Professional Documents
Culture Documents
Hasil Dan Pembahasan
Hasil Dan Pembahasan
Logistik Multinomial
Abstrak
Tanaman jagung (zea mayes) merupakan salah satu tanaman yang memiliki banyak potensi.
Tanaman jagung dapat dimanfaatkan sebagai bahan pakan, bahan industri dan bahan pangan
yang sehat bagi tubuh. Salah satu masalah yang banyak dialami tanaman jagung adalah
serangan hama dan penyakit. Penelitian ini bertujuan untuk melihat hubungan antara variabel
respon yang bersifat lebih dari dua kategori (multinomial) dengan variabel prediktor yang
bersifat kategori maupun kontinu serta berskala ordinal maka digunakan analisis regresi
logistik multinomial untuk menyelesaikannya. Data hama dan penyakit tanaman jagung yang
digunakan berjumlah 761 yang terdiri dari 120 hama penggerek tongkol, 298 hama
spodoptera frugiperda, 108 hama belalang , 98 penyakit hawar daun, 88 penyakit karat daun,
dan 48 penyakit bulai. Metode yang digunakan adalah kuantitatif dengan menerapkan teknik
analisis regresi multinomial. Hasil analisis menunjukkan bahwa variabel yang berpengaruh
signifikan adalah variabel R ( X 1 ¿, G(X 2), B(X 3). Model yang diperoleh memiliki ketepatan
klasifikasi sebesar 71,1% dan model tersebut tidak layak atau tidak sesuai karena variabel
independen (prediktor) dan jumlah data yang digunakan tidak seimbang.
Abstract
Corn (zea mayes) is one of the plants that has a lot of potential. Corn plants can be used as
feed ingredients, industrial materials and healthy food for the body. One of the problems that
many corn plants experience is pest and disease attacks. This study aims to see the
relationship between response variables that are more than two categories (multinomial) with
predictor variables that are categorical or continuous and on an ordinal scale. Multinomial
logistic regression analysis is used to solve it. The data on maize pests and diseases used were
761 consisting of 120 cob borer, 298 Spodoptera frugiperda, 108 grasshoppers, 98 leaf blight,
88 leaf rust and 48 downy mildew. The method used is quantitative by applying the technique
of multinomial regression analysis. The results of the analysis show that the variables that
have a significant effect are the variables R ( X 1 ¿, G( X 2), B(X 3). The model obtained has a
classification accuracy of 71.1% and the model is not feasible or inappropriate because the
independent variables (predictors) and the amount of data used are not balanced.
1. PENDAHULUAN
Di Indonesia tanaman jagung (Zea mays) adalah salah satu jenis tanaman yang
berpotensi sangat baik sehingga sebagian besar dapat dimanfaatkan untuk memenuhi
kebutuhan pakan dan dapat dimanfaatkan sebagai bahan industri. Tanaman jagung juga dapat
digunakan untuk memenuhi kebutuhan pangan yang sehat bagi tubuh, sehingga tanaman
jagung penting untuk terus dibudidayakan agar kebutuhan pangan, industri dan pakan dapat
terus terpenuhi (Sobron et al., 2020). Dalam budi daya tanaman jagung, serangan hama dan
penyakit menjadi kendala yang dapat menyebabkan produktivitas tanaman jagung menjadi
rendah (Fauzia, 2013). Tenaga tani di Indonesia yang faham mengenai penyakit tanaman
jagung masih terbatas. Sehingga masih banyak petani yang menyelesaikan masalah hama dan
penyakit yang menyerang tanaman jagung dengan cara yang salah (Sihotang et al., 2018).
Penyakit yang berpotensi dapat menyerang tanaman jagung adalah penyakit Hawar daun,
Bulai, Busuk Tongkol, dan Busuk Pelapah (Kurniawan & Fidiawati, 2021).
Jenis penyakit dan hama yang dapat menyerang tanaman jagung memiliki banyak jenis.
Untuk mengetahui besar peluang tanaman jagung dapat terserang hama dan penyakit
diperlukan suatu model. Metode regresi logistik merupakan salah satu metode yang
digunakan untuk mengetahui adanya hubungan antara variabel responden yang bersifat
kategorik (nominal atau ordinal) dengan varibel prediktor yang bersifat kategorik maupun
kontinu (Yudissanta & Ratna, 2012). Dalam penelitian ini diperlukan analisis untuk melihat
hubungan antara variabel respon yang bersifat lebih dari dua kategori (multinomial) dengan
variabel prediktor yang bersifat kategori maupun kontinu serta berskala ordinal maka
digunakan analisis regresi logistik multinomial untuk menyelesaikannya.
2. METODE PENELITIAN
2.1 Sumber Data
Data yang digunakan dalam penelitian ini adalah menggunakan data sampel yang
didapatkan dari 3 desa yaitu Desa Tanjung Putus, Desa Tanjung Baru dan Desa Tanjung
Seteko yang berada di Kecamatan Indralaya, Kabupaten Ogan Ilir, Sumatera Selatan pada
tahun 2021. Data terdiri dari 3 jenis hama dan 3 jenis penyakit tanaman jagung dengan
jumlah data sebanyak 761.
