PENGEMBANGAN APLIKASI MANAJEMEN PETERNAKAN PADA DAMTO FARM

• HANDOKO dan JOHANNES MARULITUA DAMANIK

---

ABSTRAK

ABSTRAK

Handoko (11240163) & Johannes Marulitua Damanik (11240119), Pengembangan Aplikasi Manajemen Peternakan pada Damto Farm

Industri peternakan skala menengah sering menghadapi permasalahan dalam manajemen operasional, seperti pencatatan data ternak yang masih manual, keterlambatan dalam memantau kesehatan hewan, kesulitan mengelola stok pakan, serta keterbatasan dalam penyusunan laporan keuangan yang cepat dan akurat. Permasalahan tersebut juga dialami oleh Damto Farm yang masih menggunakan sistem konvensional sehingga menimbulkan risiko kehilangan data, kurangnya efisiensi, serta rendahnya kecepatan pengambilan keputusan manajerial. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi manajemen peternakan berbasis web dan mobile yang mampu membantu Damto Farm dalam mengelola data ternak, pakan, kesehatan, serta laporan keuangan secara terintegrasi. Metode pengembangan yang digunakan adalah pendekatan Software Development Life Cycle (SDLC) model waterfall, yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan dapat meningkatkan efisiensi operasional Damto Farm dengan mempercepat proses pencatatan data ternak hingga 70%, mengurangi kesalahan input data, serta menyediakan laporan keuangan dan kesehatan ternak secara real-time. Selain itu, aplikasi ini dinilai mudah digunakan oleh staf karena dilengkapi dengan antarmuka yang sederhana dan dokumentasi pendukung. Dengan adanya aplikasi manajemen peternakan ini, Damto Farm diharapkan mampu meningkatkan produktivitas, akurasi pencatatan, serta kualitas pengambilan keputusan berbasis data.

KATA KUNCI

Implementasi Aplikasi Manajemen

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] Giller KE. “The future of farming: Who will produce our food?.” 2021;13(5):1073–99.

[2] Bloch V. “Automatic broiler temperature measuring by thermal camera.” 2020;199:127–34.

[3] Erianda A, IOP Conference Series: Materials Science and Engineering (2020) 846(1) “Android-Based Chicken Development Monitoring Application”, doi: 10.1088/1757-899X/846/1/012018.

[4] Neethirajan SSensing and Bio-Sensing Research, “Digital Livestock Farming”, vol. 32, 2021, doi: 10.1016/j.sbsr.2021.100408.

[5] C. Verdouw, “Digital twins in smart farming,” Agric Syst, vol. 189, 2021, doi: 10.1016/j.agsy.2020.103046.

[6] Mekonnen, M.M., & Hoekstra, A.Y. (2020). Sustainability of livestock systems. Journal of Environmental Management, 260, 110–116.

[7] Mugisha, I. et al. (2023). AI-Based Monitoring Systems for Livestock. Computers and Electronics in Agriculture, 207, 107645.

[8] Farooq M, (2022). A Survey on the Role of IoT in Agriculture for the Implementation of Smart Livestock Environment, doi: 10.1109/ACCESS.2022.3142848.

[9] El-Telbany, M. et al. (2022). Smart livestock farming technologies. Sensors, 22(5), 1903. 82 83

[10] Widiarti, D. et al. (2021). Adoption of Smart Farming in Indonesian Livestock Sector. Asian Journal of Agriculture and Development, 18(2), 65–78.

[11] FAO. (2022). Livestock and Climate Change: Mitigation Measures in Developing Countries

[12] Sutaryo, B. et al. (2024). Integration of Sheep and Corn in Rural Agriculture. BIO Web of Conferences, 82, 00031.

[13] Hidayat, A. et al. (2024). Using Ensiling Coffee Skin on Growth Performance in Sheep. BIO Web of Conferences, 82, 00032.

[14] J. Agric. Sci. Technol., , 2023. "Defining Livestock Farming in the 21st Century: Challenges and Opportunities." vol. 23, no.4, 2023 pp. 876-889.

[15] Int. J. Inf. Manage., 2020. "Defining the Modern Database: Evolution, Challenges, and Future Directions." vol. 50, pp. 105-116.

[16] J. Comput. Lang., 2020. "Defining Programming Languages in the Modern Era: Concepts and Paradigms. vol. 60, p. 101007

[17] Int. J. Adv. Comput. Sci. Appl.,, 2020. "Enhancing Web Application Security using Modern PHP Frameworks."vol. 11, no. 7, pp. 456-463

[18] Neethirajan SSensing and Bio-Sensing Research, “Digital Livestock Farming”, vol. 32, 2021, doi: 10.1016/j.sbsr.2021.100408.

[19] C. Verdouw, “Digital twins in smart farming,” Agric Syst, vol. 189, 2021, doi: 10.1016/j.agsy.2020.103046. 84

[20] Klingström, T., Zonabend König, E, Zwane, A.A., “Beyond the hype: Using AI, big data, wearable devices, and the internet of things for high-throughput livestock phenotyping”, 2025, doi: 10.1093/bfgp/elae032.