Pemantauan Kondisi Kesehatan Sapi Perah Berbasis Sensor untuk Decision Support System (DSS) pada Peternak Sapi Perah

Main Article Content

Muhammad Ikhsan Sani

Abstract

Di Indonesia, permintaan protein hewani khususnya sapi perah terus meningkat. Akibatnya, peternakan sapi perah berupaya keras untuk meningkatkan produksi, meskipun jumlah lahan terbatas. Mengingat pertumbuhan ekonomi dan pertumbuhan populasi negara, permintaan lahan di Indonesia sangat tinggi. Akibatnya, hanya sekadar meningkatkan produksi susu bukanlah pilihan. Efisiensi kesejahteraan hewan dan dampak lingkungan dari produksi ternak dapat ditingkatkan dengan memanfaatkan teknologi peternakan presisi dengan lebih baik. Peningkatan produksi peternakan sapi dengan pendekatan berkelanjutan sangat penting untuk kebutuhan masa depan. Hal ini juga sejalan dengan visi dan prioritas penelitian yang ditetapkan dalam Peta Jalan Riset Nasional Indonesia 2017 – 2045. Akan tetapi, untuk mengatasi tantangan tersebut, diperlukan penerapan teknologi  berbasis komputasi.


Informasi tentang kesehatan ternak, parameter produksi, praktik manajemen terkini, dan faktor risiko potensial perlu dikumpulkan di peternakan untuk jangka waktu yang lebih lama. Bukti yang berkembang menunjukkan bahwa penelitian merupakan tantangan karena beberapa penyakit ternak memiliki gejala yang serupa. Hasil penelitian sebelumnya menunjukkan bahwa pengembangan Kecerdasan Buatan atau Artificial Intelligence (AI) sangat penting dalam mendiagnosis dan memprediksi penyakit pada hewan ternak. Penelitian sebelumnya telah menyarankan pengembangan sistem diagnostik berbasis komputer untuk meningkatkan kualitas pengobatan yang optimal, deteksi dini jenis dan penyebab penyakit, dan pengobatan yang tepat sasaran. Tujuan dari penelitian yang diusulkan adalah untuk mengembangkan sistem deteksi otomatis untuk sistem pendukung keputusan atau Decision Support System (DSS) untuk peternak pada penyakit khusus sapi perah, yaitu penyakit metabolik pada hewan ternak seperti mastitis dan ketosis. Salah satu penyakit metabolik sapi perah, Kemudian, data mentah dari sensor perlu dianalisis menggunakan algoritma Machine Learning (ML) untuk mengklasifikasikan  gejala gangguan kesehatan sapi perah. Diperlukan juga metode optimal untuk model management system untuk pengenalan yang lebih baik berbasis pengetahuan / knowledge base. Selain itu, penting untuk memanfaatkan dan mengoptimalkan beberapa tools ML untuk ekstraksi fitur yang lebih baik. Semua hal tersebut nantinya menjadi system yang merupakan penggabungan antara model keunggulan teknologi kecerdasan buatan (AI), pembelajaran mesin, (Machine Learning)m big data, dan Internet of Things (IoT). Dari permasalahan tersebut dirumuskan pertanyaan penelitian atau Research Questions (RQ) sebagai berikut.


RQ.1: Jenis sensor apa yang dapat digunakan untuk memantau kesehatan sapi perah?


RQ2: Parameter apa saja yang dapat diukur oleh sensor tersebut?


RQ3: Jenis alat pendukung keputusan apa saja yang digabungkan dengan sistem sensor ini?


RQ4: Apa dampak penggunaan sistem sensor ini terhadap manajemen peternakan?


Deteksi penyakit dapat dilakukan dengan mengukur beberapa parameter sapi perah melalui sampel darah, urin, dan susu. Namun, sistem deteksi penyakit dapat dilakukan dengan mendeteksi komponen penyusun susu. Susu dari sapi perah yang mengalami penyakit metabolik biasanya menghasilkan hasil pengukuran sensor yang berbeda dengan susu sapi sehat. Dengan demikian, konsistensi respons sensor ini merupakan bagian penting yang perlu diperhatikan. Sistem pengolahan data dilengkapi dengan model pembelajaran mesin (ML) yang telah dilatih sebelumnya dan memiliki model yang dapat digunakan untuk menganalisis kondisi ternak. Algoritma perlu dilatih menggunakan sampel data sapi yang sehat dan sakit di berbagai peternakan. Jika terjadi kelainan pada ternak, sistem akan dapat mengirimkan informasi ke peternak/pengguna di server cloud. Sistem akan menyediakan diagnosis kesehatan dan dukungan keputusan untuk pengobatan ternak dan pencegahan penyakit. Pada akhirnya, sistem pendukung keputusan yang menyediakan diagnosis penyakit serta saran pengobatan akan dikembangkan untuk digunakan oleh pengguna/peternak.


