SWASEMBADA DAGING

Program swasembada daging merupakan sebuah program untuk seluruh masyarakat dalam rangka memenuhi kebutuhan daging yang diperoleh dari dalam negeri. Pemerintah telah mencanangkan progaram ini sejak tahun 2005, namun belum tercapai pada tahun tersebut sehingga pemerintah mencanangkan kembali swasembada daging pada tahun 2010. Dalam perjalanannya, ternyata setahun sebelum waktu pencapaian target swasembada daging sapi di tahun 2010, pemerintah pun mengakui bahwa program swasembada daging sapi tidak dapat dicapai seperti yang direncanakan dan bergeser ke tahun 2014. Kegagalan perencanaan swasembada daging pada tahun 2010 sebenarnya telah diprediksi sejak jauh hari. Hal ini bisa dilihat dari Master Plan yang disusun oleh Badan Litbang Departemen Pertanian banyak hal-hal yang perlu dipertanyakan dan klarifikasi terutama beberapa asumsi yang digunakan. Departemen Pertanian harus mereview program-programnya agar lebih transparant, terukur, dan efektif.

Program swasembada daging sapi harus tetap berjalan. Kegiatan program swasembada daging sapi bertujuan untuk lebih memfokuskan upaya peningkatan populasi ternak dan produksi daging lokal, agar impor daging bakalan secara bertahap dapat dikurangi. Dengan demikian akan memberikan kontribusi terhadap ketahanan pangan, serta peningkatan pendapatan dan kesejahteraan peternak dan masyarakat. Kita prihatin bahwa untuk memenuhi kebutuhan daging sapi di negara kita, di tahun 2008 kita harus mengimpor 650 ribu ekor sapi untuk digemukkan dan sekitar 80 ribu ton daging/jeroan beku. Departemen Pertanian menargetkan swasembada daging dapat dilakukan secara bertahap sehingga diproyeksikan kebutuhan daging masyarakat di Indonesia sebesar 67% daging berasal dari produksi dalam negeri pada tahun 2010 dan dapat meningkat menjadi 90% pada tahun 2014. Popolasi daging dari tahun 2005 sampai 2009 memang telah mengalami peningkatan sebesar 4,4% per tahun, namun jumlah ini masih belum dapat memenuhi kebutuhan daging sapi dalam negeri.

Upaya swasembada daging sapi dapat ditempuh melalui sejumlah program, diantaranya memperbanyak jumlah populasi sapi induk melalui program kredit usaha pembibitan sapi untuk peternak. Selain itu, juga memanfaatkan lahan-lahan yang masih potensial digunakan untuk usaha peternakan dan meningkatkan jumlah kelahiran anak sapi. Lahan terlantar di Indonesia dapat dimanfaatkan untuk mengembangkan peternakan dan pertanian. Salah satu masalah dalam peternakan adalah terbatasnya pemanfaatan lahan potensial sebagai basis budidaya sapi. Selain itu, kegiatan pembibitan sapi pun belum berkembang karena keterbatasan permodalan di kalangan peternak, oleh karena itu pemerintah perlu menyediakan program kredit usaha untuk para peternak di Indonesia. Selain itu juga perlu menekankan pentingnya penyediaan pakan lokal. Areal perkebunan dan hutan bisa menjadi sumber pakan sapi yang potensial. Ada hal lain juga yang perlu diperhatikan dalam program ini yaitu terkait dengan adanya masalah-masalah gangguan reproduksi pada sapi akibat timbulnya berbagai penyakit yang dapat menghambat peningkatan jumlah populasi sapi potong di Indonesia. Karena itu, diperlukan manajemen kesehatan dan manajemen reproduksi yang baik. Hal ini bisa dilakukan dengan perbaikan nutrisi, pemeriksaan kesehatan secara rutin, penanganan secepatnya apabila ada perubahan yang abnormal dari hewan peliharaannya. Peternak dapat diberikan pelatihan mengenai manjemen pemeliharaan yang baik, pencegahan pnyakit, dan pertolongan pertama bila ternak terkena penyakit. Konsultasi dengan dokter hewan lebih intensif akan lebih baik dalam mencegah ternak terpapar berbagai macam bibit penyakit.

