PENERAPAN MULTIVARIATE ADAPTIVE REGRESI SPLINE UNTUK MENGIDENTIFIKASI FAKTOR YANG BERPENGARUH PADA PENGGEMUKAN SAPI DI DESA SAMARAN KABUPATEN BOJONEGORO
Benjamin Christoffel Tehupuring dan Soeharsono
Departemen Anatomi Veteriner, Fakultas Kedokteran Hewan, Universitas Airlangga
ABSTRAK
Multivariate Adaptive Regression Spline adalah metode regresi bebas asumsi. Penelitian ini bertujuan menganalisis hubungan peternak, lama dan umur pemeliharaan, serta jenis terhadap bobot badan sapi potong. Penelitian menggunakan data sekunder sapi potong milik peternak Desa Samaran, Bojonegoro. Data yang dianalisis meliputi bobot badan, lama pemeliharaan, umur saat sapi dipelihara dan jenis sapi. Hasil analisis menunjukkan, lama pemeliharaan dan peternak mempunyai hubungan terhadap bobot badan sapi potong (p < 0,05). Peningkatan bobot badan meningkat pesat pada pemeliharaan bulan ketiga.
Kata Kunci: MARS, Bobot Badan, Jenis Sapi Potong, Lama Pemeliharaan Pendahuluan
Usaha penggemukan sapi potong mempunyai dua manfaat. Manfaat pertama adalah pemenuhan kebutuhan protein asal ternak dan manfaat kedua berupa peningkatan pendapatan peternak. Desa Samaran adalah salah satu desa di Kabupaten Bojonegoro yang warganya
mengembangkan usaha
penggemukan sapi potong.
Penggemukkan merupakan bagian dari tumbuh kembang, didefinisikan sebagai fungsi waktu terhadap peningkatan ukuran parameter tubuh. Parameter tubuh pada sapi potong terutama dititik beratkan pada bobot badan. Peningkatan bobot badan dipengaruhi oleh beberapa faktor baik yang tersifat maupun karena lingkungan misalnya
jenis sapi dan campur tangan peternak (Sundaram et al., 2012).
Fakta pendugaan yang berpengaruh pada bobot badan sapi dianalisis menggunakan metode regresi product moment. Metode ini mempunyai kelemahan karena pendugaanya harus memenuhi asumsi khusus. Selain itu, pertumbuhan ternak belum tentu bersifat linier (Roush et al., 2006, Wardhani dan Setiarini, 2010). Metode pilihan yang dapat menyelesaikan masalah ini adalah Multivariate Adaptive Regressian Spline (MARS) (Otok. dkk., 2006). Respon biasanya disebabkan karena predik tunggal, atau gabungan atau interaksi antara predik. Penerapan MARS untuk menganalisis hubungan umur terhadap pertumbuhan mandibula telah dilakukan pada domba merino (Tehupuring et al., 2014).
MARS adalah regresi multivariate non parametric yang dikembangkan dari Recursive Partitioning Regression (RPR) yang mempunyai kelemahan dalam bentuk knot (Rodliyah et al, 2014). Predik atau MARS tidak menyajikan hubungan langsung predik atau asli, tetapi diklasifikasi ke dalam fungsi basis (Basic Function, BF) (Everingham dan Sexton, 2011). Hubungan MARS dan RPR diwujudkan dalam bentuk persamaan :
dimana a0 adalah konstanta, Hm (X)
adalah Basic Function, yang dibangun dari interaksi (Km) antara prediktor
pada knot (tk,m).am adalah koefisein Basic Function dari ke 1 hingga ke m. Hubungan Hm (X), (Km), (v(k,m) dan
(tk,m). disajikan oleh persamaan:
Skm mempunyai nilai ± 1, v(k,m)
melambangkan prediktor, adalah knot prediktor
Kesesuaian model MARS ditentukan oleh nilai terendah dari Generalized Cross Validation (GCV) yang besarnya dihitung dari:
f adalah model prediksi MARS pada BF, y adalah variabel respon, N adalah jumlah observasi. C(M) adalah ukuran
kompleksitas dari model yang mengandung BF.
