Pendekatan Metode CHAID dan Regresi Logistik untuk Menganalisis Faktor Risiko Fasciolosis pada Sapi
PENDEKATAN METODE CHAID DAN REGRESI LOGISTIK
UNTUK MENGANALISIS FAKTOR RISIKO
FASCIOLOSIS PADA SAPI
RIA HAYATUN NUR
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Pendekatan Metode
CHAID dan Regresi Logistik untuk Menganalisis Faktor Risiko Fasciolosis pada
Sapi adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2013
Ria Hayatun Nur
NIM G14090073
ABSTRAK
RIA HAYATUN NUR. Pendekatan Metode CHAID dan Regresi Logistik untuk
Menganalisis Faktor Risiko Fasciolosis pada Sapi. Dibimbing oleh I MADE
SUMERTAJAYA dan YUSUF RIDWAN.
Satu diantara program pemerintah dalam rangka memenuhi kebutuhan
protein hewani adalah Program Swasembada Daging Sapi (PSDS) 2014.
Peningkatan produktivitas sapi lokal adalah salah satu usaha untuk mewujudkan
swasembada daging. Hal-hal yang dapat menurunkan produktivitas sapi lokal
salah satu diantaranya yaitu infeksi cacing parasit. Pendekatan metode CHAID
(Chi-square Automatic Interaction Detection) dan analisis regresi logistik adalah
pendekatan yang dapat digunakan untuk mengetahui faktor yang menjadi
penyebab terinfeksinya sapi oleh cacing parasit. Penelitian ini menghasilkan
diagram pohon CHAID yang menunjukkan bahwa faktor yang mempunyai
asosiasi paling kuat untuk terjadinya infeksi cacing parasit pada sapi adalah
tempat mengembalakan sapi, selanjutnya diperoleh nilai sensitifity 69.80%, nilai
specificity 50.30% dan ketepatan klasifikasi secara keseluruhan 60.60%. Selain itu,
analisis regresi logistik secara keseluruhan menghasilkan persentase ketepatan
klasifikasi sebesar 63.80% dengan nilai sensitifity 69.80% dan nilai specificity
57.20%.
Kata kunci: Analisis regresi logistik, cacing parasit, metode CHAID
ABSTRACT
RIA HAYATUN NUR. Approach of CHAID and Logistic Regression to Analyze
the Fasciolosis Risk Factors on Cattle. Supervised by I MADE SUMERTAJAYA
and YUSUF RIDWAN.
The blue print of meat self-sufficiency program in 2014 shows that beef
self-sufficiency can be achieved in 2014. The increasing of the productivity of
local cattle is one of attempt to achieve meat self-sufficiency. Productivity of local
cattle can be decreased because of parasitic helmint infection. Chi-square
Automatic Interaction Detection (CHAID) method and logistic regression analysis
are the approach that can be used to determine the factors causing the infection of
cattle by parasitic helmint. The CHAID result in this research was tree diagram. It
showed that the grazing area had the strongest association for the occurence of
parasitic helmint infection. The result showed that the sensitifity values was
69.80%, specificity values was 50.30% and the classification accuracy overall was
60.60%. In addition, the overall logistic regression analysis obtained 63.80% for
classification accuracy percentage with 69.80% for sensitifity value and 57.20%
for the specificity value.
Keywords: CHAID method, logistic regression analysis, parasitic helmint
PENDEKATAN METODE CHAID DAN REGRESI LOGISTIK
UNTUK MENGANALISIS FAKTOR RISIKO
FASCIOLOSIS PADA SAPI
RIA HAYATUN NUR
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Skripsi : Pendekatan Metode CHAID dan Regresi Logistik
Menganalisis Faktor Risiko Fasciolosis pada Sapi
Nama
: Ria Hayatun Nur
NIM
: G14090073
Disetujui oleh
Dr Ir I Made Sumertajaya, MSi
Pembimbing I
Dr drh Yusuf Ridwan, MSi
Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MSi
Ketua Departemen
Tanggal Lulus:
untuk
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2013 hingga
Agustus 2013 ini ialah analisis faktor risiko penyakit parasitik dengan judul
Pendekatan Metode CHAID dan Regresi Logistik untuk Menganalisis Faktor
Risiko Fasciolosis pada Sapi.
Terima kasih penulis ucapkan kepada Bapak Dr Ir I Made Sumertajaya, MSi
dan Bapak Dr drh Yusuf Ridwan, MSi selaku pembimbing yang dengan sabar
telah membimbing penulis. Ungkapan terima kasih juga disampaikan kepada
ayah, ibu, seluruh keluarga, atas segala doa dan kasih sayangnya, teman-teman
statistika 46, dan segenap pihak yang telah banyak membantu dalam penyelesaian
tugas akhir ini.
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2013
Ria Hayatun Nur
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
METODOLOGI
2
Metode Pengumpulan Data
2
Metode Analisis
3
HASIL DAN PEMBAHASAN
6
Pendugaan Data Kosong
6
Deskripsi Karakteristik Manajemen Peternakan
7
Hasil Pemisahan Analisis CHAID
7
Analisis Regresi Logistik Biner
8
Interpretasi Koefisien
Kajian Hasil Metode CHAID dan Regresi Logistik
9
10
SIMPULAN
10
Simpulan
10
DAFTAR PUSTAKA
11
LAMPIRAN
12
RIWAYAT HIDUP
19
DAFTAR TABEL
1
2
3
4
5
Karakteristik terinfeksinya sapi terhadap cacing parasit Fasciola sp.
Hasil analisis regresi
Nilai rasio odds peubah penjelas
Klasifikasi Fasciola sp. berdasarkan metode CHAID
Klasifikasi Fasciola sp. berdasarkan regresi logistik
8
9
9
10
10
DAFTAR GAMBAR
1
2
3
4
5
Metode pengumpulan contoh
Sebaran umur peternak
Sebaran tingkat pendidikaan peternak
Sebaran pengalaman beternak peternak
Sebaran kepemilikan ternak
2
6
6
7
7
DAFTAR LAMPIRAN
1 Peubah penjelas dengan masing-masing kategorinya
2 Tabulasi silang peubah penjelas dan peubah respon
3 Diagram pohon hasil analisis CHAID untuk Fasciola sp.
12
13
18
PENDAHULUAN
Latar Belakang
Satu diantara program pemerintah dalam rangka memenuhi kebutuhan
protein hewani adalah Program Swasembada Daging Sapi (PSDS) 2014. Usaha
untuk mewujudkan swasembada daging terlihat dari peningkatan populasi ternak
sapi potong dari 12.760.000 ekor pada tahun 2009 menjadi 14.824.000 ekor pada
tahun 2011 (BPS 2011).
Peningkatan produktivitas sapi lokal adalah salah satu usaha untuk
mewujudkan swasembada daging. Satu diantara faktor yang dapat menurunkan
produktivitas sapi lokal adalah infeksi cacing parasit. Infeksi cacing parasit
umumnya berjalan secara kronik dan dapat menyebabkan gangguan metabolisme,
kekurusan, terhambatnya pertumbuhan, dan turunnya daya tahan tubuh terhadap
penyakit lain (Dewi et al. 2011).
Satu diantara penyakit cacing parasit yang penting pada ruminansia adalah
Fasciolosis. Fasciolosis merupakan penyakit yang disebabkan oleh cacing
Fasciola sp. Penyebaran Fasciola sp. sangat luas termasuk di Indonesia. Infeksi
penyakit ini di berbagai daerah termasuk di Jawa Barat mencapai 90%.
Fasciolosis menyebabkan penurunan bobot badan, penurunan produksi,
pengafkiran organ tubuh terutama hati. Di Indonesia, secara ekonomi kerugiannya
dapat mencapai Rp 513,6 milyar/tahun (Dewi et al. 2011).
Pengendalian infeksi cacing parasit dilakukan dengan tujuan untuk
mengurangi penurunan produktivitas pada sapi. Pengendalian ini dapat dilakukan
dengan efektif apabila telah diketahui faktor-faktor yang menjadi penyebab
terinfeksinya sapi oleh cacing parasit.
Berbagai faktor risiko dapat diketahui dari berbagai penelitian, misalnya
survei yang dilakukan kepada pemilik atau pekerja di sebuah peternakan.
Selanjutnya data yang diperoleh dianalisis untuk mencari faktor-faktor risiko
terinfeksinya sapi oleh cacing parasit. Pendekatan metode CHAID (Chi-square
Automatic Interaction Detection) dan analisis regresi logistik adalah pendekatan
yang akan digunakan untuk menyelesaikan permasalahan ini.
Tujuan Penelitian
Tujuan dari penelitian ini adalah
1. Menerapkan metode CHAID dan analisis regresi logistik biner untuk
mengetahui faktor risiko yang menyebabkan terinfeksinya sapi oleh cacing
parasit.
2. Mengkaji dugaan terinfeksinya sapi oleh cacing parasit dengan keadaan
sebenarnya dari hasil klasifikasi menggunakan metode CHAID dan
metode regresi logistik.
2
METODOLOGI
Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data primer hasil survei
Dinas Peternakan Provinsi Jawa Barat yang bekerjasama dengan Fakultas
Kedokteran Hewan Institut Pertanian Bogor. Data ini dikumpulkan dari
peternakan sapi potong yang mencakup enam kabupaten yang ada di Provinsi
Jawa Barat, yaitu Sukabumi, Tasikmalaya, Ciamis, Subang, Sumedang, dan
Cianjur. Metode pengumpulan contoh dapat dilihat pada Gambar 1. Total data
dalam penelitian ini adalah 307 data dengan peubah bebas yang digunakan
sebanyak 11 peubah dan satu peubah respon, yaitu terjadinya infeksi cacing
parasit pada sapi yang terdiri dari dua kategori, yaitu terjadinya infeksi cacing
parasit Fasciola sp. pada sapi(1) atau tidak (0). Peubah penjelas yang digunakan
selengkapnya dapat dilihat pada Lampiran 1.
Data ini diperoleh dengan melakukan wawancara kepada para pemilik atau
pekerja di suatu peternakan sapi potong berdasarkan pertanyaan kuesioner yang
telah disusun. Informasi yang diperoleh dari hasil wawancara berupa sumberdaya
di peternakan, manajemen peternakan, manajemen kesehatan ternak, dan kasus
penyakit pada ternak. Selain itu, data lainnya diperoleh dari hasil pemeriksaan
sampel feces ternak.
Sebelum data dianalisis, ada beberapa tahapan yang dilakukan terhadap data,
yaitu cleaning data dan mengatasi missing value yang ada di dalam data. Dalam
kasus ini penanganan data kosong dilakukan dengan metode modus. Nardo et al.
(2005) mengatakan bahwa modus dari suatu distribusi dapat dihitung pada contoh
yang sesuai untuk menggantikan data kosong.
Kabupaten yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Jawa Barat
Kecamatan yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Kecamatan yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Gambar 1 Metode pengumpulan contoh
Peternak
Ternak
3
Metode Analisis
Tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut:
1. Melakukan analisis statistika deskriptif mengenai peubah-peubah demografi
pekerja atau pemilik peternakan sapi yang digunakan sebagai eksplorasi data
pada awal penelitian. Hal ini dilakukan menggunakan paket software statistik.
2. Mengidentifikasi peubah penciri dengan metode CHAID. Metode CHAID
(Chi-square Automatic Interaction Detection) pada dasarnya dibuat untuk
menangani data dengan peubah respon nominal (Rokach & Maimon 2008).
