Prediksi nilai nutrisi pada pakan ternak ruminansia menggunakan resilient backpropagation neural network

Abstract

Hasil produksi hewan ternak ruminansia sangat dibutuhkan manusia dalam memenuhi kebutuhan protein hewani. Kualitas produksi dari hewan ternak bergantung pada jumlah dan kandungan nutrisi dari pakan yang diberikan. Oleh karena itu, strategi penyusunan pakan yang tepat diperlukan agar ternak mendapatkan pakan yang sesuai dengan kebutuhan gizi ternak tersebut. Penelitian ini bertujuan membangun beberapa model untuk memprediksi nilai nutrisi pakan ternak berdasarkan kandungan kimianya menggunakan resilient backpropagation neural network. Data penelitian merupakan data pakan ternak ruminansia milik Perancis yang bersumber dari National Institute for Agricultural Research (INRA). Kandungan nutrisi yang diprediksi sebanyak 8 yaitu UFL, UFV, PDIA, ME, Ed, OMd, Nd, dan TId. Model terbaik diperoleh ketika PDIA dihilangkan, dan menghasilkan model dengan jumlah output sebanyak 7. Model tersebut memiliki nilai MAPE terkecil 8.02% dan RMSE sebesar 4.37.