APLIKASI DECISION SUPPORT SYSTEM KOMPOSISI PAKAN UNTUK PENGGEMUKAN SAPI POTONG

zeni muhamad noer, kusrini kusrini

Sari


Sapi potong merupakan jenis sapi yang tujuannya adalah untuk diambil dagingnya dan biasanya dikonsumsi oleh masyarakat dalam bentuk aneka masakan karena mengandung gizi dan nutrisi yang banyak. Konsumsi daging sapi di Indonesia terus mengalami peningkatan, namun peningkatan tersebut belum diimbangi dengan penambahan produksi yang memadai. Untuk mencukupi permintaan dan kebutuhan dapat dilakukan dengan cara peningkatan populasi ternak dan performa sapi potong. Jenis sapi potong yang memiliki performa yang baik adalah sapi lokal termasuk sapi lokal Jawa, Bali, Kalimantan dan Sumatera. Untuk meningkatkan dua cara diatas penulis lebih memfokuskan kepada performa sapi potong yaitu dalam hal peningkatakan komposisi pakan sapi yang diimplementasikan kedalam sebuah aplikasi pengambil keputusan dengan memperhatikan komposisi bahan pakan sapi sesuai dengan kebutuhan daging. Bahan pakan adalah setiap bahan yang dikonsumsi, disukai, mampu untuk dicerna secara menyeluruh atau hanya sebagian saja, tidak mengandung zat yang membahayakan bagi pemakannya dan dapat memberikan manfaat bagi hewan ternaknya.

Kata Kunci : Bahan Pakan, Jenis Sapi.

Teks Lengkap:

PDF (English)

Referensi


Suyanto, 2017, Data Mining Untuk Klasifikasi dan Klasterisasi Data, Informatika, Bandung

Dennis Aprilla C, Donny Aji Baskoro, Lia Ambarwati,I Wayan Simri Wicaksana, 2013, Belajar Data Mining dengan Rapid Miner, Jakarta

Astuti, T., dkk, 2016, Penerapan Algoritma J48 Untuk Prediksi Penyakit Demam Berdarah, Jurnal Telematika Vol.9 No.2 ISSN : 1997 – 925X e-ISSN : 2442 – 4528

Burdi, F., Setianingrum, A.H., Hakim, N. (2016). Application Of The Naive Bayes Method to a Decission Support System to provide Discount (Case Study: PT. Bina Usaha Teknik), International Conference on Information and Communication Technology for The Muslim World. IEEE Conference Publications.

Calis, A., & Boyaci, A. (2015). Data Mining Application in Banking Sector with Clustering and Classification Methods. International Conference on Industrial Engineering and Operations Management. Dubai: IEEE Conference Publications.

Dwi, B., Meilani, A., Slamat, F., 2012, Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree, Jurnal IPTEK Vol 16 No.1

Nofriansyah, D., dkk, 2016, Penerapan Data Mining Dengan Algoritma Naïve Bayes Clasifier Untuk Mengetahui Minat Beli Pelanggan Terhadap Kartu Internet XL (Studi Kasus CV. Sumber Utama Telekomunikasi), Jurnal SAINTIKOM Vol.15, No. 2

Nursalim, dkk, 2014. Klasifikasi Bidang Kerja Lulusan Menggunakan Algoritma K-Nearest Neighbor, Jurnal Teknologi Informasi Volum 10 No.1

Saleh, A., 2015, Implementasi Metode Naive Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga, Citec Journal, ISSN : 2354-5771, Vol.2 No.3

Setyoko, W., dkk, 2016, Sistem Pendukung Keputusan Prediksi Potensi Kualitas Kredit Calon Debitor Menggunakan Metode K-Nearest Neighbor Pada BPR Kartasura Makmur di Sukoharjo, Jurnal TIKomSiN, ISSN : 2338-4018

Wasiati, H., Wijayanti, D., Sistem Pendukung Keputusan Penetuan Kelayakan Calon Tenaga Kerja Indonesi Menggunakan Metode Naive Bayes (Studi Kasus : Di P.T. Karyatama Mitra Sejati Yogyakarta).


Article Metrics

Sari view : 519 times
PDF (English) - 0 times

Refbacks

  • Saat ini tidak ada refbacks.


PENERBIT :

LPPM STMIK DCI

Jl. Sutisna Senjaya No.158 A Kota Tasikmalaya

www.lppm.stmik-dci.ac.id

Telepon : 0265-33492

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional