Klasifikasi Kualitas Pakan Ternak Ayam Broiler Starter Menggunakan Support Vector Machine

Abstract

Pemilihan pakan ternak merupakan salah satu sektor yang sangat penting dalam kegiatan peternakan, khususnya pada usaha peternakan ayam broiler. Kesalahan dalam memilih pakan dapat berdampak pada kualitas pertumbuhan ternak yang kurang optimal, menurunnya produktivitas, serta berujung pada kerugian bagi peternak. Untuk mencapai hasil panen yang baik, pemilihan pakan yang tepat harus dilakukan sejak fase awal atau fase bibit (starter), karena pada fase ini kebutuhan nutrisi ayam broiler sangat tinggi dan berpengaruh terhadap pertumbuhan pada fase-fase selanjutnya. Pakan dengan kandungan nutrisi yang tidak sesuai dapat menghambat perkembangan ternak dan meningkatkan risiko penyakit. Penelitian ini bertujuan untuk membantu peternak dalam menentukan pakan ternak ayam broiler starter yang sesuai dengan kebutuhan nutrisi melalui penerapan metode klasifikasi menggunakan algoritma Support Vector Machine (SVM). Algoritma SVM dipilih karena memiliki kemampuan yang baik dalam menangani data berdimensi tinggi dan menghasilkan akurasi klasifikasi yang optimal. Data yang digunakan dalam penelitian ini memiliki ketidakseimbangan kelas, sehingga diterapkan metode SMOTE untuk menyeimbangkan distribusi data sebelum proses klasifikasi dilakukan. Sistem klasifikasi pakan ternak ini dikembangkan dalam bentuk aplikasi berbasis website menggunakan framework Flask, sehingga dapat diakses dengan mudah oleh para peternak. Hasil pengujian menunjukkan bahwa penerapan metode SMOTE mampu meningkatkan kinerja algoritma Support Vector Machine dalam melakukan klasifikasi pakan ternak ayam broiler starter. Dengan demikian, pada penelitian ini disimpulkan bahwa penggunaan algoritma SVM dengan perbandingan rasio yang sesuai serta dikombinasikan dengan metode SMOTE mendapatkan hasil akurasi yang baik.