Show simple item record

dc.contributor.advisorSitanggang, Imas Sukaesih
dc.contributor.advisorAnnisa
dc.contributor.advisorAstuti, Dewi Apri
dc.contributor.authorPrimawati, Alusyanti
dc.date.accessioned2025-01-27T07:46:00Z
dc.date.available2025-01-27T07:46:00Z
dc.date.issued2025
dc.identifier.urihttp://repository.ipb.ac.id/handle/123456789/161053
dc.description.abstractPengembangan framework RTBI dilakukan dalam penelitian ini untuk mencapai real-time dengan mengintegrasi setiap layer dan memodifikasi teknologi yang digunakan setiap layer arsitektur RTBI terdahulu berdasarkan kebutuhan lingkungan realitas. Framework RTBI dikembangkan menggunakan modul prediktif deret waktu real-time berbasis model machine learning (ML) yang mampu bekerja dengan baik pada data terbatas dan analisis langsung data yang baru masuk dan memperbaharui model ketika data historis bertambah dalam real-time data warehouse (RTDW). Seluruh layer RTBI diintegrasi dengan proses terpadu real-time menggunakan sub layer sistem integrasi real-time . Implementasi model dalam bentuk aplikasi RTBI untuk menampilkan pelaporan tren dan prediksi berdasarkan kebutuhan bisnis. Metode penelitian yang digunakan eksperimental berbasis studi kasus dari lingkungan realitas yang belum memiliki Business Intelligence sejak awal seperti bisnis susu kambing di Jawa Timur yang belum memiliki BI sejak awal untuk uji dan evaluasi implementasi model. Informasi bisnis berupa tren dan prediksi yang dihasilkan RTBI dapat digunakan untuk mendukung Precision Livestock Farming (PLF). Hasil penelitan ini berhasil mengembangkan framework RTBI yang memiliki mekanisme integrasi antar layer sehingga framework menjadi cukup fleksibel digunakan bada studi kasus lainnya. Modul prediktif real-time dalam framework RTBI berhasil mencapai waktu respon prediksi dan sistem real-time yang mendekati 0 ms dengan kinerja sistem yang cukup handal apabila ada lonjakan 100 pengguna melakukan request. Model prediksi berbasis machine learning terbaik untuk prediksi produksi susu kambing yaitu LSTM dengan nilai R2 terbaik 0,78 dan mean absolute percentage error (MAPE) terkecil 3,9%. Model LSTM digunakan dalam modul prediksi real-time dalam RTBI dengan nama Machine learning–Application Programming Interface (ML-API) service. Modul dapat memperbaharui model melalui service retrain model. Penerapan RTBI pada usaha susu kambing perah melalui aplikasi RTBI berbasis website berhasil dibangun tetapi data sebenarnya sangat terbatas sehingga RTBI kurang mampu menggambarkan pergerakan usaha tersebut.
dc.description.sponsorship
dc.language.isoid
dc.publisherIPB Universityid
dc.titleFramework real-time Business Intelligence (RTBI) untuk Mendukung Precision Livestock Farming (Studi Kasus: Kambing Perah Jawa Timur)id
dc.title.alternativereal-time Business Intelligence (RTBI) Framework to Support Precision Livestock Farming (Case Study: East Java Dairy Goats)
dc.typeDisertasi
dc.subject.keywordLSTMid
dc.subject.keywordmachine learningid
dc.subject.keywordAplikasi RTBIid
dc.subject.keywordFramework RTBIid
dc.subject.keywordPrediksi Real-Timeid
dc.subject.keywordReal-time Business Intelligenceid


Files in this item

No Thumbnail [100%x80]
No Thumbnail [100%x80]
No Thumbnail [100%x80]

This item appears in the following Collection(s)

Show simple item record