Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

DAFTAR ISI Prosiding Seminar Nasional Sains dan Teknologi Nuklir PTNBR – BATAN Bandung, 4 Juli 2013

Tema: Pemanfaatan Sains dan Teknologi Nuklir serta Peranan MIPA di Bidang Kesehatan, Lingkungan dan Industri untuk Pembangunan Berkelanjutan

PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Riaman Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor

ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING. Tujuan fundamental dari bisnis penjualan sapi potong adalah memperoleh keuntungan optimal dengan melakukan penggemukan sapi . Salah satu metoda penggemukan sapi yaitu dengan memberikan kombinasi pakan agar didapat pertambahan Bobot Hidup Harian optimal sehingga akan meningkatkan keuntungan di masa yang akan datang. Oleh karena itu, diperlukan suatu model yang dapat dijadikan sebagai dasar pengelolaan pemberian pakan . Model Regresi Linear Berganda merupakan suatu model yang dapat dipilih untuk mengnalisis korelasi antara porsi pakan sapi dengan pertambahan bobot hidup harian.Pada penelitian ini dibahas bagaimana cara menentukan komposisi pakan sapi agar diperoleh Pertambahan Bobot Hidup Harian optimal dengan mengunakan Model Regresi Linear Berganda. Pengujian terhadap model regresi dan analisis korelasi dilakukan untuk memperoleh model regresi yang terbaik. Model regresi linear berganda tersebut kemudian dapat digunakan untuk menentukan jenis pakan yang berpengaruh secara signifikan pada Pertambahan Bobot Hidup Harian. Selanjutnya dilakukan analisis BCR ( benefit Cost Ratio ) untuk mengetahui perbandingan antara keuntungan yang didapat dengan biaya yang diinvestasikan pada pembelian pakan. Kata kunci : bobot hidup harian, model regresi linear berganda, benefit cost ratio, korelasi

ABSTRACT Fundamental purpose of the business of selling beef cattle are optimal gain by cattle. One method is to provide cattle feed combinations in order to obtain optimal Daily Life added weight that will boost profits in the future. Therefore, we need a model that can serve as the basis of feeding management. Multiple Linear Regression Model is a model that can be chosen to analyze the correlation between the share of cattle feed with daily live weight gain. In this study discussed how to determine the composition of cattle feed in order to obtain optimal Added Weight of Daily Life by using Multiple Linear Regression Model. Tests on regression models and correlation analysis performed to obtain the best regression model. Multiple linear regression model can then be used to determine the type of feed that gives them significant influence on the added weight of Daily Living. Further analysis of the BCR (benefit cost ratio) to determine the ratio between the benefits and costs invested in the purchase of feed. Keywords : daily live weight, multiple linear regression models, benefit cost ratio, the correlation

574

Prosiding Seminar Nasional Sains dan Teknologi Nuklir PTNBR – BATAN Bandung, 4 Juli 2013


1.

komposisi jerami , concentrate , rumput gajah , dan singkong selama empat perioda waktu masing-masing perioda 10 hari selama 40 hari. Banyaknya pakan jerami, concentrate, rumput gajah , dan singkong yang diberikan kepada 12 ekor sapi tersebut selama tiga perioda penelitian diberikan dengan porsi berbeda. Pada tahap adaptasi ( selama 4 hari ) diberikan pakan secara normal dengan komposisi pakan jerami 8 kg, pakan concentrate 4 kg, pakan rumput gajah 8 kg, dan pakan singkong 4 kg per hari per sapi. Pada perioda kesatu (10 hari pertama) , pakan jerami yang diberikan kepada sapi disajikan dengan porsi ditambah menjadi satu setengah kali keadaan normal, sementara pakan lainnya diberikan dengan porsi normal. Pada perioda kedua (10 hari kedua ) pakan consentrate yang diberikan kepada sapi disajikan dengan porsi ditambah menjadi satu setengah kali keadaan normal, sementara porsi pakan lainnya normal. Pada perioda ketiga (10 hari ketiga) pakan rumput gajah yang diberikan kepada sapi disajikan dengan porsi ditambah menjadi satu setengah kali keadaan normal, sementara porsi pakan lainnya normal. Pada perioda terahir (10 hari keempat) pakan singkong yang diberikan kepada sapi disajikan dengan porsi ditambah menjadi satu setengah kali keadaan normal sementara pakan lainnya normal. Pada ahir setiap perioda bobot sapi ditimbang dan dihitung pertambahan berat badan hariannya. Dengan menggunakan model Regresi Linear Berganda akan dianalisis Pertambahan Berat badan Harian berdasarkan Bobot Awal sapi bakalan, porsi pakan jerami , porsi pakan concentrate, porsi pakan rumput gajah, dan porsi pakan singkong

