Agropustaka.id, Kabar. Ketika membahas tentang kecerdasan buatan atau artificial intelligence (AI) pada budidaya unggas, sebenarnya kita melihat apa yang dilakukan manusia di kandang, dengan menggunakan pancaindra, kemudian ditiru dengan bahasa mesin, yang namanya kecerdasan buatan. Di industri perunggasan semua hal bisa diikonversi menjadi AI, apalagi saat ini kontrol di kandang ayam saat ini sudah berjalan secara bagus.
“Dari perilaku manusia itulah yang kemudian dijadikan suatu bahasa mesin, sehingga bisa diolah untuk memudahkan dalam mengambil keputusan,” kata Guru Besar Fakultas Peternakan Universitas Brawijaya, Prof. Dr. Ir. M. Halim Natsir, S.Pt., MP., IPM., ASEAN Eng dalam Seminar Nasional HPPM ke-3 bertajuk ‘Strategi Terkini dalam Penerapan Big Data dan Artificial Intelligence untuk Pengembangan Peternakan Berkelanjutan” yang digelar oleh Fapet UB secara daring, Kamis (30/12). Halim Natsir tampil secara panel bersama narasumber penting lain yakni CEO & Co-Founder BroilerX Prastyo Ruandhito.
Halim Natsir menekankan pentingnya inovasi dalam pengembangan perunggasan, terutama melalui pemanfaatan teknologi seperti Big Data dan Artificial Intelligence tersebut. Dan salah satu yang harus dilakukan pada AI pada unggas adalah sensor untuk dapat membaca tubuh unggas, yang saat ini harganya sudah relatif murah bahkan bisa dirakit sendiri. Beberapa tipe sensor pintar pada unggas (smart poultry signals) yang diperlukan yakni sensor suhu, sensor detak jantung, sensor respirasi, sensor perilaku, mikrokontroler, dan modul wireless transceiver. Selain itu, kandang juga perlu dilengkapi dengan kamera untuk dapat memantau pergerakan unggas. Dari citra digital dari kamera yang terkumpul dalam server, kemudian diolah menggunakan artificial neural network.
Dengan penerapan AI di perunggasan tersebut, maka sangat dimungkinkan untuk memprediksi berat badan ayam dengan menggunakan computer vision. Caranya yakni dengan mengambil rata-rata keseluruhan berat badan ayam terhadap luas kandang ayam. Pendekatan lainnya adalah dengan cara menggunakan transfer function model untuk memprediksi berat badan ayam. Manfaat berikutnya dari penerapan AI di budidaya unggas yakni dapat memantau kesehatan ayam berdasar tingkah laku gerobol ayam dengan menggunakan optical flow. Dari pergerakan gerombolan ayam tersebut, akan dapat diketahui pola tertentu, serta dapat diketahui pula pola pergerakan ayam seperti kecepatan atau keaktifan -sehingga akan terbaca pola tertentu pada waktu tertentu. Dengan penerapan AI pula, maka deteksi nafas ayam (panting dapat diketahui, dengan metode social estimates animal poses (SLEAP). Untuk deteksi gas dalam kandang, misalmnya gas amonia, karbodioksida, karbonmonoksida atau metana, hal itu dapat diketahui dengan mendeteksi pola kadar gas dalam kandang ayam. Jika polanya berbeda dengan pola yang telah tercatat, maka kondisi gas atau bau dalam kandang tersebut tidak normal, sehingga dilakukan tindakan segera.
Di tingkat akademik, ada banyak potensi penelitian terkait penerapan AI di perunggasan. Misalnya topik penelitian seputar penentuan kualitas bahan pakan, fokus kajian dengan AI dapat diarahkan pada deteksi adanya cemaran aflatoksin, deteksi ciri bahan pakan yang tepat untuk membedakan bahan pakan dan grade bahan pakan, deteksi pemalsuan bahan pakan dengan bahan lain. Potensi penelitian berikutnya adalah tentang teknologi pengolahan bahan pakan, dengan fokus kajian dengan AI pada pemanfaatan biokomputasi dan docking; produksi natural growth promotorer, dengan fokus kajian seputar deteksi kesehatan unggas dengan melihat status fisiologis dan gambaran kotoran yang dikeluarkan; nutrigenomik, dengan fokus kajian seputar deteksi cepat karakter unggas dihubungkan dengan gen pembawa marker.
Potensi penelitian tidak kalah menarikanya adalah potensi integrasi AI pada fokus sinyal unggas dan formulasi pakan. Terdapat tiga topik penelitian potensial, yang pertama adalah kondisi sinyal unggas, dengan fokus kajian seputar kontrol area kandang dengan pemanfaatan sensor suhu, kelembaban, kecepatan angin, kadar oksigen, kadar karbondioksida, dan kadar amoniak; deteksi tingkah laku unggas terhadap cekaman, pola makan dan minum, serta sebaran; dan aplikasi android kontrol kandang. Kedua, Data pakan lokal, dengan fokus kajian pada deteksi suatu lahan yang dapat menghasilkan bahan pakan. Misalnya, 1 hektar padi akan menghasilkan berapa kilogram bekatul dengan IoT foto areal padi; dan aplikasi ketersediaan pakan lokal, lokasi dan penjualnya. Ketiga, formulasi pakan, dengan fokus kajian seputar menghubungkan sinyal unggas terhadap formulasi pakan.
Dengan berbagai penelitian penerapan AI di farm peternakan ayam tersebut, maka akan bisa didapatkan berbagai data yang sangat terperinci. Misalnya, sinyal yang berada di dekat blower, coling pad, dan lain-lain, masing-masing akan memberikan data yang berbeda, sehingga perlakuannya pun berbeda di tiap posisi ayam di dalam kandang. Dalam beberapa tahun ke depan, ia membayangkan pakan tidak semata-mata dihasilkan dari pabrik. Pabrik pakan hanya memproduksi atas dasar pesanan, karena farm satu dengan farm lain sangat mungkin berbeda, karena kondisinya pun berbeda. Dengan demikian, pemberian pakan pada ayam akan lebih optimal, karena sesuai kebutuhan ayam. AP