Peran serta semua pihak, baik itu pemerintah, peternak dan seluruh masyarakat Indonesia menjadi kunci dalam keberhasilan program ini. Itikad dan komitmen dari seluruh pihak perlu ditingkatkan. Dalam hal ini diperlukan sebuah konsistensi dari seluruh pihak untuk mendukung program ini. Jangan sampai kita mengulangi kegagalan yang telah terjadi. Program swasembada daging ini ditujukan untuk kedaulatan rakyat dalam hal ketahanan pangan. Pada akhirnya, mengutip satu catatan penting dari Champbell dan Lashley tahun 1985 menyatakan bahwa negara yang kaya ternak tidak akan pernah miskin, sedangkan negara yang miskin ternak tidak akan pernah kaya, maka jayalah negeri ini dengan segudang ternak yang dimilikinya.

KORELASI PEARSON DAN PERSAMAAN REGRESI LINEAR

KORELASI PEARSON DAN PERSAMAAN REGRESI LINEAR

Langkah-Langkah Pengoperasian Uji Korelasi Pearson

Langkah-langkah pengoperasian Uji Korelasi Pearson, yaitu: 1) Minitab dibuka kemudian; 2) Pada worksheet MINITAB, pada C1 masukkan data kelas lama penggunaan mesin (faktor), pada C2 masukkan data lama penggunaan mesin produksi (jam), dan pada C3 masukkan data kuantitas hasil produksi (ton); 3) Klik Stat>Basic Statistics>Correlations, pada kotak variables sorot C2- C3 kemudian select, maka di variables tertera C2-C3; 4) Klik di kotak Display p-value sampai tertera tanda √ (klik ok). Kemudian akan tetera nilai p-valuenya pada kolom Session. 5) Setelah hasil korelasi keluar, simpan file dan simpulkan hasil korelasi yang diperoleh.

Langkah-Langkah Pengoperasian Uji Regresi

Langkah-langkah yang harus dilakukan dalam uji regresi adalah sebagai berikut: 1) Menginput data; 2) Membuka Stat>Regression>Regression. Di responses, pasok C3. Di predictors, pasok C2, klik OK; 3) Membuka Statistics>Randomness>Normality Test>Normality Test>Normal Probability Plot. Di kotak dialog Normal Probability Test, klik PRODUKSI, klik tanda panah arah kanan, klik OK; 4) Simpan file; 5) Buat kesimpulan pada file tersebut..

Hasil Uji Korelasi Pearson

Kelas	Lama	Produksi
1	2	10
1	4	20
2	6	50
2	6	55
2	8	60
2	8	65
2	8	70
3	9	75
3	9	80
3	10	85

Data Display

Correlations: LAMA, PRODUKSI

Pearson correlation of LAMA and PRODUKSI = 0.981

P-Value = 0.000

Nilai P yang didapatkan sebesar P=0,981 merupakan nilai koefisien korelasinya yang artinya korelasi bersifat linier positif kuat antara sifat lama dan jumlah produksi mesin. Nilai P-value yaitu 0,000 maka P<0,05 mengindikasikan bahwa data tersebut berkorelasi nyata dan terdapat hubungan keeratan antara sifat lama dan jumlah produksi mesin sehingga pengolahan data dapat diteruskan ke persamaan linier.