Secara umum, tahapan CHAID meliputi tiga hal, diantaranya tahap
penggabungan (merging), tahap pemisahan (splitting), dan tahap penghentian
(stopping). Menurut Kass (1980), algoritma CHAID adalah
a. Membentuk tabulasi silang antar setiap peubah penjelas dengan kategorikategori peubah respon. Pada tahapan ini, tabulasi silang dilakukan pada
setiap peubah penjelas mengenai manajemen peternakan dengan kategori
peubah respon terinfeksi atau tidaknya sapi terhadap cacing parasit.
b. Pada setiap tabulasi silang yang telah dihasilkan pada tahap a, selanjutnya
disusun sub-tabel yang berukuran 2 x d (d adalah banyaknya kategori
peubah respon). Pada setiap sub tabel yang terbentuk, kemudian dicari nilai
yang paling kecil. Jika
atau nilai signifikansi
tidak mencapai nilai kritis maka gabungkan kedua kategori peubah penjelas
tersebut menjadi kategori campuran. Dibentuklah sub-tabel 2 x d ( d adalah
terinfeksi atau tidaknya sapi terhadap cacing parasit). Setelah hal ini
dilakukan kemudian dicari
yang paling kecil. Jika nilai ini tidak
mencapai nilai kritis, maka digabungkan kedua kategori ini menjadi
kategori campuran, dan tahap ini terus diulangi sehingga angka uji terkecil
sub-tabel 2 x d pasangan kategori (kategori campuran) peubah penjelas
melampaui nilai kritis.
c. Pada setiap kategori campuran yang terdiri dari tiga atau lebih kategori asal,
dicari pemisahan biner dengan menghitung
terbesar. Jika
>
maka berlaku pemisahan biner dan kembali ke tahap (b).
d. Setelah penggabungan optimal untuk setiap peubah penjelas, cari nilai-p
untuk masing-masing tabulasi silang yang baru. Perhatikan diantaranya
yang memiliki angka uji paling besar atau nilai-p terkecil sebagai tabulasi
dengan taraf nyata terbaik. Jika nilai-p terkecil < α, bagilah data menurut
kategori tersebut.
e. Jika terjadi pemisahan pada tahap (d), kembali ke tahap (a) untuk setiap
bagian data hasil pemisahan. Proses akan berhenti jika tidak ada lagi
peubah penjelas yang signifikan untuk melakukan pemisahan.
Hipotesis yang akan diuji dalam analisis CHAID adalah
H0: Tidak terdapat hubungan antara baris dan kolom (saling bebas)
H1: Terdapat hubungan antara baris dan kolom (tidak saling bebas)
4
Statistik uji khi-kuadrat (
) yang digunakan dirumuskan:
Jika r kategori dari peubah asal membentuk b kategori (b < r ) maka nilai-p
yang dihasilkan akan dikalikan dengan pengganda Benferoni. Pengganda
Benferoni terbagi kepada tiga tipe yang dibedakan berdasarkan tipe
peubahnya, yaitu
a. Peubah bebas, yaitu
b. Peubah monotonik, yaitu
∑
(
c. Peubah mengambang, yaitu
(
)
)
(
)
3. Melakukan analisis dengan analisis regresi logistik untuk mengetahui faktorfaktor risiko penyebab penyakit parasitik pada sapi. Analisis regresi logistik
adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara
peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih
peubah penjelas berskala kategori atau interval (Hosmer dan Lemeshow 2000).
Model dari regresi logistik adalah
π(x)
Dalam regresi logistik diperlukan transformasi logit sebagai fungsi dari
π(x) yang dinyatakan sebagai berikut:
�
)
(
�
Tahapan yang dilakukan dalam analisis ini adalah
a. Melakukan pendugaan parameter regresi logistik dengan menggunakan
metode kemungkinan maksimum.
Metode pendugaan parameter yang digunakan dalam regresi logistik
adalah metode kemungkinan maksimum (maximum likelihood). Jika antara
amatan yang satu dengan yang lain diasumsikan saling bebas, maka fungsi
kemungkinan maksimumnya adalah:
l(β) = ∏ �
�
dengan:
i= 1, 2,..., p
yi= respon pada pengamatan ke-i
π(xi) = peluang kejadian ke-i bernilai Y=1
βi akan diduga dengan memaksimumkan l(β) dengan pendekatan
logaritma sehingga fungsi kemungkinan maksimumnya sebagai berikut:
L(β) = ln[l(β)] =
∑{
�
�
}
5
Selanjutnya dibuat turunan pertama L(β) terhadap βi = 0, dengan i = 1, 2,...,
p dan (̂ ) akan diperoleh berdasarkan proses iterasi.
b. Melakukan pengujian parameter secara simultan menggunakan uji G
Pengujian terhadap parameter dilakukan sebagai upaya untuk
memeriksa peranan peubah penjelas yang ada dalam model. Menurut
Hosmer dan Lemeshow (2000) untuk mengetahui peran seluruh peubah
penjelas dalam model secara bersama-sama dapat digunakan statistik uji-G.
Hipotesis yang diuji adalah:
H0: β1= β2 = ... = βp= 0
H1: minimal ada satu βi ≠ 0, i = 1, 2,..., p
Statistik uji-G didefenisikan sebagai:
G = -2Ln[ ]
L0 adalah fungsi kemungkinan tanpa peubah penjelas dan Lp merupakan
fungsi kemungkinan dengan peubah penjelas. Jika hipotesis nol benar,
maka statistik uji-G akan menyebar mengikuti sebaran χ2 dengan derajat
bebas p. Hipotesis nol ditolak jika G > χ2 p(α) (Hosmer & Lemeshow 2000).
c. Melakukan pengujian parameter secara parsial dengan menggunakan uji
Wald.
Statistik uji Wald digunakan untuk menguji parameter secara parsial.
Hipotesis yang diuji adalah:
H0: βj = 0
H1: βj ≠ 0, j = 1, 2,..., p
Statistik uji Wald didefinisikan sebagai berikut:
W=
̂
̂ ̂
Hipotesis nol ditolak jika | | > Zα/2 (Hosmer & Lemeshow 2000).
d. Melakukan interpretasi koefisien model regresi logistik biner dengan nilai
rasio odds
Interpretasi koefisien untuk model regresi logistik adalah dengan
melihat rasio oddsnya (Agresti 1996). Koefisien model logit, β1,
mencerminkan perubahan nilai fungsi logit g(x) untuk perubahan satu unit
peubah penjelas x. Dalam analisis model logit, rasio odds didefinisikan
sebagai:
OR =
=
||
|
=
|
|
Interpretasi dari rasio odds (Ψ)= 1 berarti bahwa individu dengan
nilai X = 1 mempunyai risiko yang sama dengan individu dengan nilai
X=0 dalam kaitannya dengan Y=1. Jika 1 < Ψ < tak hingga maka individu
dengan X =1 mempunyai risiko yang lebih besar dibanding dengan X=0.
Sebaliknya jika 0< Ψ < 1 individu dengan X=1 mempunyai risiko yang
lebih kecil dibanding X=0 dalam kaitannya dengan Y=1 (Arianto 2001).
6
HASIL DAN PEMBAHASAN
Pendugaan Data Kosong
Data kajian faktor risiko infeksi cacing parasit pada sapi yang dilakukan
pada tahun 2012 memiliki beberapa data kosong terutama pada peubah jenis
pakan yang dberikan, sumber rumput yang diberikan,bagian jerami yang diberikan,
dan frekuensi pemberian obat berjumlah 195 dari 5526 data. Ada beberapa
mekanisme yang digunakan untuk mengisi data kosong, namun dalam penelitian
ini menggunakan metode NMAR (Nonignorable Missing at Random). Pola dari
data yang hilang tidak random dan dapat diprediksi dari variabel-variabel lain.
Namun dalam penelitian ini, antar peubah tidak memiliki hubungan sebab akibat
sehingga tekhnik imputasi yang digunakan adalah metode univariat. Metode ini
digunakan dengan cara mengganti data kosong dengan nilai modusnya (Mardhiah
2010).
Gambaran Umum Peternak
Peternak yang diamati dalam penelitian ini adalah 307 peternak.
Berdasarkan Gambar 2, usia peternak yang diteliti terbagi ke dalam 3 kelompok
usia, yaitu usia sangat produktif (50 tahun). Hasil penelitian menunjukkan bahwa 38%
adalah peternak yang termasuk ke dalam usia produktif, 34% adalah peternak
yang berusia >50 tahun, sedangkan sisanya adalah peternak yang berusia 50 tahun
Gambar 2 Sebaran umur peternak
Profil peternak berdasarkan tingkat pendidikan dapat dilihat pada Gambar
3. Sebagian peternak hanya mengenyam pendidikan di Sekolah Dasar yaitu
sebesar 73%. Hal ini menunjukkan bahwa tingkat pendidikan peternak yang ada
di dalam penelitian ini adalah rendah. Hanya sebagian kecil peternak (1%) yang
mengenyam pendidikan di universitas.
7% 1%
2%
17%
Tidak Pernah
Sekolah
Sekolah Dasar
73%
SMP
Gambar 3 Sebaran tingkat pendidikan peternak
7
Jika ditinjau berdasarkan pengalaman beternak, ternyata 55% peternak memiliki
pengalaman beternak lebih dari lima tahun (Gambar 4). Selanjutnya diikuti oleh
peternak yang memiliki pengalaman beternak 1 s.d. 3 tahun, sedangkan persentase
terkecil adalah peternak yang memiliki pengalaman beternak kurang dari satu
tahun. Biasanya peternak yang memiliki pengalaman lebih lama akan cenderung
mampu mengorganisasikan ternaknya dengan lebih baik dibandingkan peternak
yang belum berpengalaman.
4%
25%
55%
16%
3-5 tahun
>5 tahun
Gambar 4 Sebaran pengalaman beternak
Berdasarkan sebaran kepemilikan ternak pada Gambar 5, sebagian besar
peternak adalah pemilik di suatu peternakan dengan persentase sebesar 97%.
Peternak lainnya, yaitu sebesar 3% adalah pekerja di suatu peternakan yang
mengembalakan sapi milik orang lain. Pemilik yang mempunyai ternak sendiri
akan mengurus ternaknya dengan lebih baik dibandingkan dengan pekerja yang
mengembalakan ternak milik orang lain.
3%
Pemilik
97%
Pekerja
Gambar 5 Sebaran kepemilikan ternak
Deskripsi Karakteristik Manajemen Peternakan Berdasarkan Tingkat
Terinfeksinya Sapi terhadap Cacing Fasciola sp.
Karakteristik manajemen peternakan berdasarkan tabulasi silang
menunjukkan bahwa manajemen peternakan yang cara pemeliharaannya
dikandangkan terus-menerus memiliki tingkat infeksi cacing parasit sebesar 55%
dibandingkan sapi yang digembalakan, yaitu 45%. Ternak sapi yang sumber
pakannya tidak berasal dari lapangan rumput memiliki tingkat infeksi sebesar
55% dibandingkan sapi yang sumber pakannya berasal dari lapangan rumput,
yaitu sebesar 40%. Tingkat infeksi sapi yang diberikan obat cacing sebesar 49%
sedangkan sapi yang tidak diberikan obat cacing memiliki tingkat infeksi sebesar
64%. Karakteristik peubah-peubah lainnya dapat dilihat pada Lampiran 2.
