Kelinci merupakan hewan peliharaan yang populer, namun perawatannya memerlukan pengetahuan khusus terkait penyakit dan pakan yang tepat. Kurangnya pemahaman mengenai gejala penyakit pada kelinci sering kali menyebabkan keterlambatan penanganan dan penyebaran penyakit. Keterbatasan akses ke klinik hewan menjadi kendala lain dalam mendapatkan diagnosis yang akurat. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem pakar berbasis website untuk mendiagnosa penyakit pada kelinci menggunakan metode Naive Bayes. Metode ini dipilih karena perhitungannya yang sederhana dan efektif dalam klasifikasi data. Penelitian ini melalui beberapa tahapan, yaitu pengumpulan data melalui studi literatur dan wawancara dengan pakar, pembuatan model training, implementasi algoritma Naive Bayes dalam bahasa pemrograman, serta pengujian dengan confusion matrix untuk mengevaluasi akurasi, presisi, recall, dan F1 score. Hasil pengujian menunjukkan akurasi sebesar 75% dan F1 score sebesar 75%, yang menunjukkan kemampuan model dalam memprediksi klasifikasi dengan baik. Sistem yang dikembangkan dapat membantu pemilik kelinci dalam mendiagnosa penyakit tanpa harus ke klinik hewan, serta memberikan saran penanganan yang sesuai. Untuk pengembangan lebih lanjut, disarankan menggunakan algoritma lain sebagai perbandingan akurasi, menambah fitur perawatan kelinci, dan memperluas variasi data latih untuk klasifikasi yang lebih akurat.

Rabbits are popular pets, but their care requires specific knowledge about diseases and proper nutrition. Lack of understanding regarding disease symptoms in rabbits often leads to delayed treatment and the spread of illness. Limited access to veterinary clinics further complicates accurate diagnosis. To address these issues, this study developed an expert system based on a website to diagnose rabbit diseases using the Naive Bayes method. This method was chosen due to its simplicity and effectiveness in data classification. The research process included several stages: data collection through literature review and interviews with experts, model training development, implementation of the Naive Bayes algorithm using appropriate programming languages, and testing using a confusion matrix to evaluate accuracy, precision, recall, and F1 score. The test results showed an accuracy of 75% and an F1 score of 75%, indicating the model's capability to predict classifications accurately. The developed system assists rabbit owners in diagnosing diseases without visiting a veterinary clinic and provides appropriate treatment recommendations. For future development, it is recommended to use other algorithms for accuracy comparison, add features related to rabbit care, and expand the variety of training data for more accurate classification.