Estimasi Nilai Nutrisi Komposisi Kimia Pakan Ternak Ruminansia Menggunakan Metode Bayesian Regularization Neural Network

Abstract

Perbedaan komponen kimia pakan ternak dapat mempengaruhi nilai nutrisi untuk hewan ternak. Peternak sulit menentukan formulasi pakan yang sesuai dengan kebutuhan hewan ternak untuk mendapatkan nutrisi yang tepat. Estimasi nutrisi pakan ruminansia pada penelitian ini dilakukan berdasarkan komposisi kimia pakan menggunakan metode Bayesian regularization neural network (BRNN). Data yang digunakan dalam penelitian ini didapatkan dari hasil penelitian Rowett Research Institutte (INRA Perancis) pada kategori main constituents dan bagian yang diestimasi adalah ruminant nutritive value . Penelitian ini membuat model BRNN untuk memprediksi nutrisi pakan ternak ruminansia. Proses estimasi dilakukan menggunakan arsitektur BRNN dengan beberapa jumlah neuron hidden layer yang berbeda dan kombinasi jumlah neuron output. Model BRNN dengan 8 neuron ouput merupakan model BRNN terbaik yang memiliki nilai mean absolute percentage error (MAPE) sebesar 11.82.