Hasil Pemisahan Analisis CHAID
Penelitian ini menghasilkan suatu pohon klasifikasi yang dikelompokkan
berdasarkan hubungan yang terstruktur antara peubah respon dengan dengan
peubah penjelas yang signifikan pada taraf nyata 5%. Terdapat tiga peubah
8
penjelas yang berpengaruh terhadap faktor risiko infeksi penyakit parasit pada
sapi. Peubah tersebut adalah tempat mengembalakan sapi yaitu padang rumput,
sumber rumput yang berasal ternak dari galengan sawah, dan pengobatan
menggunakan obat cacing.
Hasil analisis CHAID pada Lampiran 3 menunjukkan bahwa peubah
penjelas yang sangat nyata dalam menentukan faktor risiko terhadap adanya
infeksi cacing Fasciola sp. adalah tempat mengembalakan sapi yaitu padang
rumput. Berdasarkan pohon klasifikasi CHAID dihasilkan 4 segmen sapi yang
memiliki karakteristik terinfeksi penyakit cacing parasit Fasciola sp.
Tabel 1 Karakteristik terinfeksinya sapi terhadap cacing parasit Fasciola sp.
Segmen
Node
Karakteristik sapi
Negatif (%)
Positif (%)
1
3
57.1
42.9
2
5
44.9
55. 1
3
6
25.9
74.1
4
2
Sumber rumput yang berasal
berasal dari galengan sawah dan
tempat mengembalakan ternak
tidak di padang rumput
Dilakukan pengobatan dengan
obat cacing, sumber rumput
bukan dari galengan sawah, dan
tempat mengembalakan ternak
tidak di padang rumput
Tidak dilakukan pengobatan
dengan obat cacing, sumber
rumput bukan dari galengan
sawah, dan tempat mengembalakan ternak tidak di padang
rumput
Tempat mengembalakan ternak
di padang rumput
70.8
29.2
Persentase terbesar terinfeksinya sapi oleh penyakit cacing parasit adalah
pada segmen ketiga. Hal ini ditunjukkan pada Tabel 1, yaitu sapi yang tidak
dilakukan pengobatan dengan obat cacing, sumber rumput yang berasal bukan
dari galengan sawah, dan tempat pengembalaan ternak tidak di padang rumput
dengan persentase sebesar 74.1%, sedangkan sapi yang memiliki tingkat infeksi
cacing parasit terendah adalah segmen keempat yaitu sapi dengan tempat
pengembalaannya tidak di padang rumput.
Analisis CHAID yang telah dilakukan akan membagi faktor risiko infeksi
cacing Fasciola sp. ke dalam kelompok-kelompok yang lebih kecil berdasarkan
peubah respon, dalam hal ini peubah penjelas yang terpilih akan melakukan
pengelompokan terhadap peubah penjelas selanjutnya. Oleh karena itu, patut
diwaspadai kecenderungan terinfeksinya sapi oleh cacing Fasciola sp. pada sapi
yang memiliki karakteristik pada Tabel 1 khususnya segmen ketiga.
Analisis Regresi Logistik Biner
Hasil pendugaan yang dibentuk dari 11 peubah penjelas menghasilkan nilai
statistik-G sebesar 53.920 dengan nilai-p sebesar 0.005 sehingga dapat ditarik
9
kesimpulan bahwa paling sedikit ada satu
tidak sama dengan nol diantara
seluruh peubah penjelas pada taraf nyata 5%.
Uji parsial dengan menggunakan uji Wald menunjukkan bahwa hanya ada
tiga peubah penjelas yang berpengaruh signifikan terhadap peubah respon pada
taraf 5%. Selanjutnya dilakukan pereduksian peubah penjelas dengan
menggunakan backward elimination. Pereduksian dengan backward elimination
menghasilkan nilai statistik-G sebesar 43.964 dengan nilai-p 0.000 dan terdapat
tiga peubah penjelas yang berpengaruh signifikan terhadap respon pada taraf 5%.
Peubah-peubah bebas yang berpengaruh terhadap peubah respon adalah tempat
mengembalakan sapi yaitu di padang rumput, sumber rumput yang berasal dari
galengan sawah, pengobatan sapi dengan obat cacing. Tabel 2 menunjukkan
peubah-peubah respon yang berpengaruh secara signifikan terhadap peubah
respon menggunakan metode backward elimination.
Tabel 2 Hasil Analisis Regresi
Peubah
Tempat mengembalakan ternak di
padang rumput (
Sumber rumput yang berasal berasal
dari galengan sawah (
Pengobatan dengan obat cacing
Constanta
B
-1.191
Wald
4.053
Nilai-p
0.044
-1.261
15.052
0.000
0.891
-0.507
2.762
0.585
0.050
0.445
Berdasarkan Tabel 2, maka model logit yang dihasilkan adalah
̂ = -0.507 - 1.191 – 1.261
+ 0.891
Intrepretasi Koefisien
Interpretasi peubah-peubah yang ada di dalam model regresi logistik
menggunakan nilai rasio odds. Jika suatu peubah memiliki nilai koefisien yang
bertanda positif maka nilai rasio odds di atas satu, sedangkan nilai koefisien yang
bertanda negatif maka nilai rasio odds di bawah satu (Gantini 2011). Nilai dugaan
rasio odds dan selang kepercayaan 95% untuk masing-masing peubah penjelas
model logistik biner dapat dilihat pada Tabel 3.
Tabel 3 Nilai rasio odds peubah penjelas
SK 95 % Bagi Rasio
Odds
Rasio
Peubah Penjelas
Odds
Batas
Batas
Bawah
Atas
Tempat mengembalakan di padang
0.304
0.115
0.804
rumput (
Sumber rumput yang berasal dari
0.283
0.166
0.484
galengan sawah (
2.437
1.154
5.147
Pengobatan dengan obat cacing
Dugaan nilai rasio odds untuk peubah tempat mengembalakan sapi di
padang rumput adalah 0.304, hal ini berarti risiko sapi yang digembalakan di
10
padang rumput adalah 0.304 kali dibandingkan sapi yang tidak digembalakan di
padang rumput.
Peubah sumber rumput yang berasal berasal dari galengan sawah memiliki
nilai rasio odds sebesar 0.283, artinya risiko sapi yang sumber rumputnya yang
berasal dari galengan sawah adalah 0.283 kali dibandingkan sapi yang sumber
rumputnya tidak berasal dari galengan sawah. Selain itu, peubah pengobatan
dengan obat cacing memiliki nilai rasio odds sebesar 2.437, artinya risiko sapi
yang pengobatannya tidak menggunakan obat cacing adalah 2.437 kali
dibandingkan sapi yang pengobatannya dengan obat cacing.
Kajian Hasil Metode CHAID dan Analisis Regresi Logistik
Salah satu ukuran kebaikan model adalah jika memiliki peluang kesalahan
klasifikasi yang minimal dan ketepatan prediksi dari model yang tinggi (Hosmer
dan Lemeshow 2000). Jika ditinjau pada Tabel 4, ketepatan klasifikasi
berdasarkan metode CHAID diperoleh nilai sensitivity 69.80% sedangkan nilai
specificity 50.30% dengan nilai kesalahan positif 60.30%, nilai kesalahan negatif
39.70% serta nilai total ketepatan klasifikasi secara keseluruhan adalah 60.60%.
Ketepatan klasifikasi berdasarkan analisis regresi logistik maka diperoleh nilai
sensitifity 69.80% dan nilai specificity 57.20% dengan nilai total ketepatan
klasifikasi 63.80% (Tabel 5).
Tabel 4 Klasifikasi Fasciola sp. berdasarkan metode CHAID
Observasi
Negatif terinfeksi
Positif terinfeksi
Persentase keseluruhan (%)
Prediksi
Negatif
Positif
Persentase
terinfeksi terinfeksi Benar (%)
73
72
50.30
49
113
69.80
39.70
60.30
60.60
Tabel 5 Klasifikasi Fasciola sp. berdasarkan regresi logistik
Observasi
Negatif terinfeksi
Positif ternfeksi
Persentase keseluruhan (%)
Prediksi
Negatif
Positif
Persentase
terinfeksi terinfeksi Benar (%)
83
62
57.20
49
113
69.80
37.12
35.42
63.80
SIMPULAN
Diagram pohon CHAID menunjukkan bahwa faktor yang mempunyai
asosiasi paling kuat untuk terjadinya infeksi cacing parasit pada sapi adalah
tempat mengembalakan sapi, yaitu di padang rumput. Berdasarkan segmentasinya,
sapi yang memiliki infeksi penyakit parasiter paling tinggi adalah sapi yang tidak
dilakukan pengobatan dengan obat cacing, sumber rumput yang berasal bukan
dari galengan sawah, dan tempat mengembalakan sapi tidak di padang rumput.
Faktor-faktor yang mempengaruhi infeksi cacing parasit berdasarkan metode
11
regresi logistik adalah tempat mengembalakan sapi, yaitu di padang rumput,
sumber rumput yang berasal dari galengan sawah, dan pengobatan dengan obat
cacing.
Persentase ketepatan analisis pada metode regresi logistik diperoleh nilai
sensitifity 69.80%, nilai specificity 57.20%, dan nilai ketepatan klasifikasi 63.80%.
Hasil klasifikasi menggunakan metode CHAID diperoleh nilai sensitivity yang
sama namun untuk nilai specificity sebesar 50.30% dan ketepatan klasifikasi
secaran keseluruhan sebesar 60.60%. Persentase ketepatan klasifikasi keseluruhan
menunjukkan nilai yang berdekatan. Hal ini menunjukkan bahwa kedua metode
sudah cukup baik untuk mengklasifikasikan sapi yang terinfeksi penyakit dan
mengetahui faktor risiko yang mengakibatkan terjadinya infeksi parasiter pada
sapi. Metode CHAID mampu membuat segmentasi karakteristik sapi berdasarkan
terinfeksinya sapi oleh cacing parasit, namun besarnya efek yang diberikan tidak
dapat diketahui, sedangkan regresi logistik hanya mampu mengklasifikasikan sapi
dengan kategori terinfeksi atau tidak, namun mampu untu mengetahui efek yang
akan diberikan oleh peubah penjelas tersebut.
DAFTAR PUSTAKA
Agresti A. 1996. An Introduction to Categorical Data Analysis. New York (US) :
J Wiley.
Arianto S. 2001. Metode CHAID dan Regresi Logistik untuk Menduga Tingkat
Risiko Tidak Melanjutkan pada Lulusan SD di Jambi [tesis]. Bogor (ID):
Institut Pertanian Bogor.
BPS. 2011. Pendataan Lengkap Populasi Sapi Potong, Sapi Perah, dan Kerbau
Tahun 2011 (angka tetap).
Dewi AP, Fatiyah E, Sumarwanta E. 2011. Kejadian Infeksi Cacing Hati
(Fasciola spp) pada Sapi Potong di Kabupaten Kebumen 2011. Jurnal
Veteriner : Dinas Pertanian dan Peternakan Kabupaten Kebumen.
Gantini SN. 2011.
Analisis Faktor-Faktor Keberhasilan Mahasiswa
Menggunakan Regresi Logistik dan Metode CHAID (Studi kasus:
Mahasiswa Farmasi Uhamka) [tesis]. Bogor (ID): Institut Pertanian Bogor.
Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression Second Edition.
New York (US) : J Wiley.
Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of
Categorical Data. Applied Statistic. 29(2): 119-127.
Mardiah H. 2010. Imputasi Missing Value pada Data yang Mengandung Outlier
[tesis]. Bandung (ID): Universitas Padjadjaran.
Nardo M, Saisana M, Saltelli A, Tarantola S, Hoffman A, Giovannini E.2005.
Handbook on Constructing Composite Indicators: Methodology and User
Guide. OECD Statistics Working Paper. STD/DOC(2005)3:12-30
Rokach L, Maimon O. 2008. Data Mining with Decision Trees: Theory and
Applications Series in Machine Perception and Artificial Intelegence 11
Vol. 69. Singapore: World Scientific Publishing Co. Pte. Ltd.
12
Lampiran 1 Peubah penjelas dengan masing-masing kategorinya
No
1
Nama Peubah
Cara pemeliharaan ternak
2
Tempat mengembalakan
ternak
3
Frekuensi pemberian pakan
4
Jenis pakan yang diberikan
5
Bagian jerami yang diberikan
6
Bentuk rumput yang
diberikan
7
Sumber rumput
8
Sumber air minum
9
Pelayanan kesehatan ternak
10
11
Pengobatan terhadap cacing
Frekuensi pemberian obat
cacing
Kategori
[1] dikandangkan terus menerus
[2]dilepas pada siang hari dan
dikandangkan pada malam hari
[3]dilepas/digembalakan terus menerus
[1] sawah
[2] kebun
[3] padang rumput
[1] sekali sehari
[3] lainnya
[2] dua kali sehari
[3] tiga kali sehari
[1] rumput
[2] konsentrat
[3] jerami
[1] seluruh bagian batang padi
[2] ¾ bagian atas batang jerami
[3] ½ bagian batang atas jerami
[1] rumput segar
[2] rumput yang telah disimpan
beberapa hari
[3] rumput yang dikeringkan
[1] galengan sawah
[2] pinggiran saluran irigasi
[3] perkebunan
[4] lapangan rumput
[1]air sumur
[2] telaga/sungai
[1] petugas dinas peternakan
[2] sales obat dan lainnya
[0] tidak
[1] ya
[1] 1 - 2 kali setahun
[2] 3 - 4 kali setahun
[3] apabila ternak sakit
[4] lainnya
Jenis Data
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
13
Lampiran 2 Tabulasi Silang Peubah Penjelas dan Peubah Respon
Tabulasi Silang Cara Beternak dan Fasciola sp.
Fasciola
Tidak
Ya
Cara
Dikandangkan terus
Count
64
79
beternak menerus
% of Total
45% 55%
Dilepaskan pada siang hari Count
58
49
dan dikandangkan pada
% of Total
54% 46%
malam hari
Dilepas/digembalakan
Count
23
34
terus menerus
% of Total
40% 60%
Tabulasi Silang Tempat Mengembalakan di Sawah dan Fasciola sp.
Fasciola
Tidak
Ya
Sawah
Count
79
92
Tidak
% of Total
46% 54%
Count
66
70
Ya
% of Total
49% 51%
Tabulasi Silang Tempat Mengembalakan di Kebun dan Fasciola sp.
Fasciola
Tidak
Ya
Count
127 132
Tidak
% of Total
49% 51%
Kebun
Count
18
30
Ya
% of Total
38% 63%
Total
143
100%
107
100%
57
100%
Total
171
100%
136
100%
Total
259
100%
48
100%
Tabulasi Silang Tempat Mengembalakan di Padang Rumput dan Fasciola sp.
Fasciola
Total
Tidak
Ya
Count
128 155
283
Tidak
% of Total
45% 55% 100%
Padang rumput
Count
17
7
24
Ya
% of Total
71% 29% 100%
Tabulasi Silang Frekuensi Pemberian Pakan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
15
15
Frekuensi
Sekali sehari
pemberian pakan
% of Total
50%
50%
pada ternak
Dua kali sehari
Count
86
94
Total
30
100%
180
14
Tabulasi Silang Frekuensi Pemberian Pakan dan Fasciola sp.
Fasciola
Tidak
Ya
Frekuensi
Dua kali sehari
% of Total
48%
52%
pemberian pakan
Count
14
25
Tiga kali sehari
pada ternak
% of Total
36%
64%
Count
30
28
Lainnya
% of Total
52%
48%
Tabulasi Silang Jenis Pakan yang diberikan: Rumput dan Fasciola sp.
Fasciola
Tidak
Ya
Count
1
1
Tidak
% of Total
50%
50%
Rumput
Count
144
161
Ya
% of Total
47%
53%
Tabulasi Silang Jenis Pakan yang diberikan: Konsentrat dan Fasciola sp.
Fasciola
Tidak
Ya
Count
127
146
Tidak
% of Total
47%
53%
Konsentrat
Count
18
16
Ya
% of Total
53%
47%
Tabulasi Silang Jenis Pakan yang diberikan: Jerami dan Fasciola sp.
Fasciola
Tidak
Ya
Count
10
10
Tidak
% of Total
50%
50%
Jerami
Count
135
152
Ya
% of Total
47%
53%
Tabulasi Silang Bagian Jerami yang diberikan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
30
25
Bagian jerami Seluruh bagian
% of Total
55%
45%
Count
95
113
3/4 bagian jerami
% of Total
46%
54%
1/2 bagian jerami
Count
20
24
Total
100%
39
100%
58
100%
Total
2
100%
305
100%
Total
273
100%
34
100%
Total
20
100%
287
100%
Total
55
100%
208
100%
44
15
Fasciola
Tidak
Ya
Bagian jerami 1/2 bagian jerami
% of Total
45%
55%
Tabulasi Silang Bentuk Rumput yang diberikan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
125
139
Rumput yang segar
% of Total
47%
53%
Count
19
22
Bentuk
Rumput yang telah
rumput
disimpan beberapa hari
% of Total
46%
54%
Rumput yang
dikeringkan
Count
% of Total
1
50%
1
50%
Total
100%
Total
264
100%
41
100%
2
100%
Tabulasi Silang Sumber Rumput Berasal dari Galengan Sawah dan Fasciola sp.
Fasciola
Total
Tidak
Ya
Count
89
120
209
Tidak
% of Total
43%
57% 100%
Galengan
sawah
Count
56
42
98
Ya
% of Total
57%
43% 100%
Tabulasi Silang Sumber Rumput Berasal dari Irigasi dan Fasciola sp.
Fasciola
Tidak
Ya
Count
137
157
Tidak
% of Total
47%
53%
irigasi
Count
8
5
Ya
% of Total
62%
38%
Tabulasi Silang Sumber Rumput Berasal dari Perkebunan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
43
35
Tidak
% of Total
55%
45%
Perkebunan
Count
102
127
Ya
% of Total
45%
55%
Total
294
100%
13
100%
Total
78
100%
229
100%
16
Tabulasi Silang Sumber Rumput Berasal dari Lapangan Rumput dan Fasciola sp.
Fasciola
Total
Tidak
Ya
Count
121
146
267
Lapangan
Tidak
% of Total
45%
55% 100%
rumput
Count
24
16
40
Ya
% of Total
60%
40% 100%
Tabulasi Silang Sumber Air Minum dari Air Sumur dan Fasciola sp.
Fasciola
Tidak
Ya
Count
45
36
Tidak
% of Total
56%
44%
Air
sumur
Count
100
126
Ya
% of Total
44%
56%
Tabulasi Silang Sumber Air Minum dari Sungai/Telaga dan Fasciola sp.
Fasciola
Tidak
Ya
Count
125
132
Tidak
% of Total
49%
51%
Sungai
telaga
Count
20
30
Ya
% of Total
40%
60%
Tabulasi Silang Pelayanan Kesehatan Ternak dan Fasciola sp.
Fasciola
Tidak
Ya
Count
131
135
Pelayanan petugas
% of Total
49%
51%
kesehatan
Count
14
27
ternak
sales obat dan lainnya
% of Total
34%
66%
Total
81
100%
226
100%
Total
257
100%
50
100%
Total
266
100%
41
100%
Tabulasi silang pengobatan terhadap cacing dan Fasciola sp.
Pengobatan Tidak
terhadap
cacing
Ya
Count
% of Total
Count
% of Total
Fasciola
Tidak
Ya
27
49
36%
64%
118
113
51%
49%
Total
76
100%
231
100%
17
Tabulasi silang frekuensi pemberian obat cacing dan Fasciola sp.
Fasciola
Tidak
Ya
Count
42
33
1-2 kali setahun
% of Total
56%
44%
Frekuensi
Count
33
22
3-4 kali setahun
pemberian
% of Total
60%
40%
obat cacing Apabila ternak
Count
23
23
sakit saja
% of Total
50%
50%
Count
47
84
Lainnya
% of Total
36%
64%
Total
75
100%
55
100%
46
100%
131
100%
18
Lampiran 3 Diagram pohon hasil analisis CHAID untuk Fasciola sp.
19
RIWAYAT HIDUP
Penulis dilahirkan di Banda Aceh pada tanggal 10 Agustus 1991 dari
pasangan Jamaluddin dan Ainal Mardhiah. Penulis merupakan anak kedua dari
empat bersaudara. Jenjang perguruan tinggi Penulis mulai pada tahun 2009
dengan diterimanya penulis di Departemen Statistika, Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur Beasiswa Utusan
Daerah (BUD). Penulis adalah penerima beasiswa dari Kementrian Agama
melalui program Penerimaan Beasiswa Santri Berprestasi (PBSB). Sebelum
masuk perguruan tinggi, Penulis telah berhasil menyelesaikan pendidikan di MAS
Ruhul Islam Anak Bangsa, SMPN 19 Percontohan Banda Aceh, MDN 110
Percontohan Banda Aceh, dan TK Raudhatul Athfal Al Muslimat.
Selama masa perkuliahan, Penulis menjadi asisten mata kuliah Metode
Statistika tahun ajaran 2012-2013, Pendidikan Agama Islam tahun 2011-2012.
Pada tahun 2011 dan 2013, Penulis menjadi peserta Musabaqah Fahmil Qur’an
tingkat mahasiswa se-Nasional yang diselenggarakan di Makassar dan Padang.
Selain itu penulis juga aktif sebagai pengajar di Bimbingan Belajar CSS MoRA
IPB.
Penulis mengikuti kegiatan praktik lapang di International Flavors and
Fragrances-PT Essence Indonesia pada bulan Februari-Maret 2013. Penulis juga
memiliki beberapa pengalaman kerja, antara lain surveyor pada Perilaku Hidup
Bersih dan Sehat yang diadakan oleh Dinas Kesehatan Kota Bogor 2012, data
validation pada survey PILKADA yang diadakan oleh Lembaga Survei Indonesia,
dan lain sebagainya.
Penulis juga aktif dalam kepengurusan LDK Al-Hurriyah sebagai staf
Departemen Pengajaran Qur’an 2009-2011, BEM KM IPB Bersahabat sebagai
staf Pengembangan Potensi Sumber Daya Mahasiswa 2011, BEM FMIPA sebagai
staf Departemen Minat Bakat tahun 2012. Penulis juga pernah mengikuti berbagai
kegiatan kepanitiaan seperti Masa Perkenalan Kampus IPB angkatan 47 tahun
2010, Pesta Sains tahun 2010, Statistika Ria tahun 2012, dan lain sebagainya.
