repository.ipb.ac.id · PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan...
Transcript of repository.ipb.ac.id · PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan...
PENGGUNAAN PARAMETER MORFOMETRIK
UNTUK PENDUGAAN UMUR SIAMANG SUMATERA (Hylobates syndactylus syndactylus Raffles, 1821)
FIFIN NOPIANSYAH
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2007
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821) adalah karya saya sendiri dan belum diajukan dalam bentuk apapun kepada perguruan tinggi apapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Desember 2007
Fifin Nopiansyah NIM E051054125
RINGKASAN
FIFIN NOPIANSYAH. Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821). Dibimbing oleh YANTO SANTOSA dan ABDUL HARIS MUSTARI.
Umur merupakan salah satu parameter yang penting untuk diketahui dalam
pengelolaan suatu populasi karena berkaitan dengan kelestarian suatu spesies. Apabila umur telah diketahui maka struktur umur, umur matang seksual, angka kematian, angka kelahiran, fekunditas, umur spesifik dan kecenderungan pertumbuhan populasi dapat ditentukan. Pedugaan umur siamang sumatera dapat dilakukan melalui beberapa teknik, salah satu teknik yang mungkin lebih baik daripada teknik yang lain. Dalam menduga umur, beberapa teknik kadangkala menimbulkan dampak negatif sehingga dapat menyakiti bahkan dapat menyebabkan kematian. Untuk itu dilakukan pendekatan dalam pendugaan umur yang meminimalkan dampak negatif dan memberikan tingkat ketelitian yang baik yaitu melalui pengukuran bagian-bagian tubuh (morfometrik) siamang sumatera yang diduga berhubungan dengan umur. Penelitian ini bertujuan untuk mengindentifikasi bagian-bagian tubuh siamang sumatera (Hylobates syndactylus syndactylus) yang dapat dijadikan pendekatan dalam menduga umur dan merumuskan model matematika yang menggambarkan hubungan antara parameter morfometrik dengan umurnya.
Parameter morfometrik yang diukur yaitu: panjang badan dan kepala, panjang lengan, panjang kaki, panjang cranial, tinggi cranial, lebar cranial, lingkar dada (LD), lebar bahu, panjang telapak tangan (PTT), lebar telapak tangan, panjang telapak kaki, lebar telapak kaki, lingkar kepala, dan lingkar muka (LM). Pengukuran dilakukan terhadap 40 ekor siamang sumatera yang hidup, terdiri atas 24 ekor jantan dan 16 ekor betina dari umur 1-15 tahun.
Hasil analisis statistik regresi linear berganda dengan metode stepwise menunjukkan bahwa parameter morfometrik siamang sumatera jantan umur 1-15 tahun yang paling menentukan dalam menduga umur adalah lingkar muka dengan model matematika Umur = -14.546 + 0.801 LM, sedangkan untuk umur 1-6 tahun adalah panjang telapak tangan dengan model matematika Umur = -2.091 + 0.496 PTT. Pada siamang sumatera betina umur 2-14 tahun adalah lingkar dada dengan model matematika Umur = -15.328 + 0.533 LD, sedangkan untuk umur 2-6 tahun adalah lingkar dada dengan model matematika Umur = -15.676 + 0.489 LD. Bila digabungkan antara siamang sumatera jantan dan betina umur 1-15 tahun, parameter yang paling menentukan umur adalah lingkar dada dengan model matematika Umur = -5.331 + 0.312 LD.
ABSTRACT
FIFIN NOPIANSYAH. Application of Morphometric Parameters to Estimate the Age of Siamang Sumatra (Hylobates syndactylus syndactylus Raffles, 1821). Under direction of YANTO SANTOSA and ABDUL HARIS MUSTARI.
Understanding of wildlife age is an important aspect to indentify its age
structure. Age structure is one of the demografic parameters which is important to be studied for population management purposes. One of age estimation technique can be approached from organs size (morfometric). This research was carried out from May to August 2007 at Cikananga Animal Rescue Center, West Java and Kalaweit Center, West Sumatera. This research used 14 parameters and 40 sample of siamang sumatra (Hylobates syndactylus syndactylus Raffles, 1821), consist of 24 males and 16 females. Statistical analysis resulted (multiple linear regression with stepwise method) high correlation between age (Y) with the face circumference (LM) through regression formula Age = -14.546 + 0.801 LM for male (1-15 years), the hands lenght (PTT) with Age = -2.091 + 0.496 PTT for male (1-6 years), the chest circumference (LD) with Age = -15.328 + 0.533 LD for female (2-14 years), the chest circumference with Age = -15.676 + 0.489 LD for female (2-6 years) and the chest circumference Age = -5.331 + 0.312 LD for both male and female (1-15 years).
Keywords: siamang sumatra, morfometric, age.
© Hak cipta milik IPB tahun 2007 Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan
karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah.
b. Pengutipan tidak merugikan kepentingan yang wajar IPB. 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB.
PENGGUNAAN PARAMETER MORFOMETRIK
UNTUK PENDUGAAN UMUR SIAMANG SUMATERA (Hylobates syndactylus syndactylus Raffles, 1821)
FIFIN NOPIANSYAH
Tesis sebagai salah satu syarat untuk memperoleh gelar
Magister Profesi pada Sub Program Studi Konservasi Keanekaragaman Hayati
Program Studi Ilmu Pengetahuan Kehutanan
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2007
Judul Tesis : Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821)
Nama : Fifin Nopiansyah NIM : E051054125
Disetujui
Komisi Pembimbing
Dr. Ir. H. Yanto Santosa, DEA. Dr. Ir. Abdul Haris Mustari, M.Sc.F.
Ketua Anggota
Diketahui Ketua Program Studi Dekan Sekolah Pascasarjana Ilmu Pengetahuan Kehutanan
Dr. Ir. Rinekso Soekmadi, M.Sc.F. Prof. Dr. Ir. Khairil A. Notodiputro, M.S. Tanggal Ujian: 18 Desember 2007 Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala
karuniaNya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Mei 2007 adalah pendugaan umur siamang sumatera dengan judul “Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821)” yang dilakukan di dua lokasi yaitu Program Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera (KPS) Pulau Marak, Kabupaten Pesisir Selatan, Provinsi Sumatera Barat dan Pusat Penyelamatan Satwa Cikananga (PPSC), Kabupaten Sukabumi, Provinsi Jawa Barat.
Terima kasih dan penghargaan penulis ucapkan kepada: 1. Bapak Dr. Ir. H. Yanto Santosa, DEA. dan Bapak Dr. Ir. Abdul Haris Mustari,
M.Sc.F. selaku pembimbing yang telah memberikan arahan selama penelitian. 2. Manajer KPS, Manajer PPSC, Kepala BKSDA Sumatera Barat, Kepala
BKSDA Jawa Barat, Kepala BTN. Siberut beserta staf yang telah membantu dan memfasilitasi penelitian.
3. Teman-teman seangkatan pada Magister Profesional Konservasi Biodiversitas (Abdul Muin, Mamat Rahmat, Agustinus Kris, Nico Sinaga, Sandi Kusuma, Diyah Kartikasari, Amin Suprayitno, Elisa Iswandono, Zeth Parinding, Tri Satyatama, Supartono, Erna Ristianti, Utin dan Vitriana Yulalita) yang telah memberi semangat dan dorongan selama proses belajar.
4. Ayah, mamak, mertua dan saudaraku, (H.M. Ayib Kenawas, BBA, Hj. Siti Rohma, Zainul, Miswarni, Nesi Novita, M.Kes, Malhanzaldi, SH, Rispa, SH, Lukmedi, Lizwar, Yudis dan Ade) atas segala doa dan kasih sayangnya.
5. Istri dan putraku tercinta (Saridayani, S.Hut dan M. Gilbran Firdiansyah) atas kasih, pengorbanan dan dukungannya selama penulis menjalani studi, sehingga mengurangi hari-hari kebersamaan kita. Tanpa pengertian dan dukungan keluarga tercinta mustahil studi ini dapat terselesaikan dengan baik.
Selain itu tesis ini dapat terselesaikan juga atas dukungan dan dorongan berbagai pihak yang tidak dapat penulis sebutkan satu per satu, untuk itu penulis menyampaikan terimakasih dan penghargaan yang sebesar-besarnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2007
Fifin Nopiansyah
RIWAYAT HIDUP
Penulis dilahirkan di Baturaja, Provinsi Sumatera Selatan pada tanggal 24
November 1977 dari ayah H.M. Ayib Kenawas, BBA. dan ibu Hj. Siti Rohma. Penulis merupakan putra ketiga dari lima bersaudara. Pendidikan dasar penulis selesaikan di Sekolah Dasar No. 151 Palembang dan Sekolah Menengah Pertama No. 22 Palembang hingga tahun 1992, kemudian penulis melanjutkan ke Sekolah Kehutanan Menengah Atas (SKMA) Pekanbaru dan lulus tahun 1995. Tahun 1998 melanjutkan pendidikan di Jurusan Teknologi Hasil Hutan Fakultas Kehutanan, Universitas Muhamaddiyah Sumatera Barat dan lulus pada tahun 2002. Tahun 2006 diterima sebagai mahasiswa S2 Sekolah Pascasarjana IPB pada Program Studi Ilmu Pengetahuan Kehutanan (IPK) Sub Program Studi Konservasi Biodiversitas atas biaya Departemen Kehutanan.
Penulis bekerja sejak tamat SKMA Pekanbaru dan ditempatkan di Kantor Wilayah Kehutanan Provinsi Sumatera Barat pada tahun 1996, kemudian dimutasi ke Taman Nasional Siberut Departemen Kehutanan pada tahun 1997 sampai sekarang.
vii
DAFTAR ISI
Halaman DAFTAR TABEL ................................... ........................................................ ix
DAFTAR GAMBAR .............................. ........................................................ x
DAFTAR LAMPIRAN ........................... ........................................................ xi
PENDAHULUAN Latar Belakang .............................. ........................................................ 1 Tujuan Penelitian ........................... ........................................................ 3 Hipotesis ......................... ............... ........................................................ 4 Manfaat Penelitian ......... ............... ........................................................ 4 Perumusan Masalah ....... ............... ........................................................ 4 Kerangka Pemikiran ....... ............... ........................................................ 5
TINJAUAN PUSTAKA Bio-Ekologi Siamang Sumatera ..... ........................................................ 8
Sistematika ............................... ........................................................ 8 Morfologi ................................. ........................................................ 8 Habitat dan Perilaku ................. ........................................................ 10
Perkembangan Metode Pendugaan Umur ............................................... 11 Pendugaan Umur Melalui Gigi Geligi .............................................. 12 Pendugaan Umur Melalui Struktur Fisiologi .................................... 14 Pendugaan Umur Melalui Ukuran Tubuh ......................................... 15
Parameter Morfometrik yang Berkaitan dengan Umur Siamang Sumatera ......................................... ........................................................ 16 Karakteristik Lokasi Penelitian ...... ........................................................ 19
Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera ................................... ........................................................ 19 Pusat Penyelamatan Satwa Cikananga .............................................. 21
METODE PENELITIAN Tempat dan Waktu ......................... ........................................................ 23 Bahan dan Alat ............................... ........................................................ 23 Parameter yang Diukur .................. ........................................................ 23 Pengambilan Data .......................... ........................................................ 23
Pembagian Umur di Lapangan . ........................................................ 24 Teknik Pengukuran Tubuh ....... ........................................................ 24
Pengolahan Data ............................ ........................................................ 26
HASIL DAN PEMBAHASAN Riwayat Siamang Sumatera Sebagai Objek Penelitian ........................... 29 Karakteristik Morfometrik Siamang Sumatera ....................................... 30 Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Jantan .............. ........................................................ 38
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Jantan ....................... ........................................................ 38 Pendugaan Umur Siamang Sumatera Jantan (1-15 Tahun) .............. 41
viii
Halaman Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun) ................ 43
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Betina .............. ........................................................ 45
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Betina ....................... ........................................................ 45 Pendugaan Umur Siamang Sumatera Betina (2-14 Tahun) .............. 47 Pendugaan Umur Siamang Sumatera Betina (2-6 Tahun) ................ 50
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera ......................................... ........................................................ 51
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera ................................... ........................................................ 51 Pendugaan Umur Siamang Sumatera (1-15 Tahun).......................... 53
Aplikasi pada Manajemen Populasi ........................................................ 55
SIMPULAN DAN SARAN .................... ........................................................ 57
DAFTAR PUSTAKA ............................. ........................................................ 58
LAMPIRAN ............................................ ........................................................ 61
ix
DAFTAR TABEL
Halaman
1 Daftar pergantian gigi seri kambing .... ........................................................ 13
2 Pembagian umur siamang sumatera yang diukur di lapangan ..................... 24
3 Asal siamang sumatera yang dijadikan objek penelitian ............................. 29
4 Pembagian siamang sumatera yang diukur di lapangan berdasarkan kelas umur .................................... ............... ........................................................ 30
5 Karakteristik panjang badan siamang sumatera berdasarkan kelas umur .... 32
6 Karakteristik panjang lengan siamang sumatera berdasarkan kelas umur ... 33
7 Karakteristik panjang kaki siamang sumatera berdasarkan kelas umur ....... 34
8 Karakteristik lingkar kepala dan lingkar muka siamang sumatera berdasar- kan kelas umur .................... ............... ........................................................ 34
9 Karakteristik panjang, tinggi dan lebar cranial siamang sumatera berdasarkan kelas umur ....... ............... ........................................................ 34
10 Karakteristik lingkar dada dan lebar bahu siamang sumatera berdasarkan kelas umur ......................... ............... ........................................................ 35
11 Karakteristik panjang dan lebar telapak tangan siamang sumatera berdasarkan kelas umur ..... ............... ........................................................ 36
12 Karakteristik panjang dan lebar telapak kaki siamang sumatera berdasarkan kelas umur ..... ............... ........................................................ 37
13 Rata-rata ukuran tubuh siamang sumatera ................................................. 37
14 KMO dan Bartlett's Test untuk data siamang sumatera jantan .................. 38
15 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera jantan ................................. ............... ........................................................ 40
16 ANOVA untuk menduga umur siamang sumatera jantan .......................... 40
17 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera jantan ................................. ............... ........................................................ 40
