Please use this identifier to cite or link to this item:
https://repository.uksw.edu//handle/123456789/27237
Title: | Analisis Perbandingan Algoritma dan Feature Selection untuk Klasifikasi Hasil Panen Ayam Broiler |
Authors: | Cahyaningtyas, Christian |
Keywords: | Algoritma Klasifikasi;ayam broiler;CRISP - DM;Feature Selection;Rapid Miner |
Issue Date: | 29-Aug-2022 |
Abstract: | Ayam broiler merupakan hasil ras unggulan yang mempunyai produktivitas yang tinggi dalam menghasilkan daging. Namun pada prakteknya tidak sedikit peternak yang mengalami gagal panen yang memberikan dampak cukup serius pada perekonomian dan hal ini juga dapat mempengaruhi kualitas peternak yang mengakibatkan peternak mendapatkan sanksi. Tingkat keberhasilan panen ayam broiler dapat dilihat dari nilai indek performa yang dihasilkan saat panen. Data Mining dapat dijadikan sebagai metode pendekatan untuk membantu mengklasifikasikan data hasil panen ayam broiler. Teknik Data Mining yang digunakan dalam penelitian ini dengan menggunakan metode CRISP-DM (Cross Industry Standard Process For Data Mining). Penelitian ini membandingkan 3 algoritma klasifikasi untuk mendapatkan algoritma terbaik dan membandingkan 3 Feature Selection untuk mendapatkan metode yang terbaik dalam meningkatkan performa algoritma. Hasil yang didapat dari penelitian ini adalah kinerja algoritma Random Forest menjadi algoritma yang terbaik dalam mengklasifikasi data hasil panen, dengan nilai akurasi sebesar 89,14%. Sedangkan untuk metode Feature Selection, ketiga metode baik dalam meningkatkan performa algoritma K-Nearest Neighbor. Namun algoritma + Feature Selection terbaik terdapat pada algoritma Random Forest + Backward Elimination dengan nilai 96,67%. Serta dari penelitian ini dapat diketahui atribut yang berpengaruh dalam peningkatan hasil panen yaitu FCR (Feed Convertion Ratio), jumlah panen dan berat badan. Broiler chickens are the result of superior breeds that produce a lot of meat. In practice, however, many breeders experience crop failure, which has a serious impact on the economy and can also affect farmer quality, resulting in sanctions. The value of the performance index produced at harvest indicates the success rate of harvesting broiler chickens. Broiler crop yield data can be used to help classify broiler crop yield data using an approach method. The CRISP-DM (Cross Industry Standard Process for Data Mining) method was used in this study's data mining technique. This study compares 3 classification algorithms to determine the best algorithm and 3 feature selection methods to determine the best method for improving algorithm performance. According to the findings of this study, the performance Random Forest algorithm is the best algorithm for classifying harvest data, with an accuracy rate of 89.14%. In terms of Feature Selection, all three methods are effective at improving the performance of the K-Nearest Neighbor algorithm. However, the Random Forest + Backward Elimination algorithm has the best algorithm + Feature Selection with a value of 96.67%. According to this study, the factors that influence crop yield increase are FCR, number of harvests, and body weight. |
URI: | https://repository.uksw.edu//handle/123456789/27237 |
Appears in Collections: | T2 - Master of Information Systems |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
T2_972020017_Judul.pdf | 964.03 kB | Adobe PDF | View/Open | |
T2_972020017_Daftar Pustaka.pdf | 299.33 kB | Adobe PDF | View/Open | |
T2_972020017_Kesimpulan.pdf Until 2999-01-01 | 179.95 kB | Adobe PDF | View/Open | |
T2_972020017_Metode Penelitian.pdf Until 2999-01-01 | 249.51 kB | Adobe PDF | View/Open | |
T2_972020017_Pembahasan.pdf Until 2999-01-01 | 582.59 kB | Adobe PDF | View/Open | |
T2_972020017_Pendahuluan.pdf Until 2999-01-01 | 184.59 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.