PENDAHULUAN

Program penggemukan sapi potong merupakan salah satu usaha untuk mendapatkan pertambahan berat badan harian (PBBH) yang optimal dalam waktu yang singkat dengan memperhatikan efisiensi pemeliharaan dan permintaan pasar. Pemeliharaan sapi potong dengan tujuan mendapatkan produksi daging yang cukup memadai didapatkan dari ternak yang memiliki kondisi badan yang jelek dengan otot daging yang rendah, sehingga mampu memberikan efisiensi pertumbuhan yang cepat dan efisien dalam penggunaan pakan selama penggemukan. Untuk mendapatkan keuntungan yang cukup memadai perlu diperhatikan beberapa factor antara lain adalah jenis dan umur bibit (bakalan), kondisi badan, pakan dan tatalaksana pemeliharaan. Program penggemukan sapi merupakan salah satu usaha untuk mempercepat dan meningkatkan produksi serta memperbaiki kualitas karkas atau daging dengan jalan mendeposit lemak seperlunya. Usaha ini diharapkan mampu meningkatkan pertambahan bobot hidup yang tinggi dan efisien serta menghasilkan karkas dengan kuantitas dan kualitas yang lebih baik [1]. Keberhasilan usaha penggemukan sapi potong berupa pertumbuhan, produksi dan kualitas daging, banyak ditentukan oleh manajemen pemeliharaan sampai pada penanganan pasca panen ternak.

2.

PERUMUSAN MASALAH

Program Penggemukan Sapi PO (Peranakan Ongole ) secara umum ditentukan oleh manajemen pemeliharaan dan pemberian pakan. Selain itu kondisi awal ( bobot awal sapi bakalan ) dan factor lingkungan seperti keadaan kandang serta jenis pakan yang diberikan perlu diperhatikan pula. Pada penelitian ini sapi-sapi bakalan yang akan digemukan dibagi menjadi 3 kelompok berdasarkan bobot awal sebagi berikut : Kelompok I : bobot awal 200 – 300 kg Kelompok II : bobot awal 300 – 400 kg Kelompok III : bobot awal 400 – 500 kg Masing-masing kelompok terdiri atas 4 ekor sapi, dengan demikian total sapi yang digemukan berjumlah 12 ekor dengan jenis kelamin jantan. Selanjutnya sapi-sapi tersebut ditempatkan pada 6 petak kandang dengan masing-masing petak berisi dua ekor sapi sesuai dengan kelompok bobot awal. Kemudian kepada 12 ekor sapi tersebut diberikan pakan dengan

2.1 Tujuan Penelitian 1.

2.

2.2

Menentukan model regresi linear berganda untuk pertambahan bobot hidup harian sapi PO (Peranakan Ongole) berdasarkan bobot hidup awal sapi bakalan , porsi pakan jerami, porsi pakan concentrate, porsi pakan rumput gajah, dan porsi pakan singkong. Menentukan komposisi bobot pakan bahan kering dan bahan hijau untuk program penggemukan sapi PO (Peranakan Ongole) agar diperoleh pertambahan bobot hidup harian optimal. Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan kontribusi bagi petani dan

575



pengusaha penjualan sapi PO (Peranakan Ongole) dalam upaya meningkatkan pertambahan bobot hidup harian yang akan berimbas pada keuntungan usaha penjualan sapi.

berdasarkan faktor hubungan sebab akibat antara dua atau lebih variabel tertentu. Tujuannya adalah menemukan bentuk atau hubungan tersebut kemudian menggunakannya untuk meramalkan nilai di masa depan dari variabel tak bebas.

3.

