Keywords
Klasifikasi
prediksi
How to Cite
Abstract
Kelayakan ayam potong untuk dikonsumsi merupakan aspek penting dalam menjaga kesehatan masyarakat dan kualitas pangan. Banyak pedagang masih menilai kelayakan ayam secara manual, yang rentan terhadap subjektivitas dan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis menggunakan algoritma Decision Tree untuk menentukan kelayakan ayam potong berdasarkan empat kriteria yaitu warna, bau, tekstur, dan waktu jual. Metode yang digunakan melibatkan preprocessing data, pelatihan model Decision Tree, dan pengujian akurasi model. Dataset yang digunakan terdiri dari 100 data dengan dua kelas target: Layak dan Tidak Layak. Hasil pengujian menunjukkan akurasi sebesar 94% dengan visualisasi berupa pohon keputusan sebagai representasi logika model. Sistem ini memberikan hasil klasifikasi yang cepat dan objektif. Kesimpulan dari penelitian ini menunjukkan bahwa sistem klasifikasi berbasis Decision Tree mampu membantu dalam pengambilan keputusan kelayakan ayam potong secara lebih efektif.
References
[1] Riyadi, Slamet, “Pengembangan Aplikasi Manajemen Laporan Keuangan Dan Kegiatan di IAIN Palangka Raya”. (2025). Generation Journal, 9(1), 39-48. https://doi.org/10.29407/gj.v9i1.23970
[2] Fauzi,Moh Hilal, “Perancangan Strategi Pemeliharaan Dengan Pendekatan Metode Cmms Dan Ommp Dengan Fmeca Sebagai Perspektif: (Studi Kasus: Instrument Air Compressor Pt. Xyz)”, Noe, vol. 8, no. 01, pp. 1–11, Apr. 2025, doi: 10.29407/noe.v8i01.24674.
[3] A. Z. Abdullah and E. B. Setiawan, “Sentiment Analysis Accuracy for 2024 Indonesian Election Tweets Using CNN-LSTM With Genetic Algorithm Optimization”, INTENSIF: J. Ilm. Penelit. dan Penerap. Tek. Sist. Inf., vol. 9, no. 1, pp. 1–14, Feb. 2025, doi: 10.29407/intensif.v9i1.22999.
[4] J. P. Randalongi, J. D. I. Manongko and Z. Mansjur “Pengaruh Variasi Fraksi Volume dan Lama Perendaman NaOH Terhadap Kekuatan Tarik dan Struktur Mikro Komposit Serat Eceng Gondok (Eichornia Crassipes)”, JMN, vol. 7, no. 2, pp. 166–176, Dec. 2024, doi: 10.29407/jmn.v7i2.22240.
[5] R. K. Niswatin and R. Wulanningrum, “Penerapan Algoritma Decision Tree pada Penentuan Keberhasilan Akademik Mahasiswa”, Jurnal Ilmiah Informatika UNP Kediri, vol. 6, no. 2, pp. 54–63, 2023, doi: 10.29407/jiu.v6i2.21100.
[6] M. R. I. Sasmita, “Implementasi Data Mining Menggunakan Algoritma C4.5 Untuk Prediksi Kepuasan Pelanggan Taksi Kosti”, Jurnal Teknologi Informasi dan Komunikasi, vol. 10, no. 1, pp. 22–30, 2022, doi: 10.29407/jtik.v10i1.20888.
[7] L. Prasetyo and D. H. Nugroho, “Sistem Prediksi Kelayakan Produk Makanan Menggunakan Decision Tree”, Jurnal Sistem Informasi dan Komputerisasi, vol. 11, no. 3, pp. 101–108, 2021, doi: 10.29407/jsik.v11i3.19945.
[8] Y. Sari and N. Handayani, “Analisis Data Mining Untuk Prediksi Kelulusan Mahasiswa Menggunakan Decision Tree C4.5”, Jurnal Informatika dan Komputer, vol. 8, no. 2, pp. 123–132, 2023, doi: 10.29407/jik.v8i2.20412.
[9] A. Wahyudi and H. Nurmalasari, “Pemanfaatan Algoritma C4.5 Untuk Menentukan Status Kelayakan Kredit Nasabah”, Jurnal Rekayasa Sistem Informasi, vol. 12, no. 1, pp. 89–96, 2024, doi: 10.29407/jrsi.v12i1.21789.
[10] D. N. Lestari and I. A. Santosa, “Aplikasi Klasifikasi Sampel Ayam Berdasarkan Kualitas Dengan Decision Tree”, Jurnal Teknologi dan Rekayasa Komputer, vol. 7, no. 1, pp. 66–75, 2024, doi: 10.29407/jtrek.v7i1.22478.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Ria Permata Sari, Ratih Kumalasari Niswatin, Intan Nur Farida