http://repository.ipb.ac.id/handle/123456789/9 Fri, 24 Apr 2026 23:16:11 GMT 2026-04-24T23:16:11Z http://repository.ipb.ac.id/handle/123456789/172986 Evaluasi Good Milking Practice menggunakan Analytical Hierarchy Process pada Peternakan Rakyat Koperasi Produsen Giri Tani FEBRIANTI, DWI RETNO Evaluasi penerapan good milking practice (GMiP) berperan dalam upaya peningkatan kuantitas dan kualitas produksi susu, serta produktivitas usaha sapi perah. Penelitian ini bertujuan mengevaluasi faktor penentu yang paling berpengaruh dalam penerapan GMiP (aspek saat, sebelum, dan setelah pemerahan) pada peternak rakyat sapi perah di Koperasi Produsen Giri Tani. Penelitian ini dilaksanakan pada bulan November hingga Desember 2025. Aspek GMiP dievaluasi menggunakan analytical hierarchy process (AHP) dengan bantuan software Expert Choice, yang mengombinasi pendapat dari enam responden ahli berasal dari akademisi, praktisi, dan instansi pemerintah terkait, untuk mengidentifikasi faktor penentu yang paling berpengaruh. Wawancara dan observasi dilakukan kepada 22 peternak rakyat untuk menilai langsung kondisi peternakan. Hasil evaluasi GMiP aspek saat, sebelum, dan setelah pemerahan secara berturut-turut sebesar 28,79%; 27%; 16,89%. Nilai performa gabungan pengamatan dan vektor prioritas diperoleh sebesar 72,68% yang termasuk dalam kategori cukup.; The evaluation of the implementation of good milking practice (GMiP) plays an important role in improving both the quantity and quality of milk production as well as the productivity of dairy farming enterprises. This study aimed to evaluate the most influential determining factors in the implementation of GMiP (aspects when, before, and after) among smallholder dairy farmers at Koperasi Produsen Giri Tani. This research was conducted from November to December 2025. The GMiP aspects was carried out using the analytical hierarchy process (AHP) with the assistance of Expert Choice software, which combined the judgments of six expert respondents from academia, practitioners, and relevant government institutions to identify the most influential determining factors. Interviews and observations were also conducted with 22 smallholder dairy farmers to assess the conditions of the farms directly. The evaluation results of the GMiP aspects during, before, and after milking were respectively 28,79%, 27%, and 16,89%. The combined performance value of observation scores and priority vectors obtained is 72,68%, which is included in the sufficient category. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172986 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172985 Asosiasi Makrozoobentos pada Ekosistem Lamun di Pulau Panjang, Banten Muthiiah, Nahdah Ekosistem lamun di Pulau Panjang berperan sebagai habitat bagi makrozoobentos. Informasi mengenai makrozoobentos dan keterkaitannya dengan lamun masih terbatas. Di sisi lain, wilayah ini memiliki potensi keanekaragaman hayati laut yang tinggi. Penelitian ini bertujuan melihat kondisi aktual lamun, komposisi makrozoobentos, dan asosiasi keduanya. Pengambilan data lamun dilakukan dengan metode Seagrass Watch dan makrozoobentos diambil dengan dengan metode hand picking. Asosiasi makrozoobentos dan lamun menggunakan analisis korespondensi (CA). Penelitian ini menunjukkan bahwa komposisi lamun di Pulau Panjang meliputi, Enhalus acoroides, Thalassia hemprichii, Cymodocea rotundata, Syringodium isoetifolium, Halophila ovalis, dan Halodule uninervis. Kerapatan dan penutupan lamun yang tinggi di Stasiun 3 tidak diikuti dengan tingginya kelimpahan makrozoobentos. Kelimpahan makrozoobentos tertinggi didapatkan pada Stasiun 2. Makrozoobentos yang ditemukan sebanyak 64 spesies, yaitu dari Kelas Gastropoda, Kelas