Abstract:
Kesehatan dan mortalitas ayam broiler merupakan aspek krusial dalam
meningkatkan efisiensi dan keberhasilan produksi peternakan. Penelitian ini
bertujuan untuk mengembangkan sistem prediksi kesehatan dan tingkat kematian
ayam broiler menggunakan algoritma K-Nearest Neighbor (K-NN) berbasis data
historis di SNAKMA. Metode ini dipilih karena kemampuannya dalam
mengklasifikasikan data berdasarkan kedekatan jarak antar atribut yang relevan,
seperti suhu, kelembaban, berat badan, dan konsumsi pakan ayam. Data yang
dikumpulkan dari sepuluh periode pemeliharaan diolah dan dianalisis melalui
tahapan preprocessing, konversi ke dalam bentuk vektor, dan perhitungan jarak
Euclidean.
Sistem dirancang berbasis web untuk memudahkan pengguna (admin dan
user) dalam mengelola dan memprediksi kondisi ayam. Hasil pengujian
menunjukkan bahwa algoritma K-NN mampu mengidentifikasi kondisi ayam
(sehat, sakit, mati) dengan tingkat akurasi yang baik berdasarkan pola data
historis. Selain itu, sistem terbukti valid melalui pengujian blackbox pada
berbagai fitur yang tersedia. Penelitian ini menyimpulkan bahwa penerapan K-NN
efektif dalam mendeteksi dini potensi penyakit dan mortalitas ayam broiler,
sehingga membantu peternak dalam pengambilan keputusan preventif yang tepat.
Meski demikian, sistem masih memiliki keterbatasan dari sisi kecepatan proses
dan ketergantungan pada kelengkapan data.