Indonesia is known for its abundant production of spices. One of them is commodity Ginger. Ginger is a rhizome type plant that is useful as a raw material for traditional medicine and spices. One of the factors that decrease ginger production is due to disease. Researchers conducted data collection in Balittro Bogor. Ginger is a big commodity in the Indonesian Spice and Medicinal Plant Research Agency or Balittro. In handling disease in Balittro, it must be investigated first in the laboratory so that it takes a long time to diagnose the disease. Researchers created a web-based system to diagnose bacterial wilt disease, rhizome rot, phyllosticta spots, pyricularia spots and cercospora spots on ginger plants using the nave Bayes method. Nave Bayes is a method that utilizes probability and statistical calculations proposed by the British scientist Thomas Bayes, which predicts future probabilities based on past experience. In this case the website is designed using PHP, Visual Studio Code and Laravel. In this study, training data was used for 30 symptoms of these 5 diseases. In the test, the results of pyricularia spots were 0.00179. An accuracy of 99.948% was obtained in the ginger plant disease diagnosis system.

Indonesia dikenal dengan produksi rempah-rempah yang banyak. Salah satunya adalah komoditas Jahe. Jahe adalah tumbuhan jenis rimpang yang bermanfaat sebagai bahan baku pengobatan tradiosional dan rempah-rempah. Produksi jahe menurun salah satu faktornya adalah karena terserang penyakit. Peneliti melakukan pengambilan data di Balittro Bogor. Jahe termasuk komoditas yang besar di Badan Penelitian Tanaman Rempah dan Obat atau Balittro. Dalam penanganan penyakit di Balittro harus diteliti terlebih dahulu di laboratorium sehingga membutuhkan waktu yang lama dalam mendiagnosa penyakit. Peneliti membuat sistem berbasis web untuk mendiagnosa penyakit layu bakteri, busuk rimpang, bercak phyllosticta, bercak pyricularia dan bercak cercospora pada tanaman jahe menggunakan metode naïve bayes. Naïve bayes adalah metode yang memanfaatkan perhitungan probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas pada masa depan berdasarkan pengalaman pada masa sebelumnya. Dalam hal ini website dirancang menggunakan PHP, Visual Studio Code dan Laravel. Pada penelitian ini, digunakan data training sebanyak 30 gejala dari 5 penyakit tersebut. Pada pengujian didapatkan hasil bercak pyricularia sebesar 0.00179. Didapatkan akurasi sebesar 99.948% pada sistem diagnosa penyakit tanaman jahe.