18 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan .......... ........................................................ 41
19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan ... ............... ........................................................ 41
20 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan .......... ........................................................ 42
21 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun ................................. 44
x
Halaman 22 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun .......................................... 44
23 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun ................................. 44
24 KMO dan Bartlett's Test (tes I) untuk data siamang sumatera betina ....... 45
25 KMO dan Bartlett's Test (tes IV) untuk data siamang sumatera betina ..... 45
26 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera betina ................................. ............... ........................................................ 46
27 ANOVA untuk menduga umur siamang sumatera betina .......................... 46
28 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera betina ................................. ............... ........................................................ 47
29 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina .......... ........................................................ 48
30 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina ... ............... ........................................................ 48
31 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina .......... ........................................................ 48
32 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun ................................. 50
33 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun .......................................... 50
34 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun ................................. 50
35 KMO dan Bartlett's Test untuk data siamang sumatera ............................. 52
36 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera ............................ ............... ........................................................ 52
37 ANOVA untuk menduga umur siamang sumatera .................................... 52
38 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera ............................ ............... ........................................................ 52
39 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera..... ............... ........................................................ 53
40 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera .............. ............... ........................................................ 53
41 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera..... ............... ........................................................ 54
xi
DAFTAR GAMBAR
Halaman
1 Kerangka pemikiran penelitian ........... ........................................................ 7
2 Peta penyebaran H. syndactylus syndactylus ............................................... 9
3 Bagan gigi seri kambing dan ruminansia lainnya ........................................ 13
4 Barisan anuli pada gigi rusa yang menandakan perkiraan umur.................. 14
5 Siamang sumatera di KSP Pulau Marak dan PPSC Sukabumi .................... 20
6 Pengukuran siamang sumatera di lapangan ................................................. 31
7 Ukuran bagian tubuh siamang sumatera yang dijadikan parameter morfo- metrik untuk menduga umur ............... ........................................................ 32
8 Ukuran bagian tubuh siamang sumatera jantan yang dijadikan parameter morfometrik untuk menduga umur ..... ........................................................ 35
9 Ukuran bagian tubuh siamang sumatera betina yang dijadikan parameter morfometrik untuk menduga umur ..... ........................................................ 36
10 Komponen Plot dalam Rotated Space untuk data siamang sumatera Jantan ................................................ ........................................................ 39
11 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera jantan .......... ........................................................ 42
12 Komponen Plot dalam Rotated Space (tes IV) untuk data siamang sumatera betina ................................. ........................................................ 45
13 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera betina .......... ........................................................ 48
14 Komponen Plot dalam Rotated Space untuk data siamang sumatera ........ 51
15 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera..................... ........................................................ 54
xii
DAFTAR LAMPIRAN
Halaman
1 Data ukuran tubuh siamang sumatera jantan .............................................. 61
2 Data ukuran tubuh siamang sumatera betina .............................................. 62
3 Data ukuran tubuh siamang sumatera jantan dan betina ............................. 63
4 Hasil output uji validasi parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................................................ 64
5 Hasil output uji reliabilitas parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................................................ 65
6 Hasil output uji persyaratan regresi linear ganda pada parameter morfo- metrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) ................. ........................................................ 66
7 Ringkasan hasil analisis linearitas garis regresi dan simpulannya berdasar- kan tingkat alpha ................................ ........................................................ 68
8 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ........ 69
9 Hasil output analisis regresi parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ........ 70
10 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) jantan ..... ........................................................ 72
11 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) jantan umur 1-6 tahun ..................................... 75
12 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina ....... 78
13 Hasil output analisis regresi parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina ....... 81
14 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) betina ..... ........................................................ 83
15 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) betina umur 2-6 tahun ..................................... 86
16 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................. 89
xiii
Halaman 17 Hasil output analisis regresi pada parameter morfometrik untuk menduga
umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ........ 90
18 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) ................ ........................................................ 93
19 Pendugaan umur siamang sumatera berdasarkan model matematik ......... 96
20 Parameter morfometrik kerangka Hylobates sp ....................................... 98
21 Parameter morfometrik (a) telapak kaki dan (b) telapak tangan Hylobates sp. .................... ............... ........................................................ 99
22 Parameter morfometrik tengkorak (cranial) Hylobates sp. ...................... 99
23 Peta lokasi penelitian Kalaweit Program Sumatera dan Pusat Penyelamatan Satwa Cikananga ...... ....................................................... . 100
1
PENDAHULUAN
Latar Belakang
Pengelolaan satwaliar pada dasarnya merupakan pengelolaan terhadap
populasi yang terdapat dalam suatu kawasan sebagai bagian dari suatu ekosistem
yang menggunakan prinsip-prinsip ekologi sebagai konsep dasarnya. Pengelolaan
satwaliar juga berarti mengamati fluktuasi komponen-komponen lingkungan dan
dapat mengatur parameter populasi guna menyusun strategi yang tepat bagi
pengelolaan (Alikodra 1997). Menurut Caughley (1977), populasi merupakan
unit biologi pada level ekologi yang terintegrasi, berbicara tentang nisbah kelamin
(sex ratio), laju kematian (natality rate), laju kelahiran (mortality rate) dan
struktur umur.
Parameter populasi (seks rasio, tingkat kematian, kelahiran, dan struktur
umur) merupakan komponen penting dalam mempelajari perkembangan populasi
satwaliar. Disamping sebagai indikator kuantitatif dari pertumbuhan populasi
(Dajoz 1971; Barbault 1981; Gaillard 1988 dalam Santosa 1993), pengetahuan
tentang parameter populasi juga merupakan data dasar dalam mengelola satwaliar
(Bailey 1984).
Studi kuantitatif terhadap populasi satwaliar relatif banyak dilakukan sejak
tahun 1930 (Lincoln 1930; Leopold 1933 dalam Santosa 1995). Pada umumnya
penelitian-penelitian tersebut banyak diarahkan untuk mengetahui ukuran populasi
(Otis et al. 1978 dalam Santosa 1995). Mengingat betapa pentingnya data dan
informasi tentang demografi populasi, sejak tahun 1980, penelitian-penelitian
tentang demografi satwaliar berkembang pesat (Lincoln 1930; Leopold 1933;
Gailard 1988 dalam Santosa 1993).
Studi-studi tentang dinamika populasi sangat tergantung dari kemampuan
mengenali umur individu. Apabila umur telah diketahui maka struktur umur,
umur matang seksual, angka kematian, angka kelahiran, fekunditas, umur spesifik
dan kecenderungan pertumbuhan populasi dapat ditentukan. Parameter populasi
dan kondisi fisiologi penting untuk diketahui dalam pelestarian jenis satwa, hal ini
untuk menciptakan kestabilan populasi (Caughley 1977).
2
Struktur umur merupakan perbandingan jumlah individu di dalam berbagai
kelas umur dari suatu populasi, perbandingan tersebut dapat juga dibedakan
menurut jenis kelaminnya. Pengetahuan tentang struktur umur penting diketahui
untuk melihat pertumbuhan dan dinamika populasi suatu satwaliar (Brower dan
Zar 1977). Menurut Alikodra (2002), struktur umur dapat dipergunakan untuk
menilai keberhasilan pengembangan satwa liar, sehingga dapat dipergunakan pula
untuk menilai prospek kelestarian satwa liar. Pertumbuhan populasi satwaliar
dapat diketahui dari cohort atau satu gugus individu yang dianggap berasal dari
kelas umur yang sama (Brower dan Zar 1977), tetapi perhitungannya bersifat
simulasi dan perkiraan umur satwaliar harus diketahui (Caughley 1977).
Pengetahuan tentang pertumbuhan populasi satwaliar kadangkala terkendala
dalam upaya menentukan umurnya. Pedugaan umur satwaliar di lapangan sulit
untuk dilakukan, kecuali untuk satwa yang berada di penangkaran. Pertama,
karena sulitnya menangkap sejumlah satwaliar untuk menjadi sampel penelitian
(Alikodra 1997). Kedua, sifat antogonistik satwaliar juga akan menambah
sulitnya pendugaan umur di lapangan, sehingga hasil pendugaan umur di lapangan
lebih bersifat perkiraan.
Terdapat beberapa teknik untuk menduga umur satwa, semua teknik dalam
pendugaan umur dapat mempunyai kesalahan, beberapa teknik mungkin lebih
baik daripada yang lain (Caughley 1977). Pendugaan kelas umur siamang di
lapangan dapat dilakukan karena kekhasan yang dimiliki fase pertumbuhannya
(Gittins dan Raemaekers 1980). Selain itu, metode pendugaan umur dapat
dilakukan melalui gigi geligi (Caughley 1977), tetapi metode ini mempunyai
kelemahan dapat merusak atau menyakiti satwa sehingga beresiko pada kematian.
Selanjutnya menurut Caughley (1977), ukuran-ukuran bagian tubuh dapat
dijadikan tanda-tanda untuk menduga umur.
Siamang sumatera merupakan salah satu primata yang dilindungi oleh
Peraturan Pemerintah (PP) Republik Indonesia No. 7 Tahun 1999 tentang
Pengawetan Tumbuhan dan Satwa yang menyatakan bahwa semua spesies dalam
famili Hylobatidae dilindungi. Pelestarian terhadap primata ini dilakukan untuk
menjaga keanekaragaman plasma nuftahnya, untuk itu penangkapan di alam tidak
diperbolehkan kecuali dengan ijin khusus dan guna keperluan khusus seperti
3
penelitian. Di dunia internasional siamang juga dilindungi, IUCN (International
Union for Conservation of Nature and Nature Resources) memasukan siamang
dalam Daftar Merah (red data books) dengan status genting (endangered), begitu
juga CITES (Convention on International Trade in Endangered Species)
memasukannya ke dalam Appendix I.
Keberadaan siamang sangat berperan penting dalam ekosistem, pertama
membantu proses pertumbuhan tanaman (regenerasi dan suksesi hutan) dengan
memakan daun dan buah, kedua siamang juga berperan sebagai polinator dan
penyebar biji tumbuh-tumbuhan, sehingga pada umumnya primata memainkan
peran sebagai spesies kunci (key species) dalam sebuah ekosistem (Cowlishaw
dan Dunbar 2000). Peran penting dari spesies kunci adalah bila terjadi kepunahan
pada spesies tersebut, maka dapat menyebabkan gangguan dalam ekosistem yang
akan menyebabkan hilangnya beberapa spesies lain.
Sehubungan dengan hal-hal di atas dan hasil penelusuran pustaka bahwa
penelitian siamang sumatera banyak dilakukan pada aspek penyebaran, bio-
ekologi, habitat, perilaku dan reproduksi serta belum adanya literatur pendugaan
umur siamang sumatera berdasarkan ukuran-ukuran bagian tubuhnya, maka
penelitian mengenai pendugaan umur siamang sumatera melalui ukuran bagian-
bagian tubuh (morfometrik) sangatlah penting. Penelitian ini, disamping berguna
untuk mendukung upaya-upaya menjaga keberadaan dan fungsi siamang sumatera
di alam juga bermanfaat bagi pengembangan pengetahuan tentang satwaliar di
Indonesia.
Tujuan Penelitian
Penelitian ini bertujuan untuk:
1. Mengindentifikasi bagian-bagian tubuh siamang sumatera yang dapat
dijadikan dasar bagi pendugaan umur.
2. Merumuskan model matematika yang menggambarkan hubungan antara
parameter morfometrik dengan umur siamang sumatera.
4
Hipotesis
Hipotesa yang diuji dalam penelitian ini adalah:
H0 : Tidak terdapat hubungan antara parameter morfometrik siamang sumatera
dengan umurnya.
H1 : Paling sedikit terdapat satu parameter morfometrik siamang sumatera yang
mempengaruhi umurnya.
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat, yaitu:
1. Menjadi pegangan dalam pendugaan umur siamang sumatera di lapangan.
2. Menjadi pedoman dalam pengelolaan populasi siamang sumatera, khususnya
menyangkut monitoring populasi.
3. Memberikan kontribusi bagi pusat-pusat penyelamatan satwaliar (PPS) dan
Balai Konservasi Sumber Daya Alam (BKSDA) berupa kemudahan untuk
menduga umur siamang sumatera sewaktu penyitaan dan penerimaan satwa.
Perumusan Masalah
Umur merupakan salah satu parameter yang penting untuk diketahui dalam
pengelolaan suatu populasi karena berkaitan dengan kelestarian suatu spesies
yaitu untuk mengetahui struktur umur sehingga dapat dipergunakan untuk menilai
keberhasilan perkembangbiakkan satwaliar (Alikodra 2002).
Pendugaan umur siamang sumatera dapat dilakukan karena kekhasan pada
fase pertumbuhannya (Gittins dan Raemaekers 1980), tetapi hasil pendugaan akan
lebih bersifat perkiraan kasar bahkan cukup besar rentangnya (Semiadi dan
Nugraha 2005) karena umur terbagi dalam kelas-kelas umur. Gigi banyak
digunakan sebagai parameter dalam pendugaan umur karena gigi mengalami fase
pertumbuhan yang mengikuti perkembangan umur sebagai indikator telah
dewasanya tubuh. Kendala dalam pendugaan umur melalui gigi yaitu satwa harus
dalam kondisi terbius, tetapi cara ini tetap belum akan memberikan hasil yang
akurat. Hasil yang akurat bila dilakukan dengan cara merusak (destructive) yaitu
5
mencabut gigi geraham (molar) guna menghitung garis lapisan tahun gigi
(Semiadi dan Nugraha 2005).