Malacostraca, Kelas Bivalvia, Kelas Holothuroidea, dan Kelas Ophiuroidea. Komunitas makrozoobentos menunjukkan keanekaragaman sedang hingga tinggi dengan distribusi individu antarspesies yang merata tanpa dominansi spesies tertentu. Hasil analisis korespondensi menunjukkan di Stasiun 1 terdapat asosiasi antara lamun T. hemprichii dan makrozoobentos Pictocolumbella ocellata. Asosiasi Stasiun 3 melibatkan makrozoobentos Canarium urceus, Pyrene punctata, Holothuria sp., Vasticardium angulatum, Gutturnium muricinum, Umbonium sp., Phasianella solida, Canarium labiatum, Chicoreus brunneus, dan Conus aristophanes serta lamun H. ovalis, S. isoetifolium, dan H. uninervis.; The seagrass ecosystem on Panjang Island serves as an important habitat for macrozoobenthos. However, information regarding macrozoobenthos communities and their relationship with seagrass in this area remains limited. Meanwhile, Panjang Island possesses high potential for marine biodiversity. This study aimed to assess the current condition of seagrass, analyze the composition of macrozoobenthos, and examine the association between the two. Seagrass data were collected using the Seagrass Watch method and macrozoobenthos samples were obtained through the hand-picking method. The seagrass composition on Panjang Island consisted of Enhalus acoroides, Thalassia hemprichii, Cymodocea rotundata, Syringodium isoetifolium, Halophila ovalis, and Halodule uninervis. The highest density and coverage of seagrass at Station 3 was not accompanied by high macrozoobenthos abundance. The highest abundance of macrozoobenthos was found at Station 2. A total of 64 macrozoobenthos species were identified, belonging to the classes Gastropoda, Malacostraca, Bivalvia, Holothuroidea, and Ophiuroidea. The macrozoobenthos community exhibited moderate to high diversity with an even distribution of individuals among species, and no single species showed dominance. At Station 1, an association was found between the seagrass T. hemprichii and the macrozoobenthos P. ocellata. The association at Station 3 involved macrozoobenthos such as Canarium urceus, Pyrene punctata, Holothuria sp., Vasticardium angulatum, Gutturnium muricinum, Umbonium sp., Phasianella solida, Canarium labiatum, Chicoreus brunneus, and Conus Aristophanes, and the seagrass species seagrass H. ovalis, S. isoetifolium, and H. uninervis. Wed, 01 Jan 2025 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172985 2025-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172983 PREDIKSI CURAH HUJAN MUSIMAN DENGAN MACHINE LEARNING DI PAPUA Andika, Steven Cahya Papua merupakan wilayah di Indonesia yang rentan terhadap bencana hidrometeorologi, sehingga informasi prediksi hujan musiman yang akurat dan andal sangat dibutuhkan. Penelitian ini bertujuan untuk 1) mengevaluasi performa prediksi hujan musiman dari Seasonal Forecast Sistem 5 (SEAS5) European Centre for Medium-Range Weather Forecasts (ECMWF), 2) menilai kemampuan model machine learning (ML) dalam meningkatkan kualitas prediksi hujan musiman di Papua, serta 3) mengaplikasikan model ML terbaik untuk perbaikan prediksi. Metode ML yang digunakan meliputi ElasticNet (ENet), Support Vector Machine (SVM), Random Forest (RF), dan Extreme Gradient Boosting (XGB), dengan model regresi linier (LR) sebagai acuan. Luaran hindcast SEAS5 digunakan sebagai prediktor, dengan seleksi prediktor iklim lokal dan global dilakukan secara objektif menggunakan konsensus Lasso dan RF. Hasil evaluasi beberapa metrik, yakni mean error (ME), koefisien korelasi (Corr), root mean square error (RMSE), dan Kling-Gupta Efficiency (KGE), menunjukkan bahwa model mentah (Raw) SEAS5 memiliki keterbatasan yang signifikan dalam merepresentasikan hujan musiman