Materi dan Metode
Sumber data berupa data sekunder dari penelitian Nurrohman (2015) terhadap 94 ekor sapi potong yang diperoleh dari tigapuluh peternak di Desa Samaran, Bojonegoro. Penggemukan dilakukan selama tiga bulan. Jenis sapi yang digemukkan terdiri atas Simental dan Limousin yang pada saat digemukan sebagian berumur 1,5 sampai dengan dua tahun dan sebagian lain berumur 2,5 tahun hingga tiga tahun. Predik atau terdiri atas empat jenis yaitu peternak, umur awal dan lama penggemukan serta jenis sapi yang digemukkan. Semua predik atau dihubungkan dengan bobot badan pada akhir penggemukan. Data selanjutnya dianalisis dengan ketentuan BF yang digunakan dua sampai dengan empat kali jumlah predik atau, Maksimal Interaksi (MI) pada 1, 2,dan 3 dan Minimal Observasi (MO) 0,1,2,3. Analisis data menggunakan perangkat lunak MARS 2.0.
Hasil
Hasil analisis menunjukkan dari empat peubah yang digunakan sebagai prediktor ternyata hanya dua yang berpengaruh yaitu lama penggemukan dan peternak dimana masing–masing dengan nilai sumbangan sebesar 100 dan 36,194. Umur awal penggemukan dan jenis sapi yang digemukkan tidak berpengaruh terhadap berat badan.
Nilai kepentingan umur sapi awal penggemukan dan jenis sapi yang digemukan adalah nul (Tabel 1). Perbedaan ini disebabkan batasan umur bakalan berbeda. Indrayani et al.,(2012) menggunakan umur kurang dari setahun dan lebih dari setahun sedangkan dalam penelitian ini
menggunakan umur 1,5 - dua tahun serta 2,5 - tiga tahun. Umur bakalan yang dianjurkan adalah setahun - 2,5 tahun dengan pertimbangan pada umur tersebut ternak mengalami fase pertumbuhan kerangka dan jaringan (Sugeng, 2006).
Tabel 1. Kepentingan Prediktor terhadap Bobot badan
Prediktor Kepentingan - gcv
Lama penggemukan 100.000 550.507
Peternak 36.194 165.605
Umur awal pengemukan 0.000 107.582
Jenis sapi (simental, limousin) 0.000 107.582
Model hubungan lama penggemukkan peternak sapi terbaik diperoleh pada MO = 1, MI = 2 atau 3 dan BF empat CV sebesar 107,58 (Tabel 2).
Model persamaan lama penggemukkan dan peternak sebagai prediktor terhadap bobot badan sebagai respon adalah :
Y = 257.625 + 23.472 * BF1 - 14.350 * BF2 + 14.855 * BF3 + 8.871 * BF5 - 3.389 * BF7 - 36.098 * BF11+ 28.145 * BF13;
Y = Bobot badan
BF1 = max(0, lama penggemukan (bulan) - 3.000);
BF2 = max(0, 3.000 – lama penggemukan (bulan). Pembahasan
Dari persamaan model didapatkan dua BF untuk prediktor
lama penggemukkan dan lima BF untuk peternak sebagai prediktor. Dua BF untuk lama penggemukan sebagai prediktor adalah :
BF1 = max (0, lama penggemukan (bulan) - 3.000); dan
BF2 = max (0, 3.000 – lama penggemukan (bulan).
Secara matematika BF1 dibaca berat sapi = 0, jika lama penggemukkan ≤ tiga bulan, dan meningkat secara linier jika lama penggemukkan lebih dari tiga bulan. Hal sama juga terjadi pada BF2. Pada BF2 dibaca BF2 akan bernilai nul jika lama penggemukan ≥ tiga bulan. Angka tiga bulan dinamakan knot. Fungsi ini dapat dimaknai selama penggemukan /pertambahan berat badan tidak bersifat linier utuh tetapi berbelok atau patah pada periode tiga bulan dari lama penggemukkan (Gambar1).Meskipun menggunakan hewan yang berbeda ketidaklinieran
pertumbuhan karena percepatan pertumbuhan pada titik waktu tertentu sesuai dengan penelitian terdahulu (Wang et al, 2012, Tehupuring et al, 2015).