Manfaat dari penelitian ini adalah sebagai solusi alternatif untuk meningkatkan efisiensi peternakan sapi perah termasuk dampak lingkungan terhadap produksi. Diharapkan, sistem ini akan membantu peternak dalam pengambilan keputusan dengan menggunakan data dan informasi. Karena penelitian ini merupakan bagian dari proyek penelitian Smart Indonesia Agriculture (Smart-In-Ag) yang melibatkan akademisi dari Indonesia dan Belanda dengan disiplin ilmu yang berbeda, sistem yang dikembangkan akan diuji dalam eksperimen skala besar di beberapa peternakan di kedua negara. Manfaat ekonomi dari peningkatan kesehatan dan ekologi, termasuk tren menuju masa depan, akan dibuat terlihat menggunakan model bioekonomi. Dampak terhadap lingkungan akan dianalisis. Hal ini dapat mendukung pembangunan kebijakan berkelanjutan jangka panjang di Indonesia.


 

Article Details

How to Cite
Pemantauan Kondisi Kesehatan Sapi Perah Berbasis Sensor untuk Decision Support System (DSS) pada Peternak Sapi Perah. (2025). Research Database PPI Belanda, 1(01). https://jurnal.ppibelanda.org/index.php/jppib/article/view/26
Section
Work in Progress Articles

How to Cite

Pemantauan Kondisi Kesehatan Sapi Perah Berbasis Sensor untuk Decision Support System (DSS) pada Peternak Sapi Perah. (2025). Research Database PPI Belanda, 1(01). https://jurnal.ppibelanda.org/index.php/jppib/article/view/26

References

[1] Y. W. Sari, Y. W. Widyarani, J. P. M. Sanders, and H. J. Heeres, “The protein challenge: matching future demand and supply in Indonesia,” Biofuels, Bioprod. Biorefining, vol. 15, no. 2, pp. 341–356, 2021, doi: 10.1002/bbb.2176.

[2] R. García, J. Aguilar, M. Toro, A. Pinto, and P. Rodríguez, “A systematic literature review on the use of machine learning in precision livestock farming,” Comput. Electron. Agric., vol. 179, no. September, p. 105826, 2020, doi: 10.1016/j.compag.2020.105826.

[3] D. Lovarelli, J. Bacenetti, and M. Guarino, “A review on dairy cattle farming: Is precision livestock farming the compromise for an environmental, economic and social sustainable production?,” J. Clean. Prod., vol. 262, p. 121409, 2020, doi: 10.1016/j.jclepro.2020.121409.

[4] D. T. Mustapoevich, D. M. Tulkunovna, L. S. Ulmasovna, H. Primova, and W. Kim, “Improved Cattle Disease Diagnosis Based on Fuzzy Logic Algorithms,” Sensors (Switzerland), vol. 23, no. 4, p. 2107, 2023, doi: 10.3390/s23042107.

[5] C. Tommasoni, E. Fiore, A. Lisuzzo, and M. Gianesella, “Mastitis in Dairy Cattle: On-Farm Diagnostics and Future Perspectives,” Animals, vol. 13, no. 15, pp. 1–15, 2023, doi: 10.3390/ani13152538.

[6] J. Bonestroo, M. van der Voort, H. Hogeveen, U. Emanuelson, I. C. Klaas, and N. Fall, “Forecasting chronic mastitis using automatic milking system sensor data and gradient-boosting classifiers,” Comput. Electron. Agric., vol. 198, no. May, p. 107002, 2022, doi: 10.1016/j.compag.2022.107002.

[7] A. Fadillah et al., “Smallholders’ milk quality awareness in Indonesian dairy farms,” J. Dairy Sci., vol. 2020, 2023, doi: 10.3168/jds.2023-23267.

[8] J. Ophir Isaac, “Iot - Livestock Monitoring and Management System,” Int. J. Eng. Appl. Sci. Technol., vol. 5, no. 9, pp. 254–257, 2021, doi: 10.33564/ijeast.2021.v05i09.042.

[9] R. S. Alonso, I. Sittón-Candanedo, Ó. García, J. Prieto, and S. Rodríguez-González, “An intelligent Edge-IoT platform for monitoring livestock and crops in a dairy farming scenario,” Ad Hoc Networks, vol. 98, 2020, doi: 10.1016/j.adhoc.2019.102047.

[10] R. Djokovic et al., “Diagnosis of subclinical ketosis in dairy cows,” Biotechnol. Anim. Husb., vol. 35, no. 2, pp. 111–125, 2019, doi: 10.2298/bah1902111d.