di Papua, ditandai oleh kecenderungan bias basah pada periode MAM, SON, dan DJF, RMSE yang tinggi (hingga 103,9 mm), serta nilai KGE rendah atau negatif, terutama di wilayah pegunungan. Performa Raw SEAS5 relatif lebih baik pada JJA dan SON, namun menurun tajam pada DJF dengan Corr yang bahkan bernilai negatif di beberapa lokasi. Model LR mampu memperbaiki performa Raw SEAS5 dan digunakan sebagai benchmark untuk mengevaluasi peningkatan relatif model ML. Model ML yang dioptimasi secara gridwise menunjukkan peningkatan performa yang konsisten dibandingkan Raw SEAS5, dengan penurunan RMSE menjadi 33,7–48,3 mm, bias mendekati nol, serta peningkatan nilai KGE menjadi 0.15 s.d. 0.23 di Papua. Secara musiman, model ML unggul pada periode MAM, JJA, dan DJF, sementara pada SON model LR menunjukkan performa yang lebih baik di banyak lokasi. Secara keseluruhan, XGB dan SVM merupakan model dengan performa terbaik, dengan XGB menempati peringkat KGE tertinggi pada 62,5% lokasi. Hasil ini menunjukkan bahwa pendekatan machine learning yang teroptimasi berpotensi menjadi solusi efektif untuk meningkatkan kualitas prediksi hujan musiman di Papua, meskipun tantangan masih tersisa pada musim basah dan wilayah bertopografi kompleks. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172983 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172982 Pengembangan Penilaian Kesehatan Tegakan Kebun Raya Bogor melalui Analytical Network Process (ANP) Nazalti, Zulfa Kebun Raya Bogor (KRB) merupakan kawasan konservasi flora secara ex situ dengan koleksi mencapai 3.404 spesies. Guna menjamin keberlanjutan fungsi kawasan yang didominasi oleh tegakan pohon, pemantauan dan penilaian kesehatan tegakan penting dilakukan. Penelitian ini bertujuan mengembangkan penilaian kesehatan tegakan berumur tua di KRB melalui Analytical Network Process (ANP) dan menentukan rekomendasi pemeliharaan tegakan KRB. Metode yang digunakan yaitu metode Forest Health Monitoring (FHM) dan metode ANP untuk mengembangkan dan memvalidasi bobot prioritas indikator kesehatan tegakan. Hasil penelitian menunjukkan bahwa bobot prioritas indikator kesehatan tegakan di KRB melalui metode ANP meliputi kondisi tajuk (0,30), kerusakan pohon (0,24), produktivitas (0,15), kualitas tapak (0,15), dan biodiversitas (0,10). Bobot prioritas ANP vitalitas pohon menjadi indikator prioritas tertinggi dalam menentukan kesehatan tegakan di KRB. Nilai akhir kesehatan kawasan KRB bernilai 8 dengan status kesehatan tegakan kategori baik yang mengindikasikan tegakan KRB masih optimal menjalankan fungsinya.; The Bogor Botanical Garden (KRB) is an ex situ flora conservation area with a collection of 3.404 species. To ensure the sustainability of this area, dominated by tree stands, monitoring and assessing their health is essential. This study aims to develop an assessment of the health of mature stands at KRB using the Analytical Network Process (ANP) and to determine maintenance recommendations for KRB stands. The methods used were the Forest Health Monitoring (FHM) and ANP methods to develop and validate the priority weights for stand health indicators. The results of the study indicate that using the ANP method, the priority weights for stand health indicators in the KRB are: canopy condition (0,30), tree damage (0,24), productivity (0,15), site quality (0,15), and biodiversity (0,10). The ANP priority weight for tree vitality is the highest priority indicator in determining stand health in the KRB. The final health score for the KRB area is 8, with the stand health status categorized as good, indicating that the KRB stands are still performing their functions optimally. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172982 2026-01-01T00:00:00Z