PREDIKSI ADOPSI HEWAN PELIHARAAN MENGGUNAKAN METODE XGBOOST

Adopsi hewan sangat penting untuk meningkatkan kesejahteraan hewan dan mengurangi populasi hewan terlantar. Karena banyaknya hewan yang masuk dan jumlah sumber daya yang diperlukan untuk merawat mereka, tempat penampungan hewan di seluruh dunia menghadapi masalah yang signifikan. Setiap tahun, jutaan hewan ditempatkan di tempat penampungan untuk mencari rumah baru. Namun, tingkat adopsi sering kali tidak cukup untuk mengimbangi masuknya hewan baru, menyebabkan kepadatan di tempat penampungan dan risiko euthanasia hewan yang tidak diadopsi. Dalam beberapa tahun terakhir, pembelajaran mesin (ML) telah berkembang menjadi alat yang kuat untuk menganalisis data dan membuat prediksi. Salah satu algoritma berbasis pohon keputusan yang telah terbukti berhasil adalah XGBoost. Algoritma ini terkenal karena kinerjanya yang luar biasa dalam berbagai kompetisi data. XGBoost dapat membantu tempat penampungan hewan menemukan faktor-faktor penting yang mempengaruhi adopsi hewan peliharaan, dengan akurasi prediksi sebesar 95%. Menurut analisis fitur penting, faktor-faktor yang paling penting dalam menentukan adopsi hewan peliharaan adalah ukuran, kondisi kesehatan, usia, ras Labrador, dan jenis hewan anjing. Organisasi penyelamatan hewan dapat membantu meningkatkan rencana adopsi mereka dan memberi calon adopter informasi yang lebih akurat dengan memahami elemen penting ini.