Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Adinda Meylia Salsabila
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pemodelan Hybrid AI untuk Prediksi Nutrisi Pakan Berbasis Simulasi NIR Adinda Meylia Salsabila; Intan Nur Farida; Ardi Sanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/2cmb3g20

Abstract

Analisis kandungan nutrisi pakan ternak merupakan tahapan penting dalam menentukan kualitas dan efisiensi produksi peternakan. Penggunaan alat Near Infrared Reflectance (NIR) mampu memberikan hasil analisis yang cepat, namun biaya perangkat dan pengujiannya relatif tinggi. Penelitian ini bertujuan mengembangkan model hybrid Artificial Intelligence berbasis simulasi spektrum NIR untuk memprediksi kandungan nutrisi pakan secara digital. Dataset yang digunakan berupa data spektral dan data nutrisi beberapa jenis pakan ruminansia. Tahapan penelitian meliputi preprocessing data, normalisasi, pelatihan model Autoencoder sebagai pembangkit sinyal spektral tiruan, serta Artificial Neural Network sebagai model prediksi nutrisi. Evaluasi model dilakukan menggunakan MSE, RMSE, MAE, dan R². Hasil penelitian menunjukkan model hybrid mampu menghasilkan prediksi dengan tingkat kesalahan rendah dan nilai koefisien determinasi tinggi. Sistem yang dikembangkan berpotensi menjadi alternatif simulasi analisis nutrisi pakan berbasis kecerdasan buatan dengan biaya lebih efisien.
Co-Authors Ardi Sanjaya Intan Nur Farida