Wawasan Peternakan dan Statistik

Perlunya GIS dalam Bidang Peternakan

mawardiasja@gmail.com (adi) — Sat, 3 Jun 2017 10:08:00 -0700

Geographic Information System (GIS) merupakan satuatu sistem untuk menangkap/ mengambil, menyimpan, pemeriksaan/analisis, dan menyajikan suatu data terkait dengan posisinya pada permukaan bumi. Pada beberapa bidang ilmu, seperti kelautan dan perikanan, pertanian, geologi, sipil, dll., GIS pada umumnya sudah menjadi ilmu yang lumrah dan penerapannya telah secara luas dimanfaatkan. Namun, pada bidang/ ilmu peternakan, khsusnya pada tingkat Strata 1 (sarjana), ilmu GIS belum ada dalam kurikulum pembelajaran, padahal ilmu juga diperlukan dalam pengukuran kapasitas atau daya tampung (Carrying capacity) wilayah untuk kebutuhan peternakan.

Pada Tahun 2012 silam, Kementerian Pertanian menerbitkan buku yang berjudul Pedoman Pengembangan Kawasan Pertanian, yang tidak lain adalah lampiran Peraturan Menteri Pertanian Nomor 50 Tahun 2012 tentang Pedoman Pengembangan Kawasan Pertanian. Secara umum, publikasi & pertauran tersebut memberikan pedoman tentang pendekatan & teknik pengembangan kawasan untuk Tanamana Pangan, Hortukultura, Perkebunan, dan Peternakan. Khususnya di Provinsi Sulawesi Selatan, Pemerintah Provinsi melalui Dinas Peternakan dan Kesehatan (Dinas PKH), pada Tahun 2014 telah merespon Peraturan/ Perundang-undangan tersebut dengan Menyusun Masterplan Pengembangan Kawasan Peternakan Kawasan Provinsi sebagai tindak Lanjut dari Keputusan Menteri Pertanian Nomor 43 Tahun 2013 tentang Penetapan Kawasan Sapi Potong, Kerbau, Kambing, Sapi Perah, Domba dan Babi Nasional.

Peta Tutupan Lahan Padang Penggembalaan (savana) & Semak Belukar Sulsel, 2015

Lebih lanjut pada Tahun 2014, Dinas PKH Sulsel melakukan kerjasama dengan Puslitbang Sumberdaya Alam LP2M Unhas untuk penyusunan ATLAS Potensi Padang Penggembalaan dan Potensi Pakan Provinsi Sulawesi Selatan. Atalas tersebut dilakukan dengan pendekatan commodity approach berbasis GIS. Melalui pemanfaatan Citra Satelit Landsar 8 (OLI) yang dirangkaikan dengan beberapa teknik konfirmasi lapangan, kegiatan ini telah mengidentifikasi sebaran Padang Penggembalaan (savana), dan lahan-lahan yang berpotensi menjadi padang penggembalaan dalam daerah. Alhasil, melalui Program Pengembangan Padang Penggembalaan Dirjenak Kementan RI TA 2015 dan TA 2016, di Sulsel kini sudah terdapat dua kawasan Penggembalaan, yaitu di Kabupaten Sidrap (TA 2015) dan di Kabupaten Pinrang (TA 2016). Saat ini (2017), beberapa Kabupaten lainnya pun sedang merencanakan dan melaksanakan kegiatan Survei Identifikasi dan Desain (SID) kawasan penggembalaan.

Padang Penggembalaan Temmakkawatang, Pinrang

Padang Penggembalaan Teppo, Sidenreng Rappang

Dalam proses SID hingga pada tahap DED kawasan penggembalaan, hal yang paling pertama dilakukan adalah melakukan pemetaan kawasan. Peta awal yang dihasilkan adalah peta dasar kawasan yang memuat batas, koordinat dan luasan. Peta ini diperlukan untuk beberapa hal terkait dengan administrasi pemerintah, konfirmasi dengan peta RTRW Kabupaten (untuk memastikan kawasan adalah kawasan budidaya, bukan kawasan lindung), dan konfirmasi dengan peta Blok Pajak (PBB) untuk memastikan apakah kawasan yang akan dikembangkan berkepemilikan atau betul merupakan milik negara sepenuhnya. Rangkaian-rangkaian selanjutnya, antara lain pengambilan sampel tanah, hijauan, idetifikasi tutupan vegetasi, analisis kemiringan lahan & kontur, dan desain tataguna lahan.

Saya mengemukakan proses secara garis besar diatas untuk menggambarkan bahwa hampir 80% proses perencanaan pembangunan hingga pada tahapan implementasi pembangunan mengacu pada beberapa peta kawasan yang dibuat selama proses perencanaan. Sementara proses pemetaan-pemetaan dilakukan menggunakan ilmu GIS. Ilmu bukan hanya diperlukan untuk observasi potensi peternakan lahan/kawasan, namun juga diperlukan dalam perencanaan pengembangan infrastruktur, perencanaan pasar, bahkan hingga padapotensi sosial.

Saat ini, GIS dan IT semakin sejalan beriringan dalam proses perencanaan pembangunan dan penyampaian informasi kepada publik. Sebagai contoh, dalam penetapan titik (lokasi) implementasi program/kegiatan pembangunan daerah yang sudah diwajibkan setiap tahunnya. Kita tentu berharap, bahwa kedepan ilmu GIS dapat menjadi salah satu mata kuliah wajib bagi mahasiswa peternakan, karena terdapat banyak alumni Fakultas Peternakan yang lulus dari penelitian berbasis GIS dan atau bekerja dengan memanfaatkan GIS, namun mereka belajar secara autididak (bagi yang berkemauan), dari hasil diskusi ataupun googling yang banyak mengalami celah-celah kesalahan dalam proses pekerjaan mereka, karena mereka belum menguasai ilmu dasar GIS (secara mendalam) namun diperhadapkan dengan pekerjaan analisis GIS tingkat tinggi.

Vitamin dan Mineral (Nutrisi Ternak Non-Ruminansia)

mawardiasja@gmail.com (adi) — Mon, 25 May 2015 13:46:00 -0700

Berikut ini bahan ajar pertemuan ke-9 mata kuliah Nutrisi Ternak Non Ruminansia, topik Vitamin dan Mineral. Silahkan didownload.

Vitamin & Mineral (Nutrisi Ternak Non-Ruminaisia)

NTP Peternak (NTPP) Sulsel Rendah, Rekomendasi Sudut Pandang Pengukuran

mawardiasja@gmail.com (adi) — Thu, 14 Aug 2014 09:04:00 -0700

Pengantar

Nilai tukar petani (NTP) adalah perbandingan antara indeks harga yang diterima petani (IT) dengan Indeks harga yang dibayar petani (IB) yang dinyatakan dalam persentase. Secara konsep NTP menyatakan tingkat kemampuan tukar atas barang-barang (produk) yang dihasilkan petani di pedesaan terhadap barang/jasa yang dibutuhkan untuk konsumsi rumah tangga dan keperluan dalam proses produksi pertanian. Ada tiga kategori NTP, yaitu: 1) Nilai NTP > 100, berarti petani mengalami surplus, dimana harga produksi naik lebih besar dari kenaikan harga konsumsinya atau pendapatan petani naik lebih besar dari pengeluarannya; 2) NTP = 100, berarti petani mengalami impas, kenaikan/penurunan harga produksinya sama dengan persentase kenaikan/penurunan harga barang konsumsi atau pendapatan petani sama dengan pengeluarannya; dan 3) NTP< 100, berarti petani mengalami defisit. Kenaikan harga produksi relatif lebih kecil dibandingkan dengan kenaikan harga barang konsumsinya. Pendapatan petani turun, lebih kecil dari pengeluarannya. Khususnya pada Sub-sektor peternakan maka cakupan penilaian NTPP ini meliputi atau mengakumulasi semua komoditas (ternak besar, kecil dan unggas).

Khususnya di Provinsi Sulawesi Selatan, Nilai NTP Peternak (NTPP) mengalami fluktuasi sepanjang tahun. Rata-rata NTP tahun 2010 = 98,02; (rata-rata nasional= 104,10) tahun 2011 = 97,57 (rata-rata nasional= 101,02); tahun 2012= 97,11) (rata-rata nasional= 101,33). Secara nasional, “usaha peternakan atau beternak” yang digeluti petani atau peternak sudah mengalami keuntungan, sementara berdasarkan nilai NTPPP dari data provinsi terlihat usaha yang dilakukan peternak mengalami defisit. Benarkah demikian? Apakah betul bahwa usaha peternakan (secara general) di Sulawesi Selatan mengalami defisit? Beternak sapi potong, kambing, ayam petelur dan menjadi mitra usaha ayam potong ternyata tidak memberikan hasil yang memadai untuk penghidupan sehari-hari peternak di pedesaan? Hal inilah yang ingin kami uraikan pada kesempatan penullisan kali ini.

Kajian terhadap keadaan ini tentu memerlukan pendekaan secara komprehensif yang tidak akan cukkup terurai dalam tulisak blog ini. Namun setidaknya ada beberapa gambaran yang dapat dijadikan sebagai landasan berfikir tentang sejauh mana pendapatan dan parameter pengukuran pendapatan yang sebaiknya dilakukan dalam sub-sektor peternakan.

Mengurai Data Statistik Produksi Daging Ayam Pedaging Provinsi Sulawesi Selatan

Populasi dan produksi daging ternak unggas ayam pedaging dalam provinsi tahun 2008 – 2012 adalah sebagai berikut:

Uraian	Tahun					Rata-rata/thn
Uraian	2008	2009	2010	2011	2012	Rata-rata/thn
Populasi (ekor)	14.575.840	16.371.380	17.928.549	18.497.399	21.791.654	17.832.964
Produksi Daging (Kg)	9.728.406	10.709.824	10.692.339	11.594.378	11.072.667	10.759.523

Sumber: Statistik Dinas PHK-Prov. Sulawesi Selatan, 2013.

Sebelum melakukan interpretasi terhadap data tersebut, pertama-tama kita menetapkan asumsi perhitungan populasi yang digunakan sebagai dasar perhitungan populasi dalam table di atas:

Asumsi PERTAMA, bahwa populasi adalah hasil penjumlahan populasi sepanjang tahun (12 bulan), Asumsi KEDUA, bahwa populasi merupakan data keadaan terakhir, apabila populasi maka merupakan data standing populasi (current population) yang dihitung pada akhir tahun (atau populasi saat pendataan (sampling data statistik) terakhir dilakukan).

Keadaan populasi ayam pedaging dengan mengacu pada Asumsi PERTAMA adalah bahwa rata-rata populasi ayam pedaging dalam provinsi sebesar 1.486.080 ekor/bulan, dengan produksi daging yang bersumber dari ternak ayam pedaging rata-rata 896.627 Kg/bulan. Keadaan ini dapat diartikan bahwa produktifitas ayam pedaging dalam provinsi amat sangat rendah, dimana produktifitas ternak ayam pedaging rata-rata baru mencapai angka 0,61 Kg/ekor.

Apabila kita mengacu pada Asumsi KEDUA. Diketahu bahwa, umur ayam pedaging saat ini rata-rata hanya 30–35 hari, bahkan sudah ada yang panen pad usia pemeliharaan 28 hari. Apabila mengacu pada angka rata-rata 17.832.964 ekor/tahun, berarti, dalam setahun populasi ternak ayam pedaging mencapai rata-rata 185.972.343 ekor. Jika kita menjadikan nilai produktifitas di atas menjadi faktor pengali produksi maka semestinnya produksi daging ayam pedaging setiap tahun rata-rata 113.551.952,78Kg.

Produktifitas ayam pedaging senilai 0,61Kg/ekor merupakan hal yang sangat kami ragukan. Beberapa keterangan yang kami peroleh melalui diskusi dengan beberapa rekan yang menjadi petugas teknis pada perusahaan kemitraan (TS), menyatakan bahwa berat potong ayam pada saat dijual dapat dikelompokkan kedalam 1,6 Kg, 1,8 – 2 Kg, dan >2 Kg. Lebih lanjut dinyatakan bahwa penjualan dengan kisaran bobot 1,6 hingga 1,8 adalah yang paling umum digunakan, sementara untuk bobot lebih dari 2 Kg (>2 Kg) biasanya dilakukan pada momen tertentu, misalnya untuk pemasaran menjelang hari raya, itupun dilakukan jika dianggap perlu. Pengecualian untuk pasar Makassar, semua kategori bobot mempunyai pangsa pasar. Perkiraan secara kasar proporsi kategori bobot jual yaitu 1,6kg = 25%; 1,8 – 2 Kg = 70%; dan >2Kg = 5%. Berdasarkan ASUMSI I, jika kita menggunakan standar kategori bobot jual dan proporsi kasar penjualan di atas, maka semestinya produksi daging dari ternak ayam pedaging ada pada kisaran 31.386.017 ± 4.728.059 Kg/tahun, bukan 10.759.523 Kg/tahun.

Apabila capaian produksi daging yang tercatat dalam buku statistik rendah akibat kematian yang berdampak pada penurunan populasi atau tingkat kesakitan (morbiditas) yang berdampak pada turunnya produktifitas, sepertinya kurang beralasan. Berkat kemajuan teknologi di bidang perunggasan, khususnya ayam pedaging yang sebagian besar telah dikelola secara komersial melalui kegiatan kemitraan, angka kematian yang terjadi hanya ada pada kisaran 4 – 5%, itupun terutama pada saat umur pemeliharaan dibawah 2 minggu. Dalam buku statistik sendiri juga tercatat untuk tahun 2012 total kematian unggas (semua jenis unggas) berdasarkan total laporan dari SKPD-SKPD Kab/Kota hanya sebanyak 109.654 ekor (penyebab: AI=24,7%; HC=4.3% dan ND=71.0%). Apabila dugaan dituduhkan pada kejadian wabah penyakit, misalnya AI, itupun hanya terjadi pada beberapa titik dan tidak mengenai seluruh wilayah provinsi Sulawesi Selatan, dan penyakit ND untuk saat ini sudah sangat langka ditemukan pada ternak ayam pedaging, melainkan pada ayam kampong (ayam buras) dan ternak itik. Penanggunalangan dan pengendalian AI dalam daerah telah cukup berhasil dalam tiga tahun terakhir. Dengan keadaan data yang sedemikain maka tidak diragukan bahwa dalam penilaian kontribusi sub-sektor peternakan terhadap PAD daerah akan menjadi sangat rendah, demikian pula dalam penilaia PDRB Provinsi.

Perlunya diversifikasi kelas sumber pendapatan berdasarkan komoditas Ternak

Dibersifikasi kelas sumber pendapatan juga perlu untuk menjadi perhatian. Keadaan saat ini adalah NTPP adalah hasil akumulasi Indeks Bayar (IB) dan Indeks terima (IT) peternak dari semua jenis komoditi yang ada. Sebagai contoh: nilai pendapatan peternak kambing akan di rata-ratakan bersama dengan pendapatan peternak ayam pedaging atau ayam petelur. Sementara gambaran sesungguhnya dapat diurai sebagaimana berikut.

Peternak Kambing. Kambing melahirkan setidaknya tiga kali dalam dua tahun dengan jumlah anak 1 – 3 ekor/kelahiran. Kapan mereka memperoleh hasil dari usaha ternak kambing mereka? Umumhya pada saat anak kambing hasil kelahiran sudah mulai berproduksi (masuk masa produktif), khususnya ternak jantan misalnya akan dijual apabila sudah memenuhi syarat sebagai hewan qurban, sementarra ternak betina akan umumnya dijual apabila sudah memasuki masa majir. Keadaan umum peternak kambing dalam daerah antara lain: rata-rata memelihara ternak dalam skala kecil, 3 – 5 ekor dengan 1 ekor pejantan), kelahiran anak jantan sangat diharapkan karena setidaknya 6 bulan kemudian ternak sudah dapat dijual. Artinya disetiap tahunnya dalam kurun waktu setidaknya lima tahun (selama masa produktif induk), peternak tersebut hanya akan menjual ternak jantan sebanyak 3 – 4 ekor, atau Rp. 2,4 – 3,2 jt/tahun, atau Rp. 200 – 266 ribu/bulan. Peternak Ayam pedaging, misalnya dengan 5 kali ceck in dalam setahun untuk ternak sebanyak 2000 ekor populasi, keuntungan rata-rata yang diperoleh per periode sebesar Rp.7 juta, berarti dalam setahun peternak memperoleh keuntungan sebesar Rp. 35jt atau sekitar Rp.2,9jt/bulan. Peternak Ayam Petelur, misalnya memelihara 1000 ekor, rata-rata produksi harian 75% (persentase minimum), dengan harga telur Rp.700/butir, selama setahun peternak memperoleh pendapatan sebesar Rp.191jt/tahun atau sekitar Rp.15jt/bulan.

Saran dan Rekomendasi

1. Alangkah baiknya, apabila metode sampling dan perhitungan populasi dan produksi yang dilakukan oleh pihak BPS dikembangkan sehingga memberikan memberikan gambaran hasil mendekati keadaan yang sesungguhnya. Perbedaan antara Peternak dan Beternak perlu diperhatikan, belum lagi perilaku usaha “beternak” atau umumnya hanya sebagai usaha sambilan pada komoditi ternak kecil dan besar, dan usaha pengolahan hasil.
Perlunya diversifikasi kelas sumber pendapatan berdasarkan komoditas. Nomenklatur peternak memiliki makna yang sangat luas dan sangat komprehensif, sehingga tidak akan menggambarkan kondisi yang sesuanggunya. Kami sangat mengharapkan dalam penyajian data NTPP khususnya Provinsi Sulawesi Selatan, minimal membedakan berdasarkan ukuran ternak (Ternak Besar, Kecil, Ternak Unggas dan Hasil Ternak).

Semoga Bermanfaat, saran dan kritikan sangat kami harapkan.

Penggunaan Expert Choice Lebih dari Satu Pakar/Responden

mawardiasja@gmail.com (adi) — Sat, 18 Jan 2014 11:35:00 -0800

PENGANTAR

Syukur Alhamdulillah, akhirnya ada kesempatan lagi untuk membuat artikel/postingan. Dorongan menulis kali ini, melihat realita bahwa teman-teman yang melakukan penelitian baik S1, S2 maupun S3 dalam menggunakan AHP seluruhnya menggunakan beberapa orang pakar dalam pembobotan kriteria (Pembobotan Jamak). Jika dilakukan secara manual, tentu hal ini dapat di atasi dengan menggunakan rerata geometrik (geometric mean). Namun pada penggunaan program computer, khususnya Expert Choice, setelah kami coba telusuri, lumayan susah untuk mendapatkan artikel yang menguraikan lagkah prosedur penggunaan tool jika terdapat lebih dari satu pembobotan (lebih dari satu pakar). Tutorial atau petunjuk langkah secara terperinci hanya menggambarkan suatu prosedur pembobotan oleh satu orang saja (pembobotan secara tunggal). Nah, pada kesempatan ini, saya akan mencoba untuk mengurai garis besar prosedur dan makna yang mudah-mudahan dapat membantu.

PENDAHULUAN

Prosedur pembobotan pada dasarnya masih mengikuti prosedur dasar pembobotan secara tunggal, yang kita lakukan kali ini adalah mengaktifkan salah satu fitur yang disediakan oleh Expert Choice. Fitur atau fasilitas tersebut adalah Participant yang terdapat pada Sub-menu “Go” yang ada pada toolbar. Pada versi Trial, anda hanya dapat memasukkan maksimal 3 (tiga) orang pakar/responden, namun pada versi full jumlah partisipan (pakar/responden) pembobot jumlahnya tidak terbatas. Mengapa dikatakan participant, bukannya Expert? Karena pada dasarnya pembobotan boleh dilakukan oleh siapa saja yang dianggap berkompoten atau memiliki keterkaitan dengan kajian/penelitian yang sedang dilakukan. Pada bidang kajian tertentu, expert atau pakar mutlak diperlukan, namun pada penelitian yang memang memerlukan tanggapan masyarakat atau konsumen (misalnya) maka mereka bukan pakar atau ahli melainkan partisipan atau responden biasa. Dengan demikian maka, penggunaan tool participant ini boleh untuk Pakar maupun oleh masyarakat yang menjadi objek penelitian.

PROSEDUR PEMBOBOTAN

Langkah 1

Susun hierarki sebagaimana pada pembobotan secara tunggal, untuk prosedur ini silahkan and abaca artikel saya sebelumnya (Penggunaan Expert Choice pada Aplikasi AHP untukPenetapan Komoditi Ternak Prioritas di Kabupaten Majene). Sebagai contoh lihat Gambar dibawah:

Langkah 2

Klik “Go” pada toolbar, pada drop list pilih Participants Table. Selanjutnya akan muncul window Participan Table. Pada window ini, Klik Edit pada toolbar, lalu klik Group enable. Berikutnya Klik Edit kembali, lalu masukkan banyaknya (N) Pakar atau partisipan yang melakukan pembobotan dengan memilih Add N Participants (Catatan: Group enable akan hilang dari dropdown list setelah diaktifkan/enable). Lihat Gambar di bawah.

Langkah 3

Setelah menetapkan banyaknya (N) partisipan, pada table participant selanjutnya akan muncul Facilitator, Combined, P2, P3 dan P4. Facilitator adalah “anda” sebagai peneliti yang juga mempunyai hak untuk melakukan pembobotan. P2 – P4 adalah pada Pakar atau partisipan yang memberikan pembobotan. Agar tidak tumpang tindih dan bingung saat pengimputan nilai pembobotan dari masing-masing pakar, sebaiknya kode P2 – P4 diganti dengan nama atau inisial pakar yang memberikan pembobotan. Caranya, klik pada cell P lalu ketikkan nama atau inisialnya (Lingkaran 1). Anda juga dapat memasukkan berbagai informasi pakar lain, seperti alamat email, lokasi, hingga organisasi atau institusinya (jika dianggap perlu). Combined adalah gabungan dari penilaian para pakar dan atau fasilitator.

Selanjutnya perhatikan pada kolom Combined (Kotak 2), secara default, akan tercentang Combined yang berarti bahwa dalam pembobotan nantinya akan digabungkan atau nilai akhir bobot kriteria merupakan hasil rerata geometri. Perhatikan juga kolom Participanting (Kotak 3), pada kolom ini anda dengan leluasa dapat mengaktifkan siapa saja partisipan atau pakar yang digunakan nilai pembobotannya (judgment). Lihat Gambar di bawah:

Mengapa?? Pada keadaan tertentu, partisipan atau pakar mungkin saja memberikah hasil pembobotan dengan nilai inconsistensi lebih besar 0,25 atau diluar nilai penerimaan, sehingga anda dapat masuk kembali pada Participants Table untuk mengeluarkan partisipan tersebut dalam analisis tanpa harus menghapus data-data yang telah anda input.

Mengapa tidak dihapus saja?? Karena anda selaku peneliti, dapat mengkonfirmasi kembali kepada pakar atau responden anda terkait dengan inkonsistensinya dalam memberikan pembobotan. Ingat penilaian secara skala sangat dipengaruhi oleh referensi dan pengalaman seseorang, hari ini mungkin dia menganggap suatu hal penting namun setelah diskusi atau membaca surat kabar ada kemungkinan persepsinya akan berubah.

Langkah 4

Setelah selesai padalangkah 3, window Participants Table sekarang bisa ditutup. Pada Window utama sekarang anda akan menemukan sedikit perubahan pada menubar. Akan terdapat tambahan icon Participant (1) dan List of Participant (2). Icon participant berguna untuk memanggil kembali Table of Participant sedangkan List of Participant adalah dropdown menu yang berisi daftar kolom pertama pada Table of Participant.

Langkah 5

ANALISIS. Pilih nama pakar atau responden yang ingin anda masukkan hasil pembobotannya. Selanjutnya lakukan Pair wise Comparison pada kriteria dan alternatif sebagaimana prosedur pada pembobotan secara tunggal (klik untuk postingan terkait). Ulangi prosedur untuk masing-masing pakar/responden dengan dengan cara yang sama. Dengan demikian sekarang anda memiliki hasil pembobotan untuk masing-masing pakar, nilai sensitifitas, inconsistensi dan lain sebagainya berdasarkan interpretasi individual oleh masing-masing pakar dengan mengkik calculate. Nah, apabila ada hasil yang menunjukkan inconsistensi yang tinggi, silahkan klik icon participant untuk menonaktifkan pakar/reponden tersebut. Untuk hasil pembobotan berdasarkan rerata geometric, atau secara simultan oleh tiga orang pakar tersebut, plij Combined pada List of Participant kemudian lakukan kalkulasi (calculate) untuk mengeluarkan hasil analisis.

PENUTUP

Sedemikian yang dapat kami uraikan secara singkan dan semoga padat, jika terdapat masalah atau pertanyaan kami siap menerima pada kolom komentar. Kami sarankan untuk menyalin (copy) komentar FB pada kolom komentar Google+, agar notifikasi ke kami lebih cepat. Mohon maaf karena kolom komentar FB masih dalam perbaikan, notifikasi kea kun saya sering telat bahkan tidak ada.

Semoga Bermanfaat..

Wassalam..

Mawardi A Asja

SAPI BETINA PRODUKTIF UNTUK QURBAN?

mawardiasja@gmail.com (adi) — Tue, 15 Oct 2013 13:18:00 -0700

Pengantar

Pada tahun 2010 silam, kami pernah melakukan survey kurban ternak kambing pada beberapa sampel masjid di 14 kecamatan semakassar. Tujuan utama survey adalah untuk melihat perkembangan tingkat pemotongan ternak kambing sebagai hewan kurban dan faktor apa saja yang ikut menentukan dinamika penggunan ternak kambing sebagai hewan qurban. Walaupun kami hanya mengambil sampel 60 sampel masjid (atau tempat pemotongan) dan hanya 54 quisioner yang dinyatakan valid, ada data sampingan yang kami peroleh pada survey tersebut. Kami juga mencatat pemotongan jenis ternak lain yang didominasi oleh ternak sapi.

Terkait dengan judul artikel di atas, hal ini memang tidak lazim terjadi, pada survey, hanya tercatat hanya ada 1 ekor kambing, 1 ekor sapi dan 1 ekor kerbau (kerbau terdata hanya seekor) yang merupakan ternak betina. Mungkin, memang tidak lazim, namun tetap saja hal ini sedikit mengganggu pikiran saya. Mengapa tidak, umum orang meyakini bahwa ternak betina boleh menjadi hewan kurban. Pengusiknya, bahwa ternak betina yang dimaksudkan digeneralisasi pada semua jenis ternak, yang berarti ternak betina bertanduk besar (sapi/kerbau) masuk dalam kategori ini.

Jika mengacu pada syarat syah hewan qurban, pada segi keadaan ternak. Dari sumber yang saya peroleh, secara mendasar kondisi hewan meliputi keadaan cacat, kesehatan fisik dan dewasa tubuh ternak (Lihat lebih detail). Keadaan fisik yang baik dan telah dewasa tubuh, sangat identik dengan produktifitas ternak. Nahh, kalau ternak betina, dan betina itu sapi/kerbau, berarti arahnya adalah sapi/kerbau betina produktif.

Beberapa hal yang membuat saya tidak sepakat dengan generalisasi semua jenis betina untuk hewan qurban, dapat saya uraikan dibawah. Sebelumnya mohon faat apabila resensi masih memerlukan pengayaan (mohon masukan):

Islam Mengamanahkan Kelestarian dan Kesinambungan (Sustainable)

Dalam Al-Quran kita diperintahkan untuk memelihara bukan hanya pada diri sendiri, tapi menjaga (memelihara) diri dan keluarga (Q.S. A-Tahrim: 6; Q.S Taha: 132), tetangga (QS. An-Nisaa’:36), sesama muslim (Q.S. Al-Hujuraat: 10-12), orang lain (Q.S. Al-Maa-idah: 8), lingkungan dan isinya, hingga mencegah kerusakan dibumi (Q.S Al Qashash : 77).

“Dan carilah pada apa yang telah dianugerahkan Allah kepadamu (kebahagiaan) negeri akhirat, dan janganlah kamu melupakan bahagianmu dari (kenikmatan) duniawi dan berbuat baiklah (kepada orang lain) sebagaimana Allah telah berbuat baik, kepadamu, dan janganlah kamu berbuat kerusakan di (muka) bumi. Sesungguhnya Allah tidak menyukai orang-orang yang berbuat kerusakan. (Q.S Al Qashash : 77) Sumber Kutipan

Islam Selalu Rasional

Pendekatan secara sederhana dapat dilihat dari semua perintah dan larangan yang selalu diterima akal sehat. Semakin orang mencari sisi irrasional dalam syariah islam, semakin mereka menemukan keilmiahan didalamnya. Rasulullah menyampaikan perintah puasa lebih dari 1400 tahun silam dan tidak diragukan lagi secara medis manfaat puasa saat ini (masih banyak info terkait yang dapat anda baca disini). Indikator sisi rasional islam lainnya dan menurut saya sangat penting adalah perintah untuk menggunakan akal. Menurut sumber yang saya dapat, di dalam Al-Quranul Karim, Allah mengulan kata Al aqlu (akal) sebanyak 50 kali; demikian juga kata Ulul Albab (orang-orang yang memiliki akal). Dari segi khasanah bahasa, pengulangan berkali-kali dapat dimaknai perintah yang kuat atau tegas. Buya Hamkah (semoga dirahmati Allah) mengatakan “Apakah yang dikatakan akal? ‘Aqal diambil dari kata aslinya yang artinya, ikatan. Nama ini telah cocok betul dengan pengambilan, karena ibarat tali mengikat unta, maka akal itu mengikat manusia. Dalam pepatah Melayu pun telah ada: “Mengikat binatang dengan tali, mengikat manusia dengan akalnya”. Hal ini pula yang mendasari sehingga Islam menjadi sangat Ilmiah.

Dasar Hukum Ternak Betina Menjadi Hewan Qurban

Dari berbagai referensi yang saya telusuri (sangat kami mohonkan masukan jika ada tambahan lain), terkait landasan yang digunakan sehingga ternak betina dapat menjadi hewan qurban, saya hanya menemukan 2 dasar sebagai berikut:

“Dan bagi tiap-tiap umat telah Kami syariatkan penyembelihan (qurban), supaya mereka menyebut nama Allah terhadap binatang ternak yang telah direzkikan Allah kepada mereka” (QS Al-Hajj 34).

