Pemodelan Data Deret Waktu Kematian Ternak Akibat Wabah African Swine Fever Menggunakan Metode LSTM

Abstract

African Swine Fever (ASF) merupakan penyakit paling mematikan yang menyerang babi dengan tingkat kematian mendekati 100%. Penyakit ASF ditularkan melalui gigitan kutu caplak yang terinfeksi, selain itu dapat juga melalui darah, cairan tubuh, dan jaringan dari babi yang terinfeksi ASF. Walaupun ASF tidak bersifat zoonosis, wabah ASF menyebabkan kerugian yang sangat besar bagi masyarakat, pemerintah, dan peternak. Langkah terpenting dalam mencegah terjadi ASF adalah melalui penerapan biosekuriti, pengawasan yang ketat, dan manajemen peternakan babi yang baik untuk daerah yang berisiko tinggi. Selain itu penerapan model prediksi kasus ASF dapat digunakan untuk mengetahui tingkat kematian di waktu yang akan datang, hal ini berguna untuk membantu pemerintah dan pihak terkait dalam proses pengambilan keputusan. Pemodelan prediksi data deret waktu dibuat menggunakan metode LSTM. Penelitian telah berhasil membuat model prediksi dan juga telah berhasil memprediksi kejadian satu minggu kedepan. Model terbaik pada penelitian ini mendapatkan nilai NRMSE sebesar 0,1428 dan nilai korelasi sebesar 0,613 dengan parameter panjang vektor input 2, jumlah neuron sebanyak 120, dan menggunakan RMSprop sebagai optimizer.

African Swine Fever (ASF) is the deadliest disease that attacks pigs with a mortality rate close to 100%. ASF is transmitted through the bite of an infected tick, and through the blood, body fluids, and tissue of an ASF-infected pig. Although ASF is not zoonotic, ASF outbreaks cause enormous losses to communities, governments, and farmers. The most important steps in preventing ASF from occurring are through the application of biosecurity, close supervision, and good management of pig farms for high-risk areas. In addition, the application of the ASF case prediction model can be used to determine the death rate in the future, it is useful to assist the government and related parties in the decision-making process. Time series prediction model is made using the LSTM method. This study has succeeded in making time series prediction models and has also succeeded in predicting the future value. The best model in this study obtained NRMSE value equal to 0,1428 and a correlation value equal to 0,613 with 2 input vector length, 120 neurons, and using RMSprop as the optimizer.