Optimasi Biaya dan Nutrisi Pakan Ayam Ras Menggunakan Algoritma Firefly dan Reinforcement Learning

Abstract

Penelitian ini mengembangkan metode optimasi komposisi pakan ayam ras menggunakan kombinasi Algoritma Firefly dan Reinforcement Learning. Masalah utama yang dihadapi peternak adalah tingginya biaya pakan dan kebutuhan untuk memenuhi nutrisi spesifik berdasarkan jenis ras, usia, dan berat ayam. Pendekatan Algoritma Firefly Reinforcement Learning diterapkan untuk meminimalkan biaya pakan sambil memastikan kebutuhan nutrisi ayam terpenuhi. Parameter optimasi mencakup berbagai bahan pakan seperti jagung, dedak padi, bungkil kedelai, dan lainnya. Hasil penelitian menunjukkan bahwa metode Algoritma Firefly Reinforcement Learning memberikan konvergensi lebih cepat dan solusi yang lebih baik dibandingkan dengan Algoritma Firefly biasa. Algoritma Firefly Reinforcement Learning berhasil menemukan komposisi pakan yang lebih efisien, mengurangi biaya, dan meningkatkan nilai gizi dibandingkan Algoritma Firefly biasa. Temuan ini menunjukkan bahwa integrasi Algoritma Firefly dengan Reinforcement Learning dapat menjadi solusi efektif untuk optimasi komposisi pakan ayam ras, menawarkan alternatif yang lebih baik bagi peternak dalam meningkatkan efisiensi dan produktivitas.