Dasarnya adalah pada kata ternak (Bahimatul an’am) yang sekaligus bermakna cakupan ternak yaitu unta, sapi, kambing, dan domba (menurut pemahaman orang/bahasa arab), dimana ternak tentu meliputi jantan dan betina. Dasar pertama ini saya tempatkan bukan untuk menjadi dasar bantahan (khusus untuk ternak besar), namun indikasi awal tentang bolehnya ternak betina menjadi hewan qurban.

Landasan berikutnya didasarkan pada hadist Rasulullah Sallallahu Alaihiwasallam terkait Aqikah:

"Anak laki-laki hendaklah diaqiqahi dengan 2 kambing, sedangkan anak perempuan dengan 1 kambing. Tidak mengapa bagi kalian memilih yang jantan atau betina dari kambing tersebut." (HR. An Nasai no. 4222 dan Abu Daud no. 2835. Al HafizhAbu Thohir mengatakan bahwa hadits ini hasan).

Penyimpulan menurut As Sayrazi As Syafi’i, bahwa apabila dalam aqikah kambing betina dibolehkan berarti pada qurban (udhiyah) kambing betina juga diperbolehkan.

Terutama pada dasar yang ke-2 di atas, bahwa yang secara nyata ditegaskan oleh Rasulullah Sallallahu Alaihi Wasaallam adalah pada ternak kambing. Jika ada sumber hadist sahih yang secara tegas mengemukakan bahwa nabi pernah menyembelih unta atau sapi betina, saya mohon masukkan dalam komentar sebagai bahan referensi bersama.

Mengapa kalau kambing betina boleh? Menurut saya hal ini sangat identik dengan kapasitas reproduksi ternak kambing. Beberapa indicator reproduksi tersebut antara lain:

Siklus berahi kambing (17 hari) lebih pendek disbanding sapi (21 hari);
Lama estrus pada kambing rata-rata 30 jam sementara pada sapi rata-rata 18 jam, sehingga frekuensi mounting pada kambing lebih tinggi disbandingkan pada sapi, sehingga peluang terjadinya konsepsi juga akan lebih tinggi;
Jumlah anak sekelahiran pada kambing dapat mencapai 3 ekor, sementara pada sapi secaa alami hanya 1 ekor;
Kebuntingan pertama pada kambing dapat terjadi kurang dari usia 1 tahun, sementara umur sementara pada sapi lebih dari 1,5 tahun;
Lama kebuntingan kambing sekitar 149 hari sementara sapi sekitar 281 hari.

Perbedaan-perbedaan ini berujung pada perbedaan jumlah generasi yang dihasilkan dalam kurun waktu yang sama. Apabila kondisi lingkungan mendukung secara optimum, seekor induk sapi betina produktif akan menghasilkan seekor anak setiap tahun, sementara kambing dapat menghasilkan 9 ekor dalam 2 tahun. Dengan demikian, tentu terbayang bagaimana konsekrensi apabila betina produktif kambing atau sapi menjadi hewan qurban.

Kembali pada wacara Islam adalah agama yang menganjurkan agar kelestarian lingkungan dijaga, pertanyaan saya sederhana “memotong betina produktif merusak lingkungan atau tidak?”, berikut berdasarkan dasar rasionalisasi sederhana tentang aspek reproduksi ternak sapi dibandingkan dengan ternak kambing, “apa ini tidak cukup ilmiah mengindikasikan bahwa sapi betina produktif tidak dibolehkan atau minimal tidak dianjurkan sebagai hewan qurban”.

Landasan lain yang kami anggap sejalan dengan jalan pikiran kami adalah interpretasi IbnAbbas terhadap ayat Q.S Al-Haj:32 (“Siapa yang mengagungkan syiar Allah maka itu menunjukkan ketakwaan hati.” (Q.S. Al-Haj: 32), bahwa “Mengagungkan syiar Allah (dalam berkurban) adalah dengan mencari yang paling gemuk dan paling bagus” (Tafsir Ibn Katsir, 5/421). Yang paling gemuk dan paling bagus berarti terdapat tingkatan nilai (secara financial) dan nilai pahala berdasarkan jenis ternak. Unta yang mungkin lebih besar dibandingkan dengan sapi tentu akan memiliki harga yang lebih mahal dan sudah pasti, ketulusan dan keihlasan untuk berkorban dengan sesuatu yang lebih tinggi nilai (finansialnya) akan mendapat balasan pahala yanglebih baik. Jantan atau Betina? Harga ternak jantan lebih mahal dibandingkan dengan ternak betina, berarti berkurban ternak jantan lebih afdal dibandingkan berkurban dengan ternak betina.

Wallahua'lam

Mohon tinggalkan komentar untuk pengawaan wacana ini.

By: Mawardi A Asja

POTENSI KAMBING PE BELUM DILIRIK

mawardiasja@gmail.com (adi) — Sat, 28 Sep 2013 18:39:00 -0700

Susu merupakan bahan pangan asal hewani yang saat ini semakin luas diterima dan dikonsumsi pada semua lapisan masyarakat dan umur. Diversivikasi produk olahan yang semakin beragam baik untuk konsumsi, obat-obatan, dan kosmetik mendorong pengusaha sektor hulu untuk meningkatkan produk susu segar berkualitas. Berbagai program pemerintahpun senantiasa mendukung , restrukturisasi persusuan misalnya, bantuan-bantuan sapi perah baik pada daerah sentra pengembangan ternak perah maupun di daerah-daerah introduksi. Saat ini Indonesia barumampu memenuhi 20% kebutuhan susu dalam negri, sehingga importasi tidak mungkin dielakkan.

Trend baru yang muncul dalam diversifikasi produk olahan susu adalah penggunaan susu sebagai bahan utama atau suplemen kosmetik dan bahkan menjadi minuman kesehatan. Tren ini khususnya terjadi pada konsumen susu kambing. Beberapa sumber menyebutkan bahwa susu kambing memiliki berbagai manfaat bagi kesehatan, contoh untuk mengurangi gejala asma, TBC, tivoid, menambah stamina dan lain sebagainya (lebih lengkap silahkan baca disini). Penelitian yang telah meluas pada manfaat susu kambing ditambah penyebaran informasi yang sangat cepat, menyebabkan meningkatnya jumlah peternak kambing perah dan pertumbuhan populasi kambing peranakan ettawa (PE) terutama di daerah Jawa. Bahkan kambing PE pada tahun ini sudah dijadikan sebagai rumpun ternak kambing nasional dalam Keputusan Menteri Pertanian Nomor: 695/Kpts/PD.410/2/2013.

Seberapa besar potensi kambing PE dalam menghasilkan susu segar? Sebagai keturunan bangsa ternak perah, maka secara fisiologi ternak tersebut memiliki siklus reproduksi yang mendukung dalam hal produktifitas susu, seperti tingkat kebuntingannya tinggi, anestrus postpartum pendek, masa laktasi yang panjang, dan lain-lain sebagainya. Seekor kambing PE yang sudah produktif mampu menghasilkan hingga 1 hingga 2 liter susu segar/hari. Apabila rata-rata masa laktasi induk selama 168 hari, dengan harga rata-rata susu segar Rp. 3000/l, berarti seorang peternak memiliki potensi memperoleh tambahan pendapatan sebesar Rp. 288.000,-/bulan/ekor selama ternak memproduksi susu. Itu kalau mengacu pada harga susu sapi perah, tapi harga susu kambing PE eceran bukan Rp. 3000/liter, tapi antara Rp. 25.000 hingga Rp. 30.000/ liter seperti yang dikemukakan oleh Asep Mulyana Ketua Asosiasi Peternak Kambing Peranakan Etawa Nasional (Aspenas) (Kompas) atau sekitar Rp. 12.000 (Yogyakarta), yang berarti peternak berpeluang memperoleh pendapatan hingga Rp. 1.152.000/bulan/ekor. Tidak heran, jika Malaysia (Negara tetangga yang lihai melihat potensi) tidak sungkan-sungkan untuk menawarkan harga puluhan juta rupiah untuk seekor pejantan PE juara sayembara seperti yang terjadi di Jawa tengah untuk dibudidyakan disana, dan saat ini populasi kambing PE di Malaysia sudah mencapai angka 5000 ekor lebih (baca).

Sekarang, mari kita persempit pembahasan kita pada lingkungan sekitar, kehidupan pedesaan di wilayah Provinsi Sulawesi Barat maupun Provisni Sulawesi Selatan. Kambing PE dikenal oleh masyarakat mandar sebagai kambing Donggala, dikenal dengan perawakan tubuh yang tinggi dan bulu surai yang lebat pada bagian paha. Suatu hal yang sangat disayangkan bahwa kambing ini selama ini hanya menjadi komoditas ternak potong dan dipelihara hanya menjadi ternak tabungan bagi masyarakat kecil. Padalah potenis susu kambing ini sangat besar dan berpeluang untuk dikembangkan. Diatas kita belum menyinggung bagaimana potensi pemanfata limbah kandang (fese dan urin) yang saat ini sedang giat-giatnya diolah menjadi pupuk organic dalam bentuk padat maupun cair. Provinsi Sulawesi Barat memiliki populasi kambing 216.520 ekor dan Sulawesi Selatan 539.900 ekor (Dirjenak,releas 2012). Jika Sulbar terkenal dengan Kambing Majene (Kambing Donggala) atau Kambing PE nya yang tinggi dan di Sulsel ada Kabupaten Enrekang yang kambingnya didominasi oleh kambing PE, maka mengapa tidak kambing perah Sul-Sel-Bar di dorong pengembangan teknologi persusuannya.

Perencanaan yang matang, sistematis dan konsisten memang sangat diperlukan untuk menginisiasi hal ini. Catata pertama yang perlu dingat adalah bahwa mindset peternak kambing adalah peternak kambing potong (bukan peternak kambing perah), yang berarti bahwa pola dan system pemelliharaan kambing harus dirubah terlebih dahulu. Beberapa kelompok mahasiswa dari Program Studi Peternakan Fakultas Peternakan dan Perikanan Universitas SulawesiBarat bersama dengan beberapa orang dosen pendamping saat ini sedang melakukan upaya terobosan untuk melakukan upaya sosialisasi potensialisasi kambing PE di salah satu desa di Kabupaten Polewali Mandar (Polman) dalam bentuk program kreativitas mahasiswa. Agenda utamanya adalah bagaimana agar masyarakat mampu untuk menyediakan pakan bagi kambing mereka sesuai dengan kebutuhan masa produksi ternak. Selama ini peternak tidak memperhatikan bahwa kebutuhan nutrisi baik kuantitas maupun kualitas ternak bergantung pada siklus reproduksinya, sehingga ternak bunting, postpartum, laktasi atau kering tetap saja diberi pakan sesuai dengan kebiasaan dan kemampuan peternak.

Kita tentu sangat berharap agar pemerintah nantinya berupaya untuk melakukan inisiatif guna pembangungan persusuan kambing PE di Sul-Sel-Bar. Civitas akademika juga sebaiknya ikut berkonstribusi bersama dengan elemen masyarakat baik dalam kegiatan pengabdian maupun penelitian untuk memberikan dukungannya. Saya sangat yakin bahwa masyarakat peternak sudah perhan mendengar tentang potensi ini, namun inisiator dan pendampingan tentu menjadi tanggungjawab bagi insane ilmuan dan pemerintah.

Semoga Bermanfaat

Mawardi A. Asja

By: Mawardi A Asja

Ternak Kambing Dalam Pelayaran (animal welfare)-1

mawardiasja@gmail.com (adi) — Fri, 30 Aug 2013 23:55:00 -0700

Baru kali ini saya punya kesempatan untuk berbagi pengalaman dan cerita pada waktu bergabung dengan ACIAR-SMAR-207 pada antara Tahun 2008-2010. Pada prinsipnya proyek bertujuan unutk mengidentifikasi market chain atau rantai pemasaran ternak kambing khususnya di Sulawesi Selatan dan Barat. Cakupan kegiatan cukup luas, dari grass root peternak, pengumpul, pedagang hingga konsumen. Kegiatan dengan anggaran yang tidak terlalu besar (small project) namun menurut saya sangat memberi manfaat yang sangat luas bagi peternak bahkan bagi pemerintah guna pengembagan ternak kambing tentunya. Publikasi kami cukup banyak dan dapat anda download langsung di situs resi ACIAR.

Pada kesempatan kali ini saya hanya akan sedikit meringkas beberapa catatan dan dokumentasi perjalanan yang telah saya kalukan dalam mengidentifikasi pasar kambing. Saya bukan ingin mengutarakan tentang data-data penelitian ataupun hail analisis statistik yang telah kami lakukan. Namun ini adalah satu-satunya aspek yang belum sempat kami publikasikan baik pada jurnal nas/int maupun pada seminar. Menurut ketua peneliti kami pada saat itu Peter Murray, walaupun hal ini potensial untuk dikaji namun disayangkan bahwa ini diluar caupan objek penelitian yang dituju.

Terdapat dua hal utama terkait pelanggaran animal welfare yang sempat kami amati dalam perjalanan explorasi pada pemasaran kambing antara lain: sarana pengangkutan yang sangat padat dan kurangnya istirahat bagi ternak selama dalam perjalanan. Berikut beberapa dokumentasi yang dapat anda lihat dan interpretasikan sisi animal welfare nya.

Transport Kambing
Suasana Pengangkutan Ternak Kambing di Pelabuhan Mamuju

Transport Kambing
Ternak Kambing di Pasar Wonomulyo

Transport Kambing
Angkot merupakan salah satu sarana angkot yang lebih menyenangkan

Transport Kambing
Ternak dengan ukuran yag kecil (kambing marica) dapat dingkut dengan sepeda motor

Transport Kambing
Model mobil angkut yang lebih bersahabat, namun gambar diatas diambil setelah 20% penumpang diturunkan

Transport Kambing
Suasana Pengangkutan Ternak Kambing di Pasar Wonomulyo

Transport Kambing
Suasana Pengangkutan Ternak Kambing di Pelabuhan Mamuju

Transport Kambing
Induk dan anak yang baru dilahirkan pada saat tiba di kapal ferry

By: Mawardi A Asja

Pengantar Fisiologi Ternak (Pertemuan I)

mawardiasja@gmail.com (adi) — Sat, 24 Aug 2013 20:16:00 -0700

Fister Pertemuan I (Pengantar)

By: Mawardi A Asja

Asumsi-Asumsi ANOVA dan Metode Pengujiannya (Pertemuan IV)

mawardiasja@gmail.com (adi) — Sat, 24 Aug 2013 04:10:00 -0700

Bahan kuliah Metode Penelitian dan Rancangan Percobaan Pertemuan IV, Asumsi-Asumsi ANOVA dan Metode Pengujiannya. Bahan dapat di download melalui Scribd.

Bahan Pertemuan IV MK Rancob_Asumsi Anova

Pustaka Acuan Tugas Artikel Ilmiah (MK. Metode Ilmiah)

mawardiasja@gmail.com (adi) — Fri, 23 Aug 2013 00:40:00 -0700

Berikut ini adalah daftar jurnal, nama dan stambuk mahasiswa. Setiap judul telah ditetapkan bahan acuan dasar (jurnal) untuk penulisan artikel ilmiah, sebagai tugas dalam matakuliah Metode Ilmiah.

Untuk mendapatkan jurnal tersebut, silahkan klik judul untuk mendownload artikelnya.

Link dibawah adalah link 4shared, disarankan untuk melakukan registrsi/login ke 4shared terlebih dahulu.