TINJAUAN PUSTAKA 3.1.1 Model Persamaan Berganda

Pertambahan bobot hidup harian (PBHH) adalah merupakan selisih antara bobot hidup pada awal dan akhir penelitian, dibagi dengan jumlah hari pemeliharaan. Penelitian Ngadiyono & Baliarti [2] pada sapi Sumba Ongole (SO) menunjukkan bahwa pertambahan bobot hidup (ΔBH) sapi SO berkisar antara 0.59 sampai 1.18 kg per ekor per hari. Sedang penelitian Ngadiyono & Baliarti [2] pada sapi PO menunjukkan bahwa ΔBH berkisar antara 0.77 sampai 0.98 kg per ekor per hari. Pengembangan sapi potong di Indonesia dihadapkan pada kendala potensi sumberdaya pakan yang tidak sesuai dengan kuantitas, kualitas dan kontinuitas, sehingga penanganannya perlu mendapat perhatian serius. Pakan merupakan salah satu faktor penting dalam usaha ternak, oleh sebab itu perbaikan manajemen pakan diharapkan mampu meningkatkan efisiensi usaha sapi potong [4]. Penggemukan sapi potong memerlukan pakan yang banyak sehingga perlu rekayasa pemberian pakan menggunakan bahan pakan berkualitas dengan manfaat optimal biasanya terdiri atas 25% hijauan dan 75% konsentrat. Jerami padi tersedia dalam jumlah banyak, palatabilitasnya cukup baik dan potensial untuk dimanfaatkan, tetapi kandungan lignoselulosanya tinggi, protein kasarnya rendah. Concentrate berasal dari limbah hasil produksi pertanian atau pabrik yang berkualitas untuk meningkatkan produktivitas ternak dengan biaya produksi minimal. Penelitian ini diarahkan pada analisis penerapan model regresi linear berganda untuk mengetahui sejauh mana pengaruh dari bobot awal sapi bakalan terhadap pertambahan bobot hidup harian, serta pengaruh porsi pakan jerami, concentrate, rumput gajah, dan singkong terhadap pertambahan bobot hidup harian. Analisis regresi linear berganda ialah suatu alat analisis dalam ilmu statistik yang berguna untuk mengukur hubungan matematis antara lebih dari 2 peubah.

Regresi

Linear

Model regresi linear untuk populasi [5] : (3-1) Yi   0  1 X 1i   2 X 2 i  ...   k X k n   i . Model regresi linear untuk sampel: Y i  b  b X  b X  ...  b X  e , 0

1

1i

2i

2

k

kn

i

(3-2)

dengan: Yˆi

: variabel tak bebas (yang diramalkan)

X 1i , X 2 i , .. . , X k n : variabel bebas

b0 , b1 , b2 , ... , bk : koefisien regresi linear

ei

: error atau nilai kesalahan

i  1, 2, . .. , n

: banyaknya data pengamatan

3.1.2 Menghitung Koefisien Regresi Linear Berganda Untuk mencari nilai koefisien regresi digunakan prinsip Metode Kuadrat Terkecil (Least Square Method). Metode Kuadrat Terkecil berprinsip mendapatkan persamaan regresi terbaik dengan tingkat kesalahan atau error yang minimum. Untuk menghitung koefisien regresi digunakan Metode Pendekatan Matriks dengan persamaan: b  X 'X 

1

 X 'Y  .

(3-3)

di mana: b ( X ' X ) -1 ( X 'Y )

= matriks k  1 = matriks k  k  = matriks k  1

3.2 Uji Signifikansi Koefisien Regresi Linear Berganda Dalam uji signifikansi terdapat dua macam pengujian yaitu uji signifikansi secara keseluruhan dan uji signifikansi secara parsial.