Gambar 1. Lama penggemukan
B obo t bada n ; Lama penggemukan Pada gambar terlihat
hubungan lama penggemukan ditunjukkan oleh garis linier yang patah (membentuk knot) pada bulan ketiga penggemukan
Percepatan selama
pertumbuhan dipengaruhi baik oleh faktor genetika atau lingkungan misalnya musim (Lin et al., 2012, Eleroglu et al., 2014). Dalam penelitian perbedaan jenis sapi belum berpengaruh terhadap bobot badan selama penggemukan. Tidak ditemukan pengaruh jenis terhadap bobot badan sesuai dengan penelitian terdahulu walaupun jenis sapi yang digunakan berbeda. Penelitian berkesimpulan bahwa iklim tropis lebih berpengaruh dibanding jenis sapi (Sakti, et al., 2013).
Berbeda dengan lama penggemukan, peternak sebagai prediktor berbentuk kategorial, sehingga data dikelompokkan menjadi angka “1” jika prediktor yang
dimaksud benar dan “ 0 ” jika prediktor yang dimaksud salah, Angka 0 dan 1 adalah knot untuk prediktor berjenis kategorial. Jadi
misalnya BF3 =
001100010110110101100101000011 dibaca jika BF3 = 1 maka yang termasuk ke dalam kelompok BF3 adalah peternak nomor 3, 4, 8, 10, 11, 13, 19, 22, 24, 29 atau 30. Sebaliknya jika BF3 = 0 maka yang termasuk kelompok ini adalah peternak nomor 1, 2, 5, 6, 7, 9, 12, 14, 15, 16, 17, 18, 20, 21, 23, 25, 26, 27, atau 28. Hal yang sama juga terjadi pada BF5, BF7, BF11, dan BF 13. Knot dan intepretasi peternak sebagai prediktor secara lengkap disajikan oleh Tabel 2 dan Tabel 3. Masuknya peternak sebagai prediktor menyebabkan keragaman bobot badan sapi yang digemukkan di Desa Samaran (Gambar 2). Keragaman ini bertambah karena satu peternak bisa jadi berada dalam lebih dari satu BF, misalnya peternak nomor 3 dan 4, masing – masing berada di dalam BF3, BF5 dan BF7. (Tabel 2).
Gambar 2. Model hubungan lama penggemukan dan peternak terhadap bobot badan sapi potong desa Samaran. a. BF7, b. BF11, c, BF13 Bo bo t bada n Be rat badan
B
obo
t b
adan
b Lama penggemukan (bulan)
B
obo
t b
adan
c Lama penggemukan (bulan)
Tabel 2. BF dan Knot peternak sebagai prediktor BF Knot BF3 : 001100010110110101100101000011 BF5 : 011111100001100010001010001000 BF7 : 011101011110011011001110111101 BULAN 2 B11 : 100000000000000000000001000000 BULAN 1 BF13 : 000000000000000000000001000000 BULAN 1 Tabel 3.Intepretasi BF sebagai prediktor
BF Peternak Nomor ke. Sebagai Prediktor BF3 = 1 3, 4, 8, 10, 11, 13, 19, 22, 24, 29 atau 30. BF3 = 0 1, 2, 5, 6, 7, 9, 12, 14, 15, 16, 17, 18, 20, 21, 23, 25, 26, 27, atau 28 BF5 = 1 2, 3, 4, 5, 6, 7, 12, 13, 17, 21, 23,atau 27 BF5 = 0 1, 8, 9, 10, 11, 14, 15, 16, 18, 19, 20, 24, 25, 26, 28, 29, atau 30 BF7 = 1 2, 3, 4, 6, 8, 9, 10, 11, 14, 15, 22. 23, 25, 26, 27, 28, atau 30* BF7 = 0 1, 5, 7, 12, 13, 16, 17, 18, 20, 21, 23, 25, 26, 27, 28, 19, 20, 21, 24, atau 29* BF11= 1 1 atau 24 (BF2)**
BF11= 0 Semua peternak selain peternak nomor 1 dan 24 (BF)2** BF13= 1 24(BF1)*
BF13= 0 Semua peternak selain peternak nomor 24 (BF1)*
* Berinteraksi dengan penggemukan sampai satu sampai dengan tiga bulan **Berinteraksi dengan penggemukkan tiga sampai dengan empat bulan
Dalam penelitian ini tampak, peternak sebagai faktor penyebab keragaman bobot badan selama penggemukkan. Pengaruh peternak terhadap keberhasilan usah penggemukan dilatar belakangi oleh
pendidikan, kecakapan, pengalaman
dan wawasan manejemen,
kepemilikan dan kesungguhan beternak sapi yang digemukkan ( Sani, 2010., Hartono, 2012). Sependapat dengan pernyataan
tersebut strategi utama pengembangan usaha ternak sapi potong adalah optimalisasi dan pemanfaatan sumber daya alam yang tersedia (Adinata et al., 2012).