UNTUK MENGANALISIS FAKTOR RISIKO
FASCIOLOSIS PADA SAPI
RIA HAYATUN NUR
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Pendekatan Metode
CHAID dan Regresi Logistik untuk Menganalisis Faktor Risiko Fasciolosis pada
Sapi adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2013
Ria Hayatun Nur
NIM G14090073
ABSTRAK
RIA HAYATUN NUR. Pendekatan Metode CHAID dan Regresi Logistik untuk
Menganalisis Faktor Risiko Fasciolosis pada Sapi. Dibimbing oleh I MADE
SUMERTAJAYA dan YUSUF RIDWAN.
Satu diantara program pemerintah dalam rangka memenuhi kebutuhan
protein hewani adalah Program Swasembada Daging Sapi (PSDS) 2014.
Peningkatan produktivitas sapi lokal adalah salah satu usaha untuk mewujudkan
swasembada daging. Hal-hal yang dapat menurunkan produktivitas sapi lokal
salah satu diantaranya yaitu infeksi cacing parasit. Pendekatan metode CHAID
(Chi-square Automatic Interaction Detection) dan analisis regresi logistik adalah
pendekatan yang dapat digunakan untuk mengetahui faktor yang menjadi
penyebab terinfeksinya sapi oleh cacing parasit. Penelitian ini menghasilkan
diagram pohon CHAID yang menunjukkan bahwa faktor yang mempunyai
asosiasi paling kuat untuk terjadinya infeksi cacing parasit pada sapi adalah
tempat mengembalakan sapi, selanjutnya diperoleh nilai sensitifity 69.80%, nilai
specificity 50.30% dan ketepatan klasifikasi secara keseluruhan 60.60%. Selain itu,
analisis regresi logistik secara keseluruhan menghasilkan persentase ketepatan
klasifikasi sebesar 63.80% dengan nilai sensitifity 69.80% dan nilai specificity
57.20%.
Kata kunci: Analisis regresi logistik, cacing parasit, metode CHAID
ABSTRACT
RIA HAYATUN NUR. Approach of CHAID and Logistic Regression to Analyze
the Fasciolosis Risk Factors on Cattle. Supervised by I MADE SUMERTAJAYA
and YUSUF RIDWAN.
The blue print of meat self-sufficiency program in 2014 shows that beef
self-sufficiency can be achieved in 2014. The increasing of the productivity of
local cattle is one of attempt to achieve meat self-sufficiency. Productivity of local
cattle can be decreased because of parasitic helmint infection. Chi-square
Automatic Interaction Detection (CHAID) method and logistic regression analysis
are the approach that can be used to determine the factors causing the infection of
cattle by parasitic helmint. The CHAID result in this research was tree diagram. It
showed that the grazing area had the strongest association for the occurence of
parasitic helmint infection. The result showed that the sensitifity values was
69.80%, specificity values was 50.30% and the classification accuracy overall was
60.60%. In addition, the overall logistic regression analysis obtained 63.80% for
classification accuracy percentage with 69.80% for sensitifity value and 57.20%
for the specificity value.
Keywords: CHAID method, logistic regression analysis, parasitic helmint
PENDEKATAN METODE CHAID DAN REGRESI LOGISTIK
UNTUK MENGANALISIS FAKTOR RISIKO
FASCIOLOSIS PADA SAPI
RIA HAYATUN NUR
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Skripsi : Pendekatan Metode CHAID dan Regresi Logistik
Menganalisis Faktor Risiko Fasciolosis pada Sapi
Nama
: Ria Hayatun Nur
NIM
: G14090073
Disetujui oleh
Dr Ir I Made Sumertajaya, MSi
Pembimbing I
Dr drh Yusuf Ridwan, MSi
Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MSi
Ketua Departemen
Tanggal Lulus:
untuk
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2013 hingga
Agustus 2013 ini ialah analisis faktor risiko penyakit parasitik dengan judul
Pendekatan Metode CHAID dan Regresi Logistik untuk Menganalisis Faktor
Risiko Fasciolosis pada Sapi.
Terima kasih penulis ucapkan kepada Bapak Dr Ir I Made Sumertajaya, MSi
dan Bapak Dr drh Yusuf Ridwan, MSi selaku pembimbing yang dengan sabar
telah membimbing penulis. Ungkapan terima kasih juga disampaikan kepada
ayah, ibu, seluruh keluarga, atas segala doa dan kasih sayangnya, teman-teman
statistika 46, dan segenap pihak yang telah banyak membantu dalam penyelesaian
tugas akhir ini.
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2013
Ria Hayatun Nur
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
METODOLOGI
2
Metode Pengumpulan Data
2
Metode Analisis
3
HASIL DAN PEMBAHASAN
6
Pendugaan Data Kosong
6
Deskripsi Karakteristik Manajemen Peternakan
7
Hasil Pemisahan Analisis CHAID
7
Analisis Regresi Logistik Biner
8
Interpretasi Koefisien
Kajian Hasil Metode CHAID dan Regresi Logistik
9
10
SIMPULAN
10
Simpulan
10
DAFTAR PUSTAKA
11
LAMPIRAN
12
RIWAYAT HIDUP
19
DAFTAR TABEL
1
2
3
4
5
Karakteristik terinfeksinya sapi terhadap cacing parasit Fasciola sp.
Hasil analisis regresi
Nilai rasio odds peubah penjelas
Klasifikasi Fasciola sp. berdasarkan metode CHAID
Klasifikasi Fasciola sp. berdasarkan regresi logistik
8
9
9
10
10
DAFTAR GAMBAR
1
2
3
4
5
Metode pengumpulan contoh
Sebaran umur peternak
Sebaran tingkat pendidikaan peternak
Sebaran pengalaman beternak peternak
Sebaran kepemilikan ternak
2
6
6
7
7
DAFTAR LAMPIRAN
1 Peubah penjelas dengan masing-masing kategorinya
2 Tabulasi silang peubah penjelas dan peubah respon
3 Diagram pohon hasil analisis CHAID untuk Fasciola sp.
12
13
18
PENDAHULUAN
Latar Belakang
Satu diantara program pemerintah dalam rangka memenuhi kebutuhan
protein hewani adalah Program Swasembada Daging Sapi (PSDS) 2014. Usaha
untuk mewujudkan swasembada daging terlihat dari peningkatan populasi ternak
sapi potong dari 12.760.000 ekor pada tahun 2009 menjadi 14.824.000 ekor pada
tahun 2011 (BPS 2011).
Peningkatan produktivitas sapi lokal adalah salah satu usaha untuk
mewujudkan swasembada daging. Satu diantara faktor yang dapat menurunkan
produktivitas sapi lokal adalah infeksi cacing parasit. Infeksi cacing parasit
umumnya berjalan secara kronik dan dapat menyebabkan gangguan metabolisme,
kekurusan, terhambatnya pertumbuhan, dan turunnya daya tahan tubuh terhadap
penyakit lain (Dewi et al. 2011).
Satu diantara penyakit cacing parasit yang penting pada ruminansia adalah
Fasciolosis. Fasciolosis merupakan penyakit yang disebabkan oleh cacing
Fasciola sp. Penyebaran Fasciola sp. sangat luas termasuk di Indonesia. Infeksi
penyakit ini di berbagai daerah termasuk di Jawa Barat mencapai 90%.
Fasciolosis menyebabkan penurunan bobot badan, penurunan produksi,
pengafkiran organ tubuh terutama hati. Di Indonesia, secara ekonomi kerugiannya
dapat mencapai Rp 513,6 milyar/tahun (Dewi et al. 2011).
Pengendalian infeksi cacing parasit dilakukan dengan tujuan untuk
mengurangi penurunan produktivitas pada sapi. Pengendalian ini dapat dilakukan
dengan efektif apabila telah diketahui faktor-faktor yang menjadi penyebab
terinfeksinya sapi oleh cacing parasit.
Berbagai faktor risiko dapat diketahui dari berbagai penelitian, misalnya
survei yang dilakukan kepada pemilik atau pekerja di sebuah peternakan.
Selanjutnya data yang diperoleh dianalisis untuk mencari faktor-faktor risiko
terinfeksinya sapi oleh cacing parasit. Pendekatan metode CHAID (Chi-square
Automatic Interaction Detection) dan analisis regresi logistik adalah pendekatan
yang akan digunakan untuk menyelesaikan permasalahan ini.
Tujuan Penelitian
Tujuan dari penelitian ini adalah
1. Menerapkan metode CHAID dan analisis regresi logistik biner untuk
mengetahui faktor risiko yang menyebabkan terinfeksinya sapi oleh cacing
parasit.
2. Mengkaji dugaan terinfeksinya sapi oleh cacing parasit dengan keadaan
sebenarnya dari hasil klasifikasi menggunakan metode CHAID dan
metode regresi logistik.
2
METODOLOGI
Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data primer hasil survei
Dinas Peternakan Provinsi Jawa Barat yang bekerjasama dengan Fakultas
Kedokteran Hewan Institut Pertanian Bogor. Data ini dikumpulkan dari
peternakan sapi potong yang mencakup enam kabupaten yang ada di Provinsi
Jawa Barat, yaitu Sukabumi, Tasikmalaya, Ciamis, Subang, Sumedang, dan
Cianjur. Metode pengumpulan contoh dapat dilihat pada Gambar 1. Total data
dalam penelitian ini adalah 307 data dengan peubah bebas yang digunakan
sebanyak 11 peubah dan satu peubah respon, yaitu terjadinya infeksi cacing
parasit pada sapi yang terdiri dari dua kategori, yaitu terjadinya infeksi cacing
parasit Fasciola sp. pada sapi(1) atau tidak (0). Peubah penjelas yang digunakan
selengkapnya dapat dilihat pada Lampiran 1.
Data ini diperoleh dengan melakukan wawancara kepada para pemilik atau
pekerja di suatu peternakan sapi potong berdasarkan pertanyaan kuesioner yang
telah disusun. Informasi yang diperoleh dari hasil wawancara berupa sumberdaya
di peternakan, manajemen peternakan, manajemen kesehatan ternak, dan kasus
penyakit pada ternak. Selain itu, data lainnya diperoleh dari hasil pemeriksaan
sampel feces ternak.
Sebelum data dianalisis, ada beberapa tahapan yang dilakukan terhadap data,
yaitu cleaning data dan mengatasi missing value yang ada di dalam data. Dalam
kasus ini penanganan data kosong dilakukan dengan metode modus. Nardo et al.
(2005) mengatakan bahwa modus dari suatu distribusi dapat dihitung pada contoh
yang sesuai untuk menggantikan data kosong.
Kabupaten yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Jawa Barat
Kecamatan yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Kecamatan yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Kabupaten yang memiliki
populasi ternak terbesar
Gambar 1 Metode pengumpulan contoh
Peternak
Ternak
3
Metode Analisis
Tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut:
1. Melakukan analisis statistika deskriptif mengenai peubah-peubah demografi
pekerja atau pemilik peternakan sapi yang digunakan sebagai eksplorasi data
pada awal penelitian. Hal ini dilakukan menggunakan paket software statistik.
2. Mengidentifikasi peubah penciri dengan metode CHAID. Metode CHAID
(Chi-square Automatic Interaction Detection) pada dasarnya dibuat untuk
menangani data dengan peubah respon nominal (Rokach & Maimon 2008).