Data Display Hasil Uji Regresi

Regression Analysis: PRODUKSI versus LAMA

The regression equation is

PRODUKSI = – 11.1 + 9.73 LAMA

Predictor	Coef	SE Coef	T	P
Constant	-11.125	5.010	-2.22	0.057
LAMA	9.7321	0.6781	14.35	0.000

S = 5.07423   R-Sq = 96.3%   R-Sq(adj) = 95.8%

Analysis of Variance

Source	DF	SS	MS	F	P
Regression	1	5304.0	5304.0	206.00	0.000
Residual Error	8	206.0	25.7
Total	9	5510.0

Keterangan:

DF       : derajat bebas

SS        : jumlah kuadrat

MS      : kuadrat tengah

F          : nilai f

P          : nilai p-value (probability)

Dari data display diatas diperoleh persamaan regresi antara sifat Lama dan Produksi yaitu Produksi = – 11.1 + 9.73 Lama. Persamaan tersebut artinya setiap pertambahan satu satuan Lama akan meningkatkan satu satuan Produksi. Satu satuan Lama bila dikalikan dengan 9.73 maka akan meningkatkan Produksi  -11.1 ditambah dengan perkalian Lama. Selain itu didapat hasil R-sq sebesar 96,3% yang berarti proporsi keragaman variabel X terhadap Y dapat diterangkan secara linier sebesar 96.3% sedangkan sisanya (3.7%) diterangkan dengan hal lain. Nilai R-Sq (adj)= 95.8%, nilai ini merupakan nilai regresi yang berbeda dengan R-sq karena nilai regresi ini telah dikoreksi dan disesuaikan.

Statistik Parametrik

Selain menggunakan program minitab pengolahan data uji korelasi dan regresi dapat juga menggunakan program statistics. Langkah-langkah pengoperasian statistics dalam menentukan uji korelasi dan regresi adalah sebagai berikut.

Langkah-Langkah Pengoperasian Uji Korelasi Pearson

Langkah-langkah pengoperasian Uji Korelasi Pearson, yaitu: 1) Input data; 2) Buka statistics>Linear Models>Correlations (Pearson). Di kotak dialog Correlation (Pearson): klik LAMA, klik tanda panah arah kanan, klik PRODUKSI, klik tanda panah arah kanan, klik OK. Beri tanda checked (√) pada Fit Constant dan Compute P-Values. Klik OK ; 3)  Pada lembar olahan data (session) akan tampil hasil olahan. Nilai koefisien berikut dengan nilai P-nya ; 4) Setelah itu, simpan hasil olahan di Save>nama file. Kemudian bahas hasil korelasi yang diperoleh.

Nilai P<0,05 mengindikasikan bahwa ditemukan hubungan keeratan (korelasi) antara sifat lama dan produksi mesin sehingga pengolahan data dapat diteruskan ke persamaan linier.. Bila sebaliknya, maka tidak ditemukan hubungan keeratan antara sifat lama dan produksi mesin maka pengolahan data tidak dapat diteruskan ke persamaan linier.

Langkah-Langkah Pengoperasian Uji Regresi

Langkah-langkah pengoperasian Uji Regresi, yaitu: 1) Input data; 2) Buka Statistics>Linear Models>Linier Regression. Di kotak dialog Linear Regression; pada Variables, sorot PRODUKSI; di Dependent Variable, klik tanda panah arah kanan, kembali ke Variables, sorot LAMA; di Independent Variable, klik tanda panah arah kanan. Beri tanda checked (√) pada Fit Constant, klik OK; 3) Pada lembar olahan data (session) akan tampil hasil olahan. Nilai konstanta (a) dan koefisien regresi (b) diperoleh. Persaman regresi kemudian dapat dibuat. Hasil olahan data menampilkan tabel analisis regresi. Kemudian setelah selesai, simpan hasil olahan data di Save>nama file. Kemudian bahas nilai regresi yang diperoleh.

Data Display Hasil Olahan Uji Korelasi Pearson

Correlations (Pearson)

LAMA

PRODUKSI   0.9811

P-VALUE  0.0000

Cases Included 10    Missing Cases 0

Nilai P yang didapatkan sebesar P=0,9811 merupakan nilai koefisien korelasinya yang artinya korelasi bersifat linier positif kuat antara sifat lama dan jumlah produksi mesin. Nilai P-value yaitu 0,0000 maka P<0,05 mengindikasikan bahwa data tersebut berkorelasi nyata dan terdapat hubungan keeratan antara sifat lama dan jumlah produksi mesin sehingga pengolahan data dapat diteruskan ke persamaan linier. Nilai ini sama dengan nilai yang diperoleh saat menggunakan minitab.

