Post on 16-Apr-2017
Statistics for Research in Ecology
Eko Efendi, ST., M.Si
JURUSAN PERIKANAN DAN KELAUTANFAKULTAS PERTANIAN
UNIVERSITAS LAMPUNG
Pemilihan teknik pengambilan contoh dan analisis data didasarkan pada:
Batasan-batasan dalam pengambilan contoh dan analisis data
• Pemilihan parameter abiotik dan biotik yang dapat menjawab permasalahan yang diajukan
• Skala observasi dalam ruang dan waktu• Metode analisis data yang tepat
• Alami : Berhubungan dengan keragaman skala yang dipilih
• Teknik: kemampuan dan ketepatan alat yang digunakan, luasnya skala ruang dan wakktu yang diperuntukkan dalam pengambilan contoh
• Matematik: berkenaan dengan struktur dari data dan kualitasnya
Pengumpulan dan Analisis Data
HUBUNGAN FUNGSIONAL PENGAMBILAN CONTOH DAN
ANALISIS DATAMasalah/Hipotesa
Problematika
Pengambilan Contoh Analisis Data
Kesimpulan
KonsepsiInferensiRetroaksi
Pengumpulan dan Analisis Data
KRITERIA PEMILIHAN TEKNIK PENGAMBILAN CONTOH
Kerangka pengambilan contoh seperti apa yang telah ada
Seberapa besar ukuran contoh yang diinginkan
Prosedur pengambilan contoh yang mana yang akan digunakan
Cukupkah sumberdaya yang ada (biaya, bahan dan tenaga)?
Teknik Pengambilan Contoh
PENGAMBILAN CONTOH ACAK SEDERHANA
PROSEDUR
PEMAKAIAN
• Umum : setiap unsur dalam populasi mempunyai peluang yang sama untuk terpilih sebagai anggota contoh
• Pengambilan contoh acak terbatas: pengambilan contoh acak dengan pemulihan
• Pengambilan contoh acak tanpa pembatasan: Pengambilan contoh acak tanpa pemulihan
• Jika unsur populasi tidak terlalu menyebar secara geografis• Jika populasi bersifat kurang lebih homogen terhadap
karakteristik yang dipelajari
PENARIKAN CONTOH ACAK SEDERHANA
Pengambilan contoh berdasarkan Tabel Bilangan Acak Misalkan akan diambil contoh sebesar 6 dari 15 data (N=15, n=6)Karena 15 terdiri dari 2 digit, diberi nomor 0 - 15 pada data kemudianlihat tabel pada 2 kolom, terbaca : 11, 14, 01, 02, 07, 12, maka datacontoh adalah
Nomor Contoh Contoh Data1 (Xi) Data2 (proporsi)
11 Mahasiswa K 10 Setuju 14 Mahasiswa N 6 Tidak Setuju 01 Mahasiswa A 8 Setuju 02 Mahasiswa B 12 Tidak Setuju 07 Mahasiswa G 5 Tidak Setuju 12 Mahasiswa L 7 Tidak Setuju
1 Pengeluaran per hari (ribuan)2 Pendapat mengenai perlunya menambah mata kuliah yang bersifat kuantitatif
Penduga Rataan Populasi sebagai penduga bagi
Penduga Total Populasi
Dimana :N = jumlah mahasiswa dalam populasi = rataan contoh
Penduga Ragam dari Rataan sebagai penduga bagi
8648
675610
1
Kn
Xix
n
i
120)8(15ˆ xNx
x
x
68,015
61568,62
2
NnN
nS
sx
2
x2
xs
merupakan faktor koreksi bagi populasi terbatas
Bila populasi tidak terbatas atau berukuran besar dimana
maka faktor koreksi diabaikan
Ragam Populasi ( 2) Tidak Diketahui Pertimbangan dalam menentukan ukuran contoh
• Bila populasi N besar, disarankan menggunakan persentase yang kecil
• ukuran contoh sebaiknya tidak lebih kecil dari 30• ukuran contoh sebaiknya disesuaikan dengan ketersediaan dana
dan waktu
NnN
05,095,0 Nnatau
NnN
Pedoman Menentukan Jumlah Sampel
• N = populasi• n = Besar sampel• d = = 0,05/0,1)(1 2dN
Nn
1. Rumus Slovin
Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki adalah 5%, maka jumlah sampel yang digunakan adalah :N = 125 / 125 (0,05)2 + 1 = 95,23, dibulatkan 95
2. Interval Penaksiran
• Untuk menaksir parameter rata-rata 2
2/
eZn
Seorang mahasiswa akan menguji suatu hipotesis yang menyatakan bahwa Indek Prestasi Mahasiswa Jurusan S1 Keperawatan adalah 2,7. dari 30 sampel percobaan dapat diperoleh informasi bahwa standar deviasi indek Prestasi mahasiswa adalah 0,25 Untuk menguji hipotesisi ini berapa jumlah sampel yang diperlukan jika kita menginginkan tingkat keyakinan sebesar 95% dan error estimasi kurang dari 0,05,?
04,96)05,0(
)25,0)(96,1(2
n
3. Pendekatan Isac Michel
222
22
SZNdSNZn
Seorang mahasiswa akan menguji suatu hipotesis yang menyatakan bahwa Indek Prestasi Mahasiswa Jurusan S1 Perikanan yang berjumlah 175 mahasiswa adalah 2,7. Dari 30 sampel percobaan dapat diperoleh informasi bahwa standar deviasi Indek Prestasi mahasiswa adalah 0,25 Untuk menguji hipotesisi ini berapa jumlah sampel yang diperlukan jika kita menginginkan tingkat keyakinan sebesar 95% dan error estimasi kurang dari 5 persen ?
62)25,0()96,1()05,0)(175(
)25,0()96,1)(175(222
22
n
a. Untuk menentukan sampel untuk menaksir parameter rata-rata
B. Untuk menentukan sampel untuk menaksir parameter proporsi P
pqZNdpqNZ
n 22
2
Kita akan meperkirakan proporsi mahasiswa jurusan manajemen unsoed yang berjumlah 175 orang. Brdasarkan penelitian pendahuluan diperolh data proporsi mahasiswa manajemen unsoed menggunakan angkutan kota waktu pergi kuliah adalah 40%. Berapa sampel yang diperlukan jika dengan tingkat kepercayaan 95% dan derajat penyimpangan sebesar 0,10.?
38,60)6,0)(4,0()96,1()1,0)(175(
)6,0)(4,0()96,1)(175(22
2
n
Sampel Ideal (Gay, 1984)Ukuran minimal sampel yang dapat diterima:
1. Penelitian deskriptif:sampel minimal 10% populasi, namun untuk populasi yang sangat kecil diperlukan minimal 20%
2. Penelitian korelasi: minimal 30 subjek.3. Penelitian ex post fakto atau penelitian kausal
komparatif:minimal 15 subjek per kelompok.4. Penelitian eksperimen:minimal 15 subjek per
kelompok.
Keuntungan Menggunakan Penarikan Contoh AcakTeori yang digunakan sederhana, sehingga lebih mudah memahaminya
Kerugian Menggunakan Penarikan Contoh Acak Dalam kasus keragaman populasi sangat sporadis
dan tdk teratur, penarikan contoh acak tidak cocok karena tidak mewakili populasi
Seleksi contoh yang membutuhkan daftar dan penomoran bagi seluruh satuan penarikan contoh menjadi tidak praktis
Dengan penarikan contoh acak, akan ada masalah sehubungan dengan pengumpulan data berdasarkan pertimbangkan geografis. Misalkan contoh yang terpilih berada diwilayah yang berjauhan atau sangat jauh. Maka diperlukan biaya dan waktu yang lebih besar
PENGAMBILAN CONTOH ACAK DAN SISTIMATIK BERLAPIS
PROSEDUR
PEMAKAIAN
• Umum : populasi dibagi-bagi ke dalam beberapa grup (lapisan), kemudian unsur contoh dipilih dari setiap lapisan
• Pengambilan contoh acak berlapis: pemilihan unsur contoh dalam setiap lapisan dilaksanakan dengan pengambilan contoh acak
• Pengambilan contoh sistimatik berlapis: pemilihan unsur contoh dalam setiap lapisan dilaksanakan dengan pengambilan contoh sistimatik• Jika populasi yang diamati, berdasarkan nilai karakteristiknya, dapat dibagi-bagi ke dalam beberapa lapisan
• Jika ketepatan nilai dugaan yang diinginkan ditujukan pada beberapa bagian tertentu dari populasi yang diamati
• Jika pengambilan contoh yang akan digunakan pada setiap lapisan berbeda-beda
PENARIKAN CONTOH ACAK BERLAPIS
Dari 40 mahasiswa S2, 15 diantaranya baru lulus S1, 10 orang dari swasta dan 15 orang dari instansi pemerintah Satuan penarikan contoh : mahasiswaProsedur penarikan contoh :
Deskripsi RancanganPopulasi yang terdiri dari beberapa bagian (lapisan), dimana dalam satu bagian (lapisan) terdapat kondisi pengamatan (karakteristik) yang homogen sementara antar bagian (lapisan) memiliki yang heterogen
Prosedur
1. Pilah populasi ke dalam lapisan dimana setiap lapisan terdiri satuan penarikan contoh yang memiliki karakteristik kurang lebih homogen
2. Setelah terbentuk lapisan, contoh acak dapat diambil dari setiap lapisan menggunakan metode penarikan contoh acak sederhana
Kerangka penarikan contoh :Tiga daftar mahasiswa, yaitu daftar 15 mahasiswa baru lulus
S1, daftar10 mahasiswa dari swasta dan daftar 15 mahasiswa dari
instansi pemerintah
PendugaanMisalkan akan dilakukan survei di lima wilayah
Lapisan (st)
hN
hn
hx
2
hs
1 448 81 6,49 6,65 2 131 31 6,77 12,11 3 81 14 6,50 4,58 4 108 20 7,25 7,57 5 100 17 6,76 5,19 N = 868 n = 163
Ket :h
N = jumlah satuan penarikan contoh dalam setiap lapisan
hn = contoh yang diambil dari setiap lapisan
hx = dugaan rataan setiap lapisan
2
hs = dugaan ragam setiap lapisan
Penduga Rataan Populasisebagai penduga bagi
Penduga Ragam dari Rataan Contoh
merupakan faktor koreksi bagi populasi terbatas
untuk lapisan ke-h. Faktor koreksi ini dapat diabaikan bila
st
stx
66,6868
)67,6(100)77,6(131)49,6(4481
KN
xNx
L
hhh
st
L
hhh
hhhh
NNnnNNss
stx 1 2
22
2 0352,0)(
h
hh
NnN )(
05,0h
h
Nn
Penentuan Ukuran Contoh
5780:89,5779)76,6(100)77,6(131)49,6(448ˆ KxNXhhst
8,616
)7610(61)7610(
1
)(1
1)(
2222222
2
KK
n
Xn
X
nxXS
Penduga Total Populasi
Prosedur umum:1. tentukan ukuran contoh (n)2. alokasikan n di semua lapisanTerdapat 4 metode yang umum digunakan dalam menentukan seluruh ukuran contoh (n) dan mendistribusikannya ke setiap lapisan, yaitu : sebanding, proporsional dan optimum.
