Kandungan nutrisi lengkap

Transkripsi

1 LAMPIRAN

2 Lampiran 1. Konsep Wafer Ransum Komplit Wafer ransum komplit merupakan suatu bentuk pakan yang memiliki bentuk fisik kompak dan ringkas (balok berukuran 20 cm x 20 cm x 1 cm ) seperti wafer yang memiliki : 1. Pakan cadangan 2. Kandungan nutrisi lengkap 3. Meningkatkan bobot optimal 1 Kg pakan = 0,5 Kg daging 4. Memudahkan dalam penyimpanan karena bentuknya yang kompak dan ringkas 5. Menggunakan Bahan pakan lokal yang terdapat di setiap wilayah

3 Lampiran 2. Daftar Nama Responden No. Kuisioner Nama Alamat Kota/ Kabupaten No Telp/HP 1 Made Desa Citapen, Tapos, Kabupaten Bogor Bogor 2 Sarno 3 Puloh Kampung Pondk Menteng, Desa Citapen, Tapos Kab. Bogor Peternakan sapi mamalia, Citapen, Tapos, Kab. Bogor Bogor Bogor Herry Purwanto Jl. Raya Topas, Kab. Bogor Bogor Azizah Ciherang kaum RT 5 RW 10 no 11 CV. Bintang tani. Bogor Bogor Samhudi Kunak, Cibungbulang, Bogor Bogor Dian Kunak 1, Desa Pasarean, Kab. Bogor Bogor 8 Narsutyo Kunak satu Bogor Abas Kunak satu Bogor 10 Giman Kunak satu Bogor 11 Jejen Kunak 1, Desa Pasarean, Kab. Bogor Bogor Muhaimin Kunak 2 Proncong 5, Gunung geulis Bogor Faturrahman Kunak 2, Kec. Panjaitan Kab. Bogor Bogor Icek Kunak 2 Bogor 15 Bapak Opick Kunat 2 Bogor Paryoto RRI, Cisalak, Cimanggis. Depok Depok 17 Haji Hayani (Abdul Hamid) Sukmajaya Cisalak, Depok Depok

4 Lanjutan lampiran 2 No. Kuisioner Nama Alamat Kota/ Kabupaten No Telp/HP 18 Erwin Pondok Rangon, Cibubur Jakarta Jakarta 19 Slamet (Hj. Amin) Pondok Rangon, Cibubur Jakarta Jakarta Bapak masúd Salam Jalan peternakan 3 komplek sapi perah RT 001/RW002 No 21 Jakarta 21 Maulana RT 1/RW 2. Pondok Rangon, cibubur Jakarta Jakarta Pak Mamun RT01/RW02 Pondok Rangon Jakarta Kirno (Ratim) RT1/RW2 Pondok Rangon Jakarta M. Nurul Huda Pondok Rangon Jakarta Rahmat Jln. Raya Cisauk Lapan RT 5 RW 4 Desa Sukamulia, Kampung Ciputih Kabupaten Tangerang Tangerang Mas Tono (Bapak Budi Winarso) Mekarsari Tangerang Tangerang 27 Mas Edo 28 Supandi Desa Situ Udik RT01/RW 12 Kab. Bogor Desa situ udik RT01/RW12 Kab. Bogor Bogor Bogor 29 Sulaiman (Bapak Fani) Jln Kampung kelapa dua no. 37 RT 2 RW7 kelurahan paduremen. Bekasi Bekasi Agofur Peduren RT 04/RW01 Mustika Jaya Kota Bekasi Bekasi

5 Lampiran 3. Profil Peternakan Sapi di Bogor 63

6 Lampiran 4. Profil Peternakan Sapi di Jakarta 64

7 65 Lampiran 5. Data Olahan untuk 15 variabel Y X1 X2 X3 X4 X5 X6 X7 x8 x9 x10 x11 x12 x13 x14 x15 No Respon Tingkat keinginan untuk membeli Tingkat keunikan Tingkat kesesuaian Ketertarikan terhadap konsep Pernah mendengar pakan wafer ransum komplit Penggunaan limbah pertanian sebagai pakan Jenis pakan yang paling sering diberikan Jumlah ternak yang dimiliki (ekor) Pengalaman beternak (tahun) Jumlah total sapi Ketersediaa n pakan hijauan Kebiasaan menonton TV Mendengar kan Radio Membaca koran Membaca majalah Mengakses internet

8 Lanjutan lampiran 5 66 Y X1 X2 X3 X4 X5 X6 X7 x8 x9 x10 x11 x12 x13 x14 x15 No Respon Tingkat keinginan untuk membeli Tingkat keunikan Tingkat kesesuaian Ketertarikan terhadap konsep Pernah mendengar pakan wafer ransum komplit Penggunaan limbah pertanian sebagai pakan Jenis pakan yang paling sering diberikan Jumlah ternak yang dimiliki (ekor) Pengalaman beternak (tahun) Jumlah total sapi Ketersediaa n pakan hijauan Kebiasaan menonton TV Mendengar kan Radio Membaca koran Membaca majalah Mengakses internet

9 67 Lampiran 6. Korelasi antar Variabel Korelasi ini dilakukan untuk mengetahui apakah terjadi multikorelasi antara variabel satu dengan yang lainnya. X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X1 Pearson (a) Sig. (2-tailed) X2 Pearson (a) Sig. (2-tailed) N X3 Pearson (a) Sig. (2-tailed) X4 Pearson (a) Sig. (2-tailed) X5 Pearson (a) Sig. (2-tailed) X6 Pearson (a) Sig. (2-tailed) X7 Pearson (a) Lanjutan lampiran 6 Sig. (2-tailed) X8 Pearson (a)

10 Lanjutan lampiran 6 68 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 Sig. (2-tailed) X9 Pearson (a) Sig. (2-tailed) X10 Pearson.(a).(a).(a).(a).(a).(a).(a).(a).(a).(a).(a).(a).(a).(a).(a) Sig. (2-tailed) X11 Pearson (a) Sig. (2-tailed) X12 Pearson (a) Sig. (2-tailed) X13 Pearson (a) Sig. (2-tailed) X14 Pearson (a) Sig. (2-tailed) X15 Pearson (a) Sig. (2-tailed)

11 Lanjutan lampiran 6 69 **. is significant at the 0.01 level (2-tailed). *. is significant at the 0.05 level (2-tailed). a. Cannot be computed because at least one of the variables is constant. Dari hasil tabulasi di lampiran 6, tedapat multi korelasi pada X9, X10, X11, X12, X13, X14 dan X15. Dengan demikian variabel predictor (independen) yang akan digunakan dalam pemodelan regresi ordinal hanya ada delapan variabel yaitu X1, X2, X3, X4, X5, X6, X7 dan X8

12 70 Lampiran 7. Hasil Output Pemodelan Regresi Ordinal Menggunakan SPSS 13 Pada Model Fitting Information 2 Log Likelihood, yaitu untuk intercept saja dan untuk final (dengan semua variabel bebas). Selisih dari kedua nilai tersebut adalah sebesar 81,929 20,342 = 61,587 yang merupakan nilai Chi-Square. Tabel tersebut menunjukkan bahwa nilai Chi-Square tersebut mempunyai nilai signifikansi sebesar 0,001. Nilai taraf signifikansi di bawah 0,05 yang menunjukkan bahwa model fit. Uji kesesuaian statistik juga dapat diberikan dengan nilai Pseudo R-square. Nilai ini mengadopsi nilai koefisien determinasi pada regresi berganda, yang menunjukkan seberapa besar kemampuan variabel bebas menjelaskan varians response. Terdapat tiga buah nilai Pseudo R-Square, dengan nilai terbesar adalah Cox and Snell yaitu sebesar 0,872. Hal ini menunjukkan bahwa Quick Ratio, Return On Assets dan Debt To Equity Ratio mampu menjelaskan varians tingkat keinginan membeli wafer ransum komplit sebesar sar 87,2% di mana sisanya yaitu sebesar 12,8% dijelaskan oleh faktor-faktor yang lain.

13 Lanjutan lampiran

14 72 Lampiran 8. Contoh pengaplikasian model Semisal responden menjawab pertanyaan sebagai berikut: Y X1 X2 X3 X4 X5 X6 X7 X Maka perhitungan probabilitas menurut model terbentuk: Probability Probability Probability Probability Probability Y Y1 Y2 Y3 Y4 Y5 Predict 0% 0% 12% 12% 76% 5 Probabilitas tertinggi responden dengan jawaban tersebut diatas akan menjawab dengan jawaban dengan score 5

15 73 Lampiran 9. Hasil Pemodelan Regresi Ordinal dengan 8 Variabel No. Respon Probability Y1 Probability Y2 Probability Y3 Probability Y4 Probability Y5 Y Eksisting Y Predict 16 0% 1% 99% 0% 0% % 0% 80% 0% 20% % 100% 0% 0% 0% % 0% 9% 87% 10% % 0% 23% 52% 24% % 0% 0% 0% 0% % 0% 3% 95% 3% % 0% 58% 0% 42% % 0% 25% 75% 0% % 0% 97% 3% 0% % 0% 73% 27% 0% % 0% 57% 43% 0% % 0% 20% 60% 20% % 0% 63% 37% 0% % 0% 59% 0% 41% 4 3 Lampiran a 9 menjelaskan tingkat akurasi dari model regresi logistic ordinal ini sebesar 80%, dimana sisanya sebanyak 6 responden atau 20% - nya menunjukkan tidak terjadi akurasi asi antara Y eksisting dengan Y hasil prediksi dari model.