Berdasarkan kelemahan-kelemahan pendugaan umur di atas, maka
dibutuhkan metode pendugaan umur dengan tingkat ketelitian yang cukup baik
dan tidak menyakiti satwaliar, untuk itu pendekatan melalui ukuran bagian-bagian
tubuh dapat dijadikan acuan dalam menduga umur siamang sumatera. Hal ini
sejalan dengan pendapat Frandson (1992) bahwa pertumbuhan tubuh hewan akan
mengikuti perkembangan tulangnya karena tulang memberikan bentuk pada tubuh
dan menurut pendapat Giles (1981) bahwa ukuran tubuh akan berkembang sesuai
dengan bertambahnya umur hingga pada suatu titik akan mencapai kematangan
dan tidak akan membesar lagi.
Dengan demikian, rumusan permasalahan dalam penelitian ini ditujukan
untuk menjawab pertanyaan-pertanyaan sebagai berikut:
1. Apakah terdapat hubungan antara parameter morfometrik siamang sumatera
dengan umurnya?
2. Sejauhmana keeratan hubungan antara parameter morfometrik siamang
sumatera dengan umurnya?
3. Bagaimana model matematika yang terbentuk untuk dapat menjelaskan umur
siamang sumatera?
Kerangka Pemikiran
Bertolak dari kelemahan-kelemahan dalam pendugaan umur satwaliar yang
biasa dilakukan, maka perlu dicari parameter morfometrik siamang sumatera yang
dapat dijadikan parameter penduga umur. Parameter morfometrik yang
digunakan merupakan bagian-bagian tubuh yang mudah terlihat dan mudah
diukur.
Bagian-bagian tubuh siamang sumatera yang diduga mempunyai hubungan
dengan umur yaitu lengan, bagian tubuh ini merupakan salah satu ciri khas famili
Hylobatidae. Seperti pada spesies-spesies dalam famili Hylobatidae, siamang
mempunyai pola bergerak yang khusus dan spektakuler dengan cara berayun dari
satu cabang ke cabang lain menggunakan lengannya (brachiation). Brachiation
merupakan evolusi siamang dalam memanfaatkan ruang untuk memperoleh
6
makanan, dengan kemampuan ini siamang dapat menjangkau bagian-bagian
pohon yang dihindari oleh monyet-monyet lain (Lekagul dan McNeely 1977).
Pola bergerak dengan brachiation mempengaruhi seluruh kerangka tubuh, dalam
brachiation dibutuhkan otot-otot yang kuat dan lengan menjadi lebih efektif,
sehingga famili Hylobatidae mempunyai ukuran lengan lebih panjang daripada
semua jenis primata (Young 1981).
Ciri khas lain dari famili Hylobatidae terdapat pada kaki dan tangannya. Jari
jemarinya yang panjang memungkinkan untuk berpegangan dengan kuat ketika
melakukan brachiation dan dengan bentuk telapak kaki yang lebih mendukung
pola bergerak secara brachiation dibandingkan berjalan (bipedals). Tangan-
tangan dan bentuk telapak kaki ini merupakan organ untuk menggenggam yang
efisien. Spesialisasi dalam brachiation turut mempengaruhi rongga dada famili
Hylobatidae yang lebih besar dari kera-kera lain (kecuali pada ape dan manusia)
(Young 1981). Sejalan dengan pendapat di atas menurut Hoeve (1992), rongga
dada yang lebar ini memberi keleluasaan bergerak bagi lengan.
Bagian tubuh siamang sumatera yang juga diduga mempunyai hubungan
dengan umur adalah kepala. Bagian kepala merupakan bagian vital dari satwaliar,
menurut Frandson (1992) banyak pengamatan yang menunjukkan adanya
perbedaan antar spesies terutama pada bagian kepala, perbedaan ini tergantung
pada variasi pars fasialis kranium.
Keberadaan pusat penyelamatan satwaliar memungkinkan untuk
memperoleh sejumlah siamang sumatera yang dapat dijadikan objek penelitian.
Di pusat penyelamatan, umur siamang sumatera telah diketahui sehingga tidak
perlu dilakukan analisis awal untuk menduga umurnya. Pendugaan parameter
morfometrik yang paling menentukan umur akan menggunakan perhitungan
secara statistikal.
Asumsi-asumsi yang dikembangkan dalam penelitian ini adalah:
1. Siamang sumatera yang menjadi objek penelitian di pusat penyelamatan
berasal dari lingkungan yang sama sehingga mempunyai pertumbuhan yang
sama dan tidak mengalami malnutrisi.
2. Jumlah bulan dari umur siamang sumatera tidak mempengaruhi umur.
7
3. Model matematika untuk menduga umur akan terbatas sesuai ketersediaan
tingkatan umur siamang sumatera yang dijadikan objek penelitian.
Secara skematis, kerangka pemikiran yang menjelaskan penelitian ini
disajikan pada Gambar 1.
Gambar 1 Kerangka pemikiran penelitian.
Validasi
Model Matematika
Indentifikasi Peubah Penciri Umur
Pemilihan Satwa KU yang telah diketahui
Pengukuran Parameter Morfometrik
Permasalahan-permasalahan dalam Pendugaan Umur Siamang Sumatera
Pendugaan Umur Melalui Ukuran Bagian-bagian Tubuh
8
TINJAUAN PUSTAKA
Bio-ekologi Siamang Sumatera
Sistematika
Famili Hylobatidae dikelompokkan dalam tiga marga berdasarkan jumlah
kromosomnya, yaitu marga Hylobates yang memiliki 44 kromosom, marga
Symphalangus dengan 50 kromosom dan marga Nomascus dengan 52 kromosom
(Lekagul dan McNeely 1977). Marga Hylobates dibagi lagi menjadi tiga
submarga dengan tujuh spesies yaitu submarga Hylobates dengan spesies H. lar
(Miller 1903), H. agilis (Cuvier 1821), H. moloch (Audebert 1798), H. muelleri
(Martin 1841) dan H. pileatus (Gray 1861); submarga Bunopithecus dengan
spesies H. hoolock (Harlan 1834) dan submarga Brachitanytes dengan spesies H.
klossii (Miller 1903). Marga Symphalangus hanya memiliki satu spesies yaitu H.
syndactilus (Raffles 1821) dan marga Nomascus yang juga hanya memiliki satu
spesies yaitu H. concolor (Harlan 1826).
Terdapat 8 spesies famili Hylobatidae di Paparan Sunda yaitu H.
syndactilus, H. agilis, H. lar di Pulau Sumatera, H. klosii yang endemik di
Kepulauan Mentawai dan H. moloch dijumpai di Pulau Jawa, serta H. agilis dan
H. muelleri dijumpai di Pulau Kalimantan. H. syndactilus terdiri dari 2 subspesies
yaitu H. syndactylus continentis (Thomas 1908) yang terdapat di Semenanjung
Malaya dan H. syndactylus syndactylus terdapat di hutan-hutan sepanjang Bukit
Barisan dan Sumatera bagian timur (Chivers 1977). Penyebaran siamang
sumatera lebih lanjut ditunjukkan pada Gambar 2.
Siamang sumatera secara taksonomi diklasifikasikan ke dalam dunia
Animalia, filum Chordata, subfilum Vertebrata, kelas Mamalia, ordo Primata,
famili Hylobatidae, genus Symphalangus, spesies Hylobates syndactylus Raffles,
1821 dan subspesies H. syndactylus syndactylus Raffles, 1821.
Morfologi
Siamang merupakan jenis primata tak berekor dan mempunyai ukuran tubuh
terbesar dibandingkan dengan jenis lain dari famili Hylobatidae. Individu jantan
dewasa memiliki berat badan 10-12 kg sedangkan betina sedikit lebih kecil.
9
Siamang mempunyai panjang badan mencapai 90 cm dengan warna rambut hitam
polos seperti lutung tetapi tidak berjambul dikepalanya. Siamang mempunyai
kantong suara ditenggorokan yang berukuran sebesar kepalanya sendiri (PPA
1978). Kantong suara (laryngeal sac) yang dimiliki siamang sangat berguna
untuk membantu memperkeras suaranya (Chivers 1977).
Gambar 2 Peta penyebaran H. syndactylus syndactylus (Groves 1970; Chivers
1974; Marshall dan Marshall 1975; Wilson dan Wilson 1978).
Secara umum siamang dikenal juga sebagai gibbon, berbeda tetapi serupa
dalam bentuk tubuh. Siamang mempunyai kulit yang tebal, berambut kasar dan
semua berwarna hitam pekat kecuali disekitar mulut dan dagu yang berwarna
lebih muda. Rambut lengan bawah tumbuh menuju siku seperti pada ape besar
dan manusia. Mata berwarna gelap, mempunyai kemampuan membedakan warna
dan kurang dalam earlobes. Siamang juga mempunyai bantalan duduk (ischial
callosities) yang umumnya ditemukan di monyet bukan pada ape. Jantan
mempunyai garis preputal yang mencolok berupa rambut-rambut hitam sepanjang
15 cm (Napier dan Napier 1967). Siamang diketahui juga mempunyai
kemampuan untuk merubah (berbalik) arah ketika berada di udara.
Selanjutnya Napier dan Napier (1967) menuliskan bahwa panjang badan
siamang jantan dari kepala hingga badan berkisar antara 46,8–84,6 cm dengan
berat berkisar 9,5–12,7 kg, sedangkan panjang badan siamang betina dari kepala
Penyebaran H. syndactylus
10
hingga badan berkisar pada 46–63 cm dengan berat berkisar 9–11,6 kg. Tangan
mempunyai formula dijital yaitu 3.2.4.5.1. Susunan gigi siamang adalah 2/2 1/1
2/2 3/3 = 32. Kapasitas kepala 125 cc atau berkisar antara 100-152 cc. Berat otak
siamang dewasa adalah 121,7 gram (Harvey et al. 1987). Selanjutnya Napier dan
Napier (1986) menyatakan bahwa terdapat sedikit perbedaan pada ukuran tubuh
(dimorphism) antara jantan dan betina pada famili Hylobatidae.
Siamang mempunyai lengan yang panjang dengan rata-rata 230–243% dari
panjang tubuhnya. Tangan siamang juga panjang dengan telapak yang kurang
luas dibandingkan ape, begitu juga dengan kakinya yang panjang dengan jari kaki
pertama lebih panjang dan kuat. Tangan digunakan untuk berpegangan pada
waktu berayun di dahan atau berpindah dari dahan ke dahan. Kakinya dipakai
untuk memegang ranting dan makanan sambil berayun. Ciri khas lain dari
siamang adalah jari-jari tangan kedua dan ketiga dipertautkan oleh selaput seolah-
olah keduanya bersatu (Chivers 1977). Indeks intermembral adalah 147, indeks
ini merupakan perbandingan dari panjang kaki dengan panjang tangan (Myers dan
Sheffield 1996).
Habitat dan Perilaku
Habitat utama siamang adalah hutan hujan tropika dan hutan pegunungan di
bawah 2.000 m di atas permukaan laut, tetapi lebih umum dijumpai pada hutan
dataran rendah (Napier dan Napier 1967). Siamang termasuk ke dalam primata
arboreal, sebagian besar hidupnya tergantung pada tajuk yang tinggi dan saling
bersambungan. Tajuk pohon yang saling bersatu membantu siamang untuk
berpindah dalam mencari makanan dan sebagai tempat berlindung dari pemangsa.
Siamang hidup dalam kelompok-kelompok sosial terkecil, terdiri dari jantan
dan betina dewasa dengan 1-4 ekor anaknya. Pada tempat yang alami, ukuran
kelompok siamang rata-rata 4 ekor (Gittin dan Raemaekers 1980). Pasangan
siamang merupakan pasangan monogami dan hidup dengan pola kelompok
dengan sistem kekerabatan yang menggunakan daerah teritori spesifik dimana
home range seluas 15–30 ha (Chivers 1977).
Matang seksual dicapai siamang di alam pada umur 7-8 tahun baik jantan
maupun betina (Napier dan Napier 1986), sedangkan menurut Geissmann (1986)
11
dalam Nowak (1999) matang seksual di alam pada umur 8-9 tahun dan di
penangkaran pada umur 4-6 tahun baik jantan maupun betina. Periode gestation
(kehamilan) adalah 230-235 hari dengan berat anak saat lahir sekitar 6 ons.
Betina biasanya melahirkan setiap 2–3 tahun sekali dengan satu anak, tetapi
kelahiran kembar mungkin terjadi. Betina jarang melahirkan lebih dari 10 kali
selama hidupnya (Preuschoft 1990). Masa hidup siamang antara 30-40 tahun
(Napier dan Napier 1986), sedangkan menurut Chiver (1977) sepasang siamang
yang hidup di alam liar diketahui berumur sekitar 25 tahun. Di penangkaran
spesimen siamang diketahui sampai berumur 40 tahun (Marvin 1995 dalam
Nowak 1999).
Siamang termasuk hewan omnivora dengan komposisi pakan 43% daun
(38% daun muda dan 5% daun tua), 36% buah (22% Ficus sp. dan 14% lainnya),
6% bunga, 15% serangga dan binatang kecil lainnya (Gittin dan Reamakers 1980).
Siamang sumatera merupakan primata frugivorous dibandingkan saudaranya di
semenanjung malaya. Chivers (1977) melaporkan bahwa siamang menghabiskan
waktu 5,5 jam untuk kegiatan makan atau kira-kira 52% dari waktu efektifnya.
Perkembangan Metode Pendugaan Umur
Pendugaan umur mamalia dapat dilakukan dengan berbagai teknik, salah
satu dari beberapa teknik dapat diaplikasikan untuk menduga umur spesies yang
diteliti. Tanda-tanda untuk menduga umur satwaliar dapat terlihat dari
pertumbuhan gigi geligi, hilangnya gigi geligi, ukuran tubuh, pengelompokkan
frekuensi ukuran, derajat penyatuan epifiseal, berat lensa mata, pertumbuhan
tahunan lingkar cakar, tanduk, gigi dan tulang serta jumlah placental atau goresan-
goresan ovarian pada betina (Caughley 1977).
Selanjutnya menurut Caughley (1977), indikator penduga umur dapat
dikelompokkan sebagai berikut:
a. Tanda-tanda individu (misalnya: pemberian tanda pengenal pada hewan muda
yang diketahui datanya).
b. Indikasi morfologikal.
