ESTIMASI BOBOT SAPI MENGGUNAKAN LINEAR REGRESSION DAN RANDOM FOREST REGRESSOR

Setiawan, Anjar (2024) ESTIMASI BOBOT SAPI MENGGUNAKAN LINEAR REGRESSION DAN RANDOM FOREST REGRESSOR. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 22.51.2266 Anjar Setiawan.pdf Download (3MB)

Abstract

Industri peternakan sapi global memiliki manfaat sebagai sumber pangan, mata pencaharian, kontribusi ekonomi, pemulihan lingkungan lahan, dan sumber energi. Pentingnya estimasi bobot sapi bagi peternak adalah untuk memantau perkembangan hewan. Sedangkan bagi pedagang, mengetahui berat hewan memudahkan dalam menghitung harga daging hewan yang dibelinya. Dalam penelitian ini, penulis mengusulkan untuk memperkirakan bobot sapi dengan menggunakan regresi linier dan regresi hutan acak. Dataset yang digunakan dalam penelitian ini terdiri dari tiga belas variabel yaitu berat badan hidup, umur sapi, tinggi badan layu, tinggi sakrum, kedalaman dada, lebar dada, lebar maclock, lebar sendi panggul, panjang badan miring, panjang punggung miring, lingkar dada, ketebalan metakarpus, dan setengah ketebalan bagian belakang. Untuk mengetahui model yang menghasilkan nilai error MAE, MAPE, RMSE, dan R-Squared terkecil. Selama fase evaluasi, penulis menggunakan metrik evaluasi data pelatihan seperti MAE, MAPE, RMSE, dan R-Squared untuk mengukur performa model. Hasil penelitian menunjukkan bahwa algoritma random forest regressor mampu menghasilkan nilai estimasi bobot sapi dengan performa terbaik. Model ini menghasilkan nilai mean absolute error (MAE) sebesar 21.902 kg, mean absolute perception error (MAPE) sebesar 4.201%, root mean squared error (RMSE) sebesar 29.433 kg, dan R2 sebesar 0.761.

Actions (login required)

View Item