| dc.description.abstract | Peternakan ayam broiler memerlukan pakan yang memenuhi standar mutu yang ditetapkan. Pemeriksaan yang teliti terhadap komponen pakan berpotensi untuk meningkatkan produktivitas ternak ayam broiler. Analisis kandungan nutrisi pakan sangat penting bagi peternak. Pemahaman secara mendetail komposisi pakan agar perkembangan ternak dapat berlangsung sesuai harapan. Saat ini, analisis kandungan nutrisi pakan ternak umumnya dilakukan di laboratorium kimia dengan metode basah, yang memerlukan keahlian khusus dan waktu yang cukup lama.
Tujuan penelitian ini adalah membuat model cerdas untuk mengklasifikasi dan mengestimasi kandungan nutrisi pakan ayam broiler secara cepat. Algoritma yang digunakan adalah Convolutional Neural Network (CNN) dan Random Forest Regressor (RFR). Algoritma CNN diterapkan untuk mengenali citra pakan ayam broiler yang diambil melalui kamera ponsel (Oppo F5). Algoritma RFR untuk mengestimasi kandungan nutrisi berdasarkan fitur-fitur citra hasil ekstraksi CNN. Luaran RFR adalah kandungan nutrisi (variabel target) hasil pemindaian pakan ayam broiler menggunakan near infrared (BUCHI NIRFlex N-500).
Sampel yang digunakan dalam penelitian ini adalah pakan konsentrat dengan jumlah 99. Metode penelitian dimulai dengan analisis permasalahan, diikuti dengan pengumpulan data citra menggunakan kamera mobile phone, pengumpulan data kandungan nutrisi dengan pemindaian pakan ayam broiler menggunakan near infrared di Laboratorium Analisis Logistic Indonesia Netherland (ALIN) Fakultas Peternakan IPB, praproses data, pemilihan model CNN terbaik, pelatihan, validasi, dan pengujian model dengan data untuk mendapatkan hasil akurasi yang baik. Langkah terakhir adalah pemodelan hybrid CNN dan RFR untuk mengestimasi kategori dan kandungan nutrisi pakan broiler. Teknologi pendukung dalam pengambilan sampel data menggunakan dua buah alat, pertama kamera yaitu mengambil citra pakan ayam broiler dengan kamera mobile phone (Oppo F5, 16 MP (4.608×3.456 piksel)), dan kedua near infrared (BUCHI NIRFlex N-500) yaitu memancarkan cahaya infrared pada pakan menghasilkan spektrum. Software NIRCal V5.6 digunakan untuk mengidentifikasi spektrum dan menentukan kandungan nutrisi pakan secara kuantitatif. Citra dan kandungan nutrisi dikumpulkan dari hasil foto kamera dan dari pancaran cahaya infrared pada sampel pakan. Citra dan kandungan nutrisi akan digunakan sebagai data input pada deep learning yaitu algoritma CNN dan Random Forest.
Hasil implementasi model algoritma CNN dengan 3 (tiga) arsitektur rerata memperoleh akurasi tinggi. Arsitektur LeNet memiliki akurasi tertinggi 0,8974, AlexNet memiliki akurasi tertinggi 0,8034, dan VGG-16 memiliki akurasi tertinggi 0,9744. Arsitektur CNN yang direkomendasikan untuk estimasi kandungan nutrisi berdasarkan struktur pakan ayam broiler dalam model hybrid adalah VGG-16. Implementasi model RFR untuk mengestimasi kandungan nutrisi memberikan hasil sangat baik. Evaluasi kinerja model untuk menginterpretasikan fitur-fitur citra hingga memberi luaran variabel target (nilai kandungan nutrisi). Akurasi masing-masing nutrien dengan R2 untuk bahan kering mencapai 0,7976, kadar air 0,8018, protein kasar 0,7782, lemak kasar 0,7948, serat kasar 0,7288, dan abu 0,6777. Hasil penelitian untuk mengestimasi kandungan nutrisi berdasarkan fitur citra pakan ayam broiler menggunakan model arsitektur VGG-16 mencapai akurasi tertinggi sebesar 0,9744 dan RFR mencapai R2 tertinggi sebesar 0,8018.
Kebaruan penelitian ini adalah metode baru untuk estimasi kandungan nutrisi pakan broiler, yaitu model hybrid CNN dan RFR yang menghasilkan luaran multi-kelas dengan tiga kategori pakan ayam broiler (pre starter, starter, dan finisher) serta multi-target dengan enam kandungan nutrisi pada masing-masing jenis pakan (bahan kering, kadar air, protein kasar, lemak kasar, serat kasar, dan abu). Kontribusi dari arsitektur CNN juga mencakup pemilihan parameter terbaik, modifikasi pada classifier dan pengenalan citra pakan ayam broiler dalam bentuk serbuk (mash, crumble, dan pellet) menggunakan algoritma CNN.
Pembuatan prototipe sistem aplikasi berbasis web untuk mengetahui kategori pakan dan estimasi kandungan nutrisi pakan ayam broiler merupakan langkah inovatif dalam memanfaatkan teknologi machine learning (VGG-16 dan RFR) untuk mendorong efisiensi dalam industri peternakan. Prototipe ini dibuat dengan antarmuka yang intuitif, memungkinkan peternak dengan mudah mengunggah citra pakan dan mengetahui kategori pakan serta mendapatkan estimasi kandungan nutrisi secara akurat. Selain itu, fase pengujian untuk memastikan fungsi dan kegunaan aplikasi sesuai dengan kebutuhan. Dengan demikian, aplikasi ini diharapkan dapat menjadi alat yang signifikan dalam pengelolaan pakan, mendukung peternak dalam pengambilan keputusan yang lebih baik. | |
