MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Laboratorium Lapang Bagian Ilmu Produksi Ternak Perah, Fakultas Peternakan Institut Pertanian Bogor. Penelitian dilaksanakan selama dua bulan yaitu bulan Nopember sampai Desember 2011. Materi Penelitian ini menggunakan sapi perah dara Fries Holland sebanyak empat ekor dengan kisaran bobot badan 180 kg sampai 220 kg. Kemudian ternak tersebut diberi pakan berupa hijauan segar (rumput gajah dan rumput lapang) secara normal sebanyak 20 kg/ekor/hari dan konsentrat sebanyak 2 kg per ekor per hari. Pemberian pakan dilakukan dua kali sehari yaitu pagi pukul 08.00 dan sore pukul 15.00 WIB, sedangkan air minum ad libitum. Alat Ukur Peralatan yang digunakan dalam penelitian ini adalah termometer bola basah (wet bulb temperature) dan temperatur bola kering (dry bulb temperature), termometer rektal (Safety, Japan), infra red temperature (digital surface temperature) (Anritsu HI-2000, Tokyo). Prosedur Pemeliharaan Ternak Sapi perah dara sebanyak empat ekor dipelihara di dalam kandang ikat bersama ternak yang lain dengan perlakuan normal, waktu dan jumlah pemberian pakan tidak dibedakan. Parameter yang Diukur Pengukuran lingkungan iklim mikro dalam kandang meliputi suhu lingkungan (Ta), kelembaban udara (Rh). Pengukuran respon fisiologis antara lain terhadap suhu permukaan kulit (Ts) dan suhu rektal (Tr). Cara Pengambilan Data Pengukuran dilakukan mulai pagi hari pukul 06.00 – 16.00 WIB. Pengukuran pertama ke pengukuran berikutnya dilakukan paling cepat setelah 1 jam, dengan
mengacu pada perbedaan suhu udara. Apabila suhu udara belum berubah dari pengukuran sebelumnya maka pengukuran suhu udara dan kelembaban relatif serta respon fisiologis ditunda sampai terjadi perubahan suhu udaranya. Metode Pengukuran 1. Pengukuran suhu dan kelembaban udara menggunakan termometer bola basah dan bola kering. 2. Indeks suhu kelembaban (THI) dihitung menggunakan rumus Hahn (1985) yaitu:
THI = DBT + 0,36 WBT + 41,2; DBT= suhu bola kering (oC) dan
WBT = suhu bola basah (oC). 3. Suhu permukaan kulit (Ts), diukur di empat titik tubuh sapi yaitu punggung (A), dada (B), tungkai atas (C), tungkai bawah (D). Rataan suhu permukaan kulit dihitung berdasarkan rumus Mc Lean et al. (1983); Ts = 0,25 (A+B) + 0,32 C + ) 0,18 D. 4. Suhu rektal diukur menggunakan termometer klinis yang dimasukkkan ke dalam rektal selama 3 – 5 menit. Rancangan dan Analisis Data Data yang diperoleh dimasukkan dalam program Microsoft Excel kemudian diolah menggunakan analisis Jaringan Syaraf Tiruan, sehingga dapat diketahui pola hubungan antara perubahan suhu udara dan kelembaban relatif terhadap respon fisiologis pada sapi perah FH. Jaringan Syaraf Tiruan yang digunakan adalah metode algoritma propagasi balik. Algoritma pelatihan propagasi balik banyak dipakai pada aplikasi pengaturan karena proses pelatihannya didasarkan pada hubungan yang sederhana, yaitu: jika keluaran memberikan hasil yang salah, maka penimbang (weight) dikoreksi supaya galatnya dapat diperkecil dan respon jaringan selanjutnya diharapkan akan lebih mendekati nilai yang benar. Back propagation juga berkemampuan untuk memperbaiki penimbang pada lapisan tersembunyi (hidden layer). Algoritma propagasi balik, dapat dideskripsikan sebagai berikut: ketika jaringan diberikan pola masukan sebagai pola pelatihan maka pola tersebut menuju ke unit-unit pada lapisan tersembunyi untuk diteruskan ke unit-unit lapisan keluaran. Kemudian unit-unit lapisan keluaran memberikan tanggapan yang disebut sebagai
11
keluaran jaringan. Saat keluaran jaringan tidak sama dengan keluaran yang diharapkan maka keluaran akan menyebar mundur (backward) pada lapisan tersembunyi diteruskan ke unit pada lapisan masukan. Oleh karenanya maka mekanisme pelatihan tersebut dinamakan back propagation atau propagasi balik. Tahap pelatihan ini merupakan langkah bagaimana suatu jaringan syaraf itu berlatih, yaitu dengan cara melakukan perubahan penimbang (sambungan antar lapisan yang membentuk jaringan melalui masing-masing unitnya). Sedangkan pemecahan masalah baru akan dilakukan jika proses pelatihan tersebut selesai, fase tersebut adalah fase mapping atau proses pengujian atau testing. Pemodelan Jaringan Syaraf Tiruan (Artificial Neural Network) Pemodelan dimulai dengan membangun model Jaringan Syaraf Tiruan (JST) untuk dapat memperoleh nilai respon fisiologis pada ternak berdasarkan kondisi iklim mikronya, menggunakan metode propagasi balik. Arsitektur jaringan syaraf terdiri dari tiga lapisan, yaitu lapisan masukan (input layer) terdiri atas variabel masukan tiga unit sel syaraf, lapisan tersembunyi (hidden layer) terdiri atas enam unit sel syaraf, dan lapisan keluaran (output layer) terdiri atas dua sel syaraf. Struktur ANN metode propagasi balik yang digunakan dalam penelitian ini dapat dilihat pada Tabel 1. Tabel 1. Struktur ANN (Artficial Neuron Network) Metode Propagasi Balik (Back ipropagation) yang Digunakan dalam Penelitian Lapisan masukan (input layer) (3 unit)
Lapisan tersembunyi (Hidden layer) (6 neuron)
Lapisan keluaran (output layer) (2 unit)
x0 : bias x1: suhu udara (Ta) x2: kelembaban udara (Rh)
h0 : bias h1, h2,h3,h4,h5
y1:suhu rektal (Tr) y2: suhu kulit (Ts)
Penghubung antar lapisan digunakan pembobot. Bobot sebagai jembatan yang menghubungkan input layer ke setiap neuron pada hidden layer adalah wij (wij: bobot yang menghubungkan unit input layer ke-i ke neuron ke-j pada hidden layer), sedangkan penghubung setiap neuron pada hidden layer ke output layer adalah vjk (vjk: bobot yang menghubungkan neuron ke-j pada hidden layer menuju ke-k pada output layer).