S2 merupakan ragam contoh dari data (S2e atau S2
x), dihitung sebagai
Penduga Proporsi PopulasiDengan menggunakan data*2, hitung proporsi mahasiswa yang setuju :
33,062
1
n
Xn
i i
Penduga Total PopulasiTotal populasi (banyaknya mahasiswa) yang setuju (Np)= 15(0,33)=5
Penduga Ragam Proporsi Contoh
267,0752
15615
16
)311(
31
1)1(2
NnN
npps
p
Parameter yang harus ditentukan:1. N (jumlah total satuan percobaan, dalam populasi)2. D (kesalahan (error) maksimum yang dapat diterima3. Z (peubah normal; untuk P(z>Z)=95% maka Z= 1,645)4. 2 atau P
TeladanMisalkan diketahui: N=150, d=1 (rataan pendugaan tidak lebih dari 1 satuan terhadap rataan sesungguhnya), 2= 9,0 dengan tingkat kepercayaan 90% maka ukuran contoh yang dibutuhkan :
21;9,20)9()645,1()1(150
)9()645,1(15022
2
222
22
sZNd
sNZn
Penentuan Ukuran Contoh
Ragam Populasi (2) atau Proporsi Populasi Diketahui
Lebih dari 1 Jenis Pengamatan Penduga Total Populasi
Prosedur untuk menentukan ukuran contoh :1. Tentukan jenis pengamatan yang akan diambil datanya2. Dugalah ukuran contoh untuk setiap jenis pengamatan3. Apakah ukuran contoh setiap jenis pengamatan hampir
sama? Jika ya, n tersebar atau rata-rata n dapat digunakan; jika tidak, tingkat ketelitian pendugaan (Z dan d) dikurangi dan dipilih n yang lebih kecil
Teladan menggunakan metode proporsional
- menentukan ukuran contoh total
66;5,65
645,1)5,0(868
)5659(868
2
2
22
2
2
2
2
hh
hh
sNzdN
sNNn
- menentukan ukuran contoh setiap lapisan
10;9,966.868131;3466.
868448;.
21 nnn
NNn h
h
8;6,766.868100;9;2,866.
868108;7;2,666.
86881
543 nnn
- ukuran contoh total menjadi
688971034. nNNn h
h
• Lebih efisien dibandingkan penarikan contoh acak• menyajikan analisis data yang lebih komprehensif/menyeluruh
karena informasi berasal dari setiap lapisan atau subpopulasi• secara administratif lebih sederhana
Keuntungan Penarikan Contoh Acak Berlapis
- Penentuan lapisan membutuhkan tambahan informasi yang sudah diketahui mengenai populasi dan subpopulasi
- Kerangka terpisah diperlukan untuk setiap lapisan
Kerugian Penarikan Contoh Acak Berlapis
PENGAMBILAN CONTOH SISTIMATIK PROSEDUR
PEMAKAIAN
Setelah pemilihan satu unsur contoh pada k unsur populasi yang pertama (misalnya: c), maka unsur contoh kedua, ketiga dan seterusnya adalah unsur yang ke (c + k), (c + 2k) dan seterusnya pada populasi N = nk
• Jika populasi bersifat tersusun dan pada hakekatnya juga acak• Jika pelapisan dalam populasi dapat diabaikan• Jika dengan data yang banyak, pelapisan dapat dilakukan
PENARIKAN CONTOH SISTEMATIK Deskripsi Rancangan
Penarikan contoh sistematik dengan pengacakan awal merupakan metode penentuan contoh dengan mengambil setiap satuan ke-k dari suatu populasi yang teratur, dimana satuan pertama dipilih secara acak. k = selang/ interval penarikan contoh; 1/k = fraksi penarikan contoh
ProsedurMisalkan akan diduga jumlah Kepala Keluarga (KK) per blok dari suatu wilayah perumahan yang memiliki 24 blok
Kerangka penarikan contoh : peta lokasi dengan blok yang terpisah atau daftar blok yang penulisannya dirancang sesuai lokasi
Satuan penarikan contoh : blok
Metode penentuan contoh : misalkan akan dipilih 6 blok dari 24 blok, maka fraksi penarikan contohnya menjadi 6/24 atau 1/4, sehingga selang penarikan contohnya adalah 4
1. Beri nomor blok secara berurutan dari 1 hingga 24 pada kerangka
2. Tentukan nomor secara acak antara 1 dan 243. Misalkan nomor yang terpilih adalah 154. Blok yang bernomor 15 diambil contoh, kemudian
diambil contoh ke kiri dan ke kanan dengan penambahan selang (4) sehingga diperoleh contoh seperti pada metode A
Metode A :
1. Tentukan nomor secara acak antara 1 dan 4 (k)2. Nomor acak yang terpilih, misalkan 3, menjadi satuan
pertama dalam contoh, diikuti dengan penambahan selang (4) sehingga diperoleh contoh seperti pada metode A.
Metode B :
Keuntungan Penarikan Contoh Sistematik- Penentuan contoh secara administrasi lebih mudah, cepat dan
murah- Memungkinkan menentukan contoh di lapang tanpa kerangka
penarikan contoh
Penarikan contoh sistematik terutama digunakan jika :- Ingin mendapatkan data yang melingkupi seluruh populasi yang
berada di wilayah yang luas- Ingin menggambarkan dari suatu berkas yang teratur
Kerugian Penarikan Contoh Sistematik- Bila populasi tidak teratur, tidak dapat diperoleh dugaan ragam
rataan dari sebuah contoh sistematis- Jika keteraturan berulang terjadi pada populasi, contoh sistematis
hanya akan menghasilkan data yang serupa
1. Beri nomor blok secara berurutan dari 1 hingga 24 pada kerangka
2. Tentukan nomor secara acak antara 1 dan 243. Misalkan nomor yang terpilih adalah 154. Blok yang bernomor 15 diambil contoh, kemudian diambil
contoh ke kiri dan ke kanan dengan penambahan selang (4) sehingga diperoleh contoh seperti pada metode A
Blok 2 6 10 14 18 22 Jumlah KK 7 15 5 8 3 10
Metode A :
Pendugaan
1. Tentukan nomor secara acak antara 1 dan 4 (k)2. Nomor acak yang terpilih, misalkan 3, menjadi satuan
pertama dalam contoh, diikuti dengan penambahan selang (4) sehingga diperoleh contoh seperti pada metode A.