3.1 Metode Regresi Linear Berganda Pada metode regresi linear berganda, prediksi kejadian di masa depan dilakukan

576



3.2.1 Uji Signifikansi secara Keseluruhan

3.2.2 Uji

Untuk menguji signifikansi regresi linear berganda secara keseluruhan diperlukan nilai dari Jumlah Kuadrat-kuadrat (JK) yang terdiri atas JK(T) untuk Jumlah Kuadrat Total, JK(R) untuk Jumlah Kuadrat Regresi, dan JK(S) untuk Jumlah Kuadrat Sisa. Secara umum masing-masing Jumlah Kuadrat dapat dirumuskan sebagai berikut:

Melalui pengujian koefisien regresi secara parsial, akan diketahui variabel bebas mana yang tidak memiliki kecocokan terhadap variabel tak bebas. Sehingga variabel bebas tersebut dapat dihilangkan dari model regresi dan akan diperoleh suatu model regresi yang baik. Pengujian dilakukan dengan uji-t dengan dk (n-k-1) melalui persamaan [5]: bi ,i = 1, 2, 3, ..., k . (3-9) ti  S  bi 

JK(T) 

y .

JK(R)  b1

x

2

1

(3-4)

y  b2

 x y  ...  b  x k

2

k

y.

JK(S)=JK(T)-JK(R) ,

(3-5)

2

x

i

y

2



Y 

i

(3.7)

.

  X   Y  .

(3-8)

i

n

Analisis Variansi (ANAVA) digunakan untuk menyajikan pengujian signifikansi regresi berganda sehingga lebih mudah dipelajari [5] :

3.2.3 Koefisien Determinasi Berganda (R2) Kegunaan koefisien determinasi berganda adalah untuk menunjukkan atau menjelaskan seberapa besar pengaruh semua k buah variabel bebas X1, X2, …, Xk secara bersama-sama terhadap perubahan variabel tak bebas Y. Nilai R2 berkisar antara 0 dan 1. Apabila nilai R2 semakin mendekati 1, maka semakin kuat model regresi berganda tersebut dalam menerangkan variabel terikat Y. Bentuk umum koefisien determinasi berganda dinyatakan sebagai berikut: JK(R) (3-10) R2  . JK(T)

k

Sisa

n-k-1

Total

n-1

JK (R) JK (S) JK (T)

Rata-rata Jumlah Kuadrat (RJK)

Jumlah Kuadrat (JK)

Derajat Kebebasan (dk)

Sumber Variansi

Tabel 1. Analisis Variansi (ANAVA)

Regresi

RJK(R)  RJK(S) 

F

JK(R) k JK(S)

F

RJK(R) RJK(S)

n  k 1

b1  x1 y  b2  x2 y  ...  bk  xk y

R2 

y

Hipotesis pada pengujian secara keseluruhan adalah:

2

. (3-11)

3.2.4 Uji Signifikansi Koefisien Korelasi Parsial

H0 : b0 = b1 = b2 = … = bk = 0 H1 : sekurang-kurangnya terdapat sebuah bi ≠ 0 i = 0, 1, 2, ..., k.

Korelasi menyatakan eratnya hubungan antara dua variabel atau lebih. Koefisien korelasi orde p dapat dinyatakan dalam koefisien korelasi orde (p-1) dengan menggunakan persamaan:

Statistik uji yang digunakan adalah statistik ujiF dengan dk pembilang k (banyak variabel bebas pada model) dan dk penyebut (n-k-1) dengan kriteria sebagai berikut: Jika:

Parsial

Hipotesis yang digunakan adalah: H0 : bi = 0 , i = 1, 2, …, k H1 : bi ≠ 0 , i = 1, 2, …, k dengan kriteria: Jika: |t| > t(α/2; n-k-1) maka H0 ditolak |t| ≤ t(α/2; n-k-1) maka H0 diterima

2

n

X Y 

secara

(3-6)

dengan:

 y  Y

Signifikansi

rYX .X X ...X

F > F(α; k, n-k-1) maka H0 ditolak F ≤ F(α; k, n-k-1) maka H0 diterima

i

1 2

(i ) ...Xp



rYX .X X ...X i

1 2

(i ) ...X( p1)

(rYX .XX ...X p

1 2

2 YXp.X1X2...X(i) ...X( p1)

(1r

(i ) ...X( p1)

rX X .X X ...X i p

1 2

(i ) ...X( p1)

2 XX i p .X1X2 ...X(i) ...X( p1)

)(1r

)

di mana X(i) berarti tanpa variabel Xi.

