RANDY ANWAR ROMADHONNY, 04315079 (2019) PREDIKSI SIKLUS ESTRUS SAPI PERAH UNTUK PERENCANAAN INSEMINASI BUATAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORKS. Undergraduate thesis, Universitas Narotama.
![[img]](http://repository.narotama.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN JUDUL)
HALAMAN JUDUL.pdf Download (5MB) |
|
Text (BAB I)
BAB 1.pdf Download (1MB) |
|
Text (BAB II)
BAB 2.pdf Download (2MB) |
|
Text (BAB III)
BAB 3.pdf Download (11MB) |
|
Text (BAB IV)
BAB 4.pdf Download (2MB) |
|
Text (BAB V)
BAB 5.pdf Download (749kB) |
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Download (1MB) |
Abstract
Perkembangan industri peternakan sapi perah memiliki standar manajemen pengelolaan sapi mulai dari pengelolaan pakan, perkembangbiakan dan produksi susu sapi perah. Dalam perkembangbiakan sapi perah, Inseminasi Buatan (IB) menggunakan sperma sapi pejantan terpilih dilakukan agar induk sapi perah memiliki peluang melahirkan sapi betina lebih besar. Sapi perah memiliki indikasi gejala birahi secara berkala (siklus estrus). Penanganan yang tepat saat dilakukan IB ketika masa estrus, akan memperbesar presentase kebuntingan sapi. Perencanaan yang seimbang antara stock sperma pejantan dengan kebutuhan IB di lapangan membantu manajemen pengelolaan perkembangbiakan sapi perah. Penelitian ini melibatkan populasi sapi perah di Kecamatan Tutur, Pasuruan. Petugas pelaksana IB ke lokasi kandang sapi perah yang dalam kondisi estrus, perlu perencanaan yang tepat agar proses IB menjadi lebih efisien. Penelitian ini menggunakan 1.803 dataset sapi perah sebagai data latih dan data evaluasi. Penulis melakukan kategorisasi dengan variabel masukan dari fitur yang terdapat pada data dan variabel keluaran berupa data yang mengacu pada status sapi ‘diharapkan’ estrus atau ‘terlambat’ estrus dengan nilai 1 atau 0. Uji linearitas variabel masukan terhadap variabel keluaran menggunakan regresi logistik berganda menghasilkan nilai akurasi > 80%. Menggunakan metode Artificial Neural Networks (ANNs) dengan tiga hidden layer dan dua puluh neuron untuk data oversampling menghasilkan nilai akurasi 59%, skor AOC 59% dan skor cohen kappa 0.19, untuk undersampling menghasilkan nilai akurasi pemodelan 45%, skor AOC 45% dan skor cohen kappa -0.09. Hasil pemodelan prediksi disajikan dalam aplikasi berbasis web. Kata kunci : artificial neural networks, prediksi, siklus estrus, machine learning.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Q Science > Q Science (General) Q Science > QD Chemistry T Technology > T Technology (General) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Repository Administrator |
| Date Deposited: | 06 Apr 2022 01:50 |
| Last Modified: | 06 Apr 2022 01:50 |
| URI: | http://repository.narotama.ac.id/id/eprint/1155 |
Actions (login required)
 |
View Item |