Judul: Pembinaan Kelompok Petani-Ternak dalam Usaha Ternak Sapi potong

Bidang Kajian: Sapi Potong, Sosek

Sukri G0110013

Judul: Induksi Superovulasi dengan Kombinasi CIDR, Hormon FSH dan hCGpada Induk Sapi Potong

Bidang Kajian: Sapi Potong, Reproduksi

Sopyan G0110002

Judul: Strategi Suplementasi Protein Ransum Sapi Potong Berbasis Jeramidan Dedak Padi

Bidang Kajian: Sapi Potong, Pakan

Murpi G0110017

Judul: Penggunaan Tepung Limbah Udang yang Diolah dengan Filtrat AirAbu Sekam dalam Ransum Ayam Broiler

Bidang Kajian: Ayam Pedaging, Pakan

Rahmat A G0110004

Judul: Pengaruh Pemberian Natrium Benzoat terhadap Daya Awet Daging Sapipada Penyimpanan Suhu Ruang

Bidang Kajian: THT, Daging

Syahrin Syahrani G0110009

Judul: Performa Ayam dan Kualitas Telur yang Menggunakan RansumMengandung Onggok Fermentasi dengan Neurospora crassa

Bidang kajian: Ayam Petelur, Pakan

Harun G0110006

Judul: Pengaruh Penambahan Prostatglandin F2a terhadap kualitas Spermapada Semen Kambing yang Diencerkan dengan Berbagai Larutan

Bidang Kajian: Kambing, Reproduksi

Hidayat G0110016

Judul: Fermentasi sebagai Upaya Menghilangkan Aroma "Prengus"Susu Kambing

Bidang Kajian: Kambing, THT

Muhammad Syafei G0110008

Judul: Tingkah Laku Makan Kambing Lokal Persilangan yang Digembalakandi Lahan Gambut: Studi Kasus di Kalampangan, Palangkaraya, Kalimantan Tengah

Bidang Kajian: Kambing, Tingkah Laku

Rahmat Haris Nasution G0110010

Tugas Makalah Mulai dikerjakan 23 Agustus 2013
Proses pemeriksaan 23 - 25 Agustus 2013
Persentase Makalah Perorangan 26 Agustus 2013

Pengelolaan Sitasi dengan Mendeley

mawardiasja@gmail.com (adi) — Fri, 12 Jul 2013 06:12:00 -0700

Pengantar

Pada saat menyelesaikan tulisan paper atau makalah, laporan penelitian/praktikum, skripsi, tesis bahkan disertasi atu jurnal, seringkali kita direpotkan pada bagian penyusunan daftar pustaka. Semua artikel yang dicuplik pada isi teks makalah harus muncul dalam Daftar pustaka, pada daftar pustaka kita akan dituntut lagi untuk melakukan penyesuaian metode penuisan daftar pustaka (Style) sesuai dengan Harvard Style, APA dll sebagainya. Tidak jarang sebuah makalah mengalami kendala dalam penyelesaiannya karena bagian daftar pustaka yang penuh dengan koreksi.

Pada dasarnya hal in isudah bukan masalah lagi sejak puluhan tahun silam, namun dalam system pendidikan kita sangat jarang ada ruang dan waktu yang diperuntukkan untuk mengenal dan mendalami aplikasi penggunaan program-program pengutipa pustaka (sitasi/Citation). Sejak dulu akademisi di luar negri sana sudah mengenal berbagai software pendukung manajemen sitasi, ada Aigaion, Bebop, Biblioscape, EndNote, Mendelay dan terdapat puluhan ragam program sitasi trsebut, dan yang paling popular di Indonesia adalah EndNote dan Mendeley.

Pada kesempatan kali ini, kita akan sidikit membahas pada penggunaan mendeley, kelebihan utama selain kemudahan interface (friendly), software ini dapat anda download melalui situs resmi secara gratis. Tutorial berikut in dapat juga anda lihat pada situs resmi mendeley, namun kami tetap berusaha membantu untuk menyajikan tutorial cara instalasi dan beberapa cara penggunaannya dalam bahasa Indoneisa.

Instalasi

Aplikasi Mendeley (exe) dapat anda peroleh dari teman yang sudah mendownload program tersebut. Versi terakhir saat ini adalah Mendeley Dekstop 1.9.1. Jika belum, pertama-tama kunjungi situs resmi mendelei (klik disini). Download apliksi kemudian lakukan instalasi setelah download berhasil. Pada bagian akhir instalasi anda akan diminta untuk memasukkan alamat email dan password untuk melakukan registrasi pada mendeley WEB. Sehingga sangat disarankan unutk melakukan instalasi dalam keadaan sedang online atau terkoneksi dengan internet. Setelah proses instalasi sekarang anda memiliki dua komponen mendeley, yaitu Mendeley Dekstop (yang terinstal pada PC anda) dan Mendeley WEB (fersi online dimana file-fila cuplikan anda akan tersimpan dan senantiasa tersinkronisasi dengan Mendeley Dekstop). Berikut tampilan Mendeley Dekstop setelah proses instalasi berhasil (Gambar 1).

Gambar 1

Plugin ke word Office

Berikutnya kita lakukan pemasangan Plug-Ins pada Microsoft Office Word. Pada mendeley desktop, klik Tools, pilih Install MS Word Plugin (Gambar 2).

Gambar 2

Jika aplikasi MS Word anda sedang terbuka, maka mendeley akan meminta izin untuk merestar MS Word. Selanjtnya buka MS Word, dan pada bagian Ribbon, Klik References. Sekarang anda dapat melihat Mendeley Cite-O-Matic pada Ribbon tersebut (Gambar 3).

Gambar 3

Memasukkan Reference atau Bahan Kedalam Mendeley

Cara measukkan bahan (misalnya jurnal) kedalam mendeley sangat mudah. Buka folder file-file dalam bentuk PDF yang telah anda download sebelumnya. Minimize window, kemudian klik dan drag file kedalam mendeley (Gambar 4).

Gambar 4

Berikut akan tampil file yang telah anda masukkan (Gamabr 5-1) pada bagian tengah Mendeley dan deskripsi file (bahan sitasi) pada sisi kanan mendeley (Gambar 5-2). File tersebut dapat anda buka secara langsung dengan Klik 2 kali pada file.

Gambar 5

Melakukan Sitasi

Berikut akan secara langsung kita melakukan simulasi unutk melakukan sitasi/pengutipan pustaka. Setelah anda mengutip pernyataan dari literature, klik Insert Citation (Gambar 6-1). Selanjutnya akan muncul window baru kemudian klik Go To Mendeley (Gambar 6-2).

Gambar 6

Kemudian anda akan masuk pada Mendeley Dekstop, klik bahan yang dikutip (Gambar 7-1), kemudian kllik Cite (Gambar 7-2), seacara otomatis, pada bagian belakang kalimat yang anda kutip akan muncul nama penulis yang anda kutip (Gambar 7-3).

Gambar 7

Pengambilan sitasi dapat anda lakukan dengan mengunggah file BIB atau RIS untuk mendeley, anda dapat metode (klik disini).

Memunculkan Bibliografi

Tahap berikutnya dalah memunculkan daftar pustaka atau Bibliography. Caranya sangat mudah, letakkan kursor pada bagian bawah DAFTAR PUSTAKA atau REFERENS:. Kemudian Klik Insert Bibliography pada Ribbon MS Word (Gambar 8-1). Secara Otomatis pustaka yang tekah anda cite tadi akan muncul (Gambar 8-2).

Gambar 8

Anda juga dapat melihat atau mendownload video-video tutorial mendeley (klik disini).

Semoga bermanfaat, jika ada pertanyan silahkan tinggalkan komentar. Mohon, "Like" jika menurut anda posting kami bermanfaat, atau masih membutuhkan koreksi untuk berbaikan lebih lanjut.

By. Mawardi A Asja

Format Laporan Akhir Kegiatan Pekerti (Angk-V 2013)

mawardiasja@gmail.com (adi) — Thu, 13 Jun 2013 09:00:00 -0700

Berikut ini format laporan akhir kegiatan Pelatihan Pekerti (Program Pengembangan Keterampilan Dasr Teknik Instruksional) yang kami khususkan bagi dosen-dosen Fakultas Peternakan dan Perikana dan Dosen yang mengabdi di Pendidikan Tinggi tanpa terkecuali. Pada Format ini, juga berisi Draft-draft kandungan (isi) berdasarkan format yang akan kami sempurnakan bersama pembimbing nantinya. Walaupun masih berupa draft, namun kami sangat berhadar agar posting kali ini dapat bermanfaat. Berikut Format yang dapat anda Unduh (Klik menuju Scribd):

Download Semua File

Catata: kami menggunakan pihak ke-3 untuk memuat file-file kami di atas (Ziddu), pada saat anda masuk pada window Ziddu, semua iklan atau apapun bentuk Ads, adalah bukan dari kami dan harap kiranya anda bijaksana pada saat masuk ke window Ziddu.

Semua gratis dan semoga bermanfaat, mohon saran dan komentar sebagai masukan bagi kami atau jika ada yang ingin dipertanyakan.

By: Mawardi A Asja

Penggunaan Expert Choice pada Aplikasi AHP untuk Penetapan Komoditi Ternak Prioritas di Kabupaten Majene

mawardiasja@gmail.com (adi) — Sat, 20 Apr 2013 06:21:00 -0700

Pengantar

Alhamdulillah akhirnya ada kesempatan lagu untuk membuat artikrl dan posting di blog. Sebagai lanjutan pada artikel dan pembahasan sebelumnya, yaitu pada contoh kasus Aplikasi AHP pada Penetapan Komoditi Ternak Prioritas di Kabupaten Majene. Pada pembahasan pertama proses analisis dilakukan dengan prosedur manual. Nah pada kesempatan ini dengan menggunakan contoh kasus yang sama, selanjutnya akn kita coba untuk melakukan analisis dengan penggunaan program komputer, yaitu Expert Choice (EC). Expert Choice merupakan salah satu jenis software yang secara luas digunakan dalam menganalisis hasil-hasil pembobotan AHP. Anda bisa mengenal lebih jauh tentang softwere tersebut dengan mengklik link di atas. Sebagai catatan, program EC yang kami gunakan kali ini adalah Expert Choice 11.1. Saat ini sudah ada varians EC 11.5 dengan UpDate terakhir pada tahun 2013. Jika anda ingin mencoba softwere trial anda dapat meminta langsung ke marketing EC secara online disini. Kalau mau pakai yang bajakan silahkan googling, namun kami sangat tidak menyarankan.

Sebelumnya kami juga menyarankan agar prosedur analisis manual anda buka pada tab baru (silahkan klik link) untuk lebih memudahkan dalam memahami prosedur ini. Berikut tahapan analisis dengan penggunaan program EC.11.

Langkah I (Pembuatan dan Penuimpanan File)

Buka aplikasi Expert Choice 11, dengan klik 2 kali pada icon EC. Selanjutnya akan muncul window atau screen selamat datang “Welcome to Expert Choice” (Gambar 1).

Gambar 1
Pilih Create New Model lalu klik OK

Pada window ini, klik Create new model, direct lalu klik OK. Kemudian akan muncul Window penyimpanan untuk faile baru yang akan kita buat. Isikan nama file sesuai dengan keinginan, pada kali nama file diisi dengan Komoditi Ternak Dikembangkan di Kab Majene (Gambar 2). kemudian klik Open.

Gambar 2
Masukkan Nama File Sesuai Keinginan

Setelah itu akan muncul wondow Goal Description. Pada window ini sisikan secara singkat deskripsi tujuan atau goal yang ingin dicapai, kali ini saya menggunakan deskripsi yang sama dengan nama file yang telah disimpan tadi (Gambar 3).

Gambar 3
Masukkan Deskripsi Goal

Setelah mengisi deskripsi selanjutnya klik OK, lalu akan muncul window ruang kerja dengan sebuah Node yang merupakan hirarki level utama atau goal yang ingin dicapai (Gambar 4).

Gambar 4
Tampilan Menu Utama dengan Node (Hierarki I)

Langkah 2 (Penyusunan Hierarki)

Perhatikan kembali susunan hierarki KRITERIA pada analisis secara manual, pada hierarki II kriteria yang digunakan dimasukkan sebagai anak atau turunan hierarki Idengan Klik Kanan pada Node hierari I, kemudian pilih Insert Child of Current Node(Gambar 5).

Gambar 5
Masukkan anak hierarki (Hierarki II)

Masukkan kriteria pertama: Daya dukung lahan/ Kemubuhan Lahan, lalu klik enter, selanjutnya masukkan kriteria kedua Nilai ekonomi & peluang pasar, kriteria ketiga dan keempat, tekan enter lalu klik bebas di ruang kerja. Hingga akan diperoleh tampilan seperti ditunjukkan pada Gambar 6 (1).

Gambar 6
Masukkan Alternatif (Hierarki III)

Selanjutnya kita akan memasukkan alternatif-alternatif komoditas ternak yang akan dikembangkan. Unutk memasukkan alternatif Klik icon Add Alternatif (Gambar 6-(2)). Selanjutnya akan muncul window alternative name, lalu isi dengan nama komoditi yang akan dikembangkan (Gambar 6-(3)). Ulangi proses pada nomor 2 dan 3 hingga semua alternatif dimasukkan. Hingga diperoleh tampilan seperti pada Gambar 7.

Gambar 7
Pengisian atribut sudang lengkap

Langkah III (Pembobotan Kriteria)

Sebagaimana prosedur yang dilakukan pada analisis manual, tahap pembobotan pertama dilakukan pada hierarki II terhadap hierarki I. Artinya kita ingin memberikan bobot terhaap masing-masing kriteria untuk mengetahui kriteria mana yang paling diunggulkan. Pada analisis manual sebelumnya diketahui bahwa hasil pembobotan adalah sebagai berikut:

Nahh, nilai-nilai hasil pembobotan ini akan dimasukkan kedalam program EC. Pertama klik pada Node utama atau Goal pada kolom bagian kiri. Lalu Klik Assessment pada tool bar window, kemudian pilih pairwise (Gambar 8).

Gambar 8
Pilih Pairwise

Selanjutnya akan muncul window compare the relative preference with respect to: Goal: Komoditas Ternak Dikembangkan di Kab. Majene. Perhatikan bagian yang diberi kotak bergaris birupada Gambar 9. Pada kotak tersebut terdapat tomboll radio (radio button) yang dapat anda geser kekanan atau kekiri sesuai dengan peringkat bobot yang diberikan. Contoh Perbandingan antara Daya dukung lahan.Kebutuhan lahan dengan Nilai ekonomi & peluang pasar. Hasil pembobotan pada Tabel 1 menunjukkan bahwa nilai ekomomi & daya dukung pasar (NE&PP) lika kali lebih penting dibandingkan dengan daya dukung lahan (DDL) sehingga, tombol radio digeser ke arah kanan dan berhenti pada angka 5. Selanjut lakukan pengisian untuk kolom-kolom lain sebagaimana prosedur tersebut hingga diperoleh hasil (Gambar 9). Kelebihan analisis menggunakan EC ini adalah informasi tentang konsistensi penilaian dapat langsung diketahui (dilingkari merah). Konsistensi pembobotan pada hierarki kedua ini menunjukkan angka 0,05 atau <0,1 sehingga hasil penilaian dianggap memenuhi persyaratak inkonsistensi atau pembobotan dilakukan secara konsisten. Jika pembobotan selesai, klik Caculate (Gambar 9-(3)).

