 |
| Data sience dapat menjadi pedoman bagi peternak dalam mengambil keputusan di kemudian hari, sehingga performa produksi bisa lebih optimal. (Foto: Istimewa) |
Industri perunggasan merupakan lini bisnis paling maju di antara bisnis peternakan lainnya, lengkap 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 penting, sehingga peluang kebocoran bisa tertutupi.
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 dan 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 mathematic-nya.
Data science telah sejak lama digunakan secara luas di berbagai bidang bisnis, namun sifatnya spesifik dan harus mengerti betul berbagai ilmunya. Data science harus mencakup qualitative analysis, unstructured data, multidisciplinary, dan data product. CEO & Co-Founder BroilerX, Prastyo Ruandhito, dalam sebuah seminar nasional beberapa waktu lalu pernah mengatakan, dalam sebuah pemeliharaan ayam ras tentu sudah ada berbagai indikator-indikator tertentu yang telah dikeluarkan 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.
Dalam tataran praktik di lapangan, sebanyak 80% pekerjaan data science adalah mengumpulkan data mentah di lapangan, seperti indikator lingkungan, indikator harian meliputi FI, FCR, mortalitas, 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 analysis data. Dalam proses ini data akan dibuat sedemikian rupa sesuai kebutuhan penggunanya, sehingga menghasilkan model dan algoritmanya seperti apa. Serangkaian proses tersebut akan menghasilkan data produk yang dapat menjadi bahan laporan serta pedoman untuk mengambil sebuah keputusan di lapangan.
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 lainnya. Namun, karena bersifat data mentah dan berasal dari berbagai sumber, maka penting untuk mengolah data yang telah dikumpulkan. Jadi misalnya diperoleh berbagai data mentah harga ayam hidup (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.
Terkait model data yang dihasilkan, hal itu dapat berupa estimasi, forecasting, klasifikasi, clustering, dan asosiasi. Misalnya untuk data forecasting atau memperkirakan tentang kondisi harga LB satu bulan ke depan, bisa diperkirakan secara akurat dengan data science ini. Model data tersebut harus dengan kebutuhan setiap pelaku usaha perunggasan, sehingga harapannya dapat menjadi data yang utuh untuk melakukan analisis.
Membantu Meningkatkan Efisiensi Produksi
Dalam konteks perunggasan, penerapan data science dapat meningkatkan efisiensi produksi, pemantauan kesehatan ternak, hingga prediksi dan penentuan strategi pemasaran. Untuk dapat menghasilkan data science yang baik, maka data mentah yang telah dikumpulkan harus dianalisis terlebih dahulu. Hal ini untuk mengetahui apakah data tersebut dapat menjadi data yang berarti. Kemudian, dari data yang telah dikumpulkan harus diakurasi dan diseleksi terlebih dahulu, dengan dikembalikan lagi ke user untuk mengetahui bagaimana tingkat validitas datanya.
Data science yang baik itu harus relevan dengan tujuan dan analisis yang akan diambil. Kemudian agar data tersebut mempunyai tingkat akurasi yang baik dan minim kesalahan, sehingga perlu terus dilakukan koreksi secara berkala. Selain itu, secara kuantitas juga harus memadai dan tidak cuma beberapa saja. Dan yang tidak kalah penting adalah datanya dari fakta terbaru, konsisten, berintegritas, dan bisa ditelusuri. Sebagai contoh data science yang berkualitas adalah yang saat ini tengah dikembangkan dalam ekosistem BroilerX, dengan menerapkan Enterprise Resource Planning (ERP) dan berbagai data sensor dari internet of thing (IoT), sehingga pihak pengelola dapat memastikan tingkat akurasinya memiliki kualitas tinggi. Data science tersebut selanjutnya bisa digunakan untuk berbagai analisis bisnis unggas ke depan.
Di tingkat nasional, tantangan pemanfaatan data science adalah pada tingkat akurasi datanya, dimana harus mengklasifikasikan data-data tersebut dari sumbernya. Seandainya semua data di industri perunggasan bisa terbuka, maka akan lebih mudah dalam mengolah dan menganalisis data-data tersebut. Untuk itu sangat dibutuhkan adanya validasi lagi dari user, misalkan melalui tim sales atau lapangan untuk dapat menjadi data intelijen yang bisa mengumpulkan data, seperti populasi dan sebagainya.
Ke depan persoalan keakuratan data ini harus dapat lebih disempurnakan. Hal itu sangat diperlukan adanya kolaborasi dan elaborasi antara berbagai pihak, tidak hanya dari praktisi atau pelaku bisnis perunggasan, tentu harus melibatkan para pemangku kepentingan perunggasan yang lain, seperti perguruan tinggi, perusahaan, maupun pemerintah. ***
Ditulis oleh:
Andang S. Indartono SPt
Koordinator Indonesia Livestock Alliance (ILA)
