9 Strategi Pemasaran Wafer Ransum Komplit Untuk Ternak Sapi

2.8 Analisis Deskriptif

Analisis deskriptif terdiri dari Frequencies, Descriptives, Explore, Crosstabs dan Ratio. Fungsi analisis ini adalah untuk memberikan gambaran umum tentang data yang telah diperoleh. Gambaran umum ini bisa menjadi acuan untuk melihat karakteristik data yang diperoleh. Analisis deskriptif sering diabaikan penggunaannya dalam penelitian-penelitian sosial, karena memang dalam beberapa fungsi analisis lainnya otomatis tercantum analisis deskriptif. Data yang dikumpulkan tersebut perlu disajikan supaya mudah dimengerti, menarik, komunikatif, dan informatif bagi pihak lain. Beberapa teknik yang akan dibahas disini meliputi ukuran gejala pusat, ukuran keragaman, penyajian dalam bentuk tabel dan grafik. Bentuk-bentuk penyajian data tersebut secara umum dibagi dalam dua aspek, yaitu 1 penyiapan data yang mencakup proses editing, pengkodean, dan pemasukkan data, serta 2 analisis pendahuluan meliputi pemilahan, pemeriksaan, dan penyusunan data sehingga diperoleh gambaran, pola, dan hubungan yang lebih bermakna. Tujuan dari analisis deskriptif ini adalah memberikan gambaran deskripsi tentang suatu data, seperti rata-rata mean, jumlah sum, simpangan baku standard deviation, varians variance, rentang range, nilai minimum dan maximum, dan sebagainya. Jenis analisis yang akan sering dilakukan adalah analisis frekuensi yang berguna untuk menggambarkan seberapa kerap suatu kelompok pengamatan muncul di dalam data Syafril, 2001.

2.9 Analisis Regresi Ordinal.

Regresi logistik ordinal merupakan salah satu metode statistika untuk menganalisis variabel respon dependen yang mempunyai skala ordinal yang terdiri atas tiga kategori atau lebih. Variabel prediktor independen yang dapat disertakan dalam model berupa data kategori atau kontinu yang terdiri atas dua variabel atau lebih. Model yang dapat dipakai untuk regresi logistik ordinal adalah model logit. Model logit tersebut adalah cumulative logit models. Pada model logit ini sifat ordinal dari respon Y dituangkan dalam peluang kumulatif sehingga cumulative logit models merupakan model yang didapatkan dengan membandingkan peluang kumulatif yaitu peluang kurang dari atau sama dengan kategori respon ke-j padap variabel prediktor yang dinyatakan dalam vektorX, PY≤ j|X, dengan peluang lebih besar dari kategori

2.8 8

dan n n Rat yan n g te kara a akter dala a am m m m m m m m m m m m m m m m m m m m m m m m m m p p p lain n nny ny ny ny ny ny ny ny ny ny ny y y ny y y ny ny n ny ny ny y y y y y n ny ny y y y y y ny n ny ny y ny y y y y ny y y y y y y ny ny y y n y y n y y y y y y y y y y y y y y y y y y y y y y y y y y y y y y a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a disa a aji i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i k ka k ka k k k k k ka k k k k k k k ka k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k ka k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k k lain n n.

B B

Be B

B B

B kera a a ga ga ga ga g g ga ga ga ga ga a ga a ga a a ga ga ga a ga ga a ga ga g g a a ga ga ga a a a ga g g g g g a a a a a a a a a a ga a a a a ga a a a a ga a ga a a a a ga g a a ga a a a a ga g g ga ga a a a a a g ga ga a g a g a a g g a a g g g a a a a a g g a ga g a g a a a g g g g g g g g g g m m m m m ters eb eb b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b b u u u u u ut u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u menc nc nc c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c ak a a a ak a a a a a a ak ak a a a k k ak a k ak ak ak ak ak a ak a ak a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a ak a a a a a a ak k a a k k a a a k k a a ak k k k a ak k k pen nd nd d d d ah ah ah ah a ah ah ah h ah ah ah ah ah ah ah ah ah ah ah ah h ah ah a ah ah a ah ah h ah ah h h h a ah ah ah ah ah a h h ah a ah ah ah h h h ah ah ah h h h ah ah h ah a a h h h ah h h ah h ah ah a h ah h ah h a a a ah a ah ah ah h h a h ah h h a h h h h a a a a a h h h ah ah a h h h h a h h a h h h a a ah h h h a ah ah h h h a h h a a a h h a h h h h h a h h u dipe e e ro ro ro ro o o o ro o o ro ro ro o ro ro o o ro ro o o r o o o o o o o o o ro o o o r o o ro o o o o o o o o o o o o o o o o o o o o o o o o o o o o l l le l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l tent t tan an an n n n n n n n n an n n n n n n n n n an n n n n n n n n n n n n n n n n n n n n an n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g dev i iat at at at at at at at at t at at t at at a at at at at t t t t at at a at at t t at at t t t t t at t t at t t at a at t t t t t t t t t at t t t at t t t t t t t t t a t at t at t a at t t a at at at t a t t a at t t t t t t t t t a t t t t a a a t a t a a a t t t a t t at a t t t t t a t t t t t t t a a t t t t a t t t t io io i i i io i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i i seba a a ga ga ga ga ga ga ga a ga ga ga ga g ga ga ga g ga ga ga ga ga ga ga a ga ga ga ga ga a g ga ga ga ga ga a a ga g ga ga ga ga a a g g g ga g a a a ga ga g ga a a a a ga a a a ga a a ga a a a a a a ga a a a a a a a a a ga a a g g g g a a a a g g g g a a a g g g a a g g g g g g g g a a ga a a a a g g g a a a a a a a g g a a a g g a a g g g g a g g g g g g g g i i i berg g guna di d d dalam