Kesimpulan
Dalam perolehan
pemeliharaan ternak dan peternak ada keterkaitan hubungan antara bobot badan dengan kehidupan sapi potong. Telah terjadi peningkatan terhadap bobot badan sapi di usia bulan ketiga.
Daftar Pustaka
Adinata, K.I., Sari, A.I dan Rahayu. E.T. 2012. Strategi Pengembangan Usaha Sapi Potong di Kecamatan Mojolaban Kabupaten Sukoharjo.Tropical Animal Husbandry. 1 (1) : 24-32 Eleroglu, H., Yildirm, A., Sekeroglu,
A., Coscoyler, F. N., and Durman , M. 2104. Comparasion of growth model in slow – growing chicken genotype raised the organic system. Inter Jour of Agric and Biol. 16(3) ; 529 – 535.
Everingham, Y. L. dan Sexton, J. 2011 An introduction to multivariate adaptive Regression splines fatau the cane industry. ProcAustSoc Sugar Cane Technol33 : 1 – 14;
Hartono, B . 2012. Peran daya dukung
wilayah terhadap
pengembangan usaha
peternakan sapi madura. Jurl Eko Pem 13 (2): .316-326 Indrayani, I., Nurmalina, R dan
Fariyanti, A. 2012. Analisis efisiensi teknis usaha penggemukan sapi potong di Kabupaten Agam Provinsi Sumatera Barat. Jur Pet Ind 14 (1) : 286 – 296.
Lin, P., Shangwi, Y and Xiao, M. 2012. Seasonal broiler growth performance prediction based on observational study. Jour of Comp 7(8) : 1895 – 1903. Nurrohman, L. 2015. Hubungan
Manejemen Produksi dan Kelayakan Usaha pada Koperasi Margo Mulyo dan Lembu Suro Kabupaten Bojonegoro. Thesis. Program Studi Agribisnis Fakultas
Kedokteran Hewan
Universitas Airlangga Surabaya,
Rodliyah, M., Santi Wulan Purnami, S. W., dan Otok, B.W. 2014. Pemodelan kemiskinan di kabupaten Jombang dengan pendekatan multivariate adaptive regression splines (MARS). Jur Sai dan Seni Pom 3 (2) : 2337-3520
Sakti, A.A., Panjono dan Rusman. 2013. Tingkat hubungan antara variabel penduga bobot daging (carcass cutability) karkas segar sapi limpo dan simpo jantan. Ber Bio 12(3) : 277 – 284.
Sani, L O. A. 2010. Faktor-faktor yang mempengaruhi curahan tenaga kerja keluarga transmigran dan lokal pada pemeliharaan sapi potong di
Kabupaten Konawe Selatan. Agriplus 20 (01) : 48 – 56 Sugeng, Y.B. 2006.SapiPotong.
PenebarSwadaya, Yakarta Sundaram, M., Muthuramalingam, T,
Rajkumar, J.S.I., Nishanth, B and T. Sivakumar T. 2012. Growth performance of tellicherry goats in an organized farm.Inter Jour DiaSci Res; 1(3) : 9-11.
Tehupuring, Benjamin C., Hana Eliyani , Soeharsono. 2014. Morfometrik Pertumbuhan Rahang Bawah Terkait Aktifitas Mandibula dan Umur Pada Anakan Domba Merino Jantan Pascalahir. Acta Vet. Indonesiana.,2 (1), Hal. 1 – 6.
Tehupuring, Benjamin Christoffel., Soeharsono., Saiful Hadi. 2015. Penerapan Multivariate Adaptive Regression Spline sebagai Alat untuk Pemodelan Pertumbuhan Ayam Broiler. Acta Vet. Indonesiana., 3 (1) , Hal. 23 – 28.
Wang, B,Y., Chien, L.H., and Roan, S.W. 2014. Poma – broiler : computer simulation model to evaluate the optimal market age of broilers. Jour Anim of Vet Advan 11 (14) :2493 – 2502.