Metode B :
Misalkan hasil penarikan contoh secara sistematik sebagai berikut
Penduga Rataan Populasi sebagai penduga bagi
Penduga Ragam dari Rataansebagai penduga
merupakan faktor koreksi bagi populasi terbatas
syx sy
8648
610385157
1
n
Xx
n
ii
sy
2
syxs 2
syx
2,22
2
NnN
nss
x
NnN
PENARIKAN CONTOH GEROMBOL Deskripsi Rancangan
Penarikan contoh gerombol merupakan metode untuk menentukan contoh dari kelompok yang berbeda atau dari gerombol, dengan satuan yang lebih kecil yang disebut elemen. Contoh gerombol dapat dipilih secara acak atau sistematis dengan pengacakan awal. Seperti penarikan contoh berlapis, gerombol juga terdiri dari subpopulasi yang terpisah, yang secara bersama-sama membentuk populasi. Tidak seperti lapisan, gerombol berisi elemen yang heterogen, yang menggambarkan kondisi populasi
M = ukuran gerombol (jumlah elemen dalam gerombol)N = ukuran gerombol pada populasi (jumlah gerombol dalam populasi)
Misalkan akan diambil contoh sebesar 50 mahasiswa dari N = 20kelompok, masing-masing terdiri dari 10 mahasiswa (M = 10)
Keuntungan Penarikan Contoh GerombolTidak membutuhkan daftar elemen dalam populasi, cukup daftar gerombol (kelompok)Kalaupun daftar elemen tersedia, penarikan contoh gerombol tetap lebih murah karena biaya lapangan dapat diminimalkan dengan berdekatannya elemen yang diamati
Kerugian Penarikan Contoh Gerombol Tidak seefisien penarikan contoh acak sederhanadan berlapis
Penduga Rataan Populasi sebagai penduga bagi
Penduga Ragam dari Rataansebagai penduga
merupakan faktor koreksi bagi populasi terbatas
2
syxs 2
syx
NnN
Xsy =
x
Xij
n m
i = 1 j=1
nM
NnNS2
x=S2
nM2
Data, Obyek, Variabel, dan SkalaData : Hasil observasi terhadap lingkungan melalui pengukuran secara obyektif dengan menggunakan alat pengukuran atau prosedur tertentu.Observasi bertujuan untuk menjawab pertanyaan, seperti berapa banyak, berapa besar, berapa panjang, berapa sering, berapa cepat, dimana, dan macam apa. Observasi memiliki karakteristik, yaitu direpresentasikan oleh angka, dimana angka mempunyai kelebihan yang nyata berbeda dibandingkan dengan kata-kata.
Obyek : Sumber observasi yang menghubungkan pengertian dengan angka. Sumber observasi, misalnya: individu, tanaman, hewan, keluarga, tanah, periode dll.
Analisis Data
Variabel : Pengukuran terhadap obyek, dengan memperhatikan beberapa karakteristik yang menyatakan secara tidak langsung bahwa obyek-obyek berbeda dalam karakteristiknya, dimana karakteristik dapat mengandung sejumlah nilai yang berbeda.
Skala : Sebagaimana telah disebutkan bahwa variabel adalah karakteristik obyek yang dapat mengandung dua atau lebih nilai yang mempunyai skala tertentu.Skala adalah suatu skema representasi numerik dari nilai-nilai suatu variabel.
Analisis Data
Skala nominal dan Skala ordinal dikategorikan sebagai skala non-metrik, dengan tipe variabel kualitatif. Skala interval dan skala rasio diklasifikasikan ke dalam skala metrik, dengan tipe variabel kuantitatif.
STATISTIK INFERENSIAL
STATISTIK MULTIDIMENSI
Diutamakan untuk mempelajari karakter-karakter dalam jumlah yang terbatas pada sejumlah kecil individu
Statistik deskriptif yang memungkinkan suatu studi global dari sejumlah besar individu dan variabel, yang secara umum dipresentasikan dalam bentuk grafik
Analisis Data
Analisis Data
STATISTIK PARAMETRIK
PEROLEHAN DATA NUMERIK
Didasarkan pada pengukuran dari suatu distribusi normal (nilai tengah, simpangan baku)
• Logik (mis. Tidak mengukur juvenil dengan dewasa untuk data dewasa)
• Dapat dibandingkan (mis. Jangan mencampurkan panjang baku dengan panjang total)
• Standar (diukur dengan metode yang sama, mis. Jangan mengkombinasikan ukuran mm dengan menggunakan penggaris dan kaliper)
• Memadai (ukuran contoh atau frekuensi kejadian harus mewakili populasi, mis. Lebih besar dari 20 dan dalam banyak kasus lebih besar dari 50)
• Bersifat acak
STATISTIK NONPARAMETRIKTidak didasarkan pada asumsi bentuk distribusi populasi. Umumnya digunakan pada studi populasi yang berdistribusi tidak normal
Beberapa Metode Analisis DataAnalisis Data
Variabel Kuantitatif Variabel Semi Kuantitatif Variabel Kuantitatif
Analisis Data Univariabel
Perbedaan antara 2 grup• T studentPerbedaan antara banyak grup• Analisis varian (anova)
Perbedaan antara 2 grup• U daru Mann-Whitney,…Perbedaan antara banyak grup• H dari Kruska-Wallis
Perbedaan antara 2 grup• 2,….Perbedaan antara banyak grup• 2,….
Analisis Data Multivariabel
Perbedaan antara 2 grup• T2 dari HotellingPerbedaan antara banyak grup• Analisis varian multidimensi
(Manova)Pengukuran asosiasi QPengukuran asosiasi R :• Dispersi• Korelasi ParametrikKeanekaragaman spesies• Pengukuran keanekaragaman• Model distribusi kelimpahanPengelompokanOrdinasiDiagran Dispersi dan regresiAnalisis DiskriminanKorelasi Kanonik
Perbedaan antara 2 grup• ______________________Perbedaan antara banyak grup• ______________________
Pengukuran asosiasi QPengukuran asosiasi R :• ______________________• Korelasi PangkatKeanekaragaman spesies• Pengukuran keanekaragaman• Diagram PangkatPengelompokanOrdinasiDiagram Pangkat__________________________________________________
Perbedaan antara 2 grup2 MultidimensiPerbedaan antara banyak grup2 Multidimensi
Pengukuran asosiasi QPengukuran asosiasi R :Teori Informasi, 2
KontingensiKeanekaragaman spesiesKekayaan SpesiesSpesies DominanPengelompokanOrdinasiTabel Kontigensi dan KorespondenAnalisis Diskriminan Diskret________________________
Anggaplah satu kelompok data individu-karakter yang berisi n observasi dan p variabel, dimana diasumsikan bahwa p variabel dapat dibagi ke dalam 2 kelompok: satu kelompok sebagai variabel independen, dan satu kelompok lainnya sebagai variabel dependen. Untuk menganalisis tipe data seperti ini dapat digunakan metode statistik yang mengarah pada Metode Dependen.
Metode dependen menelaah ada atau tidak adanya hubungan antara 2 kelompok variabel. Jika seorang peneliti, didasarkan pada eksperimen terkontrol dan/atau beberapa teori yang relevan, menentukan variabel-variabel eksperimennya dalam 2 kelompok: satu kelompok sebagai variabel-variabel independen dan satu kelompok lainnya sebagai variabel-variabel dependen, maka tujuan dari metode dependen terhadap data demikian adalah mendeterminasi yang mana dari kelompok variabel independen yang mempengaruhi kelompok variabel dependen baik secara individu maupun bersama-sama.
Analisis Data
Di sisi lain, apabila pada kelompok data yang ada tidak mungkin dilakukan pemisahan variabel-variabel atas kelompok variabel independen dan kelompok variabel dependen, maka analisis statistik yang dilakukan bertujuan untuk mengidentifikasi bagaimana dan mengapa variabel-variabel berhubungan antara mereka. Metode statistik untuk menganalisis data seperti ini disebut Metode Interdependen.
Analisis Data
Metode Statistik Dependen Variabel Dependen
Satu Variabel Lebih dari Satu VariabelMetrik Non-metrik Metrik Non-Metrik
Variabel IndependenSatu Variabel
Metrik
Non-Metrik
Lebih dari Satu Variabel
Metrik
Non-Metrik
Regresi
Uji t
Regresi berganda
Analisis ragam (ANOVA)
Analisis diskriminan Regresi logistic
Analisis diskriminan diskret
Analisis diskriminan Regresi Logistik
Analisis diskriminan diskret Analisis konjoin (MONANOVA)
Korelasi kanonik
Analisis ragam multivariabel (MANOVA)
Korelasi kanonik
MANOVA
Analisis diskriminan grup-ganda (MDA)
MDA diskret
MDA
MDA diskret
Analisis Data
Metode Statistik InterdependenJumlah Variabel Tipe Data
Metrik Non-MetrikDua
Lebih dari Dua
Korelasi sederhana
Analisis komponen utama (PCA) Analisis faktor Analisis kelompok (cluster analysis)
Tabel kontingensi 2 arah Model loglinear
Tabel kontingensi banyak arah Model loglinear Analisis factorial koresponden (CA)
Analisis Data
PENGUKURAN KEANEKARAGAMAN SPECIES
Pokok Bahasan :1. Pengertian Keanekaragaman2. Metode Analisis Keanekaragaman Species
a. Indeks Kekayaan jenis (Index of Species Richness)b. Indeks Keanekaragaman atau Heterogenitas (Index of heterogenity
atau Index of Diversity), dan c. Indeks Keseragaman/Kemerataan (Index of Evennes).
1. PENGERTIAN KERAGAMAN HAYATI• Keanekaragaman hayati (ragam hayati):
adalah istilah payung (umbrella term) untuk derajat keanekaragaman sumberdaya alam hayati, meliputi jumlah maupun frekuensi dari ekosistem, spesies maupun gen di suatu daerah (Haryanto, 1995).
• Keanekaragaman hayati: Definisi dari Wilcox (1984)adalah berbagai macam bentuk kehidupan, peranan ekologi yang dimilikinya dan keanekaragaman plasma nutfah yang terkandung didalamnya, (MacKinnon dkk.,1986) . Definisi dari WWF (1989): adalah kekayaan hidup di bumi, jutaan tumbuhan, hewan dan mikroorganisme, genetika yang dikandungnya, dan ekosistem yang dibangunnya, (Primack, dkk. 1998) .
• Tiga tingkatan pengertian ragam hayati, (McNeely, 1988)
yaitu : 1. keanekaragaman genetik2. keanekaragaman spesies 3. keanekaragaman ekosistem
• Ragam hayati meliputi seluruh spesies tumbuhan, binatang, organisme mikro dan gen-gen yang terkandung di dalamnya serta seluruh ekosistem di muka bumi (McNeely, dkk 1988 dalam Haryanto, 1995).
• Sampai saat ini konsep dan ide pengukuran biodiversitas masih diperdebatkan oleh ahli ekologi
• Konsep pengukuran keragaman dibagi 3 kategori:1. Indeks Kekayaan jenis (Index of Species
Richness)2. Indeks Keanekaragaman atau Heterogenitas
(Index of heterogenity atau Index of Diversity), dan
3. Indeks Keseragaman/Kemerataan (Index of Evennes).
2. METODE PENGUKURAN KERAGAMAN
A. INDEKS KEKAYAAN JENIS (Index of Species Richness)
• Konsep ini pertama kali dicetuskan oleh Mcinthos pada tahun 1967.