2.2 Variabel Penelitian
Variabel respon yang digunakan dalam penelitian ini adalah jenis hama dan penyakit
tanaman jagung yaitu hama belalang (HB) yang diberi nilai 1, hama spodoptera (HSF) yang
diberi nilai 2, karat daun (KD) yang diberi nilai 3, penyakit bulai (PB) yang diberi nilai 4,
penyakit hawar daun (PHD) yang diberi nilai 5, dan hama penggerak tongkol (PT) yang
diberi nilai 6. Variabel prediktor yang digunakan dalam penelitian ini berupa nilai rata-rata
citra RGB yaitu warna merah (R), warna hijau (G), warna biru (B) dengan R sebagai X 1 , G
sebagai X 2 dan B sebagai X 3 .
2.3 Regresi Logistik Multinomial
Regresi logistik multinomial merupakan salah satu pendekatan pemodelan yang dapat
digunakan dalam mendefinisikan hubungan antara beberapa variabel independen dan variabel
dependen multinomial atau polytomous. Data yang berskala nominal adalah data dengan
angka yang diberikan kepada objek memiliki arti sebagai label dan tidak menunjukkan
tingkatan. Sedangkan data yang memiliki tingkatan disebut data ordinal. Jika terdapat k yang
berarti banyaknya kategori pada variabel independen maka model logistik yang terbentu
sebanyak k −1. Menurut Sitinjak (2021), secara umum model regresi logistik multinomial
untuk p banyaknya variabel dependen yang dinyatakan dalam vektor x i dan probabilitas
kategori independen ke-k sebagai berikut.
exp ( g k ( x i ) )
π k ( xi ) = p ( y=k| xi ) = k−1
(2.1)
∑ exp( gk ( x i ) )
j=0
Rumus cumulative odds untuk kategori ke- j sebagai berikut.
P¿¿ (2.2)
Sehingga diperoleh model kumulatif logit sebagai berikut.
log ( x i +…+ x j
x j +1+ …+ x j
T
=x j β j ) (2.3)
Alternatif lain dari model kumulatif odds yaitu rasio dari peluang berhasil untuk kategori
yang bersebelahan sebagai berikut.
π1 π2 π
, , … , j−1 (2.4)
π 2 π3 πj
Model adjacent logit menjadi,
log
( )
πj
π j+1
=x Tj β j (2.5)
G=−2 ln
[ ]L0
L1
(2.11)
dengan,
L0 = likelihood tanpa peubah bebas
L1 = likelihood dengan peubah bebas
Kriteria Uji :
2
Tolak H 0 jika G> χ (db ,α) atau p-value ¿ α .
2.6 Uji Parsial
Uji parsial dilakukan untuk mengetahui apakah variabel prediktor memiliki pengaruh
signifikan terhadap varaiabel respon atau tidak. Uji ini bertujuan untuk melihat layak atau
tidaknya suatu variabel prediktor masuk dalam model (Rohmi, 2017). Menurut Djakaria et
al. (2019) hipotesis dalam uji parsial sebagai berikut.
H 0= β j=0 (Variabel independen ke- i secara statistik signifikan mempengaruhi variabel
dependen).
H 0= β j ≠ 0 (Variabel independen ke- j secara statistik tidak signifikan mempengaruhi
variabel dependen), dengan j=1,2 ,… p.
Uji parsial menggunakan uji Wald sebagai berikut.
( β^ j
)
2
W= (2.12)
SE ( ^β j )
Kriteria untuk tolak H 0atau daerah penolakan H 0 adalah jika |W |>Z α /2 atau W > χ (db ,α ).
2 2
dimana
o k = Observasi pada grup ke-k
( )
ck
mk π k
π k = Rata-rata taksiran peluang ∑ nk
k=1
R2N =
[ ] R2CS
2
R MAX
(2.17)
[ ]
g2 ( x ) =ln
π 2( x )
π 1( x )
[ ]
g3 ( x ) =ln
π 3( x)
π 1( x)
g3 ( x ) =11,180−0,161 X 2 +0,069 X 3
Dengan Logit 2 merupakan log perbandingan antara peluang penyakit karat daun (KD)
terhadap hama belalang (HB) pada hama dan penyakit tanaman jagung.
Logit 4
g4 ( x )=ln
[ ]
π 4 ( x)
π1( x )
g4 ( x )=10,087−0,068 X 2
Dengan Logit 3 merupakan log perbandingan antara peluang penyakit bulai (PB)
terhadap hama belalang (HB) pada hama dan penyakit tanaman jagung.
Logit 5
g5 ( x ) =ln
[ ]
π 5( x)
π 1( x)
g6 ( x )=ln
[ ]
π 6 ( x)
π 1 ( x)
DAFTAR PUSTAKA