12
Skema arsitektur ANN untuk respon fisiologis suhu rektal (Tr) dan Suhu permukaan kulit (Ts) sapi perah FH pada suhu dan kelembaban udara yang berbeda dapat dilihat pada Gambar 2.
y1 y2
Gambar 2. Skema Arsitektur ANN Metode Propagasi Balik (Back Propagation) Pemodelan Respon Fisiologis Suhu Rektal (Tr) Dan Suhu Kulit (Ts) Sapi Perah FH pada Suhu dan Kelembaban Udara Berbeda Keterangan: x: masukan / input (x1dan x2), x0: bias pada masukan / input, Wij : Bobot pada lapisan tersembunyi, Vjk : Bobot pada lapisan keluaran, h: jumlah unit pengolah pada lapisan tersembunyi (h1....h5), h0: bias pada lapisan tersembunyi, y: keluaran hasil .
Aktivasi Jaringan ANN Algoritma back propagation membagi proses belajar ANN menjadi empat tahapan utama yang dilakukan secara iterative sehingga jaringan menghasilkan perilaku yang diinginkan. Tahapan-tahapan aktivasi jaringan tersebut adalah sebagai berikut: 1. Inisialisasi yaitu dilakukan pengkodean data input (xi ) dan target tk menjadi nilai dengan kisaran [0..1], kemudian memberikan nilai pada wij dan vjk secara random dengan kisaran (-1 sampai 1). 2. Perambatan maju (feed forwards step) yaitu melakukan training pada xi dan tk kemudian menghitung besarnya hj dan yp 1 hj = --------------1 + e- wij xi
1 yp = -------------1 +e- vjk hj
13
Selama perambatan maju, tiap unit masukan (xi) menerima sebuah masukan sinyal ini ke tiap-tiap lapisan tersembunyi h1,…..,hj. Tiap unit tersembunyi ini kemudian menghitung aktivasinya dan mengirimkan sinyalnya (hj) ke tiap unit keluaran. Tiap unit keluaran (yk) menghitung aktivasinya untuk membentuk respon pada jaringan untuk memberikan pola masukan. 3.
Perambatan mundur (backward step) : Menentukan nilai
wij dan vjk,
menghitung error pada output layer, menentukan p, vjk, j dan wij k = yp (1-yt)(yt-yk) vjk = vjk + k . hj j = hj (1-hj) kk . vjk wij = wij + j . xi dimana adalah constant of learning rate (misal =0.5) Selama pelatihan, tiap unit keluaran membandingkan perhitungan aktivasinya yp dengan nilai targetnya yt untuk menentukan kesalahan pola tersebut dengan unit itu. Berdasarkan kesalahan ini, faktor δk(p=p1dan p2) dihitung δkdigunakan untuk menyebarkan kesalahan pada unit keluaran yp kembali ke semua unit pada lapisan sebelumnya (unit-unit tersembunyi yang dihubungkan ke yp). Dengan cara yang sama, faktor (h = 1,2…,5) dihitung untuk tiap unit tersembunyi hj. Nilai δkdigunakan untuk mengupdate bobot-bobot antara lapisan tersembunyi dan lapisan masukan. Setelah seluruh faktor δ ditentukan, bobot untuk semua lapisan diatur secara serentak. Pengaturan bobot vjk (dari unit tersembunyi hj ke unit keluaran yp) didasarkan pada faktor δkdan aktivasi hj dari unit tersembunyi hj, didasarkan pada faktor δj dan aktivasi xi unit masukan, karena perubahan bobot ini akan terjadi secara terus menerus selama proses iterasi. 4.
Menentukan error atau galat acuan dengan cara jumlah kuadrat dari selisih output yang diharapkan dengan output aktual dengan rumus sebagai berikut:
14
Keterangan : Yt = vektor nilai output yang diharapkan Yp = vektor nilai output aktual N = jumlah data dalam training = besar galat yang diinginkan Perhitungan kesalahan merupakan pengukuran bagaimana jaringan dapat belajar dengan baik. Kesalahan pada keluaran dari jaringan merupakan selisih antara keluaran prediksi (current output) dan keluaran target (desired output). Menghitung nilai SSE (Sum Square Error)yang merupakan hasil penjumlahan nilai kuadrat errorneuron ke-1 dan neuronke-2 pada lapisan output tiap data, dimana hasil penjumlahan keseluruhan nilai SSE akan digunakan untuk menghitung nilai RMSE (Root Mean Square Error)tiap iterasi (Kusumadewi, 2003).
15
