 22 gejala berdasarkan studi kasus tempat penelitian. CBR menggunakan metode similarity Nearest Neighbor untuk menemukan kemiripan antar kasus yang berada dalam tahapan retrieve. Pada penelitian ini digunakan juga metode lain yaitu Certainty Factor yang berfungsi untuk mengetahui derajat kepercayaan terhadap hasil diagnosis sistem dalam menghasikan jenis hama dan penyakit tanaman nilam. Berdasarkan hasil penelitian dengan menggunakan kombinasi dua metode Nearest Neighbor dan Certainty factor maka dihasilkan sistem mampu melakukan diagnosis hama dan penyakit tanaman nilam dengan nilai similarity 0.7 dan tingkat kepercayaaan sebesar 97,2 %  serta menghasilkan tingkat akurasi sistem sebesar 93.82 % dan tingkat kesalahan sistem 3 % AbstractPatchouli oil is used as a raw material for cosmetics, perfumes, antiseptics, soaps, medicines, and insecticides. In the development and improvement of patchouli plants experienced several obstacles such as pests and diseases which resulted in low yields, especially in the area of Gunung Sari Village, Watubangga District, Kolaka Regency. The development of patchouli plants attacked by pests and diseases is often hampered because there are still many farmers who do not know the types of pests and diseases that attack farmers' crops. Therefore a case based reasoning (CBR) expert system was built to diagnose patchouli plants and pests. In this study 7 types of diseases were used and 22 symptoms were based on the case study site. CBR uses the similarity Nearest Neighbor method to find similarities between cases that are in the retrieval stage. In this study, another method is used, namely Certainty Factor, which functions to determine the degree of trust in the results of system diagnosis in producing patchouli species and diseases. Based on the results of the study by using a combination of the two Nearest Neighbor and Certainty factor methods, the system was able to diagnose patchouli pests and diseases with a similarity value of 0.7 and a confidence level of 97.2% and produce a system accuracy rate of 93.82% and a system error rate of 3%