Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Kualitas Makanan Kucing

Lela Budiarti; Gunadi Widi Nurcahyo; Sumijan

doi:10.35134/komtekinfo.v12i1.561

Authors

Lela Budiarti Universitas Putra Indonesia YPTK Padang
Gunadi Widi Nurcahyo Universitas Putra Indonesia YPTK Padang
Sumijan Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v12i1.561

Keywords:

Kualitas makanan kucing, Jaringan Syaraf Tiruan, Backpropagation, MSE, Epoch

Abstract

Kualitas makanan kucing adalah tingkat atau derajat yang menunjukkan seberapa baik makanan tersebut mampu memenuhi kebutuhan nutrisi kucing secara optimal. Ini mencakup berbagai aspek seperti kandungan nutrisi, protein, lemak, karbohidrat, vitamin, dan mineral, sumber bahan baku, keseimbangan komposisi, keamanan dari kontaminan, kecernaan, dan kesesuaian dengan kebutuhan spesifik kucing berdasarkan usia, kesehatan, dan tingkat aktivitas. Secara sederhana, kualitas makanan kucing mencerminkan apakah makanan tersebut dapat mendukung kesehatan dan kesejahteraan kucing secara efektif, dengan memberikan nutrisi yang diperlukan untuk pertumbuhan, energi, fungsi tubuh yang baik, dan pencegahan penyakit. Kualitas makanan kucing menjadi faktor penting yang memengaruhi kesehatan dan kesejahteraan hewan peliharaan. Penentuan kualitas makanan sering kali memerlukan pengujian laboratorium yang memakan waktu dan biaya. Oleh karena itu, diperlukan suatu metode yang cepat dan akurat untuk memprediksi kualitas makanan kucing berdasarkan parameter-parameter tertentu. Penelitian ini bertujuan untuk memprediksi kualitas pada makanan kucing. Metode yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan Backpropagation. Metode ini memiliki 7 tahapan yaitu Inisialisasi Bobot, Feedforward (Propagasi Maju), Perhitungan Error, Propagasi Balik (Backpropagation), Iterasi (Epochs), Konvergensi, Evaluasi. Dataset yang diolah dalam penelitian ini bersumber dari Toko ONE PS. Dataset terdiri dari 12 jenis pada makanan kucing di Toko ONE PS. Hasil penelitian ini diperoleh nilai MSE 0.3425383237 yang masih belum memenuhi target error yang telah ditentukan yaitu pada nilai 0,1 maka epoch akan dilanjutkan sampai nilai target error tercapai jika belum mencapai epoch maksimum yaitu 7000 epoch dengan epoch error sebesar 3000 epoch. Pada Pola 5 yang menggunakan 4 layer nilai error lebih kecil dari pada Pola lain. Iterasi epoch akan dilanjutkan hingga setiap pola mencapai target error sebesar 0,1. Penelitian ini dapat dijadikan acuan untuk melihat informasi kualitas pada makanan kucing.

References

Civilization, I., TEMA 19, & Domenico, E. (2021). Perkembangan Teknologi Informasi Komunikasi / ICT Dalam Berbagai Bidang. 2(2), 6.

Anggraeni, M. D., Mucharromah, R., Taqiyya, B. Z., Fadilah, R. E., Mahardika, I. K., & Yusmar, F. (2023). Perkembangan Teknologi Dan Komunikasi Dalam Pendidikan. FKIP E-PROCEEDING, 1–5.

Curah, P., Di, H., Tual, K., Menggunakan, D., & Backpropagation, M. (2023). Prediksi curah hujan di kota tual dengan menggunakan metode backpropagation. 02(02).

Samsugi, S., & Naufal Falikh Suprapto, G. (2021). Otomatisasi Pakan Kucing Berbasis Mikrokontroller Intel Galileo Dengan Interface Android. Jurnal Sains Komputer & Informatika (J-SAKTI, 5(1), 143–152.

Siregar, A. A., Khair, U., & Harliana, P. (2021). Sistem Pemberian Pakan Kucing Otomatis Menggunakan SMS Gateway Berbasis Arduino Uno. ALGORITMA: Jurnal Ilmu Komputer Dan Informatika, 6341(April), 1.

Sadad, M. A., Nurpulaela, L., & Rahmadewi, R. (2023). Analisis Metode Fuzzy Logic Pada Sistem Pemberi Makan Kucing Otomatis Studi Kasus Makanan Kering. Jurnal Teknik Elektro Dan Komputasi (ELKOM), 5(1), 16–27. http://jurnal.unmuhjember.ac.id/index.php/ELKOM/article/view/8544

Maria, C., Suitela, L., Permata, E. D., Niza, M. N., & Khiaroh, N. L. (2023). Phoneme Classification Optimization Using Backpropagation Neural Network and Principal Component Analysis. 12(1), 37–43.

Hayadi, B. H., Sudipa, I. G. I., & Windarto, A. P. (2021). Model Peramalan Artificial Neural Network pada Peserta KB Aktif Jalur Pemerintahan menggunakan Artificial Neural Network Back-Propagation. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(1), 11–20. https://doi.org/10.30812/matrik.v21i1.1273

Veri, J., Surmayanti, S., & Guslendra, G. (2022). Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(3), 503–512. https://doi.org/10.30812/matrik.v21i3.1382

Nugroho, P. A. (2023). Implementasi Jaringan Syaraf Tiruan Multi-Layer Perceptron Untuk Prediksi Penyinaran Matahari Kota Bandung. Komputa : Jurnal Ilmiah Komputer Dan Informatika, 12(1), 83–90. https://doi.org/10.34010/komputa.v12i1.9419

Mubarokh, M. F., Nasir, M., & Komalasari, D. (2020). Jaringan Syaraf Tiruan Untuk Memprediksi Penjualan Pakaian Menggunakan Algoritma Backpropagation. Journal of Computer and Information Systems Ampera, 1(1), 29–43. https://doi.org/10.51519/journalcisa.v1i1.3

Na, D. E. C., & Hipertensiva, C. (n.d.). Penerapan Jaringan Saraf Tiruan / Jst (Backpropagation) Untuk Prakiraan Cuaca Di Bandar Udara Radin Inten Ii Lampung.