• Kekayaan jenis adalah jumlah jenis (spesies) dalam suatu komunitas.
• Persoalan mendasar yang merupakan kendala penting dalam penerapan konsep “kekayaan jenis” adalah bahwasanya seringkali tidak mungkin untuk menghitung semua jenis yang hidup dan tinggal dalam suatu komunitas alamiah. Oleh karena itu perlu dilakukan pendugaan.
Ukuran keanekaragaman berdasarkan konsep kekayaan jenisJumlah jenis seringkali meningkat sejalan dg peningkata luas petak
Jumlah jenis yang teramati
Jumlah Unit Contoh
Beberapa Pendekatan:• Pada prakteknya ternyata tidak mudah untuk menjamin
keseragaman ukuran unit contoh. Sehubungan dengan ini, Sanders (1968) mengusulkan alterenatif pemecahan masalah dengan menggunakan metoda “rarefaction”. Melalui metoda ini dapat dihitung nilai harapan jumlah jenis dalam setiap unit contoh yang berukuran sama (misalkan 100 individu). Adapun perhitungannya didasarkan pada rumus Sanders yang telah disempurnakan oleh Hurlbert (1971) sebagaimana disajikan berikut ini:
Luas Petak (m2) No Nama Jenis 10x10 20x20 30x30 40x40 50x50 1 2 3 4 5 6 7 1. Maesopsis eminii 1 5 7 16 30 2. Paraserianthes falcataria 1 1 1 1 1 3. Pinus merkusii 0 0 0 3 5 4. Altingia excelsa 0 0 7 10 14 5. Calophyllum caulatris 0 0 1 2 2 6. Vitex pubescens 0 3 5 5 6 7. Cananga odorata 0 0 0 1 1 8. Arthocarpus heterophyllus 0 0 0 0 1 9. Langenstromeia speciosa 0 0 0 0 2 10 Pometia pinnata 0 0 0 0 1 11. Alstonia pneumatophora 0 0 0 0 1 12. Strombosia rotunclifolia 0 0 0 1 1 13. Shorea sp 1 3 5 6 9 14. Hevea braciliensis 0 0 0 0 9 15. Schima walichii 0 0 0 1 3 16. Khaya antoteca 0 0 0 2 5 17. Gmelina arboteal 0 0 0 0 1 18. Hopea odorata 0 2 2 2 4 19. Hopea mangarawan 0 0 0 0 2 20. Opuna papuana 0 0 0 0 4 21. Kecapi 0 0 0 1 1 22. Lucuma spp. 0 0 0 0 2 23. Eusideroxylon zwageri 0 0 0 0 1 24. Persea americana 0 0 0 0 1 25. Heriteria littoralis 0 0 0 1 1 26. Kepuh 0 0 2 2 2 27. A 0 1 1 1 1 28. B 0 0 1 1 1 29. C 0 0 1 2 2 30. D 0 0 2 3 3 31. E 0 0 1 2 2 32. F 0 0 1 1 1 33. G 0 0 0 2 3 34. H 0 0 0 1 1 35. I 0 0 0 1 1 36. J 0 0 0 1 1` 37. K 0 0 0 1 2 38. L 0 0 0 0 1 39. M 0 0 0 0 1 40. N 0 0 0 0 2 41. O 0 0 0 0 4
Jumlah Individu 3 15 37 70 136 Jumlah Jenis 3 6 14 26 41
• dimana: E(Sn) = nilai harapan jumlah jenis• n = ukuran standar unit contoh (jml individu terkecil)• N = jumlah total individu yang teramati• Ni = jumlah individu jenis ke-I
1. Indeks Hurlbert (1971)
( )
niS
in
nN
NNSE 1
1
Sedangkan nilai keragaman dari E(Sn) tersebut dihitung dengan menggunakan rumus sebagai berikut (Heck et al., 1975) :
( )
N
NN
n
nS
iNn
iNSVar 1
1
1
N
NN
n
nn
nji
S
i
S
i
jNiN
NNN1
1
1
2
Istilah adalah “kombinasi” yang dihitung sebagai berikut :
x! adalah faktorial. Sebagai contoh 5! = 5 x 4 x 3 x 2 x 1 = 120
( )!!!
yxyxx
y
x
y
Langkah pertama adalah mengambil kelimpahanmasing-masing jenis dari setiap ukuran plot dan memasukkan ke dalam persamaan :
N
nniNN1
Luas Petak N n E(Sn) 10 x 10 3 3 3,999 20 x 20 15 3 2,539 30 x 30 37 3 2,719 40 x 40 70 3 2,760 50 x 50 136 3 2,791
No Ni E(Sn) 1 1 1,333 2 1 1,333 3 1 1,333
Jml 3 3,999
Plot 20m x 20m No Ni E(Sn) 1 5 0,736 2 1 0,200 3 3 0,516 4. 3 0,516 5. 2 0,371 6. 1 0,200
Jml 15 2,539
N = 3 n = 3 E(S1) = 1-[(2!/3!.-1!)/(3!/3!.0!)] = 1,333
N = 15 n = 3 E(S1) = 1- [(14!/3!.11!)/(15!/3!.12!)] = 0,200 E(S2) = 1- [(13!/3!.10!)/(15!/3!.12!)] = 0,371 E(S3) = 1- [(12!/3!.9!)/(15!/3!.12!)] = 0,516 E(S5) = 1- [(10!/3!.7!)/(15!/3!.12!)] = 0,736
2. Indeks Divertas Margalef (Clifford & Stephenson, 1975) :
• Dmg = Indeks Margalef• S = jumlah jenis yang teramati• N = jumlah total individu yang teramati• Ln = logaritma natural
LnNSDmg
1
Jadi Hasil Perhitungan untuk Masing-masing Plot, yaitu sebagai berikut :
10 x 10 = 3
2Ln
= 1,820
20 x 20 = 15
5Ln
= 1,846
30 x 30 = 37
13Ln
= 3,600
40 x 40 = 70
25Ln
= 5,844
50 x 50 = 136
40Ln
= 8,142
Luas Petak N S S-1 Ln N Dmg 10 x 10 3 3 2 1,099 1,820 20 x 20 15 6 5 2,708 1,846 30 x 30 37 14 13 3,611 3,600 40 x 40 70 26 25 4,248 5,844 50 x 50 136 41 40 4,913 8,142
3. Indeks Menhinick Indeks lain yang hampir serupa dengan konsep Margalef adalah indeks diversitas Menhinick yang mempunyai rumus sebagai berikut :
dimana : • S adalah jumlah jenis dan • N adalah jumlah total individu seluruh jenis yang
teramati.