577

) , (3-12)



Besarnya koefisien korelasi, yaitu -1 ≤ r ≤ 1. Untuk mengetahui keeratan hubungan antara dua variabel, digunakan kriteria sebagai berikut [5] :

Variabel bebas X4 Rumput Gajah. Variabel bebas X5 Singkong

r=0 : tidak ada korelasi -0,25 ≤ r < 0 atau 0 < r ≤ 0,25 : korelasi sangat lemah -0,50 ≤ r < -0,25 atau 0,25 < r ≤ 0,50 : korelasi cukup kuat -0,75 ≤ r < -0,50 atau 0,50 < r ≤ 0,75 : korelasi kuat -1,00 < r < -0,75 atau 0,75 < r < 1,00 : korelasi sangat kuat r = -1 atau r = 1 : korelasi sempurna

4.3 Metode Pengolahan Data

; i = 1, 2, …, k ; i = 1, 2, …, k

Statistik uji yang digunakan adalah: ti  rYX . X X i

1

n  k 1 2 ... X ( i ) ... X p

(1  rYX2 . X X i

1

2 ... X ( i ) ... X p

,

(3-13)

)

dengan dk (n-k-1) dan kriterianya adalah sebagai berikut: Jika: |t| > t(α/2; n-k-1) maka H0 ditolak. |t| ≤ t(α/2; n-k-1) maka H0 diterima.

4. OBJEK DAN METODE PENGOLAHAN DATA 4.1 Objek Penelitian Objek penelitian yang digunakan adalah 12 ekor sapi jantan jenis PO (Peranakan Ongole) berumur 2 tahun dengan bobot dibagi dalam tiga kelompok yaitu : kelompok 1 sapi dengan bobot 200 – 300 kg , kelompok 2 sapi dengan bobot 300 – 400 kg , dan kelompok 3 sapi dengan bobot 400 – 500 kg. Penelitian ini dilaksanakan pada kandang penggemukan sapi milik CV. Graha Brahmana Putra di Cikondang Tanjung Sari.

4.2

4.4 Pengolahan dan Analisis Data 4.4.1 Metode Regresi Linear Berganda Bentuk model regresi linear berganda yang menyatakan hubungan antara Pertambahan Bobot Hidup Harian (PBHH) (Y) dengan Bobot Awal Sapi Bakalan (X1), porsi pakan Jerami (X2), porsi pakan Concentrate (X3), porsi pakan Rumput Gajah (X4), dan porsi pakan Singkong (X5) adalah sebagai berikut:

Variabel Penelitian

Variabel tak bebas Y menyatakan Bobot Hidup Harian Sapi PO Variabel bebas X1 menyatakan Sapi Bakalan. Variabel bebas X2 menyatakan Jerami. Variabel bebas X3 menyatakan Concentrate.

menyatakan porsi pakan

Metode analisis yang digunakan dalam penelitian ini adalah metode regresi linear berganda. Setelah didapatkan model persamaan regresi linear berganda dengan lima variabel bebas, kemudian dilakukan pengujian terhadap koefisien regresi berganda secara keseluruhan (overall) menggunakan Analisis Variansi (ANAVA) dengan Uji-F. Melalui pengujian tersebut dapat diketahui apakah model persamaan regresi tersebut sudah dapat dijadikan acuan untuk menarik kesimpulan atau belum. Tahap selanjutnya adalah pengujian koefisien regresi berganda secara parsial dengan Uji-t untuk mengetahui apakah dengan mengunakan lima variabel bebas sudah cukup baik atau perlu adanya pemisahan variabel bebas yang dianggap tidak perlu dimasukkan ke dalam model persamaan regresi linear berganda. Berikutnya adalah perhitungan koefisien determinasi berganda untuk mengetahui seberapa besar pengaruh semua variabel bebas secara bersama-sama terhadap perubahan variabel tak bebas Y. Kemudian dilakukan analisis korelasi parsial untuk mengukur seberapa kuat hubungan antara variabel-variabel bebas yang telah ditetapkan dalam model terbaik terhadap variabel tak bebasnya. Setelah itu dilakukan pengujian terhadap koefisien korelasi parsialnya.