Gambar 9
Pembobotan Hierarki II terhadap Hierarki I

Langkah IV (Pembobotan Aternaitf)

Pembobotan kedua dilakukan pada masing-masing alternaitf terhadap kriteria (hierarki II). Pembobotan dimaksudkan untuk memberi penilaian karakter masing-masing komoditas (alternatif) berdasarkan kriteria yang ada. Pertama-tama klik pada kriteria 1 (Daya dukung lahan/Kebutuhan Lahan), kemudian Klik Assessment pada tool bar window, pilih perbandingan berpasngan Pairwise (Gambar 8). Selanjutnya akan muncul window perbandingan relatif (Gambar 10). Masukkan nilai-nilai masing-masing bobot berdasarkan hasil penilaian yang diperoleh pada analisis secara manual. Pertama bandingkan antara sapi potong dan kambing dalam hal kriteria daya dukung lahan/ kebutuhan lahan. Nilai pembobotan yang diperoleh pada analisis sebelumnya (silahkan dilihat).

Selanjtnya lakukan pengisian sebagaimana prosedur pada Langkah III di atas, hingga diperoleh hasil pengisian sebagaimana ditunjukkan pada Gambar 10.

Gambar 10
Pembobotan Alternatif terhadap Hierarki II

Langkah V (Sintesis)

Setelah semua pembobotan alternatif dilakukan untuk semua kriteria, selanjutnya perolehan hasil (sistesis) sekarang dapat dilakukan. Setelah kembai ke window utama. Klik Synthesize, pilih with respct to goal. Maka akan muncul window seperti Gambar 11.

Gambar 11
Output sintesis

Klik sort by priority untuk mlihat prioritas utama.

Gambar 12
Output sintesis setelah diurut berdasarkan prioritas

Dengan demikian dapat disimpulkan bahwa ternak kambing sebagai komoditi ternak yang akan dikembangkan di kabupaten Majene. Hasil analisis yang dilakukan secara manual menunjukkan tingkatan prioritas yang sama, namun terdapat selisih nilai sistensis sekitar 0,015 sampai 0,02. Kemungkinan besar hal ini dikarenakan pada proses pada analisis menggunakan Expert Choice, tingkat inconsistensi ikut berkonstribusi terhadap hasil sistensis global yang diperolah, sementara pada prosedur manual tidak.

Anda juga dapat membanding kan hasil penilaian yang telah dilakukan secara manual unutk masing-masing kriteria dengan hasil penilaian dengan menggunakan Expert Choice ini. Perhatikan Tampilan Window utama berikut (Gambar 13).

Masih terdapapat beberapa output yang belum sempat saya jabarkan kali ini, namun saya berharap komentar dan permintaan dari para pengunjung blog akan kami mediasi dengan melakukan Update pada artikel ini.

Terimakasih dan semoga bermanfaat.

......Mohon masukan dan atau komentar saat atau setelah anda membaca artikel ini.....

By: Mawardi A Asja

AHP Tutorial (Eng)

mawardiasja@gmail.com (Anonymous) — Wed, 10 Apr 2013 21:05:00 -0700

Tutorial AHP dalam versi inggris ini maksudya bukan hasil translate bahan dalam artikel ini, namun saya posting juga sebagai bahan untuk mengayakan materi terkait AHP.

Tutorial AHP English Version

Aplikasi AHP pada Penetapan Komoditi Ternak Prioritas di Kabupaten Majene (Contoh Kasus)

mawardiasja@gmail.com (Anonymous) — Wed, 10 Apr 2013 20:56:00 -0700

PENGANTAR

Pembahasan kali ini akan secara langsung pada prosedur analisis AHP, untuk prosedur analisis secara manual, sehingga untuk lebih memahami prinsip-prinsi AHP dianjurkan untuk membaca artikel Pengantar AHP. Saya tetap menganggap penting untuk tetap mempelajari bagaimana prosedur analisis manual walaupun saat ini sudah terdapat banyak tools yang dikembangkan untuk membantu proses analisis data AHP, makanya pada contoh soal ini hanya digunakan contoh yang relatif sederhana. Untuk kasus-kasus yang sudah kompleks dan multi hierarki (lebih 3) sebaiknya anda menggunakan software seperti CD+, Expert Choice, dll.

Pada contoh penggunaan AHP kalli ini, akan kita lakukan analisis keputusan dalam menentukan komoditi ternak yang paling cocok dikembangkan di Kabupaten Majene. Dalam prosedur pembobotannya secara langsung dilakukan berdasarkan data-data stattistik yang mendukung (bukan menggunakan pendapat pakar). Sehingga pada contoh ini lebih kepada sebagai contoh analisisnya, tapi kalau ada yang mau penelitian terkait kasus yang dikaji dalam contoh ini tentu akan sangat bermafaat bagi Kabupaten Majene. Oke, kita langsung ke tahapan analisis AHP.

DEKOMPOSISI MASALAH

Tujuan/Goal (Hierarki I) : Komoditi Ternak yang akan dikembangkan

Kriteria (Hierarki II) :
1.Daya dukung lahan/Kebutuhan Lahan (DDL)
2.Nilai Ekonomi&Peluang Pasar (NE&PP)
3.Kemudahan Teknis Pemeliharaan (KTP)
4.Sarana Pendukung (SP)

Alternatif Jenis Ternak (Hierarki III):
1.Sapi Potong (S.Pot)
2.Kambing PE (Kam.PE)
3.Unggas Petelur (Ugg.T)
4.Unggas Potong (Ugg.P)

Berdasarkan dekomposisi masalah diatas, maka dapat disusun bagan hierarkhi sebagai berikut:

PENILAIAN/ PEMBOBOTAN

Hierarki II (Kriteria)

Hasil pembobotan pada hierrki ke-2 atau hierarki kriteria adalah sebagai berikut:

Pada matriks kriteria terlihat perbandingan berpasangan untuk Daya dukung lahan atau ketersediaan lahan (DDL) dengan Nilai Ekonomi & Peluang Pasar (NE&PP) terlihat bahwa NE&PP dianggap lebih penting (5) dibandingkan dengan DDL. Demikian pula DDL terhadap Kemudahan Teknis Pemeliharaan (KTP), KTP dianggap lebih penting (5) dibandingkan dengan DDL. Namun, DDL dianggap lebih penting (5) dibandingkan dengan Sarana Pendukung (SP). NE&PP saat dibandingkan dengan KTP menunjukkan tingkat kepentingan yang sama (1), dan mutlak lebih penting (9) dibandingkan Sarana Pendukung (SP). Demikian pula degan Kemudaha teknis pemeliharaan (KTP) dianggap mutlak lebih pending dibandingkan dengan Sarana pendukung (SP).

Interpretasi peniliana pada tarah hierarki II ini sama untuk penilaian pada tarat Hierarki III.

UJI KONSISTENSI

Langkah Pertama: susun matriks kriteria dan matriks alternatif kedalam bentuk matriks reciprocal nya masing-masing, seperti pada contoh berikut:

Langkah Kedua: Rubah angka dalam matriks dari nilai fraksi kedalam bentuk desimal:

Langkah Ketiga: Lakukan normalisasi pada kelima matriks desimal yang telah dibuat di atas. Hingga diperoleh hasil sebagai berikut:

dan seterusnya untuk alternatif-alternatif lainnya....

Langkah Keempat: tentukan nilai Eigenvektor utama (EV), dengan merata-ratakan nilai baris pada tiap-tiap elemen. Perhitungan dilakukan untuk masing-masing elemen pada tiap matriks hasil normalisasi:

EV diatas adalah EV unutk kriteria (Hierarki II), lakukan juga untuk hierarki III, hingga diperoleh hasil sebagai berikut:

Langkah Kelima: Tentukan nilai Eigen terbesar (Lambda Maksimum) untuk tiap-tiap matriks. Eigen terbesar diperoleh dengan mengalikan total matriks sebelum normallisasi dengan nilai eigenvektor utama.

Lakukan hal yang sama untuk matriks pada tiap-tiap alternatif

Lengkah Keenam: Tentukan Nilai indeks konsistensi atau Consistency Index (CI) sesuai dengan persamaan yang telah dibahas sebelumnya hingga diperoleh nilai CI sebagai berikut:

Nilai CI yang diperoleh diatas selanjutnya dibandingkan dengan nilai random index (RI) untuk ordo n = 4 (karena terdapat 4 elemen dalam tiap matriks), maka nilai RI yang digunakan adalah 0,9. Konsistensi yang dapat diterima apabila nilai CR<10% (CR<0,1).

Nilai CR yang ditunjukkan pada Tabel di atas menunjukkan bahwa semua penilaian dilakukan secara konsisten dan hasil pembobotan dapat diterima berdasarkan konsistensi pengisiannya.

SINTESIS (ITERASI MATRIKS)

Dengan menggunakan matriks yang telah dikonversi kedalam bentuk desimal, selanjutnya akan dilakukan sistesis atau penetuan prioritas.

Bobot Prioritas Pada Kriteraia

Pembobotan pada tiap tingkatan hierarki dilakukan melaui jalan iterasi atau perkalian matriks (baris x kolom). Proses iterasi minimal sebanyak tiga kali, dengan banyak maksimum yang relatif.

Langkah 1: Berdasarkan nilai-nilai desimal pada matriks 1, lakukan perkalian baris kali kolom, lalu jumlahkan berdasarkan baris.

Langkah 2: Selanjutnya semua hasil penjumlahan pada perkalian yang telah dilakukan, disusun kedalam matriks yang baru, kemudian dijumlahkan berdasarkan bari lalu dinormalisasi:

Selanjutnya kita masuk pada ITERASI II. Langkah-langkah yang dilakukan dalam proses iterasi pada prinsipnya sama saja dengan iterasi yang telah dilakukan pada tahap pertama. Hanya saja pada iterasi ke-2 ini, matriks yang akan dikallikan baris kolomnya adalah matriks yang dihasilkan pada langkah 2 iterasi 1. Seperti matriks dibawah ini.

Lakukan prosedur pengalian baris kolom seperti di atas, hingga diperoleh hasil matriks iterasi 2 sebagai berikut:

Jika matriks iterasi 2 telah terbentuk, selanjutnya lakukan lagi proses iterasi 3. Ingat, bahwa matriks yang digunakan pada iterasi 3 adalah matriks hasil iterasi 2. Dengan prosedur yang sama pada langkah sebelumnya, maka akan diperoleh hasil matriks iterasi 3 sebagai berikut:

Nahh, pada hasil iterasi 3 ini, kita selanjutnya kita mencoba untuk melihat konsistensi nilai-nilai hasil normalisasi (pada kolom Norm.). Lakukan perhitungan selisih antara hasil iterasi 1 dan iterasi 3.

Hasil menunjukkan bahwa masih terdapat selisih pada semua elemen penyusun matriks, dengan demikian, maka proses iterasi diteruskan ke iterasi 4. Dengan prosedur yang sama, lakukan iterasi 4 dengan menggunakan hasil matriks iterasi 3, hingga diperoleh hasil matriks iterasi 4, sebagai berikut:

Hasil normalisasi matriks iterasi 4, selanjutnya dihitung selisihnya dengan normalisasi hasil iterasi 2.

Yeppp.. pada iterasi keempat ini, kita telah memperoleh nilai selisih hasil normallisasi yang bernilai 0, artinya proses iterasi tidak perlu lagi dilanjutkan. Karena proses iterasi berhenti pada iterasi 4, maka nilai pembobotan yang digunakan adalah nilai normalisasi hasil iterasi ke-4, sehingga, sekarang tiap-tiap elemen penyusun kriteria dapat di susun sebagai berikut:

1.Daya dukung lahan/Kebutuhan Lahan (DDL) = 0,114
2.Nilai Ekonomi&Peluang Pasar (NE&PP) = 0,424
3.Kemudahan Teknis Pemeliharaan (KTP) = 0,424
4.Sarana Pendukung (SP) = 0,037

Kembali ke bagan hierarki, maka akan nampak nilai sebegai berikut:

Berdasarkan hasil sintesis pembobotan diatas, diketahui bahwa aspek nilai ekonomi & peluang pasar dan aspek kemudahan implementasi merupakan kriteria yang menjadi prioritas utama untuk menentukan jenis komoditi ternak yang akan dikembangkan di Kabupaten majene, selanjutnya adalah aspek daya dukung lahan/ kebutuhan lahan dan pertimbangan terakhir adalah saran pendukung dalam pemeliharaan ternak.

Bobot Prioritas Pada Alternatif

Setelah melakukan penetapan prioritas pada hierarki II, selanjutnya penetapan prioritas atau pilihan pada alternatif. Untuk proses iterasi pada tahapan ini, maka akan dilakukan iterasi alternatif komoditas ternak pada tiap-tiap kriteria. Prinsipnya adalah bahwa tiap-tiap alternatif komoditi akan dinilai karakteristik atau tinggkat kepentingannya berdasarkan kriteria yang telah ditentukan.

Karena panjangan nya proses yang dibutuhkan pada analisis tersebut, maka untuk hierarki III ini, tidak akan kami muat dan urai secara lebih mendetail seperti pada hierarki II. Yang jelas prosedur iterasi yang dilakukan adalah sama, banyaknya iterasi yang dilakukanpun sama, yaitu empat kali untuk memperoleh nilai selisih total ternormalisasi = 0. Jadi kami hanya akan memberikan hasil, matriks iterasi ke-4 dan nilai bobot masing-masing alternatif berasarkan kriteria ukurnya:

Maka bobot untuk masing-masing alternatif pada kriteria daya dukung lahan adalah sebagai berikut:

1. Sapi Potong = 0,050

2. Kambing PE = 0,444

3. Unggas Petelur = 0,203

4. Unggas Pedaging = 0,303

Lakukan langkah yang sama untuk pembobotan alternatif berdasarkan tiga kriteria lainnya.

PENETAPAN ALTERNATIF TERBAIK

Langkah terakhir, adalah menetukan alternatif terbaik dengan menggabungkan antara hasil pembobotan pada kriteria dan pembobotan alternatif berdasarkan kriteria. Susunlah matriks hasil pembobotan alternatif berdasarkan kriteria yang telah dilakukan sebelumnya, kemudian lakukan perkalian silang dengan masing-masing bobot kriteria yang diperoleh pada analisis hierarki II:

Selanjutnya urutkan berdasarkan prioritas hasil pembobotan:

Kambing PE = 0,404

Unggas Pedaging = 0,235

Unggas Petelur = 0,202

Sapi Potong = 0,159

KESIMPULAN

Dengan demikian Goal/ tujuan untuk mengidentifikasi jenis komoditas ternak yag akan dikembangkan dikabupaten Majene, seudah terjawab. Prioritas pertama adalah Ternak Kambing PE, selanjutnya ternak unggas pedaging, ternak unggas petelur dan terakhir ternak sapi potong.

----------CATATAN-----------

Pada kenyataannya akan sangat sulit melakukan analisis dengan hanya mengandalkan program hitung seperti Excel (pada contoh ini). Namun, sebagai bahan untuk belajar, tidak ada salahnya kita mencoba untuk mempelajari analisis secara manual seperti di atas. Untuk analisis dengan menggunakan Program Expert Choice, pada contoh kasus yang sama juga dapat anda lihat pada link dibawah.

Expert Choice 11 (Aplikasi AHP pada Penetapan Komoditi Ternak Prioritas di Kabupaten Majene).

