ANALISIS PROBIT
Analisis Probit adalah metode penghitungan untuk mendapatkan nilai toksisitas (daya racun) suatu jenis insektisida terhadap serangga percobaan. Nilai toksisitas tersebut dinyatakan dalam bentuk LC50 !5 atau L"50 !5 (#us$ine %!&%' einrichs et al. %!%). "alam bidang pertanian* data toksisitas insektisida terhadap serangga hama atau musuh alami dapat digunakan untuk berbagai keperluan* seperti untuk memantau memantau perkembangan perkembangan resistensi resistensi serangga serangga hama terhadap insektisida yang umum digunakan* untuk menentukan insektisida yang selekti+* atau untuk mengetahui pengaruh pencampuran insektisida (,oekasan - Prabaningrum %!!!). etia/ etia/ati ati (%!!&) (%!!&) melapor melaporkan kan bah/a bah/a nilai nilai LC50 LC50 insekt insektisi isida da #acill #acillus us thurin thuringien giensis sis ("ipel 1P) terhadap lar$a Plutella 2ylostella L. pada tahun %!&* %!!%* dan %!!3 berturut turut adalah sebesar 33 ppm* 304 ppm dan 4.%!3*4% ppm. #erdasarkan data tersebut dapat disimpulkan bah/a pada tahun %!!3 lar$a P. 2ylostella telah resisten terhadap insektisida #. thuringiensis* dengan nisbah resistensi berkisar antara & & kali dibandingkan dengan tahun %!& dan %!!%. 1interingham (%!6!) menyatakan bah/a populasi serangga dianggap resisten apabila nisbah resistensinya lebih dari 3 (empat) kali dibandingkan dengan populasi yang masih rentan. ,enurut ,etcal+ dan 7lint (%!6)* suatu jenis insektisida dapat dikatakan selekti+* jika secara secara +isiologi +isiologiss insektisid insektisidaa tersebut tersebut berspektrum berspektrum sempit* artinya artinya insektisida insektisida tersebut hanya memb membun unuh uh sera serang ngga ga hama hama dan dan tida tidak k atau atau kura kurang ng memb membah ahaya ayakan kan musu musuh hmu musu suh h alam alamii (par (paras asit itoi oid d dan pred predat ator or). ). ,oeka ,oekasa san n (%! (%!&) &) mela melapor porkan kan bah/ bah/aa nila nilaii LC50 LC50 inse insekt ktis isid idaa 8lor+lua9uron (Atabron50 :C) terhadap lar$a P. 2ylostella dan imago parasitoid "iadegma semiclausum ellen masingmasing adalah sebesar %%6*36 ppm dan 4.360* ! ppm. #erdasarkan data tersebut dapat disimpulkan bah/a insektisida 8lor+lua9uron termasuk ke dalam kelompok insekt insektisi isida da yang selekt selekti+* i+* karena karena nilai nilai LC50 LC50 8lor+l 8lor+lua9u ua9uron ron terhada terhadap p parasi parasitoi toid d lebih lebih besar besar dibandingkan dengan nilai LC50 terhadap serangga hama* dengan nilai nisbah selekti+itasnya kura kurang ng dari dari satu satu** yait yaitu u %%6*3 %%6*36 6 ; 4.%3 4.%36*! 6*! < 0*044 0*0446. 6. "eng "engan an kata kata lain lain** jika jika nila nilaii nisb nisbah ah selekti+itasnya = %* maka insektisida tersebut dinyatakan selekti+. Pencampuran atau kombinasi suatu jenis insektisida dengan insektisida atau bahan kimia lain dapat menimbulkan e+ek sinergistik* antagonistik* atau netral. ,enurut #en9 (%!&%)* jika bahan kimia atau insektisida tersebut mempunyai kemampuan untuk meningkatkan daya racun insekt insektisi isida* da* maka maka e+ek e+ek terseb tersebut ut dinama dinamakan kan siner sinergis gisti tik. k. ebali ebaliknya knya** jika jika bahan bahan campur campuran an menurunkan daya racun insektisida tersebut* maka e+ek tersebut dinamakan e+ek antagonistik. >ika bahan campuran tersebut tidak berpengaruh terhadap daya racun insektisida bersangkutan* maka maka e+eknya e+eknya dinamak dinamakan an netral netral.. ,oekas ,oekasan an (%!!!) (%!!!) melapo melaporka rkan n bah/a bah/a nilai nilai LC50 LC50 eNP? eNP? terhadap ulat ba/ang (podoptera e2igua ubn.) adalah sebesar 3!4*36 ppm. etelah dicampur dengan insektisida Pro+eno+os sebanyak 50 ppm* nilai LC50 eNP? menurun menjadi 5*56 ppm. al ini menunjukkan bah/a penambahan pena mbahan insektisida Pro+eno+os meningkatkan daya racun eNP? terhadap ulat ba/ang. elain di bidang pertanian* program komputer pengolah data tat @? .0 dapat pula digunakan di bidang +armasi dan kedokteran* yaitu untuk mendapatkan nilai LC50 !5 atau L"50 !5 suatu jenis bahan kimia terhadap he/an percobaan.
Persamaan
@egresi linier dengan satu prediktor (B) dide+inisikan dengan persamaan di ba/ah ini. #0 adalah intersep intersep dan #% adalah slope. slope. lope menunjukkan menunjukkan seberapa seberapa besar peranan peranan prediktor prediktor (B) dalam menjelaskan $ariabel keluaran ().
@egresi logistik dengan satu prediktor (B) dide+inisikan dengan persamaan di ba/ah ini. 8arena diterapkan pada data keluaran yang bersi+at dikotomi (pilah)* maka persamaan regresi ditrans+ormasi menjadi probabilitas (P) yang merupakan kepanjangan dari P<% (probabilitas untuk mendapatkan skor %).
@egresi @egresi Probit merupakan modi+ikasi modi+ikasi regresi regresi logistik logistik dengan menetapkan menetapkan persamaan persamaan regresi logit mengikuti distribusi normal. "engan menggunakan regresi probit maka #0D#%B dilihat sebagai skor standar E yang mengikuti d istribusi normal* maka didapatkan ;
Persamaan ini didasari pada distribusi normal (F) di ba/ah ini sehingga regresi probit ditunj ditunjukka ukkan n dengan dengan F(E) F(E) (kron (krondal dal - esket esketh* h* 003). 003). imbol imbol Φ menunjukkan berlakunya +ungsi de$iasi standar distribusi normal (in$erse standard normal distribution).
E adalah suatu $ariabel kontinu yang tidak teramati (laten) karena merupakan suatu GkecenderunganG munculnya sebuah kejadian. >adi misalnya data teramati kita adalah lulus (kode %) dan tidak lulus (kode 0)* nilai E menunjukkan kecenderungan atau probabilitas untuk lulus. Cont Contoh oh lainny lainnyaa adal adalah ah data data pelan pelangga ggan. n. ,ela ,elakuk kukan an pembe pembeli lian an ulan ulang g (kod (kodee %) dan tida tidak k melakuk melakukan an pembel pembelian ian ulang ulang (kode (kode 0). "alam "alam kasus kasus ini E merupak merupakan an suatu suatu kecende kecenderun rungan gan pelanggan untuk melakukan pembelian ulang. emakin besar nilai E semakin besar kecenderungan pelanggan untuk melakukan pembelian ulang. ubungan antara asil :stimasi dan Probabilitas Hambar di ba/ah ini menunjukkan hubungan antara hasil regresi probit dengan kur$a normal yang di/ujudkan dalam kontinum probabilitas. 8etika hasil persamaan regresi probit menghasilkan nilai nol* itu artinya nilai probabilitas yang dihasilkan sama dengan 50I. 8etika persamaan regresi probit menghasilkan nilai %.635* itu artinya probabilitas yang didapatkan adalah 5I.
Proses analisis dengan menggunakan program komputer akan menghasilkan nilai probit (E) yang menunjukkan posisi indi$idu dalam /ilayah kur$a normal. Jleh karena itu untuk menghasilkan in+ormasi mengenai probabilitas yang dihasilkan kita perlu mentrans+ormasinya dengan menggunakan tabel E. ,isalnya dengan memasukkan nilai indi$idu yang memiliki B<% ke dalam persamaan regresi kita dapatkan nilai untuk indi$idu tersebut adalah <0. Nilai 0 ini kemudian ditrans+ormasi melalui tabel E menjadi 0.5 (50I). Penghubung logit dan probit sering memberikan hasil yang sama meskipun penghubung probit mendiskriminasikan dengan lebih baik dan mendekati nilai median (0.5 respon probabilitas). Akan diteliti seberapa besar probabilitas jejaka untuk memutuskan menikah didasarkan dari kesiapan (B%) dan tingkat kemandiriannya (B). ?ariabel keputusan menikah bersi+at kategorikal* memutuskan menikah (kode %) dan belum memutuskan menikah (kode 0). "ata prediktor bersi+at kontinyu karena didapatkan dari skor skala psikologi. Kabel Kabel di ba/ah ini contoh penampakan p enampakan data ini.