Data Display Hasil Olahan Uji Regresi

Unweighted Least Squares Linear Regression of PRODUKSI

Predictor

Variables	Coefficient	Std Error	T	P
Constant	-11.1250	5.01040	-2.22	0.0571
LAMA	9.73214	0.67807	14.35	0.0000

R-Squared           0.9626    Resid. Mean Square (MSE)    25.7478

Adjusted R-Squared  0.9579    Standard Deviation          5.07423

Source	DF	SS	MS	F	P
Regression	1	5304.02	5304.02	206.00	0.0000
Residual Error	8	205.98	25.75
Total	9	5510.00

Cases Included        10    Missing Cases 0

Hasil uji regersi yang diperoleh yaitu dengan persamaan Produksi = -11.1250 + 9.73214 Lama. Persamaan regresi ini sama dengan yang diperoleh saat menggunakan minitab yang artinya setiap pertambahan satu satuan Lama akan meningkatkan satu satuan Produksi. Satu satuan Lama bila dikalikan dengan 9.73214 maka akan meningkatkan Produksi sebesar -11.1250 ditambah dengan perkalian Lama.

KORELASI SPEARMAN DAN PERSAMAAN REGRESI LINEAR

Langkah-Langkah Mencari Koefisien Korelasi Spearman (rs)

Langkah-langkah yang dilakukan dalam mencari koefisien spearman (rs), yaitu: 1) Pasok data pekerja di C1 (Pekerja). Pasok data ketangkasan diri di C2 (Ketangkasan Diri). Pasok data kemampuan mekanikal di C3 (Kemampuan Mekanikal). 2) Klik Data>Rank, sorot C2 di Rank Data in, klik select; ketik C4 di Store ranks in, klik OK; 3) Klik Data>Rank sorot C3 di Rank Data in, klik select; ketik C5 di Store ranks in, klik OK; 4) Perhatikan Worksheet, terdapat data rank pada C4 dan C5. 5) Klik Calc>Calculator. Di Store result in variable : ketik C6, di Expression : sorot C4, klik select; klik tanda -; sorot C5, select, klik OK; 6) Klik Calc>Calculator. Di Store result in variable : ketik C7, di Expression : sorot C6, klik select; klik tanda *; sorot C6, select, klik OK. 7) Klik Calc>Column Statistics, di statistics : klik sum. Di Input variable : sorot C7, klik select. Di store result in: ketik K1, klik OK. Perhatikan Session, pada session terdapat nilai K1. Kemudian perhatikan Worksheet, maka terdapat C6 dan C7; 8) Klik Calc>Calculator. Di Store result in variable : ketik K2, di Expression: klik tanda 6, klik tanda *; sorot K1, select, klik OK; 9) Klik Calc>Calculator. Di Store result in variable : ketik K3, di Expression : klik tanda 8; klik tanda *; klik tanda 8, klik OK; 10) Klik Calc>Calculator. Di Store result in variable : ketik K4, di Expression: sorot K3, klik select; klik tanda -: klik tanda 1, klik OK; 11) Klik Calc>Calculator. Di Store result in variable  ketik K5, di Expression : sorot K4, klik select; klik tanda *; klik tanda 8, klik OK; 12) Klik Calc>Calculator. Di Store result in variable  ketik K6, di Expression : sorot K2, klik select; klik tanda / ; sorot K5, klik OK. 13) Klik Calc>Calculator. Di Store result in variable : ketik K7, di Expression : klik tanda 1; klik tanda -; sorot K6, klik OK; 14) Klik Data>Display data, sorot K2-K7, klik select, klik OK. Perhatikan session, nilai K1-K7 sudah tertera di dalam session. Nilai Korelasi Spearman (rs) adalah K7; 15) Untuk uji t, klik Calc>Calculator. Di Store result in variable : ketik K8, di Expression: klik tanda 8; klik tanda -; klik tanda 2, klik OK; 16) Klik Calc>Calculator. Di Store result in variable : ketik K9, di Function : sorot Square root; klik select; di Expression didapat (SQRT(number)), lalu ganti number dengan K8, klik OK; 16) Klik Calc>Calculator. Di Store result in variable : K10, di Expression : sorot K7 klik tanda *; sorot K9, klik OK; 17) Klik Calc>Calculator. Di Store result in variable : ketik K11, di Expression : sorot K7, klik select; klik tanda *; sorot K7, klik select, klik OK; 18) Klik Calc>Calculator. Di Store result in variable : ketik K12, di Expression : klik tanda 1; klik tanda -; sorot K11, klik select, klik OK; 19) Klik Calc>Calculator. Di Store result in variable : ketik K13, di Function : sorot Square root; klik select; di Expression didapat (SQRT(number)),lalu ganti number dengan K12 klik OK; 20) Klik Calc>Calculator. Di Store result in variable : ketik K14, di Expression : sorot K10 klik select; klik tanda /; sorot K13, klik OK; 21) Klik Data>Display data, sorot K8-K14, klik select, klik OK. Perhatikan Session, maka akan terdapat nilai K8-K14. Maka nilai t hitung adalah K14. Buka tabel t (0.05/2)n = 8 dibuku teks statistic, tentukan daerah kritisnya; 22) Klik Calc>Calculator. Di Store result in variable: ketik K15, di Expression, klik tanda 8;+;1; klik OK; 23) Klik Calc>Calculator. Di Stores result in variable : ketik K16, di Expression : klik tanda 1; – ; sorot K7, klik select, klik OK; 24) Klik Calc>Calculator. Di Store resut in variable : ketik K17, di Expression : sorot K16, klik select, klik tanda / ; 2, klik OK.