Selanjutnya dilakukan pengujian terhadap koefisien korelasi parsial. Hipotesis yang digunakan adalah: H0 : ρi = 0 H1 : ρi ≠ 0

menyatakan porsi pakan

Pertambahan Ŷ = b0 + b1X1 + b2X2 + b3X3 + b4X4 + b5X5

(4-1)

Bobot Awal Langkah yang harus dilakukan terlebih dahulu adalah mencari nilai koefisien dari b0, b1, b2, b3, b4 dan b5 agar didapatkan persamaan regresi linear berganda. Dengan menggunakan Software SPSS Versi 18.0 diperoleh hasil sebagai berikut :

porsi pakan pori pakan

578



Total

59

10,161

Hipotesis: H0 : b0 = b1 = b2 = b3 = b4 = 0 ( tidak ada pengaruh dari semua variabel X terhadap variabel Y ). H1 : sekurang-kurangnya terdapat sebuah bi ≠ 0 ( paling sedikit ada satu variabel X yang Mempe ngaruhi variabel Y ).

Setelah semua nilai koefisien regresinya diperoleh, maka dapat dibentuk model regresi linear berganda dengan lima variabel bebas sebagai berikut: Ŷ = -2.368 + 0.003X1 + 0.021X2 + 0.429X3 + 0.002X4 + 0.076X5

Untuk menguji hipotesis, digunakan statistik uji distribusi F. Dengan menggunakan taraf nyata (α) = 0,05 dan dk pembilang k = 5 ( jumlah variabel bebasnya) dan dk penyebut (nk-1 = 54 ), maka didapat nilai F pada tabel adalah 2,324. Sedangkan F hitung 115,938 . Dengan demikian F hitung > F tabel , maka H0 ditolak artinya paling sedikit ada satu variabel X yang mempengaruhi variabel Y. Hal ini berarti bahwa Bobot Awal Sapi Bakalan, porsi pakan Jerami, porsi pakan Concentrate, porsi pakan Rumput Gajah, dan porsi pakan Singkong secara bersama-sama mampu menjelaskan Pertambahan Bobot Hidup Harian.

(4-2)

4.4.2 Hasil Uji Signifikansi Model Regresi Linear Berganda Pada bagian ini akan diuraikan hasil uji signifikansi model regresi linear berganda secara menyeluruh dan secara parsial.

4.4.3 Uji Signifikansi secara Menyeluruh Hasil pengujian yang dilakukan dengan bantuan software SPSS versi 18.0 menghasilkan table analisis variansi sebagaimana terlihat pada Tabel 4.1 berikut ini :

4.4.4 Uji Signifikansi secara Parsial Untuk menguji hipotesis, digunakan statistik uji distribusi t. Dengan menggunakan taraf nyata (α) = 0,10 dan dk (n-k-1=54), maka dari table didapat nilai t pada tabel adalah 1,30. Sedangkan t hasil perhitungan dengan software SPSS Versi 18.0 hasilnya dapat dilihat dalam tabel berikut:

Tabel 4.1 Analisis Variansi Model Regresi Linear Berganda

Tabel 4.3 Hasil t Hitung

Rata-rata Jumlah Kuadrat (RJK)

Jumlah Kuadrat (JK)

Derajat Kebebasan (dk)

Sumber Variansi

Tabel 4.2 Nilai F Hitung

Regresi

5

9,295

1,859

Sisa

54

0,866

0,016

Variabel bebas yang mempengaruhi variabel Y adalah X1, X2, X3, dan X5, sedangkan variabel X4 tidak signifikan mempengaruhi variabel Y. Oleh karena itu variabel X4(porsi pakan rumput Gajah) dapat dihilangkan dari model regresi. Setelah semua nilai koefisien regresi yang baru diperoleh, maka dapat dibentuk model regresi linear berganda yang

F

115,938

579



baru dengan empat variabel bebas sebagai berikut:

4.5.1 Koefisien Determinasi Berganda (R2) Kegunaan dari koefisien determinasi adalah untuk menetapkan berapa besar pengaruh keempat variabel bebas X1, X2, X3, dan X5 secara bersama-sama terhadap perubahan variabel Y sehingga dapat diketahui tingkat kecocokan model Pertambahan Bobot Hidup Harian Sapi PO ( Peranakan Ongole ). Berdasaarkan hasil perhitungan menggunakan software SPSS versi 18.0 koefisien determinasi (R2) yang diperoleh adalah :

