Pengembangan Model Prediksi Status Kebuntingan Sapi Menggunakan Algoritma Random Forest dan Logistic Regression

Abstract

Berdasarkan data dari Kementerian Pertanian, pada tahun 2024, produksi daging sapi mencapai 416,7 ribu ton, dengan defisit mencapai 291,3 ribu ton. Kondisi ini memerlukan peningkatan signifikan dalam produktivitas peternakan sapi, dimana rendahnya tingkat keberhasilan reproduksi menjadi tantangan utama. Penelitian ini bertujuan mengembangkan model prediksi status kebuntingan sapi menggunakan algoritma Random Forest dan Logistic Regression berdasarkan data historis sapi yang telah melalui tahapan preprocessing. Kedua model menunjukkan performa yang baik, dengan Random Forest mencatat akurasi 82%, dan F1 Score 0,87 setelah penyesuaian threshold optimal, mengungguli Logistic Regression (akurasi 80% dan F1 Score 0,86). Hasil prediksi probabilitas yang terkalibrasi ini dibagi ke dalam tiga kategori (observasi, evaluasi awalan, evaluasi lanjutan) untuk mendukung pengambilan keputusan yang lebih strategis di lapangan. Dengan demikian, penelitian ini berhasil mengembangkan alat prediktif yang akurat dan aplikatif sebagai sistem pendukung keputusan, yang berkontribusi dalam peningkatan produktivitas sapi.