KLASIFIKASI SAPI MADURA BERDASARKAN UKURAN TUBUH MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS

Abstract

Sapi Madura memiliki peran penting dalam ekonomi dan budaya masyarakat, baik sebagai sapi potong maupun untuk tradisi kerapan dan sonok, yang memerlukan perawatan yang spesifik sejak dini. Metode gabungan Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) digunakan dalam penelitian ini untuk mengklasifikasikan sapi Madura berdasarkan ukuran tubuh. Dataset terdiri dari 450 data sapi yang didapat dari Dinas Ketahanan Pangan dan Pertanian Kabupaten Pamekasan, terbagi ke dalam tiga kelas, yakni kerapan, sonok, dan potong, dengan 150 sampel per kelas. Atribut yang diukur meliputi berat badan, tinggi pundak, lingkar dada, tinggi pinggul, dan panjang badan. SVM digunakan untuk menangani data berdimensi tinggi, sedangkan KNN mengatasi kelemahan SVM dalam mengklasifikasikan data ambigu. Hyperparameter tuning dilakukan menggunakan grid search untuk meningkatkan kinerja model. Hasil penelitian menunjukkan akurasi mencapai 88,89%, precision 88,17%, recall 88,86%, dan F1-score 88,27%. Penggunaan SVM-KNN membuktikan adanya peningkatan performa dibandingkan hanya menggunakan metode SVM, sehingga dianggap lebih efektif dalam menentukan jenis sapi dan pemeliharaan yang sesuai.