Tabel 4.4 Hasil Uji Signifikansi secara Parsial Koefisien Regresi Bobot Awal

t hitung

Hasil

Kesimpulan

13,720

Tolak H0

Porsi Pakan Jerami

1,599

Tolak H0

Porsi Pakan Concentrate

16,571

Tolak H0

Porsi Pakan Rumput Gajah

0,190

Terima H0

Bobot Awal Sapi Bakalan mempengaruhi PBHH Porsi Pakan Jerami mempengatuhi PBHH Porsi Pakan Concentrate mempengatuhi PBHH Porsi Pakan Rumput Gajah tidak signifikan mempengatuhi PBHH Porsi Pakan Singkong mempengaruhi PBHH

Porsi Pakan Singkong

2,898

Tolak H0

Dari model summary di atas terlihat bahwa koefisien determinasi R2 = 0.956. Artinya, keempat variable yaitu bobot awal (X1), porsi pakan Jerami (X2), porsi pakan Concentrate (X3), dan porsi pakan Singkong (X5) secara bersama-sama mempengaruhi Pertambahan Bobot Hidup Harian ( PBHH ) sebesar 95,6 %. Di sisi lain juga memiliki arti bahwa tingkat kecocokan model regresi linear berganda pertambahan bobot hidup harian memiliki tingkat kehandalan sebesar 95,6 %, hal ini menunjukkan bahwa model regresi yang dihasilkan sudah sangat baik. 4.5.2 Koefisien Korelasi Parsial Untuk mengetahui seberapa besar keterkaitan masing-masing variable bebas terhadap variable tidak bebas maka perlu dihitung koefisien korelasi parsial. Hasil perhitungan koefisien korelasi parsial untuk model regresi linear berganda antara variable bebas bobot awal sapi, porsi pakan Jerami, porsi pakan Concentrate, porsi pakan Singkong dengan variable tidak bebas pertambahan bobot hidup harian hasilnya dapat dilihat pada table di bawah ini.

Ŷ = - 2.315 + 0.003X1 + 0.019X2 + 0.426X3 + 0.073X5

(4-3) Model regresi inilah yang merupakan model regresi hasil revisi untuk Pertambahan Bobot Hidup Harian Sapi PO (Peranakan Ongole).

4.5 Analisis Korelasi Bobot Awal dan Porsi Pakan terhadap PBHH Pada bagian ini akan diuraikan hasil analisis korelasi dan koefisien determinasi model linear berganda pertambahan bobot hidup harian.

580



Tabel 4.5 Koefisien Korelasi Parsial

4.5.4 Model Pertambahan Bobot Hidup Harian

Koefisien Korelasi Parsial rYX1 rYX2 rYX3 rYX5

4.5.3

Nilai

Kriteria

0,882 0,213 0,914 0,367

Sangat Kuat Kurang Kuat Sangat Kuat Cukup kuat

Model regresi linear berganda dengan empat variabel bebas yang telah diuji dapat diterapkan untuk menghitung Pertambahan Bobot Hidup Harian dengan mensubstitusikan nialai variable Bobot Awal Sapi Bakalan (X1) , porsi pakan Jerami (X2), porsi pakan Cocentrate (X3), dan porsi pakan Singkong (X5) ke dalam model regresi linear berganda seperti pada persamaan (4-3) sebagai berikut : Ŷ = - 2.315 + 0.003X1 + 0.019X2 + 0.426X3 + 0.073X5

Uji Signifikansi Koefisien Korelasi Parsial

Pengujian terhadap koefisien korelasi parsial dilakukan untuk mengetahui keberartian dari koefisien korelasi tersebut. Untuk menguji hipotesis, digunakan statistik uji distribusi t. Dengan menggunakan taraf nyata (α) = 0,05 dan dk (n-k-1=54), maka didapat nilai t pada tabel adalah 1,673.