[11] A. Deniz, K. Aksoy, and M. Metin, “Transition period and subclinical ketosis in dairy cattle: Association with milk production, metabolic and reproductive disorders and economic aspects,” Med. Weter., vol. 76, no. 9, pp. 495–502, 2020, doi: 10.21521/mw.6427.

[12] A. Kumar, V. H. Vardhan, J. Swetha, P. R. Shanmuga, and P. Mishra, “Internet-based cattle health monitoring system using raspberry Pi,” Int. J. Health Sci. (Qassim)., vol. 6, no. May, pp. 13885–13897, 2022, doi: 10.53730/ijhs.v6ns1.8572.

[13] S. Hasoon, “Design Hybrid Intelligent system for Cattle Diseases Diagnosis and Treatment,” Tech. Rom. J. Appl. Sci. Technol., vol. 4, no. 1, pp. 38–47, 2022, doi: 10.47577/technium.v4i1.5536.

[14] K. P. Seng, L. M. Ang, and E. Ngharamike, “Artificial intelligence Internet of Things: A new paradigm of distributed sensor networks,” Int. J. Distrib. Sens. Networks, vol. 18, no. 3, 2022, doi: 10.1177/15501477211062835.

[15] A. Gehlot, P. K. Malik, R. Singh, S. V. Akram, and T. Alsuwian, “Dairy 4.0: Intelligent Communication Ecosystem for the Cattle Animal Welfare with Blockchain and IoT Enabled Technologies,” Appl. Sci., vol. 12, no. 14, 2022, doi: 10.3390/app12147316.

[16] A. Kamilaris, F. Gao, F. X. Prenafeta-Boldu, and M. I. Ali, “Agri-IoT: A semantic framework for Internet of Things-enabled smart farming applications,” 2016 IEEE 3rd World Forum Internet Things, WF-IoT 2016, pp. 442–447, 2017, doi: 10.1109/WF-IoT.2016.7845467.

[17] S. Neethirajan, “The role of sensors, big data and machine learning in modern animal farming,” Sens. Bio-Sensing Res., vol. 29, no. July, p. 100367, 2020, doi: 10.1016/j.sbsr.2020.100367.

[18] A. Blocker, E. Stuckey, J. Mari, S. Sell, and G. Tuttle, “Development of a small tracking device for Cattle using IoT Technology,” no. version 6, 2018.

[19] Y. P. Pratama et al., “Designing of a Smart Collar for Dairy Cow Behavior Monitoring with Application Monitoring in Microservices and Internet of Things-Based Systems,” IES 2019 - Int. Electron. Symp. Role Techno-Intelligence Creat. an Open Energy Syst. Towar. Energy Democr. Proc., pp. 527–533, 2019, doi: 10.1109/ELECSYM.2019.8901676.

[20] A. Ur Rehman et al., “Implementation of an Intelligent Animal Monitoring System Using Wireless Sensor Network and IoT Platform,” Int. Conf. Cyber Resilience, ICCR 2022, 2022, doi: 10.1109/ICCR56254.2022.9996080.

[21] V. Mhatre, V. Vispute, N. Mishra, and K. Khandagle, “IoT based health monitoring system for dairy cows,” Proc. 3rd Int. Conf. Smart Syst. Inven. Technol. ICSSIT 2020, no. Icssit, pp. 820–825, 2020, doi: 10.1109/ICSSIT48917.2020.9214244.

[22] P. Chen, “Dairy cow health monitoring system based on NB-IoT communication,” Proc. - 2019 Int. Conf. Electron. Eng. Informatics, EEI 2019, pp. 393–396, 2019, doi: 10.1109/EEI48997.2019.00091.

[23] D. Lovarelli et al., “Development of a New Wearable 3D Sensor Node,” Animals, vol. 12, no. 1447, pp. 1–20, 2022, [Online]. Available: https://doi.org/10.3390/ani12111447.

[24] I. Shabani, T. Biba, and B. Çiço, “Design of a Cattle-Health-Monitoring System Using Microservices and IoT Devices,” Computers, vol. 11, no. 5, 2022, doi: 10.3390/computers11050079.

[25] D. Dutta, D. Natta, S. Mandal, and N. Ghosh, “MOOnitor: An IoT based multi-sensory intelligent device for cattle activity monitoring,” Sensors Actuators A. Phys., vol. 333, 2022.

[26] A. Shojaeipour, G. Falzon, P. Kwan, N. Hadavi, F. C. Cowley, and D. Paul, “Automated muzzle detection and biometric identification via few-shot deep transfer learning of mixed breed cattle,” Agronomy, vol. 11, no. 11, 2021, doi: 10.3390/agronomy11112365.