4.4.1. Analisis Deskriptif
Faktor-faktor yang tidak dianalisa secara statistik akan dianalisa secara deskriptif. Analisis ini digunakan untuk menganalisis identitas umum responden
dan karakteristik responden yang mengkonsumsi daging sapi rendah lemak. Analisis ini disajikan dalam bentuk tabel-tabel sederhana dan dikelompokkan
berdasarkan jawaban yang sama. Hasil yang diperoleh kemudian dipersentasikan berdasarkan jumlah responden.
4.4.2. Analisis Model Logit
Model logit digunakan untuk melihat peluang perubahan konsumsi karena adanya karakteristik konsumen tertentu dalam memutuskan untuk
mengkonsumsi daging sapi rendah lemak. Regresi logistik merupakan persamaan matematik yang menggambarkan hubungan antar variabel tak bebas
dengan simbol Y dan variabel bebas dengan simbol X. Baik X dan Y bisa kualitatif nilainya, jika X lebih dari satu. Pada model regresi logistik peubah
responnya berskala binerdikotomi yakni memiliki nilai diskontinu 1 atau 0 atau yang dinamakan variabel boneka
dummy variable. Y=1, jika konsumen mengkonsumsi daging sapi rendah lemak dan Y=0, jika konsumen tidak
mengkonsumsi daging sapi rendah lemak. Peubah penjelasnya berupa peubah kontinu maupun kategorik yang terdiri dari jenis kelamin, umur responden, jumlah
anggota keluarga, pekerjaan, pendidikan dan pendapatan responden.. Secara matematis model logit dapat ditulis sebagai berikut Nachrowi dan
Usman,2002. P
i
= Y
i
=1 ⎢X
i
=
yi
e
−
+ 1
1
dimana : Y
i
= b
1
+b
1
DK...b
6
X
3
Model Regresi Logistiknya :
Dimana : Y
= 1 = konsumsi daging sapi rendah lemak 0 = tidak konsumsi daging sapi rendah lemak
e
-yi
= Fungsi log dari koefisien regresi α
= Intercept b
1-6
= Koefisien variabel penjelas Dk
= Variabel dummy jenis kelamin D
1
= jika wanita D
= jika pria Pekerjaan
= Variabel dummy pekerjaan D
1
= jika bukan pegawai negeri D
= jika pegawai negeri Pendapatan
income = Variabel dummy pendapatan income D
1
= ≥ Rp 3.000.000
D = Rp 3.000.000
X
1
= Umur responden tahun X
2
= Jumlah anggota keluarga orang X
3
= Tingkat pendidikan responden tahun
Nilai Odds Ratio
Nilai odds ratio ini digunakan untuk melihat hubungan antara peubah
bebas dengan peubah responnya yang diperoleh dari perhitungan eksponensial dari koefisien estimasi bi atau
exp bi. Odds ratio menunjukkan perhitungan perbandingan peluang Y=1 bila lebih banyak konsumsi daging sapi rendah
lemak dengan Y=0 bila lebih banyak konsumsi daging sapi non rendah lemak dengan di pengaruhi oleh variabel bebas tertentu.
Y = α+b
1
Dk+b
2
Dp +b
3
Din +b
4
X
1
+b
5
X
2
+b
6
X
3
Rasio odds digunakan untuk memudahkan interpretasi koefisien. Rasio
odds adalah ukuran yang memperkirakan berapa besar kecenderungan peubah- peubah penjelas X terhadap peubah respon Y. jika suatu peubah penjelas
memiliki tanda koefisien positif, maka kecenderungan Y=1 lebih besar terjadi pada peubah bebas X=1 daripada X=0. Interpretasi dari
odds ratio ini adalah bahwa untuk X=1 memiliki kecenderungan Y=1 sebesar
ψ kali dibandingkan dengan X=0 Hosmer dan Lemeshow, 1989.
Uji Rasio Likelihood
Pendugaan parameter model logit dilakukan dengan menggunakan metode kemungkinan maksimum. Uji ini digunakan untuk melihat spesifikasi dan
kesesuaian model pada regresi logistik. 1. Pengujian parameter secara keseluruhan
Pengujian ini dilakukan untuk mengetahui pengaruh variabel-variabel penjelas secara simultan atau keseluruhan terhadap peubah responnya, dengan
menggunakan statistik uji G. Hipotesa : Ho : b
1
=b
2
=….b
6
=0 H
1
: minimal ada satu b
j
≠ 0 ; j=1,2,….6
Statistik uji yang digunakan adalah :
G hitung = -2 ln
⎥ ⎦
⎤ ⎢
⎣ ⎡
ahbebas denganpeub
likelihood s
peubahbeba tan
likelihood
Odd ratio ψ=
⎥ ⎦
⎤ ⎢
⎣ ⎡
π −
π X
1 X
atau
⎥ ⎦
⎤ ⎢
⎣ ⎡
− Xi
P 1
Xi P
atau exp bi
Kaidah pengujian ; jika Ho benar, statistik G akan mengikuti sebaran X
2
dengan derajat bebas = p-1 dengan cara membandingkan G hitung dengan Chi-
square pada tabel. 2. Pengujian secara individu
Pengujian ini dilakukan secara parsial individu terhadap peubah bebas untuk mengetahui pengaruhnya terhadap peubah respon yang dilakukan
dengan uji Wald Hipotesa : Ho : b
j
=0 H
1
: b
j
≠0 ; j=1,2,....6 Statistik yang digunakan adalah:
Statistik ini berdasarkan Khi Kuadrat dengan derajat bebas 1 atau secara simbolik ditulis W
j
~X
2 1
. Ho ditolak jika W
j
~X
2
α, 1 ; α : tingkat signifikasi. Bila Ho ditolak artinya parameter tersebut signifikan secara statistik pada
tingkat signifikasi α Nachrowi dan Usman,2002.
W =
bj SE
bj
4.5. Definisi Operasional
Kategori