<![CDATA[Kesejahteraan hewan ternak merupakan faktor krusial dalam produktivitas peternakan, di mana stres akibat rasa lapar sering kali menjadi indikator fisiologis yang terabaikan. Metode pemantauan konvensional yang mengandalkan pengamatan visual memiliki keterbatasan waktu dan tenaga. Penelitian ini mengusulkan sistem deteksi kondisi stres kambing secara non-invasif melalui analisis bioakustik suara. Sistem dikembangkan menggunakan metode ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC) untuk merepresentasikan karakteristik sinyal suara, dan algoritma Random Forest sebagai model klasifikasi. Untuk mengatasi risiko kegagalan deteksi pada kelas kritis (stres), penelitian ini menerapkan metode Threshold Tuning berbasis analisis kurva Receiver Operating Characteristic (ROC). Hasil pengujian menunjukkan bahwa penggunaan ambang batas keputusan (decision threshold) standar 0.50 menghasilkan sensitivitas (Recall) sebesar 87.50%. Melalui optimasi Youden’s Index, ditemukan nilai threshold optimal teoritis sebesar 0.34. Penerapan threshold baru ini berhasil meningkatkan sensitivitas hingga mencapai 100% (Zero False Negative) dengan Akurasi keseluruhan meningkat dari 78.12% menjadi 81.25%. Sistem diimplementasikan pada perangkat mobile Android menggunakan format ONNX Runtime untuk memungkinkan inferensi secara offline dan real-time.]]>
Copyrights © 2026