By: Mawardi A Asja

Pengantar Penggunaan AHP (Analytical Hierarchy Process) dalam Pengambilan Keputusan

mawardiasja@gmail.com (Anonymous) — Sun, 7 Apr 2013 23:05:00 -0700

PENGANTAR

Pengambilan keputusan sudah menjadi bagian dalam kehidupan, kadangkala kita diperhadapkan pada dua atau lebih pilihan, atau pilihan mudah hingga yang paling sulit. Pada pengambilan keputusan yang melibatkan susutu sistem (sederhana atau kompleks) atau keputusan yang sifatya menentukan perjalanan perusahaan/organisasi bahkan negara maka keputusan tentu akan sulit jika hanya mengandalkan intuisi, sehingga pengambilan keputusan dilakukan setelah suatu melalui proses tertentu. Kemungkinan anda sudah pernah mendengar AHP atau Analytic Hierarchy Process. AHP merupakan salah satu alat bantu (proses) dalam pengambilan keputusan yang dikembangkan oleh Thomas L Saaty pada tahuhn 70an. Prosedur ini begitu powerfull sehingga sudah diaplikasikan secara luas dalam pengambilan keputusan yang penting. Penggunaan AHP bukan hanya untuk institusi pemerintahan atau swasta namun juga dapat diaplikasikan untuk keperluan individu terutama untuk penelitian-penelitian yang berkaitan dengan kebijakan atau perumusan strategi prioritas. Mengapa AHP dapat diandalkan, karena dalam AHP suatu prioritas disusun dari berbagai pilihan yang dapat berupa kriteria yang sebelumnya telah didekomposisi (struktur) terlebih dahulu, sehingga penetapan prioritas didasarkan pada suatu proses yang terstruktur (hierarki) dan masuk akal. Jadi pada intinya AHP membantu memecahkan persoalan yang kompleks dengan menysun suatu hirarki kriteria, dinilai secara subjektif oleh pihak yang berkepentingan lalu menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas (kesimpulan).

PROSEDUR AHP

Terdapat tiga prinsip utama dalam pemecahan masalah dalam AHP menurut Saaty, yaitu: Decompositiot, Comparative Judgement, dan Logical Concistency. Secara garis besar prosedur AHP meliputi tahapan sebagai berikut:

1) Dekomposisi masalah;

2) Penilaian/pembobotan untuk membandingkan elemen-elemen;

3) Penyusunan matriks dan Uji consistensi;

4) Penetapan prioritas pada masing-masing hirarki;

5) Sistesis dari prioritas; dan

6) Pengambilan/penetapan keputusan. Berikut uraian singkatnya.

Dekomposisis Masalah/Menyusun Hirarki

Dekomposisi masalah adalah langkah dimana suatu tujuan (Goal) yang telah ditetapkan selanjutnya diuraikan secara sistematis kedalam struktur yang menyusun rangkaian sistem hingga tujuan dapat dicapai secara rasional. Dengan kata lain, sutu tujuan (goal) yang utuh, didekomposisi (dipecahkan) kedalam unsur penyusunnya. Apabila unsur tersebut merupakan kriteria yang dipilih seyogyanya mencakup semua aspek penting terkait dengan tujuan yang ingin dicapai. Namun kita harus tetap mempertimbangkan agar kriteria yang dipulih benar-benar mempunyai makna bagi pengambilan keputusan dan tidak mempunyai makna atau pengertian yang yang sama, shingga walaupun kriteria pilihan hanya sedikit namun mempunyai makna yang besar terhadap tujuan yang ingin dicapai. Setelah kriteria ditetapkan, selanjutnya adalah menentukan alternatif atau pilihan penyelesaian masalah. Sehingga apabila digambarkan kedalam bentuk bagan hierarki seperti ditunjukkan pada Gambar 1.

Hirarki utama (Hirarki I) adalah tujuan/ fokus/ goal yang akan dicapai atau penyelesaian persoalah/ masalah yang dikaji. Hierarki kedua (Hirarki II) adalah kriteria, kriteria apa saja yang harus dipenuhi oleh semua alternatif (penyelesaian) agar layak untuk menjadi pilihan yang paling ideal, dan Hirarki III adalah alternatif aatau pilihan penyelesaian masalah. Ingat..!!! Penetapan hierarki adalah sesuatu yang sangat relatif dan sangat bergantung dari persoalan yang dihadapi. Pada kasus-kasus yang lebih kompleks, anda bisa saja menyusun beberapa hirarki (bukan hanya tiga), bergantung pada hasil dekomposisi yang telah anda lakukan, perhatikan contoh hierarki berikut.

Penilaian / Pembandingan Elemen

Apabila proses dekomposisi telah selasai dan hirarki telah tersusun dengan baik. Selanjutnya dilakukan penilaian perbandingan berpasangan (pembobotan) pada tiap-tiap hirarki berdasarkan tingkat kepentingan relatifnya. Pada contoh di atas, maka perbandingan dilakkukan pada Hirarki III (antara alternatif), dan pada Hirarki II (antara kriteria).

Penilaian atau pembobotan pada Hirarki III, dimaksudkan untuk membandingkan nilai atau karakter pilihan berdasarkan tiap kriteria yang ada. Misalnya antara pilihan 1 dan pilihan 2, pada kriteria 1, lebih penting pilihan 1, selanjutnya antara pilihan 1 dan pilihan 3, lebih penting pilihan 3 dan seterusnya hingga semua pilihan akan dibandingkan satu-persatu (secara berpasangan). Hasil dari penilaian adalah nilai/bobot yang merupakan karakter dari masing-masing alternatif.

Penilaian atau pembobotan pada Hierarki II, dimaksudkan untuk membandingkan nilai pada masing-masing kriteria guna mencapai tujuan. Sehingga nantinya akan diperoleh pembobotan tingkat kepentingan masing-masing kriteria untuk mencapai tujuan yang telah ditetapkan.

Prosedur penilaian perbandingan berpasangan dalam AHP, mengacu pada skor penilaian yang telah dikembangkan oleh Thomas L Saaty, sebagai berikut:

Dalam pembobotan tingkat kepentingan atau penilaian perbandingan berpasangan ini berlaku hukum aksioma reciprocal, artinya apabila suatu elemen A dinilai lebih esensial (5) dibandingkan dengan elemen B, maka B lebih esensial 1/5 dibandingakan dengan elemen A. Apabila elemen A sama pentingnya dengan B maka masing-masing bernilai = 1.

Dalam pengambilan data, misalnya dengan menggunakan kuisioner, prosedur perbandingan berganda dapat dilakukan dengan menggunakan kuisioner berupa matriks atau semantik difrensial.

Contoh Kuisioner matriks:

Banyaknya sell yang harus diisi adalah n(n-1)/2 karena matriks reciprocal elemen diagonalnya bernilai = 1, jadi tidak perlu disi. Pada conoth di atas 4(4-1)/2 = 6, jadi bagian yang outih saja yang diisi.

Contoh Kuisioner semantik difrensial:

Pada jenis kuisioner ini, kecendrungan pembibitan dilingkari/silang berdasarkan bobot nya, jika sisi kiri lebih penting dari sisi kanan maka angka yang dilingkari adalah 9-1 pada ruas kiri dan sebaliknya.

Penyusunan Matriks dan Uji Konsistensi

Apabila proses pembobotan atau “pengisian kuisioner” telah selesai, langkah selanjutnya dalah penyusunan matriks berpasangan untuk melakukan normalisasi bobot tingkat kepentingan pada tiap-tiap elemen pada hirarkinya masing-masing. Pada tahapan ini analisis dapat dilakukan secara manual ataupun dengan menggunakan program komputer seperti CDPlus atau Expert Choice. Kali ini kita akan lanjut membahas pada prosedur analisis secara manual. Nilai-nilai yang diperoleh selanjutnya disusun kedalam matriks berpasangan serupa dengan matriks yang digunakan pada kuisioner matriks diatas. Hanya saja pada penyusunan matriks untuk analisis data ini, semua kotak harus diisi.

Langkah pertama: adalah menyatukan pendapat dari beberapa kuisioner, jika kuisioner diisi oleh pakar, maka kita akan menyatukan pendapat para pakar kedangan menggunakan persamaan rata-rata geometri:

Langkah kedua: menyusun matriks perbandingan, sebagai berikut:

Sebelum melangkah lebh jauh ketahapan iterasi untuk penetapan prioritas pada pilihan alternatif atau penetapan tingkat kepentingan kriteria, maka sebelumnya dilakukan terlebih dahulu uji konsistensi. Uji konsistensi dilakukan pada masing kuisioner/pakar yang menilai atau memberikan pembobotan. Kuisioner atau pakar yang tidak memenuhi syrat konsisten dapat dianulir atau dipending untuk perbaikan. Prinsip dasar pada uji konsistensi ini adalah apabila A lebih penting dari B, kemudian B lebih penting dari C, maka tidak mungkin C lebih penting dari A. Tolak ukur yang digunakan adalah CI (Consistency Index) berbanding RI (Ratio Index) atau CR (Consistency Ratio).

Ratio Indeks(RI) yang umum digunakan untuk setiap ordo matriks adalah sebagai berikut:

Langkah ketiga: uji konsistensi terlebih dahulu dilakukan dengan menyusun tingkat kepentingan relatif pada masing-masing kriteria atau alternatif yang dinyatakan sebagai bobot relatif ternormalisasi (normalized relative weight). Bobot relatif yang dinormalkan ini merupakan suatu bobot nilai relatif untuk masing-masing elemen pada setiap kolom yang dibandingkan dengan jumlah masing-masing elemen:

Maka bobot relatif ternormalisasi adalah:

Selanjutnya dapat dihitung Eigen faktor hasil normalisasi dengan merata-ratakan penjumlahan tiap baris pada matriks di atas.

Selanjutnya tentukan nilai CI (consistency Index) dengan persamaan:

Dimana CI adalah indeks konsistensi dan Lambda maksimum adalah nilai eigen terbesar dari matriks berordo n.

Nilai eigen terbesar adalah jumlah hasil kali perkalian jumlah kolom dengan eigen vaktor utaman. Sehingga dapat diperoleh dengan persamaan:

Setelah memperoleh nilai lambda maksismum selanjutnya dapoat ditentukan nilai CI. Apabila nilai CI bernilai nol (0) berarti matriks konsisten. Jika nilai CI yag diperoleh lebih besar dari 0 (CI>0) selanjutnya diuji batas ketidak konsistenan yang diterapkan oleh Saaty. Pengujian diukur dengan menggunakan Consistency Ratio (CR), yaitu nilai indeks, atau perbandingan antara CI dan RI:

Nilai RI yang digunakan sesuai denan ordo n matriks. Apabila CR matriks lebih kecil 10% (0,1) berarti bahwa ketidak konsistenan pendapat masing dianggap dapat diterima.

Penetapan prioritas pada masing-masing hirarki

Penetapan prioritas pada tiap-tiap hierarki dilakukan melalui proses Iterasi (perkalian matriks). Langkah pertama yang dilakukan adalah merubah bentuk fraksi nilai-nilai pembiobotan kedalam bentuk desimal. Agar lebih mudah difahami, kita menggunakan salah satu contoh data hasil penilaian salah seorang pakar seperti contoh berikut:

Data Matriks di atas dirubah dari bentuk fraksi kedalam bentuk desimal (Matriks 1):

Mengkuadratkan matriks 1 (jumlah baris x kolom) (Iterasi I):

Selanjutnya jumlahkan angka dalam matriks menurut barisnya:

Langkah berikutnya adalah pengolahan bentuk Matriks 2 dengan jalan sama dengan Matriks 1 (Iterasi II), kemudian jumlahkan kembali hasil perkalian silang matriks berdasarkan baris:

Selanjutnya dihitung selisih antara vektor Matriks 1 dan 2 dalam Iterasi II

Lekukan kembali iterasi untuk Matriks 3. Langkah ini diulang, hingga nilai selisih antar iterasi tidak mengalami perubahan (=0), nilai iterasi yang diperoleh tersebut selanjutan menjadi urutan prioritas sebagaimana berikut:

Metode yang sama diteruskan pada tingkatan hierarki selanjutnya, atau pilihan-pilihan alternatif. Adapun cara yang lebih mudah dalam melakukan pembobotan ini adalah dengan menggunakan bantuan program komputer seperti Criterium Decision Plus (CD+) atau Expert Choice.

Penarikan Kesimpulan

Penarikan kesimpulan dilakukan dengan mengakumulasi nilai/ bobot global yang merupakan nilai sensitivitas masing-masing elemen. Seperti pada contoh diatas, maka kesimpulan nutamanya adlah aspek kekuatan perlu diperhatikan karena merupakan prioritas utama, kemudian aspek kelemahan, ancaman dan peluang.

Untuk lebih dapat memahami prosedur analisis, silahkan anda baca lebih lanjut pada:

CONTOH PENGAMBILAN KEPUTUSAN DENGAN AHP (Manual)
CONTOH PENGAMBILAN KEPUTUSAN DENGAN AHP 2 Hirarki (Expert Choice)
CONTOH PENGAMBILAN KEPUTUSAN DENGAN AHP Multi Hierarki (Expert Choice)

Sistem Penunjang Keputusan SWOT Analysis

mawardiasja@gmail.com (Anonymous) — Sun, 7 Apr 2013 21:09:00 -0700

Analisis SWOT merupakan salah satu sarana dalam perumusan strategi baik dipemerintahan maupun untuk kalangan praktisi. Prinsip analisis ini adalah bagaimana mengkombinasikan faktor internal (kekuatan dan kelemahan) dengan faktor eksternal (peluang dan ancaman) untuk merumusan strategi. Berikut ini beberapa bahan bacaan terkait dengan anaisis SWOT.

SIstem Penunjang Keputusan dengan AHP (Analytic Hierarchycal Process)

mawardiasja@gmail.com (Anonymous) — Sun, 7 Apr 2013 21:05:00 -0700

Proses analisis hirarki atau Analytical Hierarchy Process (AHP) adalah salah satu tools pengambilan keputusan yang mengidentifikasi struktur masalah, kemudian dibobot atau dinilai untuk memudian memilih alternatif penyelesaian masalah. Beberapa artikel terkait dengan AHP dapat anda baca di bawah ini.

Output dan Interpretasi SPSS Faktorial 3 x 3

mawardiasja@gmail.com (Anonymous) — Sat, 30 Mar 2013 01:47:00 -0700

Output dan interoretasi berikut berkaitan dengan artike Contoh soal ral faktorial dengan spss, jika anda belum membaca disaranan untuk melihat proses analisis tersebut dengan meng-klik link di atas.

Output (Log)

Output petama yang muncul pada Window Output-SPSS Viewer adalah Log proses analisis, pada Log ini tertera sumberdata yang dianalisis dan langka-langkah analisis yang dilakukan.

Output (Between-Subjects Factors)

Pada Output ini ditunjukkan faktor-faktor dalam penelitian, value label dan banyaknya (N) data untuk masing-masing faktor yag diukur.

Output (Descriptive Statistics)

Output ini menunjukkan rata-rata nilai TBA, standar deviasi, banyak data (N) untuk masing-masing pasangan faktor.