Hasil Uji Korelasi Spearman dan Regresi

Tabel 1. Skor Ketangkasan Jari dan Kemampuan Mekanikal Pekerja

Pekerja	Ketangkasan Jari	Kemampuan Mekanikal	rank	rank	di	di2
a	1	2	1	3,0	-2,0	4,00
b	2	1	2	1,0	1,0	1,00
c	3	8	4	8,0	-4,0	16,00
d	3	2	4	3,0	1,0	1,00
e	3	2	4	3,0	1,0	1,00
f	6	6	6	6,5	-0,5	0,25
g	7	6	7	6,5	0,5	0,25
h	8	5	8	5,0	3,0	9,00

Data Display

Sum of C7 = 32,5

Data Display

K1    32,5000

K2    195,000

K3    64,0000

K4    63,0000

K5    504,000

K6    0,386905

K7    0,613095

Rs=K7=nilai b

Data Display

K8     6,00000

K9     2,44949

K10    1,50177

K11    0,375886

K12    0,624114

K13    0,790009

K14    1,90095

Data Display

K15    9,00000

K16    0,386905

K17    0,193452

K18    1,74107

Nilai a=k18

Nilai b=k7

jadi

y=a+bx

y=1,74107+0,613095x

Berdasarkan data dispaly di atas dapat diketahui bahwa nilai t hitungnya yaitu sama dengan nilai K14 yaitu 1.90095, nilai korelasi spearman sama dengan nilai K7 dan juga sama dengan nilai a yaitu 0.613095. Sedangkan nilai b sama dengan nilai K18 yaitu 1,74107. Sehingga dapat diperoleh persamaan regresi yaitu Y=1.74107+0.613095X yang artinya setiap pertambahan satu satuan X akan meningkatkan satu satuan Y. Satu satuan X bila dikalikan dengan 0.613095 maka akan meningkatkan Y  1,74107 ditambah dengan perkalian X.

Hello world!

Welcome to WordPress.com. This is your first post. Edit or delete it and start blogging!