DARMAWAN, Ivan (2026) Implementasi Algoritma Random Forest dan Isolation Forest untuk Prediksi Performa dan Deteksi Anomali pada Monitoring Ayam Broiler Berbasis Website dengan Metode Agile. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) cover.pdf Download (197kB)
	PDF (legalitas) legalitas.pdf Restricted to Repository staff only Download (972kB)
	PDF (abstrak) abstrak.pdf Download (328kB)
	PDF (BabI) BAB I.pdf Restricted to Repository staff only until 18 February 2027. Download (436kB)
	PDF (BabII) BAB II.pdf Restricted to Repository staff only until 18 February 2027. Download (1MB)
	PDF (BabIII) BAB III.pdf Restricted to Repository staff only until 18 February 2027. Download (1MB)
	PDF (BabIV) BAB IV.pdf Restricted to Repository staff only Download (4MB)
	PDF (BabV) BAB V.pdf Download (283kB)
	PDF (DaftarPustaka) Daftar Pustaka.pdf Download (428kB)

Abstract

Ayam broiler merupakan penghasil utama protein sebagai pemasok utama kebutuhan pangan nasional. Namun kondisi ayam melalui monitoring pakan dan berat ayam masih menjadi masalah karena kurangnya pengetahuan mendalam mengenai pola data kesehatan ternak yang kompleks yang dapat menyebabkan keterlambatan dalam mendeteksi anomali kesehatan dan ketidakpastian estimasi hasil panen. Penelitian ini bertujuan membangun sistem monitoring berbasis website yang mampu memprediksi performa panen dan mendeteksi anomali secara dini menggunakan model random forest dan isolation forest. Pengembangan sistem dilakukan menggunakan metode agile dengan tahapan plan, design, develop, test, deploy, review, dan launch untuk memastikan fitur dapat diimplementasikan ke sistem yang sudah ada. Sistem mengintegrasikan algoritma random forest regressor digunakan untuk memprediksi nilai Index Performance (IP), sedangkan isolation forest diterapkan untuk mendeteksi anomali pada data harian ayam broiler. Hasil penelitian menunjukkan bahwa algoritma random forest mampu memprediksi performa dengan sangat baik, menghasilkan nilai R2 Score sebesar 91,35 %. Sementara itu, algoritma isolation forest terbukti efektif dalam mendeteksi anomali dengan akurasi 87,5 %, presisi 82,6 %, dan recall 95 %. Implementasi sistem ini berhasil menyediakan alat bantu monitoring yang akurat dan responsif untuk mendukung pengambilan keputusan pengguna. Penelitian ini memberikan kontribusi pada pemanfaatan model random forest dan isolation forest menggunakan data time series.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26025
Uncontrolled Keywords:	Agile, Ayam Broiler, Deteksi Anomali, Isolation Forest, Monitoring, Random Forest
Subjects:	P > P460 Poultry
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr. IVAN DARMAWAN
Date Deposited:	18 Feb 2026 06:46
Last Modified:	18 Feb 2026 06:46
URI:	http://repository.unsoed.ac.id:443/id/eprint/39393

Actions (login required)

View Item