Secara umum, tahapan CHAID meliputi tiga hal, diantaranya tahap
penggabungan (merging), tahap pemisahan (splitting), dan tahap penghentian
(stopping). Menurut Kass (1980), algoritma CHAID adalah
a. Membentuk tabulasi silang antar setiap peubah penjelas dengan kategorikategori peubah respon. Pada tahapan ini, tabulasi silang dilakukan pada
setiap peubah penjelas mengenai manajemen peternakan dengan kategori
peubah respon terinfeksi atau tidaknya sapi terhadap cacing parasit.
b. Pada setiap tabulasi silang yang telah dihasilkan pada tahap a, selanjutnya
disusun sub-tabel yang berukuran 2 x d (d adalah banyaknya kategori
peubah respon). Pada setiap sub tabel yang terbentuk, kemudian dicari nilai
yang paling kecil. Jika
atau nilai signifikansi
tidak mencapai nilai kritis maka gabungkan kedua kategori peubah penjelas
tersebut menjadi kategori campuran. Dibentuklah sub-tabel 2 x d ( d adalah
terinfeksi atau tidaknya sapi terhadap cacing parasit). Setelah hal ini
dilakukan kemudian dicari
yang paling kecil. Jika nilai ini tidak
mencapai nilai kritis, maka digabungkan kedua kategori ini menjadi
kategori campuran, dan tahap ini terus diulangi sehingga angka uji terkecil
sub-tabel 2 x d pasangan kategori (kategori campuran) peubah penjelas
melampaui nilai kritis.
c. Pada setiap kategori campuran yang terdiri dari tiga atau lebih kategori asal,
dicari pemisahan biner dengan menghitung
terbesar. Jika
>
maka berlaku pemisahan biner dan kembali ke tahap (b).
d. Setelah penggabungan optimal untuk setiap peubah penjelas, cari nilai-p
untuk masing-masing tabulasi silang yang baru. Perhatikan diantaranya
yang memiliki angka uji paling besar atau nilai-p terkecil sebagai tabulasi
dengan taraf nyata terbaik. Jika nilai-p terkecil < α, bagilah data menurut
kategori tersebut.
e. Jika terjadi pemisahan pada tahap (d), kembali ke tahap (a) untuk setiap
bagian data hasil pemisahan. Proses akan berhenti jika tidak ada lagi
peubah penjelas yang signifikan untuk melakukan pemisahan.
Hipotesis yang akan diuji dalam analisis CHAID adalah
H0: Tidak terdapat hubungan antara baris dan kolom (saling bebas)
H1: Terdapat hubungan antara baris dan kolom (tidak saling bebas)
4
Statistik uji khi-kuadrat (
) yang digunakan dirumuskan:
Jika r kategori dari peubah asal membentuk b kategori (b < r ) maka nilai-p
yang dihasilkan akan dikalikan dengan pengganda Benferoni. Pengganda
Benferoni terbagi kepada tiga tipe yang dibedakan berdasarkan tipe
peubahnya, yaitu
a. Peubah bebas, yaitu
b. Peubah monotonik, yaitu
∑
(
c. Peubah mengambang, yaitu
(
)
)
(
)
3. Melakukan analisis dengan analisis regresi logistik untuk mengetahui faktorfaktor risiko penyebab penyakit parasitik pada sapi. Analisis regresi logistik
adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara
peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih
peubah penjelas berskala kategori atau interval (Hosmer dan Lemeshow 2000).
Model dari regresi logistik adalah
π(x)
Dalam regresi logistik diperlukan transformasi logit sebagai fungsi dari
π(x) yang dinyatakan sebagai berikut:
�
)
(
�
Tahapan yang dilakukan dalam analisis ini adalah
a. Melakukan pendugaan parameter regresi logistik dengan menggunakan
metode kemungkinan maksimum.
Metode pendugaan parameter yang digunakan dalam regresi logistik
adalah metode kemungkinan maksimum (maximum likelihood). Jika antara
amatan yang satu dengan yang lain diasumsikan saling bebas, maka fungsi
kemungkinan maksimumnya adalah:
l(β) = ∏ �
�
dengan:
i= 1, 2,..., p
yi= respon pada pengamatan ke-i
π(xi) = peluang kejadian ke-i bernilai Y=1
βi akan diduga dengan memaksimumkan l(β) dengan pendekatan
logaritma sehingga fungsi kemungkinan maksimumnya sebagai berikut:
L(β) = ln[l(β)] =
∑{
�
�
}
5
Selanjutnya dibuat turunan pertama L(β) terhadap βi = 0, dengan i = 1, 2,...,
p dan (̂ ) akan diperoleh berdasarkan proses iterasi.
b. Melakukan pengujian parameter secara simultan menggunakan uji G
Pengujian terhadap parameter dilakukan sebagai upaya untuk
memeriksa peranan peubah penjelas yang ada dalam model. Menurut
Hosmer dan Lemeshow (2000) untuk mengetahui peran seluruh peubah
penjelas dalam model secara bersama-sama dapat digunakan statistik uji-G.
Hipotesis yang diuji adalah:
H0: β1= β2 = ... = βp= 0
H1: minimal ada satu βi ≠ 0, i = 1, 2,..., p
Statistik uji-G didefenisikan sebagai:
G = -2Ln[ ]
L0 adalah fungsi kemungkinan tanpa peubah penjelas dan Lp merupakan
fungsi kemungkinan dengan peubah penjelas. Jika hipotesis nol benar,
maka statistik uji-G akan menyebar mengikuti sebaran χ2 dengan derajat
bebas p. Hipotesis nol ditolak jika G > χ2 p(α) (Hosmer & Lemeshow 2000).
c. Melakukan pengujian parameter secara parsial dengan menggunakan uji
Wald.
Statistik uji Wald digunakan untuk menguji parameter secara parsial.
Hipotesis yang diuji adalah:
H0: βj = 0
H1: βj ≠ 0, j = 1, 2,..., p
Statistik uji Wald didefinisikan sebagai berikut:
W=
̂
̂ ̂
Hipotesis nol ditolak jika | | > Zα/2 (Hosmer & Lemeshow 2000).
d. Melakukan interpretasi koefisien model regresi logistik biner dengan nilai
rasio odds
Interpretasi koefisien untuk model regresi logistik adalah dengan
melihat rasio oddsnya (Agresti 1996). Koefisien model logit, β1,
mencerminkan perubahan nilai fungsi logit g(x) untuk perubahan satu unit
peubah penjelas x. Dalam analisis model logit, rasio odds didefinisikan
sebagai:
OR =
=
||
|
=
|
|
Interpretasi dari rasio odds (Ψ)= 1 berarti bahwa individu dengan
nilai X = 1 mempunyai risiko yang sama dengan individu dengan nilai
X=0 dalam kaitannya dengan Y=1. Jika 1 < Ψ < tak hingga maka individu
dengan X =1 mempunyai risiko yang lebih besar dibanding dengan X=0.
Sebaliknya jika 0< Ψ < 1 individu dengan X=1 mempunyai risiko yang
lebih kecil dibanding X=0 dalam kaitannya dengan Y=1 (Arianto 2001).
6
HASIL DAN PEMBAHASAN
Pendugaan Data Kosong
Data kajian faktor risiko infeksi cacing parasit pada sapi yang dilakukan
pada tahun 2012 memiliki beberapa data kosong terutama pada peubah jenis
pakan yang dberikan, sumber rumput yang diberikan,bagian jerami yang diberikan,
dan frekuensi pemberian obat berjumlah 195 dari 5526 data. Ada beberapa
mekanisme yang digunakan untuk mengisi data kosong, namun dalam penelitian
ini menggunakan metode NMAR (Nonignorable Missing at Random). Pola dari
data yang hilang tidak random dan dapat diprediksi dari variabel-variabel lain.
Namun dalam penelitian ini, antar peubah tidak memiliki hubungan sebab akibat
sehingga tekhnik imputasi yang digunakan adalah metode univariat. Metode ini
digunakan dengan cara mengganti data kosong dengan nilai modusnya (Mardhiah
2010).
Gambaran Umum Peternak
Peternak yang diamati dalam penelitian ini adalah 307 peternak.
Berdasarkan Gambar 2, usia peternak yang diteliti terbagi ke dalam 3 kelompok
usia, yaitu usia sangat produktif (50 tahun). Hasil penelitian menunjukkan bahwa 38%
adalah peternak yang termasuk ke dalam usia produktif, 34% adalah peternak
yang berusia >50 tahun, sedangkan sisanya adalah peternak yang berusia 50 tahun
Gambar 2 Sebaran umur peternak
Profil peternak berdasarkan tingkat pendidikan dapat dilihat pada Gambar
3. Sebagian peternak hanya mengenyam pendidikan di Sekolah Dasar yaitu
sebesar 73%. Hal ini menunjukkan bahwa tingkat pendidikan peternak yang ada
di dalam penelitian ini adalah rendah. Hanya sebagian kecil peternak (1%) yang
mengenyam pendidikan di universitas.
7% 1%
2%
17%
Tidak Pernah
Sekolah
Sekolah Dasar
73%
SMP
Gambar 3 Sebaran tingkat pendidikan peternak
7
Jika ditinjau berdasarkan pengalaman beternak, ternyata 55% peternak memiliki
pengalaman beternak lebih dari lima tahun (Gambar 4). Selanjutnya diikuti oleh
peternak yang memiliki pengalaman beternak 1 s.d. 3 tahun, sedangkan persentase
terkecil adalah peternak yang memiliki pengalaman beternak kurang dari satu
tahun. Biasanya peternak yang memiliki pengalaman lebih lama akan cenderung
mampu mengorganisasikan ternaknya dengan lebih baik dibandingkan peternak
yang belum berpengalaman.
4%
25%
55%
16%
3-5 tahun
>5 tahun
Gambar 4 Sebaran pengalaman beternak
Berdasarkan sebaran kepemilikan ternak pada Gambar 5, sebagian besar
peternak adalah pemilik di suatu peternakan dengan persentase sebesar 97%.
Peternak lainnya, yaitu sebesar 3% adalah pekerja di suatu peternakan yang
mengembalakan sapi milik orang lain. Pemilik yang mempunyai ternak sendiri
akan mengurus ternaknya dengan lebih baik dibandingkan dengan pekerja yang
mengembalakan ternak milik orang lain.
3%
Pemilik
97%
Pekerja
Gambar 5 Sebaran kepemilikan ternak
Deskripsi Karakteristik Manajemen Peternakan Berdasarkan Tingkat
Terinfeksinya Sapi terhadap Cacing Fasciola sp.
Karakteristik manajemen peternakan berdasarkan tabulasi silang
menunjukkan bahwa manajemen peternakan yang cara pemeliharaannya
dikandangkan terus-menerus memiliki tingkat infeksi cacing parasit sebesar 55%
dibandingkan sapi yang digembalakan, yaitu 45%. Ternak sapi yang sumber
pakannya tidak berasal dari lapangan rumput memiliki tingkat infeksi sebesar
55% dibandingkan sapi yang sumber pakannya berasal dari lapangan rumput,
yaitu sebesar 40%. Tingkat infeksi sapi yang diberikan obat cacing sebesar 49%
sedangkan sapi yang tidak diberikan obat cacing memiliki tingkat infeksi sebesar
64%. Karakteristik peubah-peubah lainnya dapat dilihat pada Lampiran 2.
