Claim Missing Document
Check
Articles

Found 32 Documents
Search

Neural Network Innovation for Analyzing Physiological Changes in Cattle Within Modern Transportation Systems Dhika, Harry; Buono, Agus; Neyman, Shelvie Nidya; Astuti, Dewi Apri
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol. 16 No. 2 (2025): JURNAL SIMETRIS VOLUME 16 NO 2 TAHUN 2025
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v16i2.16007

Abstract

The distribution of cattle before Eid al-Adha often leads to transport-induced stress, negatively affecting livestock performance and economic value. This study aims to develop a predictive model of post-transport cattle performance using Artificial Neural Networks (ANN). The dataset includes physiological parameters (rectal temperature, heart rate, and respiration) and blood metabolites (glucose and creatinine) collected before and after transportation. Data augmentation and feature selection were applied using Pearson correlation to address class imbalance. The ANN model was tuned with regularisation and dropout techniques to prevent overfitting. Evaluation results show that the model achieved 91% accuracy, with F1-scores of 0.90 (Increase), 0.97 (Stable), and 0.87 (Decrease). These findings demonstrate that ANN can capture complex patterns of physiological conditions in cattle and provide reliable predictions. This model has the potential to serve as the basis for developing an early warning system to minimize the risk of performance decline in cattle due to transport stress more adaptively and efficiently.
Pengembangan Model LMS Berbasis Serverless untuk Mengatasi Masalah Kinerja di Lingkungan Padat Pengguna Utama, Muhammad Jaka; Neyman, Shelvie Nidya; Priandana, Karlisa
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 12 No. 2 (2025)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.12.2.142-154

Abstract

Moodle adalah salah satu aplikasi Learning Management System (LMS) yang berperan penting dalam pembelajaran secara daring. Salah satu faktor penting yang perlu diperhatikan dari LMS Moodle adalah kinerja di lingkungan padat pengguna. Padat pengguna mengacu pada situasi di mana jumlah pengguna atau peserta dalam sistem melebihi kapasitas yang dapat ditangani oleh sistem tersebut. Penelitian ini bertujuan untuk menghasilkan suatu pilihan model arsitektur LMS Moodle agar dapat menangani masalah kinerja dalam lingkungan padat pengguna. Pendekatan yang digunakan adalah arsitektur hybrid yang menggabungkan teknologi serverless pada komponen database, penyimpanan data, dan session handler, serta container di atas virtual machine (VM) dengan layanan IaaS pada core system dengan dukungan load balancing dan auto scaling. Penelitian dilakukan melalui empat tahap, yaitu identifikasi masalah, perancangan, implementasi, dan analisis model LMS. Hasil evaluasi menunjukkan bahwa model LMS yang dikembangkan mampu menangani hingga 1500 pengguna bersamaan tanpa penurunan kinerja signifikan, dengan response time di bawah 2500 ms dan failure request di bawah 1%. Pengujian lanjutan dengan konfigurasi batas minimum resource memungkinkan sistem melayani hingga 10.000 pengguna secara simultan. Skor benchmark plugin Moodle menunjukkan performa optimal pada seluruh aspek. Model ini terbukti dapat meningkatkan kehandalan dan skalabilitas LMS di lingkungan padat pengguna.