PEMODELAN KOMPOSISI PAKAN KAMBING PERANAKAN ETAWA (PE) UNTUK OPTIMASI KANDUNGAN GIZI SUSU MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) DAN GENETIC ALGORITHM (GA) (Studi Kasus pada UPT Pembibitan Ternak dan Hijauan Makanan Ternak Singosari-Malang)

Repositori Jurnal Mahasiswa PTIIK UB
© 2016 by Doro Jurnal
Volume 8 - Number 6
Year of Publication: 2016
Latifah Hanum, Imam Cholissodin dan Marji
Download Article

 


Abstract

Susu merupakan salah satu sumber protein hewani yang mengandung semua zat yang mudah dicerna dan dimanfaatkan oleh tubuh. Ternak penghasil susu utama di Indonesia adalah sapi perah Peranakan Friesian Holstein (PFH) yang produksi susunya relatif rendah sehingga tidak dapat mencukupi kebutuhan protein hewani yang dibutuhkan oleh masyarakat. Permasalahan tersebut dapat diatasi dengan menjadikan kambing Peranakan Etawa (PE) sebagai ternak perah alternatif. Tingginya produksi susu dan kualitas kandungan gizi susu sangat dipengaruhi oleh faktor pakan yang berfungsi sebagai produksi dan pengatur proses-proses yang ada di dalam tubuh. Pihak pakan pada UPT Pembibitan Ternak dan Hijauan Makanan Ternak Singosari-Malang masih menghadapi permasalahan, yaitu tidak pernah memberikan komposisi pakan yang berbeda-beda sehingga susu kambing yang dihasilkan tidak pernah mencapai kandungan gizi susu yang optimal. Oleh karena itu, penulis menggunakan metode Artificial Neural Network (ANN) dan Genetic Algorithm (GA) untuk membuat pemodelan komposisi pakan kambing PE agar kandungan gizi susunya dapat optimal dengan hasil rata-rata kenaikan protein dan penurunan lemak untuk kualitas Premium dan Baik yang diperoleh oleh sistem sebesar 0.0852%, 2.3254%, 0.0292% dan 1.4372% dari bobot badan kambing sebesar 36 kg dengan menggunakan Parameter ANN dan GA terbaik yang dicapai oleh sistem berupa jumlah iterasi = 1000, jumlah hidden layer = 10, learning rate = 0.9, ukuran populasi = 100, jumlah generasi = 1000, cr = 0.1 dan mr = 0.9.

Keywords

Kambing Peranakan Etawa (PE), kandungan nutrisi pakan, kandungan gizi susu, Artificial Neural Network (ANN), Genetic Algorithm (GA)