prediksi produksi telur ayam petelur menggunakan algoritma random forest berdasarkan lingkungan kandang
Keywords:
Iot, random forest, produksi telur, prediksi, lingkungan kandangAbstract
Peternakan ayam petelur merupakan salah satu sektor penting yang menopang ketersediaan protein hewani masyarakat. Produksi telur dipengaruhi oleh berbagai faktor lingkungan kandang seperti suhu, kelembapan, dan intensitas cahaya. Penelitian ini bertujuan untuk membangun model prediksi produksi telur ayam petelur menggunakan algoritma Random Forest berdasarkan data lingkungan kandang yang dikumpulkan melalui sistem Internet of Things (IoT). Variabel input mencakup suhu dan kelembapan udara (sensor DHT22), intensitas cahaya (sensor BH1750), umur ayam, dan jumlah pakan harian. Data dikumpulkan selama dua bulan di Dwi Farm, Desa Rombasan, Kabupaten Sumenep. Model dievaluasi menggunakan metrik MAE, RMSE, dan R². Penelitian ini diharapkan menghasilkan model prediksi yang cukup akurat untuk membantu peternak dalam pengambilan keputusan pengelolaan kandang.
References
N. Khasanah, D. U. Eka Saputri, F. Aziz, and T. Hidayat, “Studi Perbandingan Algoritma Random Forest dan K-Nearest Neighbors (KNN) dalam Klasifikasi Gangguan Tidur,” Comput. Sci., vol. 5, no. 1, pp. 17–25, 2025, doi: 10.31294/coscience.v5i1.5522.
Fadellia Azzahra, N. Suarna, and Y. Arie Wijaya, “Penerapan Algoritma Random Forest Dan Cross Validation Untuk Prediksi Data Stunting,” Kopertip J. Ilm. Manaj. Inform. dan Komput., vol. 8, no. 1, pp. 1–6, 2024, doi: 10.32485/kopertip.v8i1.238.
M. Mahendra Alvanof and R. Kesuma Dinata, “Penerapan Algoritma Random Forest dalam Deteksi dan Klasifikasi Ransomware,” J. Elektron. dan Teknol. Inf., vol. 5, no. 2, pp. 2721–9380, 2024.
R. Firdaus, H. Habibie, and Y. Rizki, “Implementasi Algoritma Random Forest Untuk Klasifikasi Pencemaran Udara di Wilayah Jakarta Berdasarkan Jakarta Open Data,” J. Fasilkom, vol. 14, no. 2, pp. 520–525, 2024, doi: 10.37859/jf.v14i2.7669.
S. Nurohanisah, R. Astuti, and F. Muhammad Basysyar, “Deteksi Berita Palsu Menggunakan Algoritma Random Forest,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 422–428, 2024, doi: 10.36040/jati.v8i1.8418.
D. B. Saputra, V. Atina, and F. E. Nastiti, “Penerapan Model Crisp-Dm Pada Prediksi Nasabah Kredit Menggunakan Algoritma Random Forest,” IDEALIS Indones. J. Inf. Syst., vol. 7, no. 2, pp. 240–247, 2024, doi: 10.36080/idealis.v7i2.3244.
P. A. Effendi and T. Ernawati, “Analisis Sentimen Ulasan Aplikasi Game Algoritma,” vol. 13, no. 3, pp. 1–8, 2024.
D. Kiswanto, F. Ramadhani, N. M. Surbakti, and N. A. Nasution, “Pengembangan dan Implementasi Sistem Deteksi Serangan DDoS Berbasis Algoritma Random Forest,” Bull. Inf. Technol., vol. 6, no. 3, pp. 247–256, 2025, doi: 10.47065/bit.v5i2.2203.
R. R. S. Putri Kumala Sari, “Vol 7 No 1 , Februari 2024 KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM,” Mnemonic, vol. 7, no. 1, pp. 31–39, 2024.
A. Fatunnisa and H. Marcos, “Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest Prediction of On-Time Graduation for Computer Engineering Vocational School Students Using the Random Forest Algorithm,” J. Manaj. Inform., vol. 14, no. April, pp. 101–111, 2024, [Online]. Available: https://ojs.unikom.ac.id/index.php/jamika/article/view/12114
F. Prasetyo, E. Putra, M. A. Mahmud, I. S. Maqom, and U. Madura, “Pengembangan Sistem Pemantauan Lingkungan Berbasis Internet of Things ( IoT ) di Kampus,” vol. 3, no. 2, pp. 996–1001, 2023.