- Karakter yang berubah terus-menerus sesuai umur (misalnya: berat lensa
mata dan hilangnya gigi geligi).
12
- Karakter yang berubah sesuai lompatan tahun.
1) Anual quanta (misalnya: pertumbuhan lingkar pada tanduk, gigi dan
sisik).
2) Non anual quanta (misalnya: fase-fase plumage dan pertumbuhan gigi
geligi).
Literatur yang membahas pendugaan umur siamang sumatera masih
terbatas, hal ini terlihat dari sulitnya memperoleh literatur sesuai pokok bahasan.
Pendugaan umur siamang sumatera di lapangan dapat dilakukan melalui
pendekatan- pendekatan sebagai berikut:
Pendugaan Umur Melalui Gigi Geligi
Penggunaan parameter gigi telah banyak dilakukan dalam pendugaan umur.
Gigi merupakan salah satu organ tubuh yang paling aktif dipakai, perubahan
bentuk permukaan gigi dapat mengindikasikan kualitas pakan yang dikonsumsi
serta umur satwa tersebut. Gigi juga mengalami fase pertumbuhan awal, lewat
gigi susunya yang akan lepas saat memasuki umur tertentu dan digantikan dengan
gigi tetap, sehingga dapat menjadi indikator dari telah dewasanya anggota tubuh.
Peralihan gigi susu ke gigi permanen dan tinggi relatif mahkota gigi (crown
heights; sebagai indikator tingkat keausan) dapat dipakai sebagai indikator umur
pada kelompok kelelawar, karnivora, ungulata dan rodensia (Semiadi dan
Nugraha 2005).
Sosroamidjojo (1975) dalam Mukhtar (1996) mengungkapkan bahwa pada
satwa ruminansia, umur dapat diketahui dengan mengamati pergantian gigi seri
yang terdapat hanya pada rahang bawah, seperti disajikan pada Tabel 1 dan
Gambar 3.
Tabel 1 Daftar pergantian gigi seri kambing Umur (Tahun) Gigi Seri yang Berganti
1-1,5
1,5-2
2,5-3
3-4
Gigi seri dalam (I1) berganti
Gigi seri tengah dalam (I2) berganti
Gigi seri tengah luar (I3) berganti
Gigi seri luar (I4) berganti
Sumber: Sosroamidjojo (1975) dalam Mukhtar (1996)
13
Gambar 3 Bagan gigi seri kambing dan ruminansia lainnya (Sumber:
Sumoprastowo 1994 dan Sosroamidjojo 1975 dalam Mukhtar 1996).
Selanjutnya menurut Semiadi dan Nugraha (2005), tingkat keausan gigi
sangat spesifik terhadap habitat dan jenis mamalia sehingga generalisasi pola
keausan gigi kurang tepat diterapkan. Indentifikasi umur dengan mengamati pola
keausan gigi dapat dilakukan pada satwa hidup lewat pembiusan terlebih dahulu.
Gigi kemudian dicermati pola keausannya atau ditempeli dengan pasta cetakan
yang akan mengeras setelah waktu tertentu. Pola keausan yang terbentuk dalam
pasta gel yang akan mengeras kemudian diukur atau dikaji dan dibandingkan
dengan standar yang ada.
Pendugaan umur satwaliar secara lebih akurat berbasiskan pada gigi harus
dilakukan secara destructive (merusak) dengan cara mencabut gigi geraham
(molar) guna menghitung lapisan garis tahunan gigi. Biasanya dentin dan
9 bulan1–1.5 tahun
1.5-2 tahun 2-3 tahun
3-4 tahun tua
14
cementum terakumulasi di bagian bawah badan gigi yang disebut annuli,
membentuk suatu baris garis yang diasumsikan terbentuk setiap tahun. Pada
mamalia daerah tropika, diindikasikan terbentuknya annuli ini berkaitan erat
dengan musim penghujan, dimana kaya dengan hijauan pakan. Apabila terdapat
periode dimana musim kemarau panjang, maka jarak lapisan annuli cenderung
melebar. Mengingat prosedur indentifikasi lapisan annuli mengharuskan gigi
dicabut, maka pekerjaan ini hanya dilakukan pada satwa mati yang tidak terpakai
lagi (Semiadi dan Nugraha 2005).
Gambar 4 Barisan anuli pada gigi rusa yang menandakan perkiraan umur. Tanda
panah menunjukkan lapisan tahunan, dimulai dari paling atas. Dalam foto ini rusa diperkirakan berumur 11 tahun (sumber: Anonimous dalam Semiadi dan Nugraha 2005).
Pendugaan Umur Melalui Struktur Fisiologi
Pendugaan umur melalui struktur fisiologi didasarkan pada penampakan
kasat mata oleh peneliti karena mamalia mempunyai kekhasan dalam fase
pertumbuhannya. Pendugaan umur ini dilakukan dalam kelompok-kelompok
umur yang disebut kelas umur. Menurut Gittins dan Raemaekers (1980),
berdasarkan fase pertumbuhannya siamang dapat dikelompokkan dalam lima
kelas umur yaitu:
1. Bayi (infant), mulai lahir sampai berumur 2-3 tahun dengan ukuran tubuh
yang sangat kecil. Pada tahun pertama digendong dan dibawa oleh induknya,
sedangkan pada tahun kedua digendong dan dibawa induk jantan.
15
2. Anak (juvenile-1), berumur kira-kira 2-4 tahun, badannya kecil dan melakukan
perjalanan sendiri, tetapi cenderung untuk selalu dekat dengan induknya.
3. Muda atau remaja (juvenile-2), berumur kira-kira 4-6 tahun, ukuran badannya
sedang dan sering melakukan perjalanan sendiri dan mencari makan sendiri.
4. Sub dewasa (sub-adult), yaitu mulai dari umur 6 tahun. Ukuran badannya
hampir sama dengan ukuran dewasa dan tetap tinggal di dalam kelompok,
tetapi sering memisahkan diri dan belum matang secara seksual.
5. Dewasa (adult), yaitu mempunyai ukuran badan yang maksimal dengan selalu
hidup berpasang-pasangan serta selalu dekat dengan anaknya.
Pendugaan Umur Melalui Ukuran Tubuh
Semua benda hidup disusun oleh satuan terkecil yang disebut sel, apabila
terjadi peningkatan jumlah sel maka akan mengalami satu atau lebih kekhususan
fungsi. Istilah anatomi digunakan untuk menunjukkan ilmu yang mempelajari
bentuk dan struktur semua organisme makhluk hidup. Pengertian mengenai
struktur organisme makhluk hidup biasanya disertai dengan fungsinya, sedangkan
ilmu yang mempelajari fungsi tubuh secara lengkap dan fungsi semua bagian-
bagian tubuhnya seperti sistem, organ, jaringan, sel dan komponen sel disebut
fisiologi (Frandson 1992).
Kelompok sel yang berkembang mengalami fungsi khusus disebut jaringan.
Bermacam-macam jaringan bergabung membentuk kelompok dan mempunyai
fungsi tertentu, yang disebut organ. Sekelompok organ yang berperan dalam
suatu kegiatan tertentu akan membentuk suatu sistem (Giles 1981).
Selanjutnya menurut Giles (1981), masuknya sel dalam sistem berkaitan
dengan perwujudan fungsi kehidupan. Fungsi tersebut mencakup pertumbuhan
(peningkatan ukuran), metabolisme (pemanfaatan makanan), respon terhadap
stimulus, kontraksi (pemendekan ke satu arah) dan reproduksi (pembentukan
individu baru dari spesies yang sama). Proses perkembangan sel menjadi jaringan
tertentu memerlukan waktu. Pembelahan sel baik melalui mitosis atau miosis
mengalami suatu interfase dan panjangnya bervariasi. Pada satu masa tertentu
pembentukan jaringan ini akan terhenti dan terbentuk satu jaringan khusus.
16
Menurut Frandson (1992), skeleton hewan yang dibentuk oleh tulang
merupakan suatu struktur yang hidup. Tulang mempunyai vasa darah, vasa
limfatik dan nervus; dapat menjadi sasaran penyakit, mampu memperbaiki diri
terhadap perubahan dengan adanya suatu stres. Kira-kira sepertiga berat tulang
terdiri dari atas kerangka organik yang berupa jaringan fibrosa dan sel-sel.
Senyawa organik terutama adalah kollogen dan polisakarid yang disebut
glikosaminaglikan (GAGS), yang mengandung khodroitin sulfat. Bahan tersebut
menyebabkan sifat elastis dan keras pada tulang, sedang dua pertiganya terdiri
dari komponen anorganik (garam kalsium dan fosfat) yang terdeposit pada
kerangka organik.
Selanjutnya menurut Frandson (1992), bahwa pengetahuan tentang tulang
yang membentuk kerangka atau skeleton tubuh disebut osteologi. Tulang
merupakan salah satu jaringan pengikat yang terbentuk dari sel pembentuk tulang
(osteoblast) yang tampilannya mudah dilihat.
Morfologi merupakan ilmu yang mempelajari bentuk pada spesies dalam
populasi khususnya polimorfolisme (Campbell dan Lack 1985), sedangkan
morfometri adalah pengukuran bentuk tubuh yang dilakukan pada spesies.
Pengukuran panjang tulang-tulang mempunyai ketelitian yang lebih baik dalam
pendugaan umur dibandingkan dengan pengukuran terhadap bobot badan.
Pertambahan panjang dari ukuran-ukuran tubuh bisa dijadikan dasar untuk
pendugaan umur lebih lanjut (Caughley 1977). Keragaman ukuran tubuh hewan
disebabkan oleh faktor genetik dan lingkungan (Mansjoer et al. 1989).
Parameter Morfometrik yang Berkaitan dengan Umur Siamang Sumatera
Ukuran morfologikal merupakan pertumbuhan panjang hewan yang mudah
dilihat dengan mata (Giles 1981). Parameter morfometrik yang digunakan
merupakan bagian-bagian tubuh yang mudah terlihat dan mudah diukur,
morfometrik ini mengikuti bentuk kerangka siamang. Sesuai dengan pendapat
Frandson (1992) bahwa tulang-tulang merupakan pembentuk kerangka tubuh
sehingga dapat memberikan kekerasan dan bentuk tubuh. Berikut dijelaskan
bagian-bagian tubuh yang diukur karena diduga mempunyai hubungan erat
dengan umur, sebagai berikut:
17
1. Badan dan Kepala
Siamang tergolong dalam vertebrata karena mempunyai kolom vertebral.
Struktur ini tersusun atas tulang-tulang yang tidak berpasangan dan ireguler
(vertebrae) terletak pada bidang median dan hanya satu struktur yang tampak.
Perkembangan kolom vertebral tidak dipengaruhi oleh ukuran-ukuran lainnya
(Fradson 1992).
Kepala menjadi penting karena merupakan tempat beradanya otak,
dimana otak menjadi tempat mengolah informasi yang berasal dari indera-
indera primata. Salah satu kemajuan dari primata dari hewan lain adalah
ukuran otak yang lebih besar. Perbandingan antara ukuran tubuh dengan berat
otak memungkinkan untuk membedakan antara primata (Myers dan Sheffield
1996).
2. Dada dan Bahu
Kebiasaan melakukan brachiation berpengaruh pada seluruh kerangka
tubuh famili Hylobatidae (Young 1981). Spesialisasi dalam brachiation
mempengaruhi rongga dada famili hylobatidae yang lebih besar dari kera-kera
lain, dimana rongga dada yang lebar dan tulang belikat (skapula) di belakang
membuat pusat gaya berat lebih ke tengah tubuh apabila hewan ini berdiri
tegak dan memberi keleluasaan gerak bagi lengan (Hoeve 1992).
3. Lengan dan Tangan
Lengan merupakan salah satu pembentuk anggota badan yang tersusun
dari beberapa tulang yang merupakan bagian anggota tulang depan
(ekstremitas pektoralis). Ekstremitas pektoralis terdiri dari tulang belikat
(scapula), tulang lengan atas (humerus), dua tulang lengan bawah (radius dan
ulna), tulang carpus, tulang metacarpus dan tulang-tulang jari (digiti).
Humerus merupakan tulang panjang yang ujung atasnya bersendi dengan
scapula membentuk persendian bahu, dimana tonjolan yang terbentuk disebut
titik atau kedudukan bahu. Radius dan ulna merupakan tulang yang besar
pada lengan bawah dan ulna yang kecil. Radius merupakan tulang panjang
yang terletak di sisi medial lengan bawah yang dapat langsung diraba di
bawah kulit. Tulang radius kemudian dilanjutkan tulang carpus, tulang
metacarpus dan tulang-tulang jari (digiti).
18
Pada semua spesies, perkembangan radius sangat baik sedangkan ulna
mempunyai perkembangan yang bervariasi tergantung pada spesies hewan
(Fradson 1992). Berdasarkan hal di atas maka radius lebih dapat dijadikan
parameter ukuran tubuh daripada ulna.
Parameter pendugaan umur adalah panjang humerus, radius dan panjang
telapak tangan yang apabila digabungkan maka dapat menjadi parameter
panjang tangan. Panjang telapak tangan merupakan gabungan antara tulang
carpus, tulang metacarpus dan digiti yang terpanjang.
Pengetahuan tentang perbandingan panjang lengan primata akan sangat
penting untuk mengetahui tipe pergerakan dan prilaku primata. Tipe-tipe
pergerakan yang digunakan primata akan menunjukkan jenis-jenis habitat
yang mendukung hidupnya. Telapak tangan siamang yang lebih sempit
dibandingkan dari famili Pongidae dan Hominidae dikarenakan penyesuaian
dalam melakukan brachiation, sesuai dengan pendapat Hoeve (1992) bahwa
tangan siamang sangat panjang dan langsing dengan jari-jari yang panjang dan
agak melengkung seperti kait
4. Kaki dan Telapak Kaki
Selain tangan, kaki merupakan salah satu pembentuk anggota badan,
dimana tangan tersusun dari beberapa tulang yang merupakan bagian anggota
tulang depan (ekstremitas pelvikalis). Ekstremitas pelvikalis terdiri dari tulang
pinggul (ilium), tulang paha (femur), dua tulang kaki bawah (tibia dan fibula),
astralagus, metacarpus dan digiti.