Hasil Pemisahan Analisis CHAID
Penelitian ini menghasilkan suatu pohon klasifikasi yang dikelompokkan
berdasarkan hubungan yang terstruktur antara peubah respon dengan dengan
peubah penjelas yang signifikan pada taraf nyata 5%. Terdapat tiga peubah
8
penjelas yang berpengaruh terhadap faktor risiko infeksi penyakit parasit pada
sapi. Peubah tersebut adalah tempat mengembalakan sapi yaitu padang rumput,
sumber rumput yang berasal ternak dari galengan sawah, dan pengobatan
menggunakan obat cacing.
Hasil analisis CHAID pada Lampiran 3 menunjukkan bahwa peubah
penjelas yang sangat nyata dalam menentukan faktor risiko terhadap adanya
infeksi cacing Fasciola sp. adalah tempat mengembalakan sapi yaitu padang
rumput. Berdasarkan pohon klasifikasi CHAID dihasilkan 4 segmen sapi yang
memiliki karakteristik terinfeksi penyakit cacing parasit Fasciola sp.
Tabel 1 Karakteristik terinfeksinya sapi terhadap cacing parasit Fasciola sp.
Segmen
Node
Karakteristik sapi
Negatif (%)
Positif (%)
1
3
57.1
42.9
2
5
44.9
55. 1
3
6
25.9
74.1
4
2
Sumber rumput yang berasal
berasal dari galengan sawah dan
tempat mengembalakan ternak
tidak di padang rumput
Dilakukan pengobatan dengan
obat cacing, sumber rumput
bukan dari galengan sawah, dan
tempat mengembalakan ternak
tidak di padang rumput
Tidak dilakukan pengobatan
dengan obat cacing, sumber
rumput bukan dari galengan
sawah, dan tempat mengembalakan ternak tidak di padang
rumput
Tempat mengembalakan ternak
di padang rumput
70.8
29.2
Persentase terbesar terinfeksinya sapi oleh penyakit cacing parasit adalah
pada segmen ketiga. Hal ini ditunjukkan pada Tabel 1, yaitu sapi yang tidak
dilakukan pengobatan dengan obat cacing, sumber rumput yang berasal bukan
dari galengan sawah, dan tempat pengembalaan ternak tidak di padang rumput
dengan persentase sebesar 74.1%, sedangkan sapi yang memiliki tingkat infeksi
cacing parasit terendah adalah segmen keempat yaitu sapi dengan tempat
pengembalaannya tidak di padang rumput.
Analisis CHAID yang telah dilakukan akan membagi faktor risiko infeksi
cacing Fasciola sp. ke dalam kelompok-kelompok yang lebih kecil berdasarkan
peubah respon, dalam hal ini peubah penjelas yang terpilih akan melakukan
pengelompokan terhadap peubah penjelas selanjutnya. Oleh karena itu, patut
diwaspadai kecenderungan terinfeksinya sapi oleh cacing Fasciola sp. pada sapi
yang memiliki karakteristik pada Tabel 1 khususnya segmen ketiga.
Analisis Regresi Logistik Biner
Hasil pendugaan yang dibentuk dari 11 peubah penjelas menghasilkan nilai
statistik-G sebesar 53.920 dengan nilai-p sebesar 0.005 sehingga dapat ditarik
9
kesimpulan bahwa paling sedikit ada satu
tidak sama dengan nol diantara
seluruh peubah penjelas pada taraf nyata 5%.
Uji parsial dengan menggunakan uji Wald menunjukkan bahwa hanya ada
tiga peubah penjelas yang berpengaruh signifikan terhadap peubah respon pada
taraf 5%. Selanjutnya dilakukan pereduksian peubah penjelas dengan
menggunakan backward elimination. Pereduksian dengan backward elimination
menghasilkan nilai statistik-G sebesar 43.964 dengan nilai-p 0.000 dan terdapat
tiga peubah penjelas yang berpengaruh signifikan terhadap respon pada taraf 5%.
Peubah-peubah bebas yang berpengaruh terhadap peubah respon adalah tempat
mengembalakan sapi yaitu di padang rumput, sumber rumput yang berasal dari
galengan sawah, pengobatan sapi dengan obat cacing. Tabel 2 menunjukkan
peubah-peubah respon yang berpengaruh secara signifikan terhadap peubah
respon menggunakan metode backward elimination.
Tabel 2 Hasil Analisis Regresi
Peubah
Tempat mengembalakan ternak di
padang rumput (
Sumber rumput yang berasal berasal
dari galengan sawah (
Pengobatan dengan obat cacing
Constanta
B
-1.191
Wald
4.053
Nilai-p
0.044
-1.261
15.052
0.000
0.891
-0.507
2.762
0.585
0.050
0.445
Berdasarkan Tabel 2, maka model logit yang dihasilkan adalah
̂ = -0.507 - 1.191 – 1.261
+ 0.891
Intrepretasi Koefisien
Interpretasi peubah-peubah yang ada di dalam model regresi logistik
menggunakan nilai rasio odds. Jika suatu peubah memiliki nilai koefisien yang
bertanda positif maka nilai rasio odds di atas satu, sedangkan nilai koefisien yang
bertanda negatif maka nilai rasio odds di bawah satu (Gantini 2011). Nilai dugaan
rasio odds dan selang kepercayaan 95% untuk masing-masing peubah penjelas
model logistik biner dapat dilihat pada Tabel 3.
Tabel 3 Nilai rasio odds peubah penjelas
SK 95 % Bagi Rasio
Odds
Rasio
Peubah Penjelas
Odds
Batas
Batas
Bawah
Atas
Tempat mengembalakan di padang
0.304
0.115
0.804
rumput (
Sumber rumput yang berasal dari
0.283
0.166
0.484
galengan sawah (
2.437
1.154
5.147
Pengobatan dengan obat cacing
Dugaan nilai rasio odds untuk peubah tempat mengembalakan sapi di
padang rumput adalah 0.304, hal ini berarti risiko sapi yang digembalakan di
10
padang rumput adalah 0.304 kali dibandingkan sapi yang tidak digembalakan di
padang rumput.
Peubah sumber rumput yang berasal berasal dari galengan sawah memiliki
nilai rasio odds sebesar 0.283, artinya risiko sapi yang sumber rumputnya yang
berasal dari galengan sawah adalah 0.283 kali dibandingkan sapi yang sumber
rumputnya tidak berasal dari galengan sawah. Selain itu, peubah pengobatan
dengan obat cacing memiliki nilai rasio odds sebesar 2.437, artinya risiko sapi
yang pengobatannya tidak menggunakan obat cacing adalah 2.437 kali
dibandingkan sapi yang pengobatannya dengan obat cacing.
Kajian Hasil Metode CHAID dan Analisis Regresi Logistik
Salah satu ukuran kebaikan model adalah jika memiliki peluang kesalahan
klasifikasi yang minimal dan ketepatan prediksi dari model yang tinggi (Hosmer
dan Lemeshow 2000). Jika ditinjau pada Tabel 4, ketepatan klasifikasi
berdasarkan metode CHAID diperoleh nilai sensitivity 69.80% sedangkan nilai
specificity 50.30% dengan nilai kesalahan positif 60.30%, nilai kesalahan negatif
39.70% serta nilai total ketepatan klasifikasi secara keseluruhan adalah 60.60%.
Ketepatan klasifikasi berdasarkan analisis regresi logistik maka diperoleh nilai
sensitifity 69.80% dan nilai specificity 57.20% dengan nilai total ketepatan
klasifikasi 63.80% (Tabel 5).
Tabel 4 Klasifikasi Fasciola sp. berdasarkan metode CHAID
Observasi
Negatif terinfeksi
Positif terinfeksi
Persentase keseluruhan (%)
Prediksi
Negatif
Positif
Persentase
terinfeksi terinfeksi Benar (%)
73
72
50.30
49
113
69.80
39.70
60.30
60.60
Tabel 5 Klasifikasi Fasciola sp. berdasarkan regresi logistik
Observasi
Negatif terinfeksi
Positif ternfeksi
Persentase keseluruhan (%)
Prediksi
Negatif
Positif
Persentase
terinfeksi terinfeksi Benar (%)
83
62
57.20
49
113
69.80
37.12
35.42
63.80
SIMPULAN
Diagram pohon CHAID menunjukkan bahwa faktor yang mempunyai
asosiasi paling kuat untuk terjadinya infeksi cacing parasit pada sapi adalah
tempat mengembalakan sapi, yaitu di padang rumput. Berdasarkan segmentasinya,
sapi yang memiliki infeksi penyakit parasiter paling tinggi adalah sapi yang tidak
dilakukan pengobatan dengan obat cacing, sumber rumput yang berasal bukan
dari galengan sawah, dan tempat mengembalakan sapi tidak di padang rumput.
Faktor-faktor yang mempengaruhi infeksi cacing parasit berdasarkan metode
11
regresi logistik adalah tempat mengembalakan sapi, yaitu di padang rumput,
sumber rumput yang berasal dari galengan sawah, dan pengobatan dengan obat
cacing.
Persentase ketepatan analisis pada metode regresi logistik diperoleh nilai
sensitifity 69.80%, nilai specificity 57.20%, dan nilai ketepatan klasifikasi 63.80%.
Hasil klasifikasi menggunakan metode CHAID diperoleh nilai sensitivity yang
sama namun untuk nilai specificity sebesar 50.30% dan ketepatan klasifikasi
secaran keseluruhan sebesar 60.60%. Persentase ketepatan klasifikasi keseluruhan
menunjukkan nilai yang berdekatan. Hal ini menunjukkan bahwa kedua metode
sudah cukup baik untuk mengklasifikasikan sapi yang terinfeksi penyakit dan
mengetahui faktor risiko yang mengakibatkan terjadinya infeksi parasiter pada
sapi. Metode CHAID mampu membuat segmentasi karakteristik sapi berdasarkan
terinfeksinya sapi oleh cacing parasit, namun besarnya efek yang diberikan tidak
dapat diketahui, sedangkan regresi logistik hanya mampu mengklasifikasikan sapi
dengan kategori terinfeksi atau tidak, namun mampu untu mengetahui efek yang
akan diberikan oleh peubah penjelas tersebut.
DAFTAR PUSTAKA
Agresti A. 1996. An Introduction to Categorical Data Analysis. New York (US) :
J Wiley.
Arianto S. 2001. Metode CHAID dan Regresi Logistik untuk Menduga Tingkat
Risiko Tidak Melanjutkan pada Lulusan SD di Jambi [tesis]. Bogor (ID):
Institut Pertanian Bogor.
BPS. 2011. Pendataan Lengkap Populasi Sapi Potong, Sapi Perah, dan Kerbau
Tahun 2011 (angka tetap).
Dewi AP, Fatiyah E, Sumarwanta E. 2011. Kejadian Infeksi Cacing Hati
(Fasciola spp) pada Sapi Potong di Kabupaten Kebumen 2011. Jurnal
Veteriner : Dinas Pertanian dan Peternakan Kabupaten Kebumen.
Gantini SN. 2011.
Analisis Faktor-Faktor Keberhasilan Mahasiswa
Menggunakan Regresi Logistik dan Metode CHAID (Studi kasus:
Mahasiswa Farmasi Uhamka) [tesis]. Bogor (ID): Institut Pertanian Bogor.
Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression Second Edition.
New York (US) : J Wiley.
Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of
Categorical Data. Applied Statistic. 29(2): 119-127.