2.9 9

men ng ng g g g g g g g g g g g g g g g g g an atas s s t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t t ig ig ig ig ig ig ig ig ig g ig ig ig i i ig ig ig ig ig i ig ig ig ig i i i i i i i i i i ig ig i i i ig ig i i i ig ig i i ig i i i ig ig i ig i i i i i i ig i i i i i i ig g ig i g i ig g i g i i g i g ig g i g g g g dala a a a a m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m m lebi i ih. h. h. h. h h h. h. h h h h h h h h h. h h h. h h. h. h h h h h h. h h. h. h. h. h h h h. h h. h. h h h. h. h h h . h h . . . h h h h h h h . . Mo de de de de de de de e e de de e d de e de de de de de de de de de de de d e de de e de d de de de d de de d e e de de de d de d de e d d e e d de d d d d d d d d d d d e de d de e d d e e d e e e de d e e d e l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l dari i i r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r es es es es es es es es es es s es es s es es s s s s s es es s es s s es e es e e e e e e es e e es es es e e s e e e e e s s s es es es es e s s e s s s s es es s s s es es e e s s s s s e mer ru ru u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u u p p p p p p pa pa pa pa p p p pa p p p p p p p p p p p p p p p p p p p p p p p p p pa p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p pelu u u u ua an a a an g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g yan ng g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g g d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d d i i i i i i i i i i i i i i i i i respon ke-j, PYj|X Hosmer dan Lemeshow. 2000. Peluang kumulatif, PY≤ j|X, didefinisikan sebagai berikut : dimanaj = 1, 2, ..., J adalah kategori respon Agresti. 1990. Persamaan 1 didapatkan dari Fungsi logistik sebagai berikut: dimana FZ = Y Z = kombinasi beberapa variabel prediktor X Dalam hal klasifikasi, Cumulative Logit Model merupakan fungsi pembeda atau fungsi klasifikasi. Fungsi klasifikasi yang terbentuk bila terdapat J kategori respon adalah sejumlah J – 1. Jika π j X = PY=j|X menyatakan peluang kategori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor X dan PY≤j|X menyatakan peluang kumulatif pada p variabel prediktor yang dinyatakan dalam vektor X maka nilai π j X didapatkan dengan persamaan berikut : dimana j = 1, 2, ..., J 1 2 3 4 5 6 resp p pon k dide e efini dida a apa pa pa pa pa pa pa pa pa pa pa pa pa pa pa pa pa a pa pa a a pa p pa pa a a a pa pa p p p p pa a a a a a a a p pa p p pa p pa a pa pa pa pa pa pa pa pa a a a a pa pa p pa a a pa pa pa a pa a a a a pa pa p a a a pa p pa p a a a a pa pa a a a a a pa a a p a a a p p a p p p p a a a a a p p p a a a a a p p p p p p p p p p p p p t tk t t t t t ata a au fu res s spon res sp sp p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p o o o o o o o o o on on on on o on o o n on on n on on o o o o o o o on on n o o o o on o o o o o on o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o on me e e e e e e e e e e e e e e e e e e e e e e ny ny ny ny ny ny ny ny ny ny n n ny ny ny ny ny n n n ny ny ny ny ny y ny y ny y ny ny ny ny n n ny n n n n n n n n ny ny ny n n ny ny y ny y ny y ny ny ny ny ny y ny y ny ny ny ny ny y n ny n ny ny n n ny y y ny ny n ny y y ny y ny ny ny ny y ny ny y ny n y y y y y y y y y y y y y y y y y y y y y y y y y a a a a a vek kt kt kt kt k kt kt kt k t k k k kt t k k kt t t t or or or or o o o or o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o

10 9

Untuk lima kategori respon dimana j = 1, 2, 3, 4 dan 5 maka nilai dari peluang kategori respon ke-j adalah sebagai berikut : Untuk klasifikasi nilai π j X pada persamaan di atas akan dijadikan pedoman pengklasifikasian. Suatu pengamatan akan masuk dalam respon kategorij berdasarkan nilai π j X yang terbesar Wibowo. 2002.