Femur merupakan tulang yang bulat, berpangkal pada persendian
pinggul dan memanjang sampai persendian lutut. Tibia dan fibula, setara
dengan radius dan ulna pada ekstremitas anterior. Tibia merupakan tulang
yang besar dan terletak di sebelah medial, mempunyai ujung proksimal yang
melekat pada persendian lutut. Metacarpus dan digiti sama dengan
ekstremitas anterior.
Parameter morfometrik untuk menduga umur adalah panjang femur dan
tibia yang apabila digabungkan menjadi parameter panjang kaki. Panjang
telapak tangan merupakan gabungan antara tulang carpus, tulang metacarpus
dan digiti yang terpanjang. Sedangkan indeks intermembral merupakan
19
perbandingan dari panjang kaki dengan panjang tangan, informasi ini sangat
bermanfaat untuk mengindentifikasi sistem lokomosi primata (Myers dan
Sheffield 1996).
Karakteristik Lokasi Penelitian
Penelitian pengukuran morfometrik siamang dilaksanakan di dua lokasi,
yaitu Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera
(KPS) dan Pusat Penyelamatan Satwa Cikananga (PPSC).
Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera
KPS merupakan kegiatan konservasi eksitu yang bertujuan untuk
mendukung konservasi insitu yang bekerjasama Direktorat Jenderal Perlindungan
Hutan dan Konservasi Alam (Ditjen PHKA) Departemen Kehutanan, dimana
dalam implementasinya dilapangan selalu berkoordinasi dengan BKSDA
Sumatera Barat sebagai unit pelaksana teknis Ditjen PHKA di daerah. Tujuan
utama dari KPS adalah untuk menyelamatkan, merehabilitasi, mensejahterakan
dan mengembalikan kembali owa dan siamang yang berasal dari Sumatera ke
habitatnya.
KPS berada di Pulau Marak dengan luas sekitar 1.000 ha, sebuah pulau di
Kanagarian Sungai Pinang, Kecamatan Batang Terusan, Kabupaten Pesisir
Selatan, Provinsi Sumatera Barat. KPS dapat dijangkau dari Kota Padang dengan
speed boat bertenaga 40 daya kuda sekitar 1 jam atau perjalanan melalui darat
dapat ditempuh sekitar 30 km melalui Nagari Sungai Pinang, tetapi jalan yang
masih belum bagus, berkelok-kelok dan mendaki serta belum tersedianya
transportasi umum menyebabkan perjalanan lebih lama dan kurang nyaman.
Pada awal berdirinya bulan Juli tahun 2003, KPS telah merehabilitasi
sebanyak 122 ekor gibbon (H. agilis dan H. syndactylus). Selain jenis-jenis dari
gibbon, KSP dapat juga merawat beberapa primata lain seperti beruk endemik dari
Mentawai (Macaca pagaensis). Fasilitas pendukung yang tersedia yaitu 55 unit
kandang (rehabilitasi, karantina, sosialisasi dan sanctuary), klinik satwa, asrama,
gudang buah dan sarana transportasi. Pada bulan Juli 2007 KPS telah mendapat
hak siar Radio Kalaweit pada gelombang 87.6 FM. Pelaksana di KPS terdiri dari
20
1 orang manajer, 1 orang administrasi, 2 orang tenaga medis, 8 orang animal
keeper, 1 orang dokter hewan, 1 orang bidang volunteer dan ditambah 2 orang
counterpart dari BKSDA.
Gambar 5 Siamang sumatera di KSP Pulau Marak dan PPSC Sukabumi.
Kandang-kandang satwa terbuat dari kawat besi dengan tiang dari kayu,
bentuk kandang segitiga dengan ukuran 6m x 6m x 6m. Di dalam kandang
terdapat sejumlah kayu panjang dan ban bekas mobil yang digantung sebagai
tempat bergelayutan (mainan) satwa. Kandang-kandang terdiri dari:
a. Kandang karantina. Di kandang ini dilakukan proses untuk mengindentifikasi
dan mengobati penyakit yang di derita siamang. Pemeriksaan dilakukan baik
kondisi fisik dan non fisik, pemeriksaan darah (Hepatitis A, B dan C;
Tuberculosis/TBC; Herpes simplex), meminimalkan stres, mengadaptasi
makanan dan pemeriksaan parasit.
b. Sanctuary. Satwa yang tidak dimungkinkan untuk lepasliarkan ke alam akan
ditempatkan dalam kandang-kandang ini, misalnya siamang yang bentuk
fisiknya abnormal (tangan atau kaki yang patah adan buntung) serta siamang
yang terkena penyakit Herpes maupun TBC. Kandang sanctuary bertujuan
untuk mensejahterakan siamang-siamang tersebut.
c. Sosialisasi. Siamang yang telah dinyatakan sehat akan ditempatkan di
kandang sosialisasi. Dalam kandang ini, siamang ditempatkan untuk
mendapatkan pasangan masing-masing dan selalu dipantau setiap
perkembangan dan tingkah lakunya. Siamang yang betul-betul bebas dari
penyakit dan siamang yang telah remaja ditempatkan dalam satu kandang,
21
dimana beberapa kandang dihubungkan dengan terowongan sehingga siamang
bisa berkontak visual dan fisik. Pengamatan dilakukan dengan intensif,
apabila siamang telah menemukan pasangan maka dipindahkan ke kandang
rehabilitasi.
d. Rehabilitasi. Kandang ini ditujukan untuk proses utama yaitu “meliarkan”
siamang, di kandang ini kontak antar siamang dihindarkan begitu juga kontak
dengan manusia diminimalkan.
Pemberian makanan dilakukan dua kali sehari yaitu sekitar pukul 7.30 dan
15.00 WIB. Kombinasi makanan adalah pisang, wortel, buncis, tomat dan
mentimun, sedangkan telur sebagai sumber protein diberikan seminggu sekali.
Siamang yang sakit diberikan makanan yang lebih “eksklusif” seperti apel, sawo,
pir dan multivitamin dengan tujuan mengembalikan vitalitas tubuh dan
mempercepat kesembuhan.
Pembersihan kandang dilakukan satu kali seminggu dan sebulan sekali
dilakukan penyemprotan desifektan. Pengawasan terhadap kesehatan siamang
dilakukan tenaga medis sedangkan siamang yang sakit diperiksa oleh dokter
hewan yang bekerjasama dengan Balai Vertereiner Departemen Peternakan.
Pusat Penyelamatan Satwa Cikananga
PPSC didirikan oleh Yayasan Gibbon yang merupakan lembaga swadaya
masyarakat yang menyalurkan dana dari para donatur internasional untuk program
konservasi di Indonesia, khususnya dalam penyelamatan satwaliar. Yayasan
Gibbon bekerjasama dengan PHKA untuk membangun PPS dalam rangka
penyelamatan satwa-satwa yang dilindungi, sebagai salah satu bentuk peran
keanggotaan Indonesia dalam konvensi internasional perlindungan hewan dan
tumbuhan (Convention on Internasional Trade for Endanger Spesies/CITES).
Terdapat tujuh PPS yang beroperasi di Indonesia yaitu di Tegal Alur di Jakarta
yang sudah berhenti beroperasi, Cikananga di Sukabumi, Gadog di Ciawi-Bogor,
Petung Sewu di Malang, Bali, Yogyakarta dan Tasikoki di Sulawesi.
PPSC diresmikan pada tanggal 1 Nopember 2003 pada lahan seluas 14,9 ha
terletak 36 km di selatan Kabupaten Sukabumi, Provinsi Jawa Barat, tepatnya di
Kampung Cikananga, Desa Cisitu Kecamatan Nyalindung. Fasilitas PPSC
22
terbilang lengkap, karena memiliki gedung perkantoran, laboratorium, klinik
hewan dan tempat penginapan. Sejak 2001 hingga 2005 hewan yang
diselamatkan oleh PPSC mencapai 3.433 ekor, tapi sekarang tinggal 1.142 ekor
karena telah di translokasi ataupun dilepasliarkan.
Pertengahan bulan April 2006 Departemen Kehutanan dalam hal ini Ditjen
PHKA memutus hubungan kerjasama dengan Yayasan Gibbon dan pelarangan
yayasan ini melakukan kegiatan apapun yang terkait konservasi sumberdaya alam
di Indonesia. Hal ini berdampak pada upaya penyelamatan satwaliar Indonesia
yang saat ini berada di PPSC, dengan pendanaan yang terbatas satwa menjadi
kurang terurus dan suplai makanan terbatas.
23
METODE PENELITIAN
Lokasi dan Waktu
Penelitian ini dilaksanakan di Pusat Rehabilitasi Siamang dan Owa Kalaweit
Program Sumatera, Pulau Marak, Kabupaten Pesisir Selatan, Provinsi Sumatera
Barat dan Pusat Penyelamatan Satwa Cikananga, Kabupaten Sukabumi, Provinsi
Jawa Barat (peta lokasi pada Lampiran 23 dan 24) selama 4 bulan yaitu dari bulan
Mei hingga Agustus 2007.
Bahan dan Alat
Objek penelitian adalah siamang sumatera (Hylobates syndactylus
syndactylus), dimana untuk selanjutnya dalam tesis ini disebut sebagai siamang.
Bahan kimia yang digunakan adalah Ketamil injection, Ilium Xylazil-20 injection,
dan sebagai antidotnya Atipamezole Reverzine injection. Alat yang digunakan
adalah meteran, caliper (jangka sorong), timbangan, sarung tangan, masker,
suntikan 1 ml, kapas, kamera dijital, komputer dan alat tulis.
Parameter yang Diukur
Parameter morfometrik yang diukur untuk menduga umur adalah panjang
badan dan kepala, panjang lengan, panjang kaki, panjang cranial, tinggi cranial,
lebar cranial, lingkar dada, lebar bahu, panjang telapak tangan, lebar telapak
tangan, panjang telapak kaki, lebar telapak kaki, lingkar kepala, dan lingkar muka.
Pengambilan Data
Data-data yang digunakan dalam penelitian ini diperoleh dari hasil
pengukuran parameter morfometrik siamang (data primer) dan data-data
penunjang (data sekunder). Data primer yang diambil dikelompokkan menjadi
dua yaitu jantan dan betina, hal ini didasarkan pada adanya dimorphism ukuran
badan siamang dimana jantan memiliki ukuran tubuh yang lebih besar dibanding
betina. Data sekunder yang diambil meliputi keadaan umum lokasi pusat
penyelamatan satwa, proses rehabilitasi, jumlah individu yang sedang
direhabilitasi, asal, jenis kelamin dan umur siamang.
24
Pembagian Umur di Lapangan
Berdasarkan hasil pelaksanaan penelitian diperoleh data jumlah dan umur
siamang yang di ukur, seperti disajikan pada Tabel 2.
Tabel 2 Pembagian umur siamang sumatera yang diukur di lapangan
Tabel 2 menunjukkan hanya terdapat 15 tingkatan umur siamang yang
menjadi objek penelitian. Berdasarkan tingkatan umur tersebut, pendugaan umur
siamang jantan hanya berlaku untuk umur 1-15 tahun dan 2-14 tahun untuk
siamang betina. Apabila digabungkan antara jantan dan betina, maka pendugaan
umur hanya untuk 1-15 tahun.
Batasan lain dalam penelitian ini yaitu pengukuran hanya dilakukan pada
siamang yang diketahui umurnya dan berkondisi sehat, alasannya adalah bahwa
tidak semua siamang yang berada di pusat penyelamatan diketahui umurnya
secara pasti dan hanya dikelompokkan ke dalam kelas umur. Kondisi siamang
yang sehat merupakan prasyarat pengukuran dengan tujuan menghindari kondisi
fatal akibat pembiusan.
Teknik Pengukuran Tubuh
Data ukuran tubuh yang akurat diperoleh apabila pengukuran dilakukan saat
siamang diam, untuk itu dilakukan pembiusan pada semua siamang yang diteliti.
Umur (tahun)
Jumlah Sampel (ekor) KPS PPSC
♂ ♀ Jumlah ♂ ♀ Jumlah 1 1 - 1 - - - 2 1 - 1 1 - 1 3 - - - - - - 4 - - - - - - 5 1 - 1 - 1 1 6 1 - 1 1 - 1 7 1 - 1 2 - 2 8 3 1 4 4 - 4 9 5 - 5 1 - 1 10 1 2 3 2 - 2 11 1 - 1 1 - 1 12 1 1 2 1 - 1 13 - 1 1 - - - 14 1 1 2 1 1 2 15 - 1 1 - - -
Jumlah 17 7 24 14 2 16 Total 40
25
Dalam penelitian ini pembiusan berguna untuk menghindari bias hasil pengukuran
akibat perlakuan yang tidak sama. Pembiusan dilakukan oleh tenaga medis atau
paramedis yang bekerja di KPS dan PPSC untuk menghindari kesalahan
penanganan yang dapat menyebabkan kematian pada siamang.
Tujuan utama dari pembiusan adalah untuk membuat siamang mengurangi
gerakan tubuhnya yang dapat menyebabkan kecelakaan pada peneliti dan staf
yang membantu di lapangan. Pembiusan bersifat penenangan (sedatif) dan tidak
sampai pembiusan total (anastesia) sehingga pengukuran dilakukan dalam waktu
yang relatif singkat.
Untuk dapat menduga umur siamang dilakukan pengukuran terhadap
parameter morfometriknya (lihat Lampiran 20, 21 dan 22). Teknik pengukuran
parameter morfometrik siamang (satuan dalam cm), sebagai berikut:
1. Panjang badan dan kepala (PB), diukur mulai dari ujung kepala sampai ujung
tulang ekor.
