DARMAWAN, MUHAMMAD ARDHAN (2026) IMPLEMENTASI ALGORITMA ADABOOST, RANDOM FOREST, DAN REGRESI LINEAR BERGANDA DALAM PREDIKSI HARGA AYAM BERBASIS WEB. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
COVER.pdf Download (571kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
BAB 1.pdf Restricted to Registered users only Download (143kB) |
|
|
Text (BAB II)
BAB 2.pdf Restricted to Registered users only Download (279kB) |
|
|
Text (BAB III)
BAB 3.pdf Restricted to Registered users only Download (651kB) |
|
|
Text (BAB IV)
BAB 4.pdf Restricted to Registered users only Download (4MB) |
|
|
Text (BAB V)
BAB 5.pdf Restricted to Registered users only Download (104kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (129kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf Restricted to Registered users only Download (651kB) |
Abstract
Fluctuations in chicken selling prices in traditional markets are a complex phenomenon influenced by many factors such as purchase price, feed costs, transportation costs, and other operational costs, making it difficult for traders to determine optimal selling prices intuitively. This study aims to develop a web-based Decision Support System (DSS) that integrates three machine learning algorithms with distinct synergistic roles: AdaBoost as the primary prediction engine, Random Forest as a factor analysis tool with results displayed as bar charts on the dashboard, and Multiple Linear Regression as a statistical testing tool providing regression coefficients, p-values, and classical assumption tests. The dataset consists of 2,922 historical sales records of broiler and free-range chickens from the 2022–2025 period with six independent variables expanded into 13 features through feature engineering. The system was built using Laravel 12 as the backend framework, MySQL as the database, and Python scikit-learn as the machine learning engine, with inter-component communication through shell_exec mechanisms. The selection of AdaBoost as the primary prediction engine was based on experiments comparing 12 regression algorithms using 5-Fold Cross Validation, where AdaBoost achieved the best performance for both chicken types. Test results for broiler chicken show R² = 0.22, MAE = Rp3,910, RMSE = Rp4,350, and MAPE = 5.49%, while free-range chicken yields R² = 0.53, MAE = Rp12,405, RMSE = Rp14,106, and MAPE = 12.70%. Random Forest factor analysis identified transportation cost and operational cost as dominant factors for broiler chicken, and purchase price and basic margin as dominant factors for free-range chicken. Multiple Linear Regression successfully performed classical assumption tests with Durbin-Watson values of 1.962 for broiler and 1.900 for free-range chicken, indicating no autocorrelation, and identified transportation cost and feed cost as significant factors for broiler chicken (p < 0.05), and purchase price and basic margin for free-range chicken (p < 0.001). The developed system provides selling price recommendations complete with profit estimates, selling status, and price change factors, thereby assisting traders in making more informed and accurate business decisions. Keywords: Decision Support System, AdaBoost, Random Forest, Multiple Linear Regression, Price Prediction, Broiler Chicken, Machine Learning. Fluktuasi harga jual ayam di pasar tradisional merupakan fenomena yang kompleks karena dipengaruhi oleh banyak faktor seperti harga beli, biaya pakan, biaya transportasi, dan biaya operasional lainnya, sehingga pedagang kesulitan menentukan harga jual yang optimal secara intuitif. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web yang mengintegrasikan tiga algoritma pembelajaran mesin dengan peran berbeda secara sinergis: AdaBoost sebagai engine prediksi utama, Random Forest sebagai alat analisis faktor pengaruh yang hasilnya ditampilkan dalam bentuk diagram batang pada dashboard, dan Regresi Linear Berganda sebagai alat uji statistik yang menyediakan koefisien regresi, nilai p, dan uji asumsi klasik. Dataset yang digunakan terdiri dari 2.922 record data historis penjualan ayam broiler dan ayam kampung periode 2022–2025 dengan enam variabel independen yang dikembangkan menjadi 13 fitur melalui feature engineering. Sistem dibangun menggunakan Laravel 12 sebagai framework backend, MySQL sebagai basis data, dan Python scikit-learn sebagai engine pembelajaran mesin dengan komunikasi antar komponen melalui mekanisme shell_exec. Pemilihan AdaBoost sebagai engine prediksi utama didasarkan pada eksperimen 12 algoritma regresi menggunakan 5-Fold Cross Validation, di mana AdaBoost menghasilkan performa terbaik pada kedua jenis ayam. Hasil pengujian untuk ayam broiler menunjukkan R² = 0,22, MAE = Rp3.910, RMSE = Rp4.350, dan MAPE = 5,49%, sedangkan ayam kampung menghasilkan R² = 0,53, MAE = Rp12.405, RMSE = Rp14.106, dan MAPE = 12,70%. Random Forest menghasilkan analisis faktor pengaruh yang menunjukkan biaya transport dan biaya operasional sebagai faktor dominan untuk ayam broiler, serta margin dasar dan harga beli sebagai faktor dominan untuk ayam kampung. Regresi Linear Berganda berhasil melakukan uji asumsi klasik dengan hasil Durbin-Watson 1,962 untuk broiler dan 1,900 untuk kampung yang menunjukkan tidak terdapat autokorelasi, serta mengidentifikasi biaya transport dan harga pakan sebagai faktor signifikan untuk ayam broiler (p < 0,05), dan harga beli serta margin dasar untuk ayam kampung (p < 0,001). Sistem yang dikembangkan memberikan rekomendasi harga jual lengkap dengan estimasi keuntungan, status jual, dan faktor penyebab perubahan harga sehingga membantu pedagang dalam pengambilan keputusan bisnis secara lebih tepat dan terinformasi. Kata kunci: Sistem Pendukung Keputusan, AdaBoost, Random Forest, Regresi Linear Berganda, Prediksi Harga.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41522010172 |
| Uncontrolled Keywords: | Sistem Pendukung Keputusan, AdaBoost, Random Forest, Regresi Linear Berganda, Prediksi Harga. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | khalimah |
| Date Deposited: | 05 Oct 2026 15:59 |
| Last Modified: | 05 Oct 2026 15:59 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/104266 |
Actions (login required)
 |
View Item |