Mardiah H. 2010. Imputasi Missing Value pada Data yang Mengandung Outlier
[tesis]. Bandung (ID): Universitas Padjadjaran.
Nardo M, Saisana M, Saltelli A, Tarantola S, Hoffman A, Giovannini E.2005.
Handbook on Constructing Composite Indicators: Methodology and User
Guide. OECD Statistics Working Paper. STD/DOC(2005)3:12-30
Rokach L, Maimon O. 2008. Data Mining with Decision Trees: Theory and
Applications Series in Machine Perception and Artificial Intelegence 11
Vol. 69. Singapore: World Scientific Publishing Co. Pte. Ltd.
12
Lampiran 1 Peubah penjelas dengan masing-masing kategorinya
No
1
Nama Peubah
Cara pemeliharaan ternak
2
Tempat mengembalakan
ternak
3
Frekuensi pemberian pakan
4
Jenis pakan yang diberikan
5
Bagian jerami yang diberikan
6
Bentuk rumput yang
diberikan
7
Sumber rumput
8
Sumber air minum
9
Pelayanan kesehatan ternak
10
11
Pengobatan terhadap cacing
Frekuensi pemberian obat
cacing
Kategori
[1] dikandangkan terus menerus
[2]dilepas pada siang hari dan
dikandangkan pada malam hari
[3]dilepas/digembalakan terus menerus
[1] sawah
[2] kebun
[3] padang rumput
[1] sekali sehari
[3] lainnya
[2] dua kali sehari
[3] tiga kali sehari
[1] rumput
[2] konsentrat
[3] jerami
[1] seluruh bagian batang padi
[2] ¾ bagian atas batang jerami
[3] ½ bagian batang atas jerami
[1] rumput segar
[2] rumput yang telah disimpan
beberapa hari
[3] rumput yang dikeringkan
[1] galengan sawah
[2] pinggiran saluran irigasi
[3] perkebunan
[4] lapangan rumput
[1]air sumur
[2] telaga/sungai
[1] petugas dinas peternakan
[2] sales obat dan lainnya
[0] tidak
[1] ya
[1] 1 - 2 kali setahun
[2] 3 - 4 kali setahun
[3] apabila ternak sakit
[4] lainnya
Jenis Data
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
Nominal
13
Lampiran 2 Tabulasi Silang Peubah Penjelas dan Peubah Respon
Tabulasi Silang Cara Beternak dan Fasciola sp.
Fasciola
Tidak
Ya
Cara
Dikandangkan terus
Count
64
79
beternak menerus
% of Total
45% 55%
Dilepaskan pada siang hari Count
58
49
dan dikandangkan pada
% of Total
54% 46%
malam hari
Dilepas/digembalakan
Count
23
34
terus menerus
% of Total
40% 60%
Tabulasi Silang Tempat Mengembalakan di Sawah dan Fasciola sp.
Fasciola
Tidak
Ya
Sawah
Count
79
92
Tidak
% of Total
46% 54%
Count
66
70
Ya
% of Total
49% 51%
Tabulasi Silang Tempat Mengembalakan di Kebun dan Fasciola sp.
Fasciola
Tidak
Ya
Count
127 132
Tidak
% of Total
49% 51%
Kebun
Count
18
30
Ya
% of Total
38% 63%
Total
143
100%
107
100%
57
100%
Total
171
100%
136
100%
Total
259
100%
48
100%
Tabulasi Silang Tempat Mengembalakan di Padang Rumput dan Fasciola sp.
Fasciola
Total
Tidak
Ya
Count
128 155
283
Tidak
% of Total
45% 55% 100%
Padang rumput
Count
17
7
24
Ya
% of Total
71% 29% 100%
Tabulasi Silang Frekuensi Pemberian Pakan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
15
15
Frekuensi
Sekali sehari
pemberian pakan
% of Total
50%
50%
pada ternak
Dua kali sehari
Count
86
94
Total
30
100%
180
14
Tabulasi Silang Frekuensi Pemberian Pakan dan Fasciola sp.
Fasciola
Tidak
Ya
Frekuensi
Dua kali sehari
% of Total
48%
52%
pemberian pakan
Count
14
25
Tiga kali sehari
pada ternak
% of Total
36%
64%
Count
30
28
Lainnya
% of Total
52%
48%
Tabulasi Silang Jenis Pakan yang diberikan: Rumput dan Fasciola sp.
Fasciola
Tidak
Ya
Count
1
1
Tidak
% of Total
50%
50%
Rumput
Count
144
161
Ya
% of Total
47%
53%
Tabulasi Silang Jenis Pakan yang diberikan: Konsentrat dan Fasciola sp.
Fasciola
Tidak
Ya
Count
127
146
Tidak
% of Total
47%
53%
Konsentrat
Count
18
16
Ya
% of Total
53%
47%
Tabulasi Silang Jenis Pakan yang diberikan: Jerami dan Fasciola sp.
Fasciola
Tidak
Ya
Count
10
10
Tidak
% of Total
50%
50%
Jerami
Count
135
152
Ya
% of Total
47%
53%
Tabulasi Silang Bagian Jerami yang diberikan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
30
25
Bagian jerami Seluruh bagian
% of Total
55%
45%
Count
95
113
3/4 bagian jerami
% of Total
46%
54%
1/2 bagian jerami
Count
20
24
Total
100%
39
100%
58
100%
Total
2
100%
305
100%
Total
273
100%
34
100%
Total
20
100%
287
100%
Total
55
100%
208
100%
44
15
Fasciola
Tidak
Ya
Bagian jerami 1/2 bagian jerami
% of Total
45%
55%
Tabulasi Silang Bentuk Rumput yang diberikan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
125
139
Rumput yang segar
% of Total
47%
53%
Count
19
22
Bentuk
Rumput yang telah
rumput
disimpan beberapa hari
% of Total
46%
54%
Rumput yang
dikeringkan
Count
% of Total
1
50%
1
50%
Total
100%
Total
264
100%
41
100%
2
100%
Tabulasi Silang Sumber Rumput Berasal dari Galengan Sawah dan Fasciola sp.
Fasciola
Total
Tidak
Ya
Count
89
120
209
Tidak
% of Total
43%
57% 100%
Galengan
sawah
Count
56
42
98
Ya
% of Total
57%
43% 100%
Tabulasi Silang Sumber Rumput Berasal dari Irigasi dan Fasciola sp.
Fasciola
Tidak
Ya
Count
137
157
Tidak
% of Total
47%
53%
irigasi
Count
8
5
Ya
% of Total
62%
38%
Tabulasi Silang Sumber Rumput Berasal dari Perkebunan dan Fasciola sp.
Fasciola
Tidak
Ya
Count
43
35
Tidak
% of Total
55%
45%
Perkebunan
Count
102
127
Ya
% of Total
45%
55%
Total
294
100%
13
100%
Total
78
100%
229
100%
16
Tabulasi Silang Sumber Rumput Berasal dari Lapangan Rumput dan Fasciola sp.
Fasciola
Total
Tidak
Ya
Count
121
146
267
Lapangan
Tidak
% of Total
45%
55% 100%
rumput
Count
24
16
40
Ya
% of Total
60%
40% 100%
Tabulasi Silang Sumber Air Minum dari Air Sumur dan Fasciola sp.
Fasciola
Tidak
Ya
Count
45
36
Tidak
% of Total
56%
44%
Air
sumur
Count
100
126
Ya
% of Total
44%
56%
Tabulasi Silang Sumber Air Minum dari Sungai/Telaga dan Fasciola sp.
Fasciola
Tidak
Ya
Count
125
132
Tidak
% of Total
49%
51%
Sungai
telaga
Count
20
30
Ya
% of Total
40%
60%
Tabulasi Silang Pelayanan Kesehatan Ternak dan Fasciola sp.
Fasciola
Tidak
Ya
Count
131
135
Pelayanan petugas
% of Total
49%
51%
kesehatan
Count
14
27
ternak
sales obat dan lainnya
% of Total
34%
66%
Total
81
100%
226
100%
Total
257
100%
50
100%
Total
266
100%
41
100%
Tabulasi silang pengobatan terhadap cacing dan Fasciola sp.
Pengobatan Tidak
terhadap
cacing
Ya
Count
% of Total
Count
% of Total
Fasciola
Tidak
Ya
27
49
36%
64%
118
113
51%
49%
Total
76
100%
231
100%
17
Tabulasi silang frekuensi pemberian obat cacing dan Fasciola sp.
Fasciola
Tidak
Ya
Count
42
33
1-2 kali setahun
% of Total
56%
44%
Frekuensi
Count
33
22
3-4 kali setahun
pemberian
% of Total
60%
40%
obat cacing Apabila ternak
Count
23
23
sakit saja
% of Total
50%
50%
Count
47
84
Lainnya
% of Total
36%
64%
Total
75
100%
55
100%
46
100%
131
100%
18
Lampiran 3 Diagram pohon hasil analisis CHAID untuk Fasciola sp.
19
RIWAYAT HIDUP
Penulis dilahirkan di Banda Aceh pada tanggal 10 Agustus 1991 dari
pasangan Jamaluddin dan Ainal Mardhiah. Penulis merupakan anak kedua dari
empat bersaudara. Jenjang perguruan tinggi Penulis mulai pada tahun 2009
dengan diterimanya penulis di Departemen Statistika, Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur Beasiswa Utusan
Daerah (BUD). Penulis adalah penerima beasiswa dari Kementrian Agama
melalui program Penerimaan Beasiswa Santri Berprestasi (PBSB). Sebelum
masuk perguruan tinggi, Penulis telah berhasil menyelesaikan pendidikan di MAS
Ruhul Islam Anak Bangsa, SMPN 19 Percontohan Banda Aceh, MDN 110
Percontohan Banda Aceh, dan TK Raudhatul Athfal Al Muslimat.
Selama masa perkuliahan, Penulis menjadi asisten mata kuliah Metode
Statistika tahun ajaran 2012-2013, Pendidikan Agama Islam tahun 2011-2012.
Pada tahun 2011 dan 2013, Penulis menjadi peserta Musabaqah Fahmil Qur’an
tingkat mahasiswa se-Nasional yang diselenggarakan di Makassar dan Padang.
Selain itu penulis juga aktif sebagai pengajar di Bimbingan Belajar CSS MoRA
IPB.
Penulis mengikuti kegiatan praktik lapang di International Flavors and
Fragrances-PT Essence Indonesia pada bulan Februari-Maret 2013. Penulis juga
memiliki beberapa pengalaman kerja, antara lain surveyor pada Perilaku Hidup
Bersih dan Sehat yang diadakan oleh Dinas Kesehatan Kota Bogor 2012, data
validation pada survey PILKADA yang diadakan oleh Lembaga Survei Indonesia,
dan lain sebagainya.
Penulis juga aktif dalam kepengurusan LDK Al-Hurriyah sebagai staf
Departemen Pengajaran Qur’an 2009-2011, BEM KM IPB Bersahabat sebagai
staf Pengembangan Potensi Sumber Daya Mahasiswa 2011, BEM FMIPA sebagai
staf Departemen Minat Bakat tahun 2012. Penulis juga pernah mengikuti berbagai
kegiatan kepanitiaan seperti Masa Perkenalan Kampus IPB angkatan 47 tahun
2010, Pesta Sains tahun 2010, Statistika Ria tahun 2012, dan lain sebagainya.