2. Panjang lengan (PL) merupakan gabungan dari panjang lengan atas/humerus
dan panjang lengan bawah/radius. Panjang lengan humerus, diukur pada
pangkal humerus bagian atas sampai tonjolan bawah humerus. Panjang
lengan radius, diukur dari pangkal siku sampai pergelangan telapak tangan.
3. Panjang kaki (PK) merupakan gabungan dari panjang paha/femur dengan
panjang betis/tibia. Panjang femur, diukur dari pangkal femur sampai bawah
femur. Panjang tibia, diukur dari penonjolan tempurung lutut sampai
pergelangan telapak kaki.
4. Panjang cranial (PCr), diukur dari cranial yang paling depan sampai cranial
paling belakang.
5. Tinggi cranial (TCr), diukur mulai dari atas cranial sampai cranial bawah.
6. Lebar cranial (LbC), diukur mulai dari tepi cranial kiri sampai tepi kanan.
7. Lingkar dada (LD), diukur di sekeliling dada, bawah tulang bahu.
8. Lebar bahu (LbB), diukur dari tepi paling kiri bahu sampai tepi kanan bahu.
9. Panjang telapak tangan (PTT), diukur dari tulang metacarpus sampai ujung
jari tangan terpanjang. Pengukuran ini tanpa kuku yang disebut sine unguis
(s.u), bila dimasukkan cakar disebut cum unguis (c.u).
26
10. Lebar telapak tangan (LTT), diukur mulai dari sisi kiri sampai sisi kanan
telapak tangan di bawah tulang phalanges.
11. Panjang telapak kaki (PTK), diukur dari ujung tumit sampai ujung jari kaki
terpanjang.
12. Lebar telapak kaki (LTK), diukur mulai dari sisi kiri sampai sisi kanan telapak
kaki di bawah tulang phalanges.
13. Lingkar kepala (LK), diukur di sekeliling kepala di atas telinga.
14. Lingkar muka (LM), diukur di sekeliling muka.
Pengolahan Data
Data yang diperoleh dianalisis menggunakan pendekatan multivariate
analysis dengan metode multiple regression analysis (MRA) atau regresi linear
berganda guna menghasilkan suatu persamaan regresi. Persamaan ini dapat
menentukan parameter yang paling menentukan untuk menduga umur siamang
dan menjelaskan hubungan antara umur dengan parameter morfometriknya.
Analisis data dilakukan dengan menggunakan software SPSS 14.0 for windows
evaluation version karena melibatkan banyak variabel.
Bentuk persamaan regresi yang menghubungkan antara umur dengan
parameter morfometrik siamang, sebagai berikut (Supranto 2004):
Y = bo + b1X1 + b2X2 + … + b14X14
keterangan: Y = umur siamang (tahun) b0 = nilai intersep b1 = nilai koefisien regresi parameter morfometrik ke-1 b2 = nilai koefisien regresi parameter morfometrik ke-2 b14 = nilai koefisien regresi parameter morfometrik ke-14 X1 = parameter morfometrik ke-1 (cm) X2 = parameter morfometrik ke-2 (cm) X14 = parameter morfometrik ke-14 (cm)
dalam hal ini peubah tidak bebas (Y) adalah umur siamang, sedangkan peubah
bebas (X) adalah peubah-peubah yang berasal dari hasil pengukuran morfometrik
siamang.
27
Hipotesis yang diuji adalah:
Ho: b1 = b2 =...... = b14 = 0 (semua variabel bebas X tidak ada yang mempengaruhi
variabel tidak bebas Y)
H1: b1 ≠ b2 ≠...... ≠ b14 ≠ 0 (paling sedikit ada satu variabel bebas X yang
mempengaruhi Y)
Dalam output analisis software SPSS nilai signifikan t dan F sudah dihitung
maka tidak perlu melihat nilai tabel t dan F, cukup dengan membandingkan nilai
p-valuenya. Apabila p-value ≤0,05, maka Ho ditolak dan diterima H1 atau
sebaliknya. Hal ini dinyatakan oleh Supranto (2004), korelasi yang tinggi
ditandai oleh rasio t yang tidak nyata (rasio t < t tabel).
Adapun langkah-langkah yang dilakukan dalam analisis data adalah sebagai
berikut:
a. Uji validasi (kesahihan) dan Uji realibilitas (keandalan). Menurut
Sudarmanto (2005) bahwa Uji validasi dilakukan untuk mengetahui apakah
alat ukur yang telah disusun dapat digunakan untuk mengukur apa yang
hendak diukur secara tepat. Uji realibilitas dimaksudkan untuk mengetahui
sejauh mana konsistensi hasil pengukuran yang dilakukan. Kesahihan
dinyatakan bila koefisien > 0,50, sedangkan keandalan dinyatakan bila
koefisien alpha hitung > 0,50 atau sebaliknya.
b. Uji linearitas garis regresi. Menurut Sudarmanto (2005) bahwa uji ini
digunakan untuk mengambil keputusan dalam memilih model regresi yang
akan digunakan. Uji ini berkaitan dengan suatu pembuktian apakan model
garis regresi linera yang ditetapkan benar-benar sesuai dengan keadaannya
atau tidak. Kriteria pengujian untuk menyatakan kelinearan garis regresi
adalah jika Signifikasi > 0,50 (alpha 5%) atau sebaliknya.
c. Analisis faktor. Analisis ini dilakukan untuk mengetahui kelayakan ke-14
parameter morfometrik untuk diproses lebih lanjut dalam regresi. Kelayakan
tersebut dapat dilihat dari besarnya nilai K-M-O MSA (Kaiser–Meyer-Olkin
Measure of Sampling Adequacy), apabila nilai K-M-O MSA >0,50 (alpha 5%)
maka kumpulan parameter dapat diproses lebih lanjut.
28
d. Uji kelayakan menggunakan analisis regresi. Agar analisis regresi dapat
digunakan, maka harus memenuhi 3 asumsi yaitu kenormalan, independensi
dan homogenitas variansi.
e. Analisis regresi dengan semua peubah. Analisis ini dilakukan untuk
mengetahui apakah parameter morfometrik yang dianalisis mempengaruhi
umur, hal ini dapat dianalisis dari nilai p-value <0,05.
f. Analisis regresi dengan metode stepwise (regresi bertahap). Pembuatan
model matematika dengan memasukkan semua parameter morfometrik yang
berkorelasi tinggi membuat persamaan tidak nyata karena diantara parameter
akan saling menghilangkan. Menurut Supranto (2004) apabila terjadi
parameter morfometrik saling berkorelasi (multikolinearitas) maka bisa
dilakukan pendekatan dengan metode stepwise. Selain itu, metode ini dapat
langsung mengetahui parameter morfometrik yang paling menentukan.
HASIL DAN PEMBAHASAN
Riwayat Siamang Sumatera Sebagai Objek Penelitian
Pengukuran parameter morfometrik dilakukan terhadap 40 ekor siamang
yang hidup, terdiri dari 24 ekor siamang jantan dan 16 ekor siamang betina.
Siamang yang diukur berumur antara 1-15 tahun dan dapat dikelompokkan ke
dalam 4 kelas umur (KU), yaitu KU I (1-4 tahun), KU II (5-6), KU III (7-8 tahun),
dan KU IV (9 tahun ke atas), seperti ditunjukkan pada Tabel 4.
Siamang yang direhabilitasi/diselamatkan di KPS dan PPSC merupakan
satwa titipan BKSDA sebagai unit pelaksana teknis dari Departemen Kehutanan.
Status satwa titipan dikarenakan siamang merupakan satwa yang dilindungi dalam
PP No. 7 Tahun 1999 tentang Pengawetan Tumbuhan dan Satwa yang
menyatakan bahwa semua famili Hylobatidae dilindungi.
Secara umum, siamang yang diterima KSP dan PPSC berasal dari hasil
penegakan hukum atau sitaan BKSDA, penyerahan oleh masyarakat dan serahan
dari lembaga lain atau translokasi. Translokasi merupakan mutasi siamang antar
lembaga konservasi ek situ. Asal siamang dari translokasi banyak terdapat di
KSP karena lembaga ini secara khusus merehabilitasi siamang dan owa yang akan
dilepasliarkan.
Tabel 3 Asal siamang sumatera yang dijadikan objek penelitian
No Asal Siamang Sumatera Jumlah (ekor) %
1 Sitaan BKSDA 3 7,5 2 Serahan masyarakat 6 15 3 Serahan dari lembaga lain (translokasi) 28 70 4 Lahir di pusat rehabilitasi/ penyelamatan 3 7,5
Total 40 100
Tabel 3 menunjukkan bahwa 70% siamang berasal dari translokasi dan
sebagian kecil yang lahir atau berasal dari pusat rehabilitasi/penyelamatan.
Persentase ini menunjukkan bahwa hanya beberapa ekor siamang yang diketahui
umurnya dengan pasti, sedangkan umur siamang yang lain merupakan hasil
pendugaan oleh tenaga ahli dari lembaga yang bersangkutan.
30
Tabel 4 Pembagian siamang sumatera yang diukur di lapangan berdasarkan kelas umur
Tabel 4 menunjukkan bahwa hanya terdapat 15 tingkatan umur siamang
yang diperoleh dari penelitian ini. Sesuai dengan batasan penelitian maka model
matematika yang terbentuk hanya dapat menduga umur sesuai tingkatan umur
yang dianalisis. Apabila dipisahkan antara jantan dan betina, pendugaan umur
siamang jantan hanya berlaku untuk umur 1-15 tahun dan 2-14 tahun untuk
siamang betina. Apabila digabungkan antara jantan dan betina, maka pendugaan
umur hanya berlaku sampai 15 tahun. Hal ini berarti pendugaan umur di atas 15
tahun pada siamang jantan dan gabungan antara jantan dan betina serta 14 tahun
untuk siamang betina dinyatakan tidak valid.
Karakteristik Morfometrik Siamang Sumatera
Rata-rata panjang badan dan kepala (PB) siamang dari umur 1-15 tahun
adalah 48,59 cm, nilai minimumnya 19 cm pada umur 1 tahun dan maksimum
pada umur 9 tahun sebesar 64 cm (Tabel 5). Rata-rata PB siamang jantan 48,16
cm dan rata-rata PB siamang betina 49,23 cm. Gambar 7 menunjukkan bahwa
ukuran PB siamang meningkat pesat dari umur 1-6 tahun atau pada kelas KU I
dan II, hasil ini sesuai dengan masa pertumbuhan makhluk hidup yang tinggi di
masa bayi dan remaja kemudian lebih stabil hingga umur 15. Hasil pengukuran
parameter morfometrik siamang disajikan pada Lampiran 1, 2 dan 3.
Umur (tahun) Kelas Umur Jumlah Sampel (ekor) Total ♂ % ♀ %
1 I
(Bayi dan Anak)
1 2,5 - - 1 2,5 2 1 2,5 1 2,5 2 5 3 - - - - - - 4 - - - - - - 5 II
(Muda/Remaja) 1 2,5 1 2,5 2 5
6 1 2,5 1 2,5 2 5 7 III
(Sub Dewasa) 1 2,5 2 5 3 7,5
8 4 10 4 10 8 20 9
IV (Dewasa)
5 12,5 1 2,5 6 15 10 3 7,5 2 5 5 12,5 11 1 2,5 1 2,5 2 5 12 2 5 1 2,5 3 7,5 13 1 2,5 - - 1 2,5 14 2 5 2 5 4 10 15 1 2,5 - - 1 2,5
Jumlah 24 60 16 40 40 ekor 100%
31
Gambar 6 Pengukuran siamang sumatera di lapangan.
Menurut Napier dan Napier (1967) rata-rata PB siamang jantan adalah 53,30
cm atau berkisar 46,80-84,60 cm, sedangkan rata-rata PB siamang betina adalah
54,20 cm atau berkisar 46,00-63,00 cm dengan persentase perbandingan PB antara
jantan dan betina adalah 101,69%. Rata-rata PB siamang jantan dewasa 50,49 cm
atau berkisar 35,60-64,00 cm, sedangkan rata-rata PB siamang betina adalah
51,30 cm atau berkisar 45,20–58,50 cm dengan persentase perbandingan PB
antara jantan dan betina adalah 101,60%. Apabila rata-rata PB di atas
dibandingkan, maka hasil PB dalam penelitian ini mempunyai nilai yang lebih
kecil, tetapi jika persentase perbandingan PB antara jantan dan betina
dibandingkan maka nilai perbandingan hasil kedua penelitian ini hampir sama.
Hasil perbandingan yang hampir sama ini menunjukkan bahwa teknik pengukuran
PB dalam penelitian ini telah benar, sedangkan perbedaan nilai rata-rata PB dapat
disebabkan oleh perbedaan dari jumlah dan tingkatan umur siamang yang teliti.
Apabila PB siamang dibandingkan dengan PB bekantan (Nasalis lavartus),
maka ukuran badan siamang lebih pendek. Pada KU bayi, bekantan mempunyai
PB sekitar 32 cm dan pada KU dewasa yang mempunyai ukuran badan yang lebih
tinggi dimana jantan mempunyai PB 65,50 cm dan betina 56,25 cm, sedangkan
siamang jantan dewasa mempunyai PB rata-rata 46,81 cm dan betina dewasa
51,30 cm. Ukuran tubuh siamang yang lebih pendek ini dimungkinkan karena
berat badan bekantan yang jantan dewasa sekitar 20 kg dan betina dewasa 10 kg
(Bennet dan Sebastian 1988 dalam Bismarck 1994) sedangkan siamang jantan
dewasa mempunyai berat sekitar 10-12 kg dan betina mempunyai ukuran sedikit
lebih kecil (PPA 1978).
32
Tabel 5 Karakteristik panjang badan siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Panjang Badan (cm)
1 Bayi dan anak 1-4 3 19,00–35,10 2 Muda/remaja 5-6 4 44,50–53,40 3 Sub dewasa 7-8 11 42,40–57,50 4 Dewasa 9 ke atas 22 35,60–64,00
Jumlah 40
Gambar 7 Ukuran bagian tubuh siamang sumatera yang dijadikan parameter
morfometrik untuk menduga umur.
