Dengue virus is a virus that causes dengue fever (DD), dengue hemorrhagic fever (DBD) and dengue shock syndrome (SSD). This disease is included in the status of outbreaks at the Hospital Benjamin Guluh Kab. Kolaka. The inclusion of this disease in the status of outbreaks then there are many cases / patients are handled every year even every month. The symptoms of a patient diagnosed with dengue fever tend to be similar. Case Based Reasoning (CBR) is one of the methods that can make or solve problems based on the existing case as a solution of new problem. The system built in this study is the CBR system to make a diagnosis of Dengue Fever. The diagnostic process of incorporating new problems compared to old cases then calculated the value of similarity. In this research, Nearest neighbor method is used for similarity process. Tests used 54 cases as randomized test data and 85 cases were used as case basis. The results obtained are 98.14% sensitivity and 99.25% accuracy.

Patchouli is an oil-producing plant asiri known as patchouli oil (oil patchouli oil) which has a high economic value and a bright prospect. Patchouli plants used as cosmetic ingredients, perfumes, antiseptics, soaps, drugs, and insecticides. Patchouli plant is an agribusiness for farmers and entrepreneurs in order to increase the income and welfare (living standard) of the farm community, as well as provider of continuous materials for the patchouli oil industry. In the development and improvement of patchouli plants experience several obstacles such as pests and diseases that resulted in low yields on patchouli plants, especially in the village of Gunung Sari Watubangga District Kolaka. Pests and diseases are one of the causes of the low production of patchouli leaves that should always be anticipated because the development can cause losses for farmers, so it needs to be anticipated early. Handling patchouli plants are attacked by pests and diseases are often hampered because there are still many farmers who are lay in treating patchouli plants that do not know how to handle it. Case Based Reasoning (CBR) is one method that can reason or solve problems based on existing case experiences that are used as solutions to new problems. The system built in this research is the CBR system to make the diagnosis of Nilam Plant disease so that farmers get information about how to properly cultivate patchouli plants. The diagnostic process of inserting a new case compared to the old case then calculated its similarity value using the Nearest neighbord method. The accuracy of the system generated in this research is 80%.

Kematian bayi di Indonesia sekitar 56% terjadi pada periode sangat dini yaitu di masa neonatal atau bayi baru lahir. Sebagian besar kematian neonatal terjadi pada usia 0-6 hari (78,5%) dan prematuritas merupakan penyebab utama kematian neonatal. Bayi prematur atau dalam istilah medis yaitu persalinan preterm merupakan bayi lahir hidup yang dilahirkan sebelum usia kehamilan 37 minggu (antara 20-37 minggu) atau dengan berat janin kurang dari 2500 gram. Untuk mengetahui status kelahiran bayi, ibu hamil seharusnya melakukan konsultasi kepada bidan, namun dalam memberikan informasi kepada pasien ibu hamil, khususnya bidan baru yang belum memiliki banyak pengalaman dalam menangani kasus kelahiran bayi prematur masih mengalami kesulitan untuk mengambil keputusan, sehingga kehamilan prematur baru akan diketahui setelah pasien ibu hamil didiagnosis akan melahirkan dengan usia kehamilan belum mencapai kehamilan 37 minggu. Penalaran Berbasis Kasus atau Case Based Reasoning (CBR) adalah salah satu metode pendekatan berbasis pengetahuan untuk mempelajari dan memecahkan masalah berdasarkan pengalaman yang sebelumnya pernah terjadi dengan cara menentukan fungsi kemiripan (similarity) kasus lama dengan kasus baru. Penelitian ini menggunakan CBR untuk mendeteksi kelahiran bayi prematur menggunakan metode Minkowsky Distance. Berdasarkan Pengujian akurasi sistem yang telah dilakukan maka diperoleh sistem CBR tersebut mampu mendeteksi kelahiran bayi prematur dengan tingkat akurasi sistem sebesar 90 %.

Pelatihan Berbasis Kompetensi (PBK) memiliki manfaat besar dalam mengurangi tingkat pengangguran yaitu dengan peningkatan kompetensi. Hal ini menjadikan proses seleksi menjadi tahapan yang sangat penting untuk menghasilkan 16 orang yang paling layak untuk mengikuti pelatihan. Namun, proses seleksi yang berlangsung saat ini hanya mengakumulasikan nilai tanpa menentukan tingkat kepentingan antar kriteria serta proses perhitungan memerlukan waktu cukup lama dan tenaga lebih. Tujuan penelitian ini adalah membangun Sistem Pendukung Keputusan berbasis android dengan implementasi metode Analytical Hierachy Process (AHP) dan Simple Multi Attribute Rating Technique (SMART) untuk membantu proses pengambilan keputusan secara cepat dan akurat. Dalam proses pengambilan keputusan, metode AHP digunakan untuk mengecek konsistentensi kriteria yang digunakan dan metode SMART untuk melakukan perangkingan nilai dari alternatif. Pengumpulan data dilakukan dengan wawancara secara langsung kepada pihak UPTD BLK Kolaka terkait kebutuhan sistem dan tingkat kepentingan antar kriteria. Hasil yang diperoleh bahwa dengan implementasi metode AHP dan SMART pada SPK penerimaan peserta pelatihan di UPTD BLK Kolaka dengan sistem berbasis android dapat membantu dalam merekomendasikan peserta yang paling layak untuk mengikuti PBK secara cepat. Penggunaan sistem berbasis android  menjadikan pengambilan keputusan menjadi lebih cepat. Dari 25 alternatif yang digunakan dapat menghasilkan nilai dan perangkingannya dimana terdapat 16 alternatif yang berhak mengikuti pelatihan.

<p class="Judul2" align="left"> </p><p>Tanaman nilam menghasilkan minyak nilam (<em>patchouli oil</em>) 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 <em>Case Based Reasoning (CBR)</em> 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<em> similarity</em> Nearest Neighbor untuk menemukan kemiripan antar kasus yang berada dalam tahapan <em>retrieve</em>. 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 <em>similarity</em> 0.7 dan tingkat kepercayaaan sebesar 97,2 %  serta menghasilkan tingkat akurasi sistem sebesar 93.82 % dan tingkat kesalahan sistem 3 %</p><div><p> </p><p><em><strong>Abstract</strong></em></p><p><em>Patchouli 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%</em></p><p><em><strong><br /></strong></em></p></div>