Y. Ananta, F. Pramudya, M. Munadi, and I. Haryanto, “Perancangan Object Detection Ayam Broiler Menggunakan Metode Deep Learning,” J. Tek. Mesin S-1, vol. 11, no. 1, pp. 84–89, 2023.
M. R. Ananda et al., “AYAM BERBASIS ARDUINO MENGGUNAKAN METODE,” vol. 14, no. 1.
W. Putra and P. Gita, “Analisis Prediksi Produksi Telur Menggunakan Algoritma Decision Tree Regression Analysis of Egg Production Prediction Using Decision Tree Regression Algorithm,” vol. 14, no. 1, pp. 29–35, 2026, doi: 10.26418/justin.v14i1.92550.
B. J. Zaenal Abidin, B. S. Wijaya, and G. S. Hayatus Sahla, “Multi-Horizon Prediction Of Broiler Mortality With Decision Tree And SVM: A Case Study In Small-To-Medium Farms In Sukabumi,” J. Tekno Insentif, vol. 19, no. 2, pp. 223–238, 2025, doi: 10.36787/jti.v19i2.2087.
P. J. Peternakan, I. Konstruktif, M. Rayhan, A. H. Sidhi, and B. R. Japutra, “Model Prediktif Berbasis Data Twitter Dan Google Trends Untuk Estimasi Harga Komoditas Daging Ayam Dan Telur Di Indonesia,” vol. 1, no. 1, pp. 35–46, 2025.
D. R. P. Randily, T. Rismawan, and K. Sari, “Implementasi Iot Dan Gaussian Naïve Bayes Untuk Sistem Monitoring Kandang Ayam Broiler,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 2, pp. 474–484, 2025, doi: 10.23960/jitet.v13i2.6243.
A. I. Samudra et al., “Aplikasi Pemantauan dan Prediksi Kadar Kualitas Air Sungai Dengan Algoritma Random Forest Pada Pusat Riset Fotonika,” RIGGS J. Artif. Intell. Digit. Bus., vol. 4, no. 2, pp. 5376–5387, 2025, doi: 10.31004/riggs.v4i2.1439.
R. Ramadhani et al., “PENERAPAN MODEL ARIMAX UNTUK PERAMALAN,” vol. 10, no. 2, pp. 2650–2657, 2026.
M. Sofyan Rachma Danni, F. Nurdiyansyah, and F. Marisa, “Peramalan Penjualan Telur Ayam Ras Mengunakan Metode Arima,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, pp. 3791–3796, 2025, doi: 10.36040/jati.v9i3.13379.
M. Rifki Nisardi, “Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika PERAMALAN PRODUKSI TELUR AYAM DENGAN METODE HOLT DOUBLE EXPONENTIAL SMOOTHING,” vol. 6, no. 2, pp. 180–186, 2023, [Online]. Available: https://doi.org/10.30605/proximal.v5i2.2789
W. Ilham, N. Putra, T. Eka Putri, E. Kurniawan, and J. Idrison Molina, “Analisis Sistem Forecasting Pada Produksi Dan Permintaan Telur Implementasi Metode Least Square,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 1, pp. 1392–1398, 2025, doi: 10.36040/jati.v9i1.12405.
Ihsan Maulana Muhamad, Sigit Anugerah Wardana, Anjar Wanto, and Agus Perdana Windarto, “Algoritma Machine Learning untuk penentuan Model Prediksi Produksi Telur Ayam Petelur di Sumatera,” J. Informatics, Electr. Electron. Eng., vol. 1, no. 4, pp. 126–134, 2022, doi: 10.47065/jieee.v1i4.382.
H. Triwi Bowo, D. Prasetio, F. Fahlewi, and P. Pujianto, “Prediksi Harga Telur Ayam Untuk Tahun 2025 Menggunakan Metode Support Vector Machine (SVM),” Pros. Semin. Nas. Teknol. Inf. dan Bisnis, pp. 190–196, 2025, doi: 10.47701/05zz4v75.
A. Rahman, N. H. Djanggu, T. Wahyudi, J. T. Industri, F. Teknik, and U. Tanjungpura, “Implementasi Time Series Analysis Dan Pemodelan Machine Learning Arima Guna Peternakan Bong Sun Tin,” vol. 9, no. 2, pp. 196–202, 2025.