Panjang Lengan (PL) siamang rata-rata 56,34 cm, PL merupakan gabungan
dari panjang humerus, radius dan carpus. Rata-rata PL siamang jantan adalah
56,45 cm sedangkan rata-rata PL siamang betina adalah 56,19 cm. Pada Gambar
7 disajikan ukuran PL siamang yang meningkat pesat dari umur 1-6 tahun, hasil
ini sama dengan peningkatan ukuran PB, selanjutnya ukuran PL lebih stabil tetapi
pada umur 11-13 tahun terjadi fluktuasi.
Menurut Nowak (1999) PL siamang dapat mencapai 150 cm, sedangkan
dalam penelitian ini PL terpanjang sebesar 67,60 cm pada siamang jantan berumur
14 tahun. Perbedaan yang cukup besar ini terjadi karena perbedaan tingkatan
umur dan jumlah siamang yang dijadikan objek penelitian. Pada Gambar 7
ditunjukkan ukuran PL siamang umur 13 hingga 15 tahun masih meningkat.
Lengan merupakan salah satu penciri famili Hylobatidae, dimana lengan-
lengan dari jenis-jenis famili ini sangat panjang yaitu 230-243% dari panjang
0
10
20
30
40
50
60
70
80
1 2 5 6 7 8 9 10 11 12 13 14 15
Umur (tahun)
Uku
ran
bagi
an tu
buh
(cm
)
PLPBLDPKLKLMLbBPTTPTKPCrTCrLbCLTKLTT
33
tubuhnya (Lekagul dan McNeely 1977). Berdasarkan hasil perbandingan,
diperoleh PL siamang 115,89% dari PBnya. Perbedaan terjadi karena penelitian
ini menggunakan ukuran panjang tubuh yang merupakan gabungan badan dan
kepala, sedangkan hasil penelitian dalam Lekagul dan McNeely (1977) hanya
menggunakan ukuran panjang badan tanpa ukuran panjang kepala.
Tabel 6 Karakteristik panjang lengan siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Panjang Lengan (cm)
1 Bayi dan anak 1-4 3 18,00–37,70 2 Muda/remaja 5-6 4 53,90–64,50 3 Sub dewasa 7-8 11 48,90–66,60 4 Dewasa 9 ke atas 22 46,80–67,60
Jumlah 40
Panjang Kaki (PK) siamang rata-rata 42,79 cm, PK merupakan gabungan
dari panjang femur dan tibia. Rata-rata PK siamang jantan adalah 42,55 cm
sedangkan rata-rata PK siamang betina adalah 43,15 cm. PK terpendek adalah
14,90 cm pada bayi siamang jantan umur 1 tahun sedangkan PK terpanjang adalah
51,00 cm pada siamang jantan umur 15 tahun (Tabel 7).
Apabila dibandingkan antara rata-rata PL dengan PK, diketahui bahwa
lengan siamang jantan lebih panjang daripada kakinya yaitu 0,76% begitu pula
dengan siamang betina yaitu 0,77% atau PL siamang 3/4 lebih panjang dari
PKnya. Hasil ini sesuai dengan penelitian dalam Lekagul dan McNeely (1977)
bahwa PL famili Hylobatidae lebih panjang sekitar 2/3-3/4 PKnya. Panjangnya
lengan siamang dibandingkan kakinya menandakan siamang lebih banyak
menggunakan lengan dalam melakukan pergerakan. Hasil perbandingan PL dan
PK diketahui bahwa indeks intermembral siamang yaitu 131,44. Menurut Napier
dan Napier (1967), apabila primata mempunyai nilai indeks intermembral dari
100-150 maka dikategorikan sebagai primata yang bergerak dengan cara
brachiation.
34
Tabel 7 Karakteristik panjang kaki siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Panjang Kaki (cm)
1 Bayi dan anak 1-4 3 14,90–29,20 2 Muda/remaja 5-6 4 40,30–47,10 3 Sub dewasa 7-8 11 37,80–49,30 4 Dewasa 9 ke atas 22 39,80–51,00
Jumlah 40
Lingkar kepala (LK), lingkar muka (LM), panjang cranial (PCr), tinggi
cranial (TCr) dan lebar cranial (LbC) merupakan morfometrik yang diukur di
bagian kepala. Rata-rata LK siamang adalah 31,163 cm, rata-rata LM adalah
29,79 cm, rata-rata PCr adalah 10,03 cm, rata-rata TCr adalah 8,25 dan rata-rata
LbC adalah 7,59 cm. Kepala merupakan bagian dari evolusi makhluk hidup,
kepala adalah tempat terletaknya otak dan volume otak dapat menjadi pembeda
antara makhluk hidup. Pada Gambar 7 ditunjukkan bahwa terjadi peningkatan
ukuran bagian kepala siamang hingga berumur 15 tahun.
Tabel 8 Karakteristik lingkar kepala dan lingkar muka siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Lingkar Kepala (cm)
Lingkar Muka (cm)
1 Bayi dan anak 1-4 3 21,30-27,10 18,20-25,20 2 Muda/remaja 5-6 4 30,10-31,60 28,60-29,30 3 Sub dewasa 7-8 11 28,10-33,00 27,10-33,50 4 Dewasa 9 ke atas 22 30,10-34,90 28,40-32,90
Jumlah 40
Tabel 9 Karakteristik panjang, tinggi dan lebar cranial siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel
Cranial (cm) Panjang Tinggi Lebar
1 Bayi dan anak 1-4 3 6,31-7,93 5,22-7,29 5,28-6,89 2 Muda/remaja 5-6 4 8,94-9,40 7,04-8,60 6,95-8,06 3 Sub dewasa 7-8 11 8,20-12,20 7,63-9,64 6,48-8,87 4 Dewasa 9 ke atas 22 8,62-12,20 7,01-11,10 6,98-8,94
Jumlah 40
Lingkar dada (LD) siamang rata-rata 45,84 cm dengan rata-rata LD siamang
jantan 46,36 cm sedangkan siamang betina 45,07 cm. Rata-rata lebar bahu (LbB)
adalah 15,28 cm. Pada Gambar 7, 8 dan 9 ditunjukkan bahwa hingga umur 6
35
tahun morfometrik siamang masih menunjukkan peningkatan, selanjutnya hingga
umur 15 tahun LD masih menunjukkan peningkatan sedangkan LbB lebih
berfluktuasi. Apabila LbB siamang dibandingkan dengan LbB bekantan pada
semua KU, maka bekantan mempunyai ukuran yang lebih besar dimana ukuran
LbB bekatan KU I adalah sekitar 12,00 cm, KU II sekitar 14,00 cm, KU III adalah
14,00-16,67 cm dan KU adalah IV 17,89-26,10 cm (Bismarck 1994).
Tabel 10 Karakteristik lingkar dada dan lebar bahu siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Lingkar Dada (cm)
Lebar Bahu (cm)
1 Bayi dan anak 1-4 3 16,90-36,10 5,60-11,80 2 Muda/remaja 5-6 4 42,40-49,20 12,80-17,90 3 Sub dewasa 7-8 11 39,10-53,10 9,30-17,80 4 Dewasa 9 ke atas 22 41,90-56,50 10,40-25,00
Jumlah 40
Gambar 8 Ukuran bagian tubuh siamang sumatera jantan yang dijadikan parameter morfometrik untuk menduga umur.
Panjang telapak tangan (PTT) berkisar dari 6,63 cm pada umur 1 tahun dan
19,30 cm pada usia 14 tahun, peningkatan PTT ini hampir tiga kali lipat. Lebar
telapak tangan (LTT) berkisar dari 1,34 cm pada umur 1 tahun dan 4,12 cm pada
usia dewasa, peningkatan ukuran organ ini lebih dari tiga kali lipat. Hampir sama
dengan ukuran tubuh yang lain, ukuran PTT dan LTT meningkat pesat hingga
umur 6 tahun, selanjutnya hingga umur ke 15 tahun PTT dan LTT cenderung
stabil seperti yang ditunjukkkan pada Gambar 7.
0
10
20
30
40
50
60
70
80
1 2 5 6 7 8 9 10 11 12 13 14 15
Umur (tahun)
Ukur
an b
agia
n tu
buh
(cm
)
PLPBLDPKLKLMLbBPTTPTKPCrTCrLbCLTKLTT
36
Tabel 11 Karakteristik panjang dan lebar telapak tangan siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Telapak Tangan (cm) Panjang Lebar
1 Bayi dan anak 1-4 3 6,63-12,90 1,34-2,49 2 Muda/remaja 5-6 4 14,10-16,70 2,91-3,25 3 Sub dewasa 7-8 11 14,70-18,20 2,71-3,35 4 Dewasa 9 ke atas 22 14,40-19,30 2,05-4,12
Jumlah 40
Panjang telapak kaki (PTK) berkisar dari 6,20 cm pada umur 1 tahun dan
18,70 cm pada usia 15 tahun, peningkatan PTK ini tiga kali lipat. Lebar telapak
kaki (LTK) berkisar dari 1,33 cm pada umur 1 tahun dan 6,20 cm pada usia
dewasa, peningkatan ukuran organ ini hampir lima kali lipat. Rata-rata PTK
adalah 15,646 cm dan PTT adalah 15,723, hasil rata-rata menunjukkan bahwa
telapak tangan lebih panjang dibandingkan telapa kaki. Hasil ini disebabkan
siamang lebih banyak menggunakan tangan untuk menggenggam cabang pohon
dalam bergerak daripada kaki yang sekali-sekali digunakan untuk menggenggam
dan berjalan di cabang-cabang pohon.
Gambar 9 Ukuran bagian tubuh siamang sumatera betina yang dijadikan parameter morfometrik untuk menduga umur.
0
10
20
30
40
50
60
70
2 5 6 7 8 9 10 11 12 14
Umur (tahun)
Ukur
an b
agia
n tu
buh
(cm
)
PLPBLDPKLKLMLbBPTTPTKPCrTCrLbCLTKLTT
37
Tabel 12 Karakteristik panjang dan lebar telapak kaki siamang sumatera berdasarkan kelas umur
No Kelas Umur Umur (tahun)
Jumlah Sampel (ekor)
Telapak Kaki (cm) Panjang Lebar
1 Bayi dan anak 1-4 3 6,20-12,57 1,33-2,72 2 Muda/remaja 5-6 4 13,70-17,20 3,26-3,52 3 Sub dewasa 7-8 11 13,20-18,90 2,83-4,42 4 Dewasa 9 ke atas 22 14,80-18,70 2,91-6,20
Jumlah 40
Pada Gambar 7, 8 dan 9 ditunjukkan bahwa morfometrik siamang
meningkat secara signifikan hingga umur 6 tahun kemudian pada tahun
berikutnya lebih stabil. Hasil ini sesuai dengan pendapat Bertalanffy (1939)
dalam Jachman (1984) yang menyatakan bahwa vertebrata mempunyai
pertumbuhan ukuran morfologikal yang linear sejalan dengan peningkatan umur
dan pernyataan Giles (1981) bahwa ukuran tubuh akan berkembang sesuai dengan
bertambahnya umur hingga pada suatu titik akan mencapai kematangan dan tidak
akan membesar lagi. Dalam penelitian ini tidak diketahui pada usia berapa
pertumbuhan siamang akan stabil karena terbatasnya umur sampel yang diteliti,
tetapi menurut Young (1981) pertumbuhan pada gibbon berlanjut hingga pada
umur 9 tahun.
Tabel 13 Rata-rata ukuran tubuh siamang sumatera
Parameter Morfometrik
Rata-rata Morfometrik Siamang Sumatera (cm) Selisih Morfometrik ♂ dan ♀ ♂ ♀ ♂ dan ♀
PB 48,163 49,225 48,588 -1,063 PCr 9,485 9,096 9,33 0,388 TCr 8,260 8,229 8,248 0,032 LbC 7,699 7,435 7,594 0,264 LD 46,358 45,069 45,843 1,290 LbB 14,975 15,744 14,713 -0,769 PTT 15,618 15,881 15,723 -0,264 LTT 3,013 2,921 2,976 0,092 PTK 15,857 15,330 15,646 0,527 LTK 3,593 3,656 3,619 -0,065 LK 31,213 31,088 31,163 0,125 LM 29,567 30,144 29,798 -0,577 PL 56,447 56,188 56,343 0,260 PK 42,546 43,150 42,788 -0,604
Rata-rata morfometrik siamang pada Tabel 13 menunjukkan bahwa betina
mempunyai morfometrik yang lebih besar dibandingkan jantan pada 6 parameter
morfometrik yaitu PB, LbB, PTT, LTK, LM dan PK. Selisih morfometrik antara
38
jantan dan betina yang ditunjukkan pada Tabel 13 tidak besar, sehingga dapat
disimpulkan bahwa seksual dimorphism pada siamang tidak terlalu terlihat. Hasil
ini sesuai dengan pendapat Napier dan Napier (1986) yang menyatakan bahwa
terdapat sedikit perbedaan ukuran tubuh antara jantan dan betina pada famili
Hylobatidae.
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Jantan
Sebelum dilakukan analisis, data parameter morfometrik perlu di uji
kevaliditasan dan reliabilitasnya. Hasil uji menunjukkan bahwa parameter
morfometrik yang digunakan dalam penelitian ini valid dan reliabel dengan nilai
koefisien korelasi pada uji validitas dan koefisien alpha hitung pada uji reliabilitas
lebih besar dari 0,500 (Lampiran 4 dan 5). Dengan demikian semua parameter
morfometrik yang digunakan untuk menduga umur siamang dapat digunakan dan
dipercaya untuk mengumpulkan data yang diperlukan.
Pada uji linearitas garis regresi, diperoleh hasil semua parameter
morfometrik berbentuk linear kecuali pada parameter lebar bahu dan panjang
telapak tangan yang ditunjukkan oleh nilai signifikasi lebih besar dari 0,05 atau
alpha (Lampiran 6 dan 7). Apabila garis yang diperoleh berbentuk linear maka
disimpulkan bahwa parameter dapat digunakan untuk memprediksi umur siamang.