,enganalisis "i progra program m P P analisi analisiss regres regresii probit probit dengan tampil tampilan an data data di atas atas lebih lebih tepat tepat dianalisis dengan menggunakan synta2.
Hambar di atas menunjukkan synta2 yang dapat kita terapkan. Anda tinggal mengganti nama $ariabel di atas dengan nama $ariabel anda. ntuk kasus di atas* nama $ariabel yang dipakai disesuaikan dengan nama $ariabel di dalam data. asil Analisis #erikut ini hasil output yang keluar dari d ari P;
,ode ,odell 7itt 7ittin ing g n+o n+orm rmat atio ion. n. #agi #agian an ini ini menun menunju jukka kkan n Mkeba Mkebaik ikan an model model yang yang kita kita kembangkan. kembangkan. Nilai Nilai loglikeli loglikelihood hood pada baris intercept intercept only only didapatkan didapatkan dari model model tanpa tanpa prediktor. Pada model tanpa prediktor ini nilai koe+isien slope regresi diasumsikan sebesar nol (b%<0). Akibatnya hanya koe+isien intersep saja yang dipakai. #erikut ini adalah model yang hanya melibatkan intersep (α) saja.
,odel 7inal menggambarkan model yang mencakup $ariabel prediktor yang kita analisis. Nilai ini didapatkan dari proses iterasi untuk menemukan log likelihood yang maksimal (baca tulisan estimasi maksimum likelihood di bab sebelumnya). Persamaan untuk model ini adalah sebagai berikut.
asil analisis menunjukkan adanya perbedaan yang signi+ikan (χ <%%4.364' p=0.05) "apa "apatt disi disimp mpul ulkan kan bah/ bah/aa meli melibat batka kan n pred predikt iktor or dala dalam m model model lebi lebih h baik baik darip daripad adaa tida tidak k melibatkanny melibatkannyaa sama sekali. Nilai d+ didapatkan didapatkan dari jumlah jumlah prediktor prediktor yang dilibatkan dilibatkan di dalam model.
Pseu Pseudo do @ @Ou Ouar are. e. @ kuadr kuadrat at dala dalam m @egr @egres esii probi probitt tida tidak k sama sama den dengan gan @ kuad kuadrat rat yang yang ditemukan dalam regresi linier (JL). Namun demikian sejumlah ahli telah mencoba untuk
mengem mengembang bangkan kannya. nya. 8arena 8arena nilai nilai ini tidak tidak menunjukk menunjukkan an @ kuadra kuadratt yang sebenarny sebenarnyaa maka maka dinama dinamakan kan denga dengan n @Ou @Ouare are pseudo pseudo (@ (@ kuadrat kuadrat semu). semu).
Parameter :stimates. #agian ini menunjukkan koe+isien regresi. Probabilitas pengambilan keputusan menikah terp terpre redi diks ksii dilap dilapor orka kan n denga dengan n meng menggun gunaka akan n koe+ koe+is isie ien n ini. ini. Nila Nilaii amba ambang ng (thre (thresh shol old) d) menunjukkan nilai konstan seperti halnya dalam regresi linier. #erdasarkan hasil di atas dapat dihasilkan persamaan regresi probit yang dihasilkan adalah;
7 adalah +ungsi distribusi normal kumulati+. nterpretasi koe+isien dalam regresi probit tidak sama dengan regresi linier atau regresi logistik. Peningkatan probabilitas dalam analisis ini dikaitkan dengan peningkatan satu unit prediktor lain dan nilai a/al prediktor. "ari hasil analisis ini dapat ketahui koe+isien (beta) untuk kesiapan menikah adalah .564 (p=0.05) Nilai signi+ikansi di ba/ah 0.05 menunjukkan bah/a nilai koe+isien ini berbeda secara signi+ikan dengan beta<0. "engan kata lain merupakan prediktor pemilihan keputusan menikah yang signi+ikan. ebaliknya* nilai koe+isien kesiapan tidak signi+ikan (.564 p=0.05) sehingga bukan merupakan prediktor pemilihan keputusan menikah.
