Implementasi Algoritma Random Forest untuk Memprediksi Laba pada Peternakan Ayam (Studi Kasus pada PT Fitri Jaya Farm)

Ivano Syahputra, Mitchel (2026) Implementasi Algoritma Random Forest untuk Memprediksi Laba pada Peternakan Ayam (Studi Kasus pada PT Fitri Jaya Farm). Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (570kB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (283kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (266kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (205kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (657kB)
	Archive (ZIP) 00000073296_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Laba merupakan salah satu indikator utama dalam mengukur keberhasilan operasional pada peternakan ayam broiler. Proses prediksi laba menjadi cukup kompleks karena dipengaruhi oleh berbagai faktor operasional dan keuangan yang saling berkaitan. Oleh karena itu, penelitian ini bertujuan mengimplementasikan algoritma Random Forest Regression untuk membangun model prediksi laba pada peternakan ayam broiler PT Fitri Jaya Farm menggunakan data operasional dan keuangan historis. Dataset yang digunakan terdiri atas 483 data panen periode 2019­2026. Tahapan penelitian meliputi data cleaning, exploratory data analysis, feature engineering, validasi data leakage, feature selection, One- Hot Encoding, serta optimasi hyperparameter menggunakan GridSearchCV dan RandomizedSearchCV. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), koefisien determinasi (R2), dan 5-Fold Cross Validation. Hasil penelitian menunjukkan bahwa model terbaik diperoleh menggunakan GridSearchCV dengan rasio pembagian data 70:30 yang menghasilkan nilai MAE sebesar Rp31.871.392, RMSE sebesar Rp43.127.605, dan R2 sebesar 0,3328. Hasil validasi juga menunjukkan adanya potensi data leakage pada atribut harga jual kg, sehingga atribut tersebut tidak digunakan pada model utama. Selain itu, analisis Feature Importance menunjukkan bahwa atribut berat panen, jumlah ayam panen, dan biaya pakan merupakan faktor yang paling berpengaruh terhadap prediksi laba. Penelitian ini menunjukkan bahwa Random Forest Regression dapat digunakan sebagai alat pendukung analisis dalam memprediksi kecenderungan laba serta mengidentifikasi faktor- faktor operasional yang memengaruhi laba pada peternakan ayam broiler.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ivano Syahputra, Mitchel (00000073296)
Contributors:	Suryadibrata, Alethea (0322099201)
Keywords:	feature engineering, GridSearchCV, laba, Random Forest Regression, data leakage
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	28 Jul 2026 12:11
URI:	https://kc.umn.ac.id/id/eprint/48395

Actions (login required)

View Item