NSDMn
Jadi Hasil Perhitungan untuk Masing-masing Plot, yaitu sebagai berikut :
10 x 10 = 3
3 = 1,732
20 x 20 = 156 = 1,549
30 x 30 = 37
14 = 2,302
40 x 40 = 70
26 = 3,108
50 x 50 = 13641 = 3,516
Luas Petak N S √N Dmn 10 x 10 3 3 1,732 1,732 20 x 20 15 6 3,873 1,549 30 x 30 37 14 6,083 2,302 40 x 40 70 26 8,367 3,108 50 x 50 136 41 11,662 3,516
4. Indeks Jackknife :
• S = indeks kekayaan jenis Jackknife• s = total jumlah jenis yang teramati• n = banyaknya unit contoh• k = jumlah jenis yang unik (jenis yang hanya ditemukan pada
hanya salah satu unit contoh)
( ) ( )kn
nsS
1
adapun keragaman dari nilai dugaan (S) tersebut dihitung dengan formula berikut:
dimana :Var(S) = keragaman dugaan jackknife untuk kekayaan jenisfj = jumlah unit contoh dimana ditemukan j jenis unik
(j=1,2,3,..,s)K = jumlah spesies unikN = jumlah total unit contoh
( )
nkfjj
nnS
221)var(
penduga selang bagi indeks kekayaan jenis jackknife adalah sebagai berikut :
• dimana diperoleh dari tabel t-student dengan nilai derajat bebas = n-1
)(var StS
• Berdasarkan data tersebut di atas, terdapat 15 jenis pohon yang hanya dijumpai dalam satu unit contoh dari 5 (lima) unit contoh yang dibuat. Jenis-jenis ini disebut sebagai jenis unik (unique species). Oleh karena itu, indeks kekayaan jenis Jackknife untuk kelima belas jenis tersebut adalah
• n (banyaknya unit contoh) = 5• s (total jumlah jenis) = 41• k (jumlah jenis yang unik) = 15
S = s + {n
n )1( }(k)
= 41 + {5
)15( } (15)
= 53 jenis
Dengan demikian, keragaman dari nilai dugaan (S) tersebut adalah:
Var (S) =
nn 1 ( )
n
kfj j
22
=
515 ( )( )
515115
22
=
54 180
= 144 Std (S) = )(SVar
= 144 = 12
Untuk ukuran contoh yang kecil, maka nilai tα/2 pada tingkat kepercayaan 5 % dengan derajat bebas n-1 adalah 2.776, sehingga dugaan indeks kekayaan jenis Jackknife pada tingkat kepercayaan 5 % adalah :
≈ S ± tα/2 . )(SVar
≈ 53 ± (2,776).( 144 ) ≈ 53 ± 33,31 atau 19,69 sampai dengan 86,31 dibulatkan menjadi 20 sampai dengan 87 jenis
Ketelitian dari data ini = S
S)var(x 100 %
= 53144 x 100 %
= 22,64 %
• Istilah heterogenitas pertama kali dikemukakan oleh GOOD (1953). Berbeda dari konsep “kekayaan jenis”, ukuran keanekaragaman ini ditetapkan hanya berdasarkan struktur kerapatan atau kelimpahan individu dari setiap jenis yang teramati. Oleh karena itu, Magurran (1988) memberikan istilah lain terhadap konsep ini, yaitu dengan sebutan “spesies abundance” atau “kelimpahan jenis”.
• Untuk memperjelas konsep “kelimpahan jenis” ini sebagai salah satu ukuran keanekaragaman, tampak pada gambar berikut ini.
• Pada Gambar terdapat 3 (tiga) komunitas dengan derajat keanekaragaman yang berbeda. Berdasarkan ukuran kelimpahan ini, komunitas A lebih beragam dari komunitas B (walaupun mempunyai jumlah jenis yang sama). Demikian pula halnya dengan komunitas C yang mempunyai keanekaragaman lebih tinggi bila dibandingkan dengan komunitas B.
B. INDEKS HETEROGENITAS/KEANEKARAGAMAN
(Index of Heterogeneity / Index of Diversity)
KOMUNITAS A
KOMUNITAS B
KOMUNITAS C
1. Indeks SimpsonIndeks Keragaman Simpson digunakan untuk mengetahui kompleksitas suatu komunitas yang populasnya tak terhingga. Indeks ini berkisar antara 0 – 1. Semakin mendekati angka 1 maka komunitas semakin kompleks dan mantap. Indeks diversitas Simpson dihitung dengan rumus :
Dimana:1 – D = indeks diversitas Simpson pi = ni/N = proporsi jumlah individu jenis ke-Ini = jumlah individu species ke IN = jumlah total individu seluruh species
( )211 ipD
2. Indeks PielouSedangkan untuk populasi terhingga, rumus yang harus digunakan adalah Indeks Pielou sebagai berikut (Pielou, 1969):
Dimana:1-D= Indeks Pielouni = jumlah individu dari jenis ke-IN= jumlah total individu dalam unit contohS = jumlah jenis dalam unit contoh
( )( )
11
111 NN
nnD ii
S
i
3. Indeks Shannon-WienerKonsep ini merupakan konsep keanekaragaman yang relatif paling dikenal dan paling banyak digunakan (Magurran, 1988). Indeks Shannon dihitung dengan formula berikut :
Dimana: Pi = ∑ni/NH : Indeks Keragaman Shannon-WienerPi: Jumlah individu suatu spesies/jumlah total seluruh spesiesni: Jumlah individu spesies ke-iN : Jumlah total individu
( )( )pipiHS
i 1ln'
Catatan : • Seringkali peneliti menggunakan formula Shannon-
Wiener menggunakan Lon atau Log2, atau Log 10.• Perbedaannya adalah
• jika log2, maka H’ dinyatakan dalam bits/ind ; • jika log e/ln, maka H’ dalam nits/ind dan • jika digunakan log 10, maka H’ dinyatakan dalam decits/ind).