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Jantan
Data-data hasil pengukuran selanjutnya di analisis faktor. Analisis
dilakukan untuk mengetahui apakah parameter layak untuk diproses lebih lanjut
ke dalam regresi. Kelayakan tersebut dapat dilihat dari besarnya nilai K-M-O
MSA, apabila nilai K-M-O MSA lebih besar dari 0,500 maka parameter
morfometrik dapat diproses lebih lanjut.
Tabel 14 KMO dan Bartlett's Test untuk data siamang sumatera jantan
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,862
Bartlett's Test of Sphericity Approx. Chi-Square 516,817 Df 91 Sig. 0,000
39
Gambar 10 Komponen Plot dalam Rotated Space untuk data siamang sumatera jantan.
Pada Tabel 14 ditunjukkan nilai K-M-O MSA adalah 0,862 atau lebih besar
dari 0,50 dengan nilai signifikasi 0,000, maka ditafsirkan bahwa data-data hasil
pengukuran morfometrik siamang jantan dapat diproses lebih lanjut dalam regresi.
Pada Tabel Anti-image Matrices pada ruang korelasi anti-image (Lampiran 8)
ditunjukkan tidak terdapat nilai yang berinisial a (MSA) yang lebih kecil dari
0,50, sehingga tidak ada parameter yang harus dikeluarkan dari persamaan. Pada
Gambar 10 disajikan bahwa semua parameter morfometrik berkumpul dalam satu
ruang yang menandakan bahwa dari semua parameter dapat diwakili oleh satu
parameter saja. Model matematik yang terbentuk dari parameter morfometrik
siamang jantan untuk menduga umur yaitu:
Y = - 12,101 + 0,115 X1 + 0,437 X2 – 1,935 X3 – 2,804 X4 + 0,392 X5 + 0,212
X6 – 1,658 X7 – 6,214 X8 + 2,028 X9 + 0,829 X10 + 0,363 X11 + 1,753 X12 +
0,049 X13 – 0,674 X14
Pada Tabel 15 disajikan nilai koefisien determinasi (R2) dari model
matematik di atas sangat tinggi sebesar 0,849 atau 84,90% yang berarti bahwa
sumbangan parameter morfometrik terhadap umur sangat besar dan dapat
digunakan menjadi model matematik. Tetapi melalui uji t (Tabel 17) ditunjukkan
bahwa dari semua parameter yang dimasukkan dalam model regresi hanya
parameter lingkar muka (X12) yang berpengaruh signifikan dengan nilai signifikasi
<0,05. Melalui nilai-nilai tersebut, model matematika di atas diindikasikan
memiliki masalah multikolinearitas antar parameter morfometrik.
0.90.60.30.0-0.3-0.6-0.9
Component 1
0.9
0.6
0.3
0.0
-0.3
-0.6
-0.9
Com
pone
nt 2 X14
X13
X12
X11
X10
X9
X8
X7
X6 X5
X4
X3X2
X1
Component Plot in Rotated Space
40
Tabel 15 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera jantan
Tabel 16 ANOVA untuk menduga umur siamang sumatera jantan
Model Sum of Squares df Mean Square F Sig.
1 Regression 231,366 14 16,526 3,605 0,029(a) Residual 41,259 9 4,584 Total 272,625 23
Tabel 17 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera jantan
Pada Tabel 15 ditunjukkan bahwa nilai Durbin-Watson (DW) yang
diperoleh dari pengujian adalah 1,054. Rietveld dan Sunaryanto (1994) dalam
Sudarmanto (2005) menyatakan apabila nilai DW mendekati angka 2, maka dapat
dinyatakan bahwa data pengamatan tidak memiliki autokorelasi, bila sebaliknya
maka dinyatakan memiliki autokorelasi. Dari nilai DW model matematika di atas
yang menjauhi nilai 2 berarti antar parameter morfometrik memiliki autokorelasi,
hasil ini menunjukkan bahwa model matematika belum layak digunakan untuk
menduga umur siamang jantan.
Model R R Square Adjusted R Square
Std. Error of the Estimate
Sig. F Change
Durbin-Watson
1 0,921(a) 0,849 0,613 2,141 0,029 1,054
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) -12,101 11,373 -1,064 0,315
X1 0,115 0,206 0,340 0,561 0,589 X2 0,437 1,130 0,157 0,387 0,708 X3 -1,935 1,612 -0,640 -1,200 0,261 X4 -2,804 1,958 -0,673 -1,432 0,186 X5 0,392 0,202 1,057 1,938 0,085 X6 0,212 0,302 0,240 0,702 0,501 X7 -1,658 0,777 -1,395 -2,135 0,062 X8 -6,214 2,827 -1,056 -2,198 0,055 X9 2,028 0,949 1,825 2,137 0,061 X10 0,829 1,060 0,248 0,783 0,454 X11 0,363 0,635 0,329 0,571 0,582 X12 1,753 0,741 1,720 2,366 0,042 X13 0,049 0,332 0,178 0,149 0,885 X14 -0,674 0,608 -1,718 -1,109 0,296
41
Pendugaan Umur Siamang Sumatera Jantan (1-15 Tahun)
Untuk memperoleh parameter morfometrik yang paling menentukan dalam
menduga umur siamang jantan maka dilakukan pengurangan parameter yang
berkorelasi tinggi terhadap faktor umur dengan tujuan untuk mendapatkan satu
persamaan regresi yang paling baik. Berdasarkan hasil analisis statistik yang
menghasilkan model matematika di atas yang ternyata memiliki masalah
multikolinearitas dan autokorelasi antar parameter maka dilakukan analisis
statistik regresi linear berganda dengan metode stepwise. Hasil analisis dengan
metode stepwise diperoleh parameter yang paling menentukan untuk menduga
umur siamang jantan, sebagai berikut :
Y = - 14,546 + 0,801 X12
Pada Tabel 18 ditunjukkan nilai R2 dari model matematika di atas sebesar
0,617 yang berarti bahwa pengaruh X12 (lingkar muka atau LM) terhadap umur
cukup kuat sehingga dapat digunakan menjadi model matematika. Pada Tabel 19
ditunjukkan nilai Fhitung sebesar 35,483 dengan df1 = 1 dan df2 = 22, berdasarkan
tabel F pada tingkat alpha 5% dengan df di atas maka diketahui Ftabel sebesar 4,30,
karena Fhitung > Ftabel yaitu 35,483 > 4,30 dapat disimpulkan bahwa secara
signifikan dan positif terdapat pengaruh LM terhadap umur. Analisis terhadap
kemungkinan kesalahan untuk menerima H1 adalah sebesar 0,00% sebagaimana
ditunjukkan pada sig. F change pada model rekapitulasi (Tabel 18).
Tabel 18 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan
Model R R Square Adjusted R Square
Sig. F Change
Std. Error of the Estimate
1 0,786(a) 0,617 0,600 0,000 2,178 Tabel 19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera jantan
Model Sum of Squares df Mean Square F Sig.
1 Regression 168,286 1 168,286 35,483 0,000(a) Residual 104,339 22 4,743 Total 272,625 23
42
Tabel 20 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) -14,546 3,999 -3,638 0,001
X12 0,801 0,134 0,786 5,957 0,000
Melalui uji t (Tabel 20) ditunjukkan bahwa lingkar muka berpengaruh
sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-
nilai di atas, maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas. Hasil ini sesuai dengan Gambar 10 yang menunjukkan bahwa
dari semua parameter yang diukur hanya dapat diwakili satu parameter saja karena
terdapat masalah multikolinearitas.
Gambar 11 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk
menduga umur siamang jantan.
Dari nilai R2 pada Tabel 18 yang berarti 61,70% umur siamang jantan dapat
dijelaskan oleh parameter lingkar muka, sedangkan sisanya sebesar 38,30%
dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika
ini.
Pada Gambar 11, Grafik Scatterplot menunjukkan bahwa titik-titik yang
digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu.
Melalui grafik ini ditunjukkan bahwa model matematika diindikasikan tidak
memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut varian
residual dari satu pengamatan ke pengamatan yang lain adalah tetap atau
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
0-2-4
Regression Standardized Predicted Value
2
0
-2
Re
gre
ss
ion
Stu
de
nti
zed
De
lete
d
(Pre
ss
) R
esid
ual
Scatterplot
Dependent Variable: Y
43
homoskedastisitas. Hasil ini menunjukkan bahwa model matematika layak
digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar
muka. Melalui Grafik Normal P-P Plot pada Gambar 11, diketahui bahwa titik-
titik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut membentuk
garis diagonal, sehingga dapat dikatakan model matematika yang ada memenuhi
asumsi normalitas.
Dari model matematika dapat dijelaskan bahwa pertambahan umur
berbanding lurus positif dengan pertambahan lingkar muka. Harga koefisien
konstanta = -14,546 yang berarti apabila ukuran lingkar muka sama dengan nol,
maka umur akan sebesar -14,546%. Harga koefisien b12 = 0,801 yang berarti
apabila pengukuran lingkar muka mengalami kenaikan sebesar satu cm, maka
umur akan meningkat sebesar 0,801 tahun.
Hasil analisis di atas menunjukkan bahwa lingkar muka merupakan
parameter yang paling menentukan dalam menduga umur siamang jantan dari 1-
15 tahun. Hasil ini sesuai dengan pendapat Frandson (1992) yang menyatakan
bahwa banyak pengamatan yang menunjukkan adanya perbedaan antar spesies
terutama pada bagian kepala dan tergantung dari variasi pada pars fasialis
kranium.
Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun)
Berdasarkan Gambar 8 dilakukan analisis statistik untuk memperoleh
parameter yang paling menentukan dalam menduga umur siamang jantan hingga
umur 6 tahun. Hasil analisis menghasilkan model matematika sebagai berikut:
Y = -2,091 + 0,496 X7
Pada Tabel 21 disajikan nilai R2 dari model matematika di atas sebesar
0,994 yang berarti bahwa pengaruh panjang telapak tangan (X7) terhadap umur
sangat besar sehingga dapat digunakan menjadi model matematika. Pada Tabel
30 disajikan nilai Fhitung sebesar 344,726 dan Ftabel sebesar 18,51, karena Fhitung >
Ftabel maka hasilnya disimpulkan bahwa secara signifikan dan positif terdapat
pengaruh panjang telapak tangan terhadap umur siamang jantan hingga umur 6
tahun.
44
Tabel 21 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun
Model R R Square Adjusted R Square
Std. Error of the Estimate Sig. F Change
1 0,997(a) 0,994 0,991 0,221 0,003
Tabel 22 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun
Model Sum of Squares df Mean Square F Sig.
1 Regression 16,902 1 16,902 344,726 0,003(a) Residual 0,098 2 0,049 Total 17,000 3
Tabel 23 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun
Model
Unstandardized Coefficients
Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) -2,091 0,321 -6,516 0,023 X7 0,496 0,027 0,997 18,567 0,003
Melalui uji t (Tabel 23) ditunjukkan bahwa panjang telapak tangan
berpengaruh sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05.
Melalui nilai-nilai di atas, maka model matematika diindikasikan tidak memiliki
masalah multikolinearitas. Nilai R2 model matematika di atas sebesar 0,994 yang
berarti bahwa 99,40% umur dapat dijelaskan oleh parameter panjang telapak
tangan, sedangkan sisanya sebesar 0,60% dijelaskan oleh faktor lain yang tidak
dapat dijelaskan dalam model matematika ini.
Hasil analisis di atas menunjukkan bahwa parameter morfometrik yang
paling menentukan untuk menduga umur siamang jantan hingga umur 6 tahun
adalah panjang telapak tangan. Hasil ini sesuai dengan pendapat Young (1981)
yang menyatakan tangan-tangan famili hylobates merupakan kekhususan untuk
melakukan brachiation dengan jari jempol yang pendek dan metacarpal yang
panjang. Hasil ini berbeda dengan parameter penduga umur siamang jantan umur
1-15 tahun dimana parameter yang menentukan adalah lingkar muka.
45
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Betina
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Betina
Hasil analisis faktor pada Tabel 24, ditunjukkan nilai K-M-O MSA adalah
0,713 atau lebih besar dari 0,50 dengan nilai signifikasi 0,000, maka semua
parameter morfometrik siamang betina yang diukur dapat diproses lebih lanjut
dalam regresi. Pada Tabel Anti-image Matrices ruang korelasi anti-image (Tes I
pada Lampiran 12), terdapat nilai yang berinisial a (MSA) yang lebih kecil dari
0,50 yaitu X6 (lebar bahu) dan X3 (tinggi cranial) sehingga parameter tersebut
harus dikeluarkan dari regresi awal. Selanjutnya dilakukan analisis faktor lanjutan
sampai tidak ditemukan nilai korelasi anti-image yang berinisial a (MSA) yang
tidak lebih kecil dari 0,50.
Tabel 24 KMO dan Bartlett's Test (tes I) untuk data siamang sumatera betina Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,713
Bartlett's Test of Sphericity Approx. Chi-Square 154,019Df 91Sig. 0,000
Tabel 25 KMO dan Bartlett's Test (tes IV) untuk data siamang sumatera betina Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,807
Bartlett's Test of Sphericity Approx. Chi-Square 131,928df 55Sig. 0,000
Gambar 12 Komponen Plot dalam Rotated Space (tes IV) untuk data siamang
sumatera betina.
46
Parameter yang dikeluarkan dari tes secara berurutan adalah lebar bahu,
lebar telapak tangan dan tinggi cranial (Tes IV pada Lampiran 12) dan diperoleh
nilai K-M-O MSA sebesar 0,807 atau lebih besar dari 0,50 dengan nilai signifikasi
0,000, maka semua parameter morfometrik siamang betina yang tersisa dapat
diproses lebih lanjut dalam regresi (Tabel 25). Pada Gambar 12 disajikan bahwa
semua parameter morