PENERAPAN METODE LONG SHORT TERM  MEMORY UNTUK PREDIKSI TINGKAT  KEMATIAN AYAM PETELUR TERHADAP  PERUBAHAN CUACA PADA PETERNAKAN  JATINOM BLITAR - Dalam bentuk buku karya ilmiah

SONAYA DEVI ANJA AMELIA

Informasi Umum

Kode

25.04.2616

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

217 kali

Informasi Lainnya

Abstraksi

Pada tahun 2022, populasi ayam petelur di Indonesia mengalami penurunan sebesar 1,77%. Penurunan ini menjadi perhatian penting ayam petelur berperan penting dalam memenuhi kebutuhan gizi masyarakat. Dengan adanya fenomena El Niño yang diperkirakan akan muncul pada Juni 2023, potensi terjadinya heatstress dapat meningkatkan tingkat kematian ayam. Oleh karena itu, penelitian ini bertujuan untuk menerapkan Long Short Term Memory (LSTM) guna memprediksi tingkat kematian ayam petelur berdasarkan data time-series serta faktor cuaca. Penelitian mencakup beberapa tahap yaitu tahap pengumpulan data kematian ayam dan cuaca dari September 2022 hingga Desember 2023. Data kemudian diproses melalui tahap preprocessing, normalisasi, split data hingga training dan testing model LSTM. Model dengan performa paling optimal diintegrasikan ke dalam aplikasi website Growchick berbasis Streamlit. Hasil analisis menunjukkan bahwa model LSTM dengan epoch 50, batch size 8, dan learning rate 0.1 berhasil mencapai nilai Mean Absolute Error (MAE) sebesar 3.33 dan Mean Absolute Percentage Error (MAPE) sebesar 10.10% dengan akurasi 89.90%. Penelitian ini membuktikan bahwa model LSTM dapat membantu peternak memprediksi tingkat kematian ayam petelur terhadap perubahan cuaca serta membantu mitigasi risiko kematian ayam dan keputusan bisnis peternakannya.