Misalkan seekor sapi bakalan mempunyai bobot awal 400 kg diberi pakan Jerami dengan porsi 8 kg dan porsi pakan Concentrate 5 kg serta pakan Singkong 5 kg per hari, maka pertambahan Bobot Hidup Hariannya adalah : PBHH = - 2,315 + 0.003(400) + 0,019(8) + 0,426(5) + 0,070(5) = 1,517 kg per hari

Tabel 4.6 Hasil Uji Signifikansi Koefisien Korelasi Parsial

4.5.5 Analisis Benefit Cost Ratio Untuk menghitung perbandingan antara benefit yang diperoleh dengan biaya yang dikeluarkan dalam usaha penggemukan sapi PO (Peranakan Ongole), berikut ini akan diuraikan simulasinya. Dalam simulasi ini diasumsikan harga jual sapi per kg bobot hidup adalah Rp 40.000 dan harga pakan Jerami Rp 2000 per kg, harga pakan Concentrate Rp 2700 per kg, harga pakan Singkong Rp 1100 per kg. Dengan menggunakan model pertambahan bobot hidup harian seperti dinyatakan pada persamaan (4-3), hasil simulasi perhitungan Benefit Cost Ratio disajikan dalam Tabel (4.5) berikut ini.

Tabel 4.7 Koefisien Korelasi Parsial Koefisien Korelasi Parsial

t hitung

Hasil

rYX1

13,956

Tolak H0

rYX2

1,751

Tolak H0

rYX3

19,214

Tolak H0

rYX5

3.282

Tolak H0

Kesimpulan

Pertambahan Bobot Hidup Harian dapat dijelaskan oleh Bobot Awal Sapi dengan tingkat keterkaitan sebesar 54,6% Pertambahan Bobot Hidup Harian dapat dijelaskan oleh porsi pakan Jerami dengan tingkat keterkaitan sebesar 21,3 % Pertambahan Bobot Hidup Harian dapat dijelaskan oleh porsi pakan Concentrate dengan tingkat keterkaitan sebesar 75,9 % Pertambahan Bobot Hidup Harian dapat dijelaskan oleh porsi pakan Singkong dengan tingkat keterkaitan sebesar 10 %

Tabel 4.8 Hasil Simulasi Benefit Cost Ratio

581


koefisien determinasi berganda (R2) menunjukkan bahwa keempat variable bebas Bobot Awal , porsi pakan Jerami, porsi pakan Concentrate, dan porsi pakan Singkong secara bersama-sama mempengaruhi PBHH sebesar 95,6%. Hasil simulasi model pertambahan bobot hidup harian sapi PO (Peranakan Ongole) menunjukan pengaruh penambahan porsi pakan Concentrate paling dominan terhadap pertambahan bobot hidup harian. Berdasarkan analisis Benefit Cost Ratio (BCR) usaha penggemukan sapi PO (Peranakan Ongole) menunjukan prospek bisnis yang menguntungkan.

Dari Tabel 4.8 terlihat bahwa Benefit Cost

313720 Ratio (BCR ) = 187300


 1,67

Dengan demikian berdasarkan indikator BCR 1,67, maka usaha penggemukan sapi PO (Peranakan Ongole) menunjukan prospek yang menguntungkan.

6.

DAFTAR PUSTAKA

1.

DYER, I.A. AND C.C. O’MARY. 1977. The Feedlot. 2nd Ed. Lea and Febiger. Philadelphia. NGADIYONO, N. DAN E. BALIARTI. 2001. Laju pertumbuhan dan produksi karkas sapi Peranakan Ongole jantan dengan penambahan probiotik Starbio pada pakannya. PARAKKASI, A. 1999. Ilmu Nutrisi dan Makanan Ternak Ruminan. Penerbit Universitas Indonesia (UI-Press). Jakarta. SIREGAR, S. B. 1995. Penggemukan sapi potong. Penerbit Penebar Swadaya. Jakarta. SUJANA. 2006. Metoda Statistika. Penerbit Tarsito. Bandung

2. 5. KESIMPULAN Hasil pengujian koefisien regresi secara keseluruhan menunjukkan bahwa Bobot Awal Sapi Bakalan, porsi pakan Jerami, porsi pakan Concentrate, porsi pakan Singkong secara bersama-sama mampu menjelaskan Pertambahan Bobot Hidup Harian (PBHH). Hasil pengujian koefisien regresi secara parsial menunjukkan bahwa porsi pakan Rumput Gajah tidak signifikan mempengaruhi Pertambahan Bobot Hidup Harian Sapi. Berdasarkan nilai dari

3.

4. 5.

582

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Recommend Documents