Output (Levene's Test of Equality of Error Variances)

Pada output ini ditunjukkan salah satu pemeriksaan terhadap asumsi anova dari data yang dianalisis. Pada hasil analisis di atas ditnjukkan nilai Levene's test Sig. 0,001 yang berarti bahwa kehomogenan ragam data yang dianalisis adalah nyata, sehingga asumsi kehomogenana ragam tidak terpenuhi. Beberapa literatur tetap menerima hasil analisis SPSS (program dapat mengatasi), namun sangat dianjurkan untuk kembali malakukan pemeriksanan data. Unutk kasus ini, pembahasan akan tetap kita lanjutkan, karena maksud pembahasan pada artikel ini adalah memberi interpretasi pad ahasil analisis yang telah dilakukan secara manual sebelumnya.

Output (Tests of Between-Subjects Effects)

Output inilah yang merupakan Tabel ANOVA pada analisi secara manual, hasil yang diperoleh adalah sebagai berikut:

Nilai Intercept adalah nilai dari Faktor Koreksi, jika ingin melakukan koreksi dapat anda cek pada nalisis secara manual. Hasil anova menunjukkan bahwa FAktor A, Faktor B dan Interaksi antara kedua faktor menunjukkan pengaruh yang nyata dengan nilai Sig. <0,01 atau p<0,01.

Output (Post Hoc Test)

Uji Lanjut unutk Faktor A (Level Asam Askorbat)

Output di atas adalah hasil uji-LSD. Unutk Uji-Duncan perhatikan gambar di bawah:

Uji-LSD menunjukkan semua pasangan perbandingan menunjukkan beda nyata (P<0,01) dilihat dari nilai pada kolom Sig =.000, demikian pula pada Uji-Duncan, bahwa semua perlakuan level asam askorbat (Faktor A) menunjukkan perbedaan yang nyata ditunjukkan oleh terbentuknya 3 subset dan masing-masing nilai rp yang mengisi pada masing-masing subset unutk pengukuran pada taraf 5%.

Uji Lanjut unutk Faktor B (Lama Penyimpanan)

Pada Uji-LSD, keduali untuk perbandingan lama penyimpanan 5 dan 6 hari, semua perlakuan menunjukkan beda pada taraf 1%. Hasil ini dipertegas pada hasil analisis Duncan yang dilakukan, bahwa untuk taraf ketelitian 5% semua perlakuan pada faktor lama penyimpanan berbeda secara nyata.

Semoga Bermanfaat....
By: Mawardi A Asja

Contoh Soal RAL Faktorial dengan SPSS

mawardiasja@gmail.com (Anonymous) — Sat, 30 Mar 2013 01:45:00 -0700

Berikut akan kita lakukan analisis dengan menggunakan program SPSS untuk Contoh Sola Ral Faktorial yang telah dibahas sebelumnya. Jika anda ingin memahami soal tersebut secara lebih jelas, anda dapat membacanya terlebih dahulu.

Pengimputan Data

VARIABLE VIEW

Tahap pertama yang dilakukan adalah proses pengimputan data. Setelah mengaktifkan program SPSS. Klik pada bagian Variable View yang ada pada sudut kanan bawah window.

Pada baris pertama kolom satu (1-1), isi dengan Faktor_A, lalu beri label Level Asam Askorbat. Nama faktor dan label tentunya dapat anda sesuaikan dengan penelitian yang anda lakukan. Lakukan hal yang sama untuk Faktor_B pada baris 2 kolom 1 (2-1). Pada baris 3 kolom 1 (3-1) isi dengan ulangan, pengisian ulangan dapat tidak dilakukan, akan tetapi pengisian ini sangat membantu saat akan melakukan pemeriksaan data yang diimput. Pada baris 4 kolom pertama (4-1) isi dengan nama variabel parameter ukur dalam hal ini, nilai TBA. Apabila parameter yang diukur lebih dari satu, anda cukup menambahkan nama variabel tersebut pada baris ke lima dan seterusnya. Apabila penamaan variabel telah anda lakukan maka akan diperoleh tampilan sebagai berikut:

Perhatikan pada kolom Measure. Karena pada baris pertama dan kedua adalah nama dari faktor, maka rubah Scale menjadi Ordinal.

Perhatikan kolom Value. Pada kolom ini akan dimaknai tiap-tipa nilai variabel Faktor yang akan dianalisis. Klik value untuk Faktor_A. Selanjutnya akan muncul window Value Label. Pada value isi dengan angka "1" beri label AA 1% (artinya nilai 1 pada data view berarti perlakuan asam askorbat 1%.) lalu klik ADD. Lakukan langkah yang sama unutk "2" AA 1,5% dan "3" untuk AA 2%. Jika telah selesai Klik OK. Perhatikan Gambar dibawah.

Lakukan hal yang sama untuk Faktor_B (lama penyimpanan) dimana 1 = 4 hari; 2 = 5 hari dan 3 = 6 hari. Sehingga tampilan akhir pada variable view adalah sebagai berikut:

DATA VIEW

Klik Data View pada kiri bawah window. Sekarang akan muncul Faktor_A, Faktor_B, Ulangan dan Nilai_TBA pada kolom data view. Isilah nilai ulangan secara berderet 1 - 5, kemudian pada kolom Faktor_A dan Faktor_B isi angka 1 sebanyak dengan ulangan. Ini bermakna, kombinasi unutk Faktor A-1 dan Faktor B-1 dengan lima kali ulangan. Selanjutnya pada nilai TBA, isi dengan hasil pengukuran untuk A1-B1 ulangan 1 - 5. Apabila semua kombinasi unutk Faktor A1 dengan B1; B2 B3 telah diinput maka akan diperoleh hasil seperti pada Gambar di bawah:

Selanjutnya lakukan pengimputan unutk kombinasi Faktor A2 dengan Faktor B1-B2-B3 dan Faktor A3 dengan B1-B2-B3, dengan hasil pengimputan data akhir akan diperoleh sebagai berikut:

Apabila pengimputan data telah dilakukan, selanjutnya kita memasuki tahapan analisis data. Seyogyanya sebelum melakukan analisis varians, sebaiknya terlebih dahulu dilakukan pemeriksaan ASUMSI ANOVA, untuk keperluan tersebut dapat anda lihat pada artikel yang secara khusus membahas langkah-langkah pemeriksaan data.

Analisis Data

Klik Analuse > General Linier Model > Univariate. Perhatikan Gambar dibawah:

Selanjutnya akan muncul window Univariate. Masukkan Level asam askorbat dan lama penyimpanan pada kolom Fixed Factor(s): selanjutnya Nilai TBA pada kolom Dependent Variable:. Untuk memasukkan variabel, cukup klik variabel yang sebelumnya berada pada kolom sebelah kiri, kemudian kllik panah untuk memasukkan variable kedalam kolom yang diiknginkan. Perhatikan gambar berikut:

Apabila pemasukan variabel telah dilakukan, selanjutnya Klik Options, disini akan kita tentukan pilihan-pilihan informasi apa saja yang ingin dimunculkan pada Output nantinya. Pada contoh ini, kita pilih Deskripsi statistik dan uji homogenitas (salah satu uji asumsi anova yang penting). Perhatikan Gambar di bawah. Jika selesai, Klik Continue untuk melanjutkan.

Untuk memperoleh hasil uji lanjut (Uji Berganda), Klik Post Hoc... setelah kembali pada window Univariate. Pilih Faktor_A dan Faktor_B kemudian tentukan jenis uji yang kita inginkan. Pada contoh ini, kita pilih LSD dan Duncan. Perhatikan Gambar dibawah. Apabila telah Selesai, Klik Continue unutk melanjutnkan.

Jenis dan macam uji yang dipilih tergantung pada tingkat ketelitian yang anda inginkan atau perbandingan berganda apa yang paling sesuai dengan penelitian anda.

Apabila proses analisis telah selesai, langkah selanjutnya klik OK untuk mengeluarkan hasil (Output).

Silahkan Klik Link berikut untuk melihat hasil/Output dan interpretasi contoh di atas.

Output dan Interpretasi Faktorial (RAL) 3 x 3.

Pengantar Percobaan Faktorial

mawardiasja@gmail.com (Anonymous) — Fri, 29 Mar 2013 07:14:00 -0700

Defenisi dan Syarat Penggunaan

Pada rancangan percobaan dan analisis sebelumnya kita telah membahas bentuk-bentuk variable berfaktor tunggal atau bergalat tunggal, atau analisis yang dilakuakan untuk mengetahui menguji pengaruh dari satu factor terhadap satu atau beberapa respon. Pada pembahasan ini, observasi yang dilakuakan adalah untuk beberapa factor atau beberapa perlakuan dan kombinasinya (factorial) terhadap suatu atau beberapa respon. Suatu hal yang perlu diperhatikan bahwa masing-masing perlakuan sebaiknya merupakan saatu factor yang bertaraf, atau dikenal juga dengan taraf factor. Pada perancangan factorial kita tetap menggunakanrancangan dasar, yaitu RAL, RAK atau RBL atau lainnya. Pada aplikasinya, penggunaan factorial biasanya dituliskan dengan pengalian variable-variabel penyusun percobaan. Misalnya suatu penelitian berdasar RAL dilakukan untuk menguji 3 buah factor A, B, dan C, dengan Faktor A dan B terdiri dari 3 taraf; dan Faktor C terdiri dari 2 taraf dengan 5 ulangan, maka dituliskan dengan RAL pola faktorial 3 x 3 x 2, sebagai catatan bahwa banyak ulangan tidak dituliskan dalam pengalian tersebut.

Keuntungan dan Konsekuensi

Beberapa keuntungan pada penggunaan factorial antara lain: lebih efisien dalam penggunaan sumber-sumber yang ada; informasi yang diperoleh dalam penelitian lebih komprehensif karena kemapuan dalam megidentifikasi pengaruh berbagai interaksi yang ada; dan hasil penelitian atau perconaan dapat diterapkan dalam suatu kondisi yang lebih luas karena kita mempelajari kombinasi dari berbagai factor. Konseuensi dari beberapa keuntungan di atas adalah analisis statistika menjadi lebih kompleks, terdapat kesulitan dalam menyediakan suatu percoban yang relative homogen, serta pengaruh dari kombinasi perlakuan tertentu mungkin tidak berarti apa-apa sehingga terjadi pemborosan sumberdaya yang ada.

Model Matematis

Model statistika untuk percobaan factorial yang terdiri dari 3 faktor (A, B, dan C) dengan RAL adalah:

Apablila menggunakan rancangan dasar RAK, maka model statistika untuk percobaan factorial yang terdiri dari 3 faktor (A, B, dan C) adalah:

Untuk lebih memahami prosedur dan cara analisis, berikut beberapa contoh soal dan pembahasan:

Faktorial (2 Faktor) dasar RAL

Faktorial (2 Faktor) dasar RAK

Faktorial (2 Faktor) dasar RAL dengan SPSS

Faktorial (2 Faktor) dasar RAK dengan SPSS

Contoh Soal & Pembahsan RAL-FAKTORIAL (2 Fakor)

mawardiasja@gmail.com (Anonymous) — Wed, 27 Mar 2013 08:20:00 -0700

GAMBARAN PENELITIAN

Telah dilakukan suatu penelitian tentang penambahan asam askorbat dalam pembuatan dangke untuk mengidentikasi pengaruhnya terhadap daya simpan berdasarkan nilai TBA. Penelitian dilakukan dengan menggunakan Rancangan Acak Lengkap (RAL) pola Faktorial: Faktor A adalah level penambahan asam askorbat (1%; 1,5%; dan 2%); dan Faktor B adalah lama waktu penyimpanan (4 hr; 5 hr; dan 6 hr). Adapun hasil (nilai TBA) penelitian yang diperoleh disajikan pada Tabel 1 berikut:

Tabel 1

Dari hasil penelitian tersebut, ingin diketahui:

Apakah level penambahan asam askorbat mempengaruhi nilai TBA
Apakah lama penyimpanan mempengaruhi nilai TBA
Apakah terdapat interaksi antara level asam askorbat (Faktor A) dengan lama penyimpanan (Faktor B) terhadap nilai TBA yang diperoleh.

Untuk menjawab kebutuhan penelitian di atas, maka analisis dilakukan melalui Analisis Variansi (ANOVA) berdasarkan Uji-F.

ANALISIS VARIANSI

Faktor A terdiri atas 3 faktor, demikian pula pada Faktor B, sehingga analisis varians Faktorial dengan rancangan dasar RAL Pola Faktorial (3 x 3). Persamaan matematis sebagai berikut:

Keterangan:

Derajat Bebas (db)

Derajat bebas total (dbt) = (a x b x r) – 1 = (3*3*5) – 1 = 45 – 1 = 44
Derajat bebas perlakuan (dbp) = (ab-1) = (3*3-1) = 8
Derajat bebas faktor A (dba) = a – 1 = 3 – 1 = 2
Derajat bebas faktor B (dbb) = b – 1 = 3 – 1 = 2
Derajat bebas interaksi faktor AB (dba*b) = (a-1)(b-1) = (3-1)*(3-1) = 4
Derajat bebas galat (dbg) = dbt – dbp = 44 – 8 = 36

Faktor Koreksi (FK)

Jumlah Kuadrat (JK)

Jumlah Kuadrat Total (JKT)

Jumlah Kuadrat Perlakuan (JKP)

Jumlah Kuadrat Faktor A (JKA)

Jumlah Kuadrat Faktor B (JKB)

Jumlah Kuadrat Interaksi A*B (JKA*B)

Jumlah Kuadrat Galat (JKG)

Kuadrat Tengah (KT)

Kuadrat Tengah Perlakuan (KTP)

Kuadrat Tengah Faktor A (KTA)

Kuadrat Tengah Faktor B (KTB)

Kuadrat Tengah Interaksi Faktor AB (KTA*B)

Kuadrat Tengah Galat (KTG)

Frekuensi Hitung (F-hit)

Tabel ANOVA

Interpretasi

Secara umum, perlakuan (dalam hal ini) penambahan asam askorbat atau lamanya penyimpanan menunjukkan pengaruh yang nyata dilihat dari nilai F-hit P > dari nilai F-tabel 1% (p<0,01);
Faktor A (level penambahan asam askorbat) mempengaruhi nilai TBA (p<0,01)
Faktor B (lama penyimpanan) mempengaruhi nilai TBA (p<0,01)
Terdapat interaksi antara level asam askorbat (Faktor A) dengan lama penyimpanan (Faktor B) terhadap nilai TBA (p<0,01).

Silahkan masukkan komentar jika menemukan kesalahan dalam penulisan ini, atau apabila ingin berdiskusi lebih lanjut.

Semoga bermanfaat.....
By: Mawardi A Asja

Mawardi A Asja

Struktur Penelitian Ilmiah: Justifikasi Masalah (Latar Belakang), Perumusan Masalah Dan Tujuan Penelitian

mawardiasja@gmail.com (Anonymous) — Sat, 23 Mar 2013 00:20:00 -0700

PENGANTAR

Penelitian berdasarkan tujuan dikelompokkan menjadi dua, yaitu penelitian dasar dan terapan. Prinsip yang membedakan kedua jenis penelitian adalah penggunaan (aplikasi) hasil yang diperoleh, penelitian dasar cenderung bersifat mengembangkan/ mengoreksi/ melengkapi teori yang telah ada, sementara penelitian terapan adalah penelitian yang langsung dapat diaplikasikan (praktis). Suatu penelitian dapat memadukan kedua jenis penelitian ini, apabila peneliti melakukan pengukuran-pengukuran pada parameter fundamental untuk kemudian dimaknai dan dapat langsung di transformasikan kedalam bentuk praktis. Hal ini sehingga kualitas hasil penelitian biasanya diukur pada sejauhmana hasil penelitian dapat berdampak pada pengembangan ilmu (penelitian dasar) dan dampak terhadap perkembangan populasi (penelitian terapan).