• Kisaran nilai hasil perhitungan indeks keragam (H) menunjukkan bahwa jika:
H>3 : Keragaman spesies tinggi1<H<3 : Keragaman spesies sedangH<1 : Keragaman spesies rendah
• Indeks keanekaragaman Shannon-Wiener (H’) disamping dapat menggambarkan keanekaragaman species, juga dapat menggambarkan produktivitas ekosistem, tekanan pada ekosistem, dan kestabilan ekosistem.
• Semakin tinggi nilai indeks H’ maka semakin tinggi pula keanekaragaman species, produktivitas ekosistem, tekanan pada ekosistem, dan kestabilan ekosistem
Nilai tolok ukur indeks keanekaragaman H’:
• H’ < 1,0 :• Keanekaragaman rendah, • Miskin (produktivitas sangat rendah) sebagai
indikasi adanya tekanan ekologis yang berat ,dan • ekosistem tidak stabil
• 1,0 < H’ < 3,322 :• Keanekaragaman sedang, • produktivitas cukup, • kondisi ekosistem cukup seimbang, • tekanan ekologis sedang.
• H’ > 3,322 :• Keanekaragaman tinggi, • stabilitas ekosistem mantap, • produktivitas tinggi,
4. Indeks BrillouinDibandingkan dengan indeks Shannon-Wiener, indeks ini relative lebih sederhana. Variabel yang diukur di lapangan hanya banyaknya individu dari setiap jenis yang dijumpai pada unit contoh. Formula yang digunakan untuk menghitung indeks Brillouin adalah:
dimana :N = jumlah total individu dalam unit contohn1 = jumlah individu untuk jenis ke-1n2 = jumlah individu untuk jenis ke-2
!...!!!log1
321 nnnN
NH
C. INDEKS KESERAGAMAN / KEMERATAAN (Index of Evenness)
• Konsep ini menunjukkan derajat kemerataan kelimpahan individu antara setiap spesies.
• Ukuran kemerataan yang pertama kali dikemukakan oleh Lioyd dan Gheraldi (1964) ini juga dapat digunakan sebagai indicator adanya gejala dominasi diantara setiap jenis dalam suatu komunitas.
• Apabila setiap jenis memiliki jumlah individu yang sama, maka komunitas tersebut mempunyai nilai “EVENNESS” maksimum.
• Sebaliknya, bila nilai kemerataan ini kecil, maka dalam komunitas tersebut terdapat jenis dominant, sub-dominan dan jenis yang terdominasi, maka komunitas tsb memiliki “EVENNES” minimum
JENIS
JENIS
Kelimpahan relatif
Komunitas A
Komunitas B
•Eveness B > A• Kelimpahan individu setiap jenis di B relatif homogen
Ada dua rumus yang relative lebih banyak digunakan untuk menghitung nilai “evenness”, yakni (dicetuskan oleh Hurlbert, 1971) :
dimana :Evenness= nilai kemerataan (antara 0 – 1)D = nilai indeks diversity hasil pengamatanD max = nilai maksimum indeks diversitasD min = nilai minimum indeks diversitas
maxDDEvenness
minmax
min
DDDD
Evenness
Apabila digunakan rumus dari Shannon-Wiener, nilai indeks diversitas maksimum dan minimum dapat diperoleh melalui rumus :
dimana :H’max = maksimum nilai kemungkinan dari fungsi ShannonH’min = nilai kemungkinan terendah fungsi ShannonN = Jumlah total individu dalam unit pengamatanS = Jumlah jenis dalam unit pengamatan
SSSH 1log1' 2max
S2log
( ) 1log1'min
SNNSNLogNH
Selanjutnya, nilai evenness lebih sering dihitung dengan menggunakan rumus berikut :
dimana :J’ = nilai evenness (antara 0 – 1)H’ = indeks diversitas Shannon-Wiener
Dmax = nilai maksimum indeks diversitas
max
''DHJ
Cara perhitungan lain yang bisa digunakan untuk menghitung nilai kemerataan/keseragaman Evenness adalah rumus yang diusulkan oleh Buzas & Gibson (1969) dengan formula sebagai berikut :
dimana :
Ni= eH’ (jumlah jenis dengan kelimpahan sama)S = jumlah individu dalam unit contoh
SN
Evenness i
Tugas Kelas AMakalah Tentang • Indeks kesamaan
• Indeks Jaccard• Indeks Morisita
• Indeks Jarak• Jarak Euclidean• Indeks Bray-Curtis
Masing-masing dilengkapi dengan contoh soal dan pembahasan apa makna dari nilai yang diperoleh.
Tugas Kelas BMakalah Tentang • Indeks kesamaan
• Indeks Sorensen• Indeks Urbani&Buser
• Indeks Jarak• Jarak Khi-kuadrat• Indeks Canbera
Masing-masing dilengkapi dengan contoh soal dan pembahasan apa makna dari nilai yang diperoleh.