Agropustaka.id, Kabar. Dibandingkan komoditas peternakan lainnya, perunggasan bisa dikatakan menjadi lini usaha yang paling maju dengan berbagai adopsi teknologi di dalamnya. Namun demikian, tak bisa dipungkiri bahwa masih banyak celah-celah yang harus diantisipasi. Untuk itu penggunaan data science menjadi hal yang penting, sehingga peluang kebocoran bisa tertutupi.
CEO & Co-Founder BroilerX Prastyo Ruandhito menyampaikan hal itu dalam Seminar Nasional HPPM KE-3 2023 bertajuk ‘Strategi Terkini dalam Penerapan Big Data dan Artificial Intelligence untuk Pengembangan Peternakan Berkelanjutan” yang diselenggarakan oleh Fapet Universitas Brawijaya, secara daring, Kamis (30/12). Prastyo Ruandhito tampil secara panel bersama narasumber lain yakni Guru Besar Fakultas Peternakan Universitas Brawijaya Prof. Dr. Ir. M. Halim Natsir, S.Pt., MP., IPM., ASEAN Eng.
Menurut penjelasan Prastyo Ruandhito, data science merupakan suatu multidisiplin ilmu yang mempelajari pemrograman, visualisasi data, statistik dan domain bisnis itu sendiri. Jadi ketika peternak melakukan riset secara manual dan ada sentuhan statistiknya, maka itu masih masuk ke ranah tradisional riset. Namun ketika sudah dimasukkan tentang computer science akan berkembang menjadi software development.
“Gabungan antara keduanya akan menghasilkan mesin learning. Jadi intinya data science ini adalah gabungan antara ketiganya, yakni lini bisnisnya seperti apa dalam hal ini kita di perunggasan, dipadukan ke computer science, IT, dan statistic mathematicnya. Data science ini sudah digunakan secara luas di berbagai bidang bisnis. Namun sifatnya spesifik dan harus mengerti betul berbagai ilmunya. Jadi ketika kita orang perunggasan, kok terjun ke data science tentang farmasi, maka ‘soul’nya tidak akan dapat. Kecuali orang tersebut, berperan sebagai pengolah data/data engineer. Data science harus mencakup qualitative analysis, unstructured data, multidisciplinary dan data product,” kata Prastyo Ruandhito.
Prastyo Ruandhito melanjutkan, dalam sebuah pemeliharaan ayam ras, tentu sudah ada berbagai indikator-indikator tertentu yang telah dikeluarkan oleh perusahaan pembibitan, seperti temperatur, kelembapan, kadar amonia, riwayat penyakit, dan lain-lain. Sebagai peternak tentu berusaha semaksimal mungkin kondisi dalam kandang bisa atau mendekati acuan yang telah ada. Dari berbagai indikator inilah yang bisa dicatat dan dikumpulkan, sehingga kelak dapat diolah dan menjadi data science pada bisnis perunggasan tersebut. Dari data-data ini dapat menjadi pedoman bagi peternak dalam mengambil keputusan di kemudian hari, sehingga performa produksi bisa lebih optimal.
“Secara teknis 80% pekerjaan data science adalah mengumpulkan data mentah di lapangan, seperti indikator lingkungan, indikator harian seperti FI, FCR, mortality, dan sebagainya. Dari data lapangan ini akan menghasilkan data mentah (raw data), kemudian akan diproses (data processing) yang menghasilkan clean data. Dari sini data akan dieksplor lebih jauh melalui proses exploratory data analysis. Dalam proses ini data akan dibuat sedemikian rupa sesuai kebutuhan penggunanya, sehingga menghasilkan model dan algoritmanya seperti apa. Serangkaian proses tersebut akan menghasilkan data product yang dapat menjadi bahan laporan serta pedoman untuk mengambil sebuah keputusan di lapangan,” jelas Prastyo Ruandhito.
Prastyo Ruandhito menandaskan bahwa data mentah dapat diperoleh dari berbagai sumber. Bisa dari ERP dan Apps Data Base, survei pasar, catatan pembelian dan penjualan perusahaan, rekap data organisasi perunggasan, online marketplace, rekap indikator pemeliharaan, dan lain-lain. Namun demikian, karena bersifat data mentah, dan berasal dari berbagai sumber, maka penting untuk mengolah data yang telah dikumpulkan.
“Misal kita mendapatkan dan mengumpulkan berbagai data mentah harga LB dari asosiasi, Badan Pangan Nasional, info pedagang, dan sebagainya. Dari situ biasanya kami mengolah dengan bantuan berbagai aplikasi pengolahan data, seperti Google Big Query, MySQL, Hadoop, mongoDB dan masih banyak lainnya. Setelah diolah, akan didapatkan hasil yang lengkap, komprehensif dan mudah dipahami. Sehingga kita bisa mengikuti pergerakan harga LB dan mendapatkan insight dari sudut pandang data yang tersaji dengan tepat,” ujar Prastyo Ruandhito. Terkait model data yang dihasilkan, Prastyo Ruandhito menyampaikan bahwa dapat berupa estimasi, forecasting, klasifikasi, clustering dan asosiasi. Dirinya mengaku bahwa biasanya pihaknya banyak menggunakan data untuk forecasting atau memperkirakan. Seperti kondisi harga LB satu bulan ke depan, bisa diperkirakan secara akurat dengan data science ini. “Model data ini harus dengan kebutuhan kita, sehingga harapannya dapat menjadi data yang utuh untuk melakukan analisa,” tegas Prastyo Ruandhito. AP