Dalam konteks penelitian bagi Strata I (S1), khususnya bagi program studi profesi seperti peternakan, tuntutan untuk melakukan pengkajian pada tingkatan dasar tidak begitu disarankan. Penelitian yang dipilih sebaiknya bersifat praktis yang langsung dapat diaplikasikan ke masyarakat. Hal ini dimaksudkan untuk:

Mendukung difersifikasi teknologi yang sudah ada agar lebih fleksibel sehingga berdampak pada komutitas masyarakat yang lebih luas;
Pengembangan teknologi yang inovasinya bukan hanya pada teknologi namun juga inovasi bagi masyarakat, sehingga sifatnya memberi nilai tambah;
Mengurangi penggunaan biaya penelitian dengan mengoptimalkan sumberdaya yang tersedia;
Meningkatkan peran serta mahasiswa dalam pengembangan tenologi yang langsung dapat dirasakan masyarakat dilingkungannya;
Agar mahasiswa nantinya dapat memahami dan meguasai suatu teknologi ataupun model pengembangan sebagai bekal untuk bekerja.

Hal ini sehingga latar belakang, permasalahan dan tujuan penelitian yang dikaji seyogyanya adalah penelitian yang diarahkan untuk menyelesaikan permasalah dilingkungan masyarakatnya, dengan hasil yang dalam waktu singkat dapat diterapkan dan kemungkinan besar dapat direplikasi pada persoalan yang sama di lingkungan lain. Suatu hal yang perlu diingat bahwa jangan mengidentikkan teknologi dengan kecanggihan, kualitas teknologi itu ditentukan oleh efisiensi dan efektifitas dalam penggunaanya. “Hand Tractor (dompeng) merupakan inovasi yang dengan luarbiasa dapat menggantikan sapi dan kerbau sebagai ternak kerja dilahan pertanian, namun teknologi ini juga berhasil dalam menurunkan interaksi antara ternak dan lahan persawahan”.

JUSTIFIKASI MASALAH (Benang Merah)

Konteks populasi adalah sesuatu yang luas dan holistik, sehingga seringkali suatu masalah yang muncul adalah akibat dari faktor kompleks dan saling terkait. Seringkali ditemukan kesulitan untuk menyelesaikan masalah secara sekaligus, melainkan melalui suatu tahapan yang dilakukan secara bijaksana. Justifikasi terhadap masalah bermaksud untuk menemukan benang merah suatu persoalan sehingga ujung pangkalnya dapat diuraikan dari kondisi yang kusut. Sehingga pada tahapa ini, peneliti menemukakan jawaban secara implisit tentang perlunya penelitian ini dilakukan guna menyelesaikan masalah yang diidentifikasi.

Setelah melakukan observasi awal pada objek ditambah penajaman melalui studi kepustakaan, maka akan ditemukan arah kajian yang akan diteliti. Setelah menemukan arah kajian, kembali kita melihat saran dan prasaran pendukung dalam penelitian, apabila tidak terdapat dukungan atau diprediksi bahwa penelitian tersebut akan menelan biaya yang cukup tinggi, sebaiknya dipertimbangkan kembali. Justifikasi masalah bukan “mencari-cari” masalah atau membuat masalah, kadangkala pada metode penelitian deduktif, peneliti melakukan upaya pencocokan dengan maksud memperluas fleksibilitas penggunaan teknologi, tanpa disadari bahwa yang sedang dilakukan bukan melakukan inovasi melainkan pemaksaan inovasi. Sebagai contoh: seorang peneliti melakukan pengkajian pada tingkat adopsi teknologi dan evaluasi kinerja Inseminasi Buatan (IB) pada ternak sapi di Desa E, padahal masyarakat Desa E umumnya tidak mengandangkan ternak mereka.

Justifikasi masalah kemudian menjadi pembukaan dan disusun sebagai ringkasan dasar permasasalahan dan dampak penelitian yang akan dilakuakan. Sehingga justifikasi akan meyakinkan bahwa masalah yang dikaji betul merupakan persoalan dan secara efektif akan berdampak apabila ditemukan solusinya.

CONTOH KASUS I: Sebagai analogi pada fenomena ketersediaan pakan, perhatikan gambar kurva ketersediaan pakan berdasarkan musim dibawah ini:

Selama musim hujan antara titik A-B dan C-D, produksi hijauan untuk pekan ternak berada diatas garis kebutuhan, sementara pada musim kemarau, produksi hijauan berada jauh dibawah kebutuhan. Sekarang, dimana letak masalahnya?? Jika pendekatan dilakukan secara induktif maka kita dapat menyusun sistematika permasalahan sebagai berikut:

1. Masalah Utama (main problem): bagaimana memenuhi kebutuhan hijauan di musim kemarau. Dari masalah utama ini, muncul beberapa alternatif jalan penyelesaian, misalnya pada 3 jalan beriku:

Mengembangkan varietas rumput berkualitas yang beradaptasi pada lingkungan kering;
Intriduksi teknologi pengolahan pakan (pengawetan/silase)
Introduksi teknologi pengolahan limbah pertanian sebagai pakan ternak

2. Anak masalah (sub-problem): anak masalah ditentukan oleh alternatif penyelesaian apa yang dipilih kemudian diidentifikasi peluang atau daya dukungnya untuk dikembangkan.

Mengembangkan varietas rumput berkualitas yang beradaptasi pada lingkungan kering. Pertanyaan yang muncul kemudian adalah apakah teknologi ini sudah ditemukan, atau anda baru akan mengidentifikasi jenis varietas tersebut? Jika anda memilih jalur penelitian dasar, maka anda akan mencoba melakukan pemuliabiakan rumput berkualitas dengan adaptasi yang baik pada lingkungan kering. Dapat juga anda memiliki jalan observasi yang sifatnya masih merupakan penelitian dasar, misalnya mengidentifikasi jenis-jenis hijauan yang dapat bertahan pada musim kemarau kemudian anda identifikasi kualitasnya guna dijadikan pakan teranak. Dst.
Intriduksi teknologi pengolahan pakan (pengawetan/silase). Pertanyaan yang muncul kemudian adalah macam teknologi pengawetan apa yang sebaiknya dipilih. Pilihan ini dilakukan setelah anda mengamati daya dukung yang ada. Apabila masalah kuncinya terletak pada kendala sumberdaya, maka anda dapat memilih masalah ini untuk diselesaikan. Namun sebisanya minimalisir aspek yang dikaji dan secara jelas berkaitan langsung dengan tujuan penelitian;
Introduksi teknologi pengolahan limbah pertanian sebagai pakan ternak. Hal pertama yang harus diobservasi adalah apakah di lingkungan peternak adalah lingkungan usaha tani, jika “ya” selanjutnya identifikasi apakah pertanian ada pada sektor perkebunan, palawija atau padi. Berikutnya tentukan jenis teknologi yang akan anda pilih, lakukan identifikasi kendala-kendala yang dihadapi apabila teknologi tersebut akan diterapkan.

RUMUSAN MASALAH

Rumusan masalah adalah insertion point kedua setelah melakukan proses justifikasi masalah. Apabila pada justifikasi maslah kita mereduksi faktor-faktor sehingga menjadi lebih jelas faktor utama dan yang relevan yang akan dikaji, maka dalam perumusan masalah ini kita mendudukan persoalan sebagaimana mestinya.

Kembali pada contoh kasus di atas. Apabila kita ingin melakukan penelitian pada poin (b) maka masalahnya dapat dirumuskan sebagai berikut:

Desa XXXX memiliki potensi pengembangan ternak sapi potong yang cukkup tinggi ditinjau dari daya dukung lokasi penaman rumput, luasnya lahan petanian, dan kebiasaan beternak masyarakat yang sudah dilakukan secara turun temurun. Tetapi tingkat kepemilikan ternak di desa in hanya berkisar 1 – 2 ekor/KK. Rendahnya tingkat kepemilikan disebabkan kurangnya ketersediaan hijauan pakan ternak (HPT) terutama pada musim kemarau, sehingga peternak hanya memelihara ternak sebatas ketersediaan pakan yang ada. Salah satu jalan keluar yag dapat diambil untuk membantu masyarakat dalam mengatasi masalah keterbatassan HPT ini adalah melalui aplikasi teknologi pembuatan silase. Namun untuk menjamim optimalnya penerapan teknologi ini di masyarakat maka terdapat beberapa hal yang perlu diidentifikasi terlebih dahulu, meliputi:

Tingkat kepemilikan lahan pertanian yang dimiliki peternak
Tingkat kemudahan peternak untuk mengumpulkan hijauan selama musim hujan
Type silo yang dianggap paling mudah untuk dibuat dan digunakan
Bagaimana mengatasi maslah palatabilitas silase yang biasanya tidak dapat langsung diterima oleh ternak;

TUJUAN PENELITIAN

Tujuan penelitian disusun secara sistematis berdasar urutan rumusan permasalahan. Tujuan penelitian harus dengan tegas menunjukkan jawaban persoalan penelitian dan bukan menggambarkan dampak secara tidak langsung. Berdasarkan contoh di atas, maka tujuan penelitian dapat berbunyi:

Untuk mengetahui tingkat kepemilikan lahan pertanian peternak
Untuk mengetahui tingkat kemudahan peternak untuk mengumpulkan hijauan selama musim hujan
Uji coba penggunaan silo sumur dan menara dan menetapkan tipe yang dianggap paling memudahkan peternak
Untuk mengatasi maslah palatabilitas silase yang biasanya tidak dapat langsung diterima oleh ternak;

Pembahasan lebih lanjut akan dilakukan dalam pertemuan perkuliahan.

Test Rancangan Percobaan (Tugas Tambahan)

mawardiasja@gmail.com (Anonymous) — Fri, 22 Mar 2013 21:54:00 -0700

Kemukana defenisi dan syarat penggunaan Rancangan Acak Lengkap untuk faktor tunggal.
Suatu penelitian dilakukan dengan rancangan RAL. Dari penelitian tersebut diketahui: derajat bebas total (dbt) = 32 dan derajat bebas perlakuan (dbp) = 3. Jumlah Kuadrat Galat (JKG) = 13,46 dan Jumlah kuadrat Perlakuan (JKP) = 6,66 tentukan:

Nilai F-hitung dan F-tabel
Simpulkan hasil penelitian berdasarkan ada tidaknya pegaruh.

Jawaban anda kirim dalam bentuk softcopy pada link berikut: Kirim Tugas

Contoh Soal Rancangan Acak Lengkap (RAL) dengan SPSS

mawardiasja@gmail.com (Anonymous) — Mon, 11 Mar 2013 23:30:00 -0700

Agar lebih memudahkan dalam melakukan dan mamahami proses analisis percobaan bergalat tunggal Rancangan Acak Lengkap (RAL) dengan penggunan program SPSS, kita akan mengambil contoh pada analsis Contoh Soal dan Pembahasan RAL (secara manual). Dengan demikian nanti anda juga dapat mlakukan perbandingan hasil yang diperoleh apabila analisis dilakukan secara manual dengan analisis yang dilakukan dengan menggunakan program komputer (SPSS). Kali ini saya akan memberikan contoh penggunaan SPSS 15, tidak perlu khawatir apabila menggunakan versi yang lebih baru (misal SPSSv.19 IBM), karena pada prinipnya prosedur analisis yang dilakukan sama saja. Berikut tahapan-tahapan analisisnya:

1. Memasukkan data

Buka aplikasi SPSS, pada saat loading intro selesai akan muncul dua buah jendela utama: 1) SPSS Data Editor, yaitu jendela untuk pengimputan dan proses analisis data; dan 2) SPSS Viewer atau jendela yang anantinya ankan mengemluarkan hasil anaslisi (output).

Masuklah pada SPSS Data Editor, pada jendela ini kllik Variable View pada sisi kiri bawah jendela.

Pada kolom "Name", isi dengan nama variabel Perlakuan, Ulangan dan Nilai-TBA sesuai dengan soal pada analisis secara manual.

Pada kolom "Type" biarkan (Numeric). Catatan: apabila pada kolom perlakuan anda menggunakan kata (bukan simpbol) maka pillih String pada kolom ini.

Pada kolom "Label" berilah nama sesuai dengan keinginan, pada contoh ini diberi label Level Asam Askorbat pada baris perlakuan.

Pada kolom "Value" klik pada sisi kanan sel, akan muncul jendela Value Labels. Klik panah pada Values, selanjutnya akan muncul window Value Labels kemudian masukkan makna dari nilai 1 – 4 sesuai dengan jenis perlakuan. Ketik 1 pada Value, kemudian A.Askorbat 0% pada Label, lalu klik Add, ulangi langkah tadi untuk A.Askorbat 1, 2, dan 3%. Lalu klik OK. Perhatikan gambar berikut:

Pada kolom "measure" pilih Ordinal, sehingga tampilan Variable View yang akan diperoleh seperti gambar berikut:

Masuk pada sheet Data View, sekarang masukkan data sesuai dengan urutan perlakuan dan ulangan seperti gambar berikut:

2. Analisis

Setelah data tersusun dengan baik, selanjutnya analisis dapat dilakuan. Langkahnya sebagai berikut, klik: Analize -> Compare Means - > One-Way ANOVA..

Selanjutnya akan muncul jendela One-Wey ANOVA. Masukkan Level Asam Askorbat pada Factor: dan Nilai TBA pada Dependent List:

Selanjutnya Klik Options, untuk menampilkan pilihan-pilihan tambahan informasi yang nantinya muncul pada Output. Pada jendela Option, pilih Descriptive, Homogenity of Variance test, Means Plot kemudian Kllik Continue.

Saat kembali pada jendela One-Wey ANOVA, Klik OK untuk mengeluarkan Output hasil analisis.

3. Luaran (output)

Interpretasi Output:

Output 1: Descriptives, merupakan output yang menyajikan deskripsi statistic data yang diteliti, meliputi banyak data (N), rata-rata (mean), standar deviasi (SD), standar error (SE), selang kepercayaan 95% terhadap rata-rata, nilai minimum dan maksimum.

Output 2: Test of Homogeneity of variances, nilai Sig. yang lebih besar dari 0,05 (Sig>0,05) menunjukkan bahwa variance data tidak berbeda secara nyata (dengan demikian maka hipotesis 0 atau H0 ditolak) sehingga memenuhi asumsi berdistribusi normal dan memenuhi syarat untuk penggunaan analisis varians.

Output 3: table sidik ragam ANOVA, pada table ini terdapat nilai jumlah kuadrat (Sum of Squares), derajat bebas (df), kuadrat tengah (Mean Square), F hitung (F) dan Signifikansi hasil analisis. Pada kolom pertama, Between Group merupakan perlakuan dan Within Group merupakan Galat.

Berdasarkan nilai p-value (Sig.) pada table ANOVA diatas sebesar 0,005 yang lebih kecil dari 0,01 (P<0,01), berarti H0 ditolak yang bermakna bahwa perlakuan yang diberikan berpengaruh nyata pada taraf 1%. Hasil analisis pada penggunaan SPSS ini dapat dibandingkan dengan hasil pengolahan data RAL secara manual, dan hasilnya adalah sama.

Untuk Uji Lanjut (Perbandingan Berganda) dapat anda lihat pada Artikel Terkait