p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JITAKU
Izzuddin, Muhammad Ashim
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Metode Support Vector Regression (SVR) Dalam Prediksi Bibit Ayam Broiler Izzuddin, Muhammad Ashim; Azima, M Fauzan; Laila, Siti Nur
Jurnal Ilmiah Teknologi Informatika Vol 3 No 1 (2025): JITAKU: Jurnal Ilmiah Teknologi Informatika UNCP
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/jitaku.v3i1.113

Abstract

Industri peternakan ayam broiler membutuhkan perencanaan yang cermat dalam mengelola kebutuhan DOC (Day Old Chick) untuk mencapai target produksi daging yang optimal. Ketidakpastian dalam faktor-faktor yang mempengaruhi pertumbuhan ayam seringkali menyulitkan perencanaan yang akurat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi jumlah DOC menggunakan metode Support Vector Regression (SVR), dengan variabel seperti total daging, masa pemeliharaan, Feed Conversion Ratio (FCR), dan tingkat kematian sebagai input. Penelitian ini menggunakan desain eksperimen kuantitatif dengan teknik pengumpulan data melalui pencatatan harian di peternakan ayam broiler, serta analisis data menggunakan model SVR. Hasil penelitian menunjukkan bahwa model SVR menghasilkan nilai R² sebesar 0.942 pada data uji, yang menunjukkan kemampuan model untuk menjelaskan sebagian besar variabilitas dalam data. Model ini juga menunjukkan kinerja yang stabil pada uji validasi silang dengan rata-rata R² 0.888, MAE 600.46, dan RMSE 808.19. Temuan ini memberikan kontribusi dalam meningkatkan efisiensi prediksi hasil panen ayam broiler dan membantu peternak dalam perencanaan produksi. Berdasarkan hasil ini, disarankan agar model SVR diintegrasikan dengan data tambahan untuk meningkatkan akurasi dan relevansi prediksi dalam kondisi yang dinamis. Penelitian lanjutan dapat fokus pada variabel eksternal dan pengembangan model berbasis data real-time.