Penerapan asil ,end ,endapa apatk tkan an
pers persam amaan aan
regr regres esii
7(E) 7(E)< <Φ%3.3 %3.3!D !D. .56 564( 4(B% B%))D0. D0.!! !!(B (B) )Q. Q.
8are 8arena na
peranan kemandirian tidak signi+ikan* maka kita keluarkan dari persamaan. "engan demikian persamaan kita menjadi 7(E)<%3.3!D.564B%. >ika B%<0 maka 7(E)< %3.3!D.564(0)Q<%3. )Q<%3.3!. 3!. >ika >ika B%<% maka E<%!.6%. E<%!.6%. ditrans+or ditrans+ormasik masikan an nilai nilai E menjadi menjadi nilai nilai Φ%3.3!D.564(0 probabilitas. 8ita tinggal melihat tabel. ,isalnya nilai E<%!.6% terletak pada /ilayah 0.!!! (mendekati %). 8asus ini kurang cocok untuk contoh penerapan karena nilai koe+isien #0 dan #% yang dihasilkan sangat besar sehingga mendekati %. #erikut ini contoh lainnya. ,isalnya peneliti hendak memprediks memprediksii kesuksesan kesuksesan ber/irausaha ber/irausaha berdasarkan berdasarkan kemauan kemauan mengambil mengambil resiko resiko (B). 8esuks 8esukses esan an ber/ir ber/iraus ausaha aha terdir terdirii dari dari sukses sukses<% <% dan belum belum sukses sukses<0. <0. Persam Persamaan aan regres regresii menghasilkan 7(E)<Φ .06% .06%D0 D0.% .%( (B% B%)Q )Q.. 8eti 8etika ka nilai nilai B<0 B<0 maka maka nilai nilai E yang yang dihasi dihasilka lkan n adal adalah ah .06 .06%D %D0. 0.% % (0) (0)< < .06 .06%. %. 8ita 8ita liha lihatt di tabe tabell E* E* nil nilai ai E< .06 .06% % sam samaa den denga gan n lua luass kur$ kur$aa sebe sebesa sarr 0.0 0.0 atau atau probab probabil ilit itas as sebesa sebesarr I. I. >ika >ika B<5 maka maka nilai nilai E< %.% %.% yang yang seta setara ra dengan probabilitas sebesar %4.%I. Artinya ketika kemauan indi$idu mengambil resiko sebesar 5* maka probabilitas untuk suksesnya adalah %4.%I.
DAFTAR PUSTAKA
krondal* krondal* A. A. and @abe esketh* esketh* . (003). (003). Henerali9ed Henerali9ed Latent Latent ?a ?ariable riable ,odeling; ,odeling; ,ultile$e ,ultile$el* l* Longitudinal and tructural :Ouation ,odels. #oca @aton* 7L ; Chapman - allRC@C. #en9* H. %!&%. ynergism o+ ,icroorganism and Chemical nsecticides. P. 4&455. n ; .". #urgess and N.1. usey (:ds.). ,icrobial Control o+ nsect and ,ites. Academic Press* Ne/ ork ork and London. 54 pp. #ur$in #ur$ine* e* >.* A.* A.* @. %!&%. %!&%. Kechni echniOues Oues +or Kesting sting nseti nseticide cides. s. Common Common/eal /ealth th Agric Agricult ultura urall #ureau2. London. 446 pp. einrichs* einrichs* :.A.* . Chelliah* Chelliah* .L. ?alencia* lencia* ,.#. Arceo* Arceo* L.K. 7abelar* 7abelar* H.#. AOuino and . Pickin Pickin.. %!%. %!%. ,anual ,anual +or Kestin esting g nsect nsectici icides des on @ice. @ice. ntern nternati ational onal @ice @ice @esear @esearch ch nstitute. Los #anos* Laguna. Philippines. %43 pp. ,etcal+* C.L. and 1.P. 7lint. %!6. "estructi$e and se+ul nsects* Kheir abits and Control. ,cHra/ill. Publ.Co.Ltd. Ne/ "elhi. 66& pp. ,oekas ,oekasan* an* K.8. %!&. %!&. "aya "aya racun racun insekt insektisi isida da mikrob mikrobaa (#acil (#acillus lus thurin thuringien giensis sis #erl.). #erl.). dan pengahambat pembentukan kitin terhadap lar$a Plutella 2ylostella L. (Lepidoptera ; ponomeutodae) dan imago parasitoid "iadegma eucerophaga ellen (ymenoptera ; chneumonidae) di Laboratorium. kripsi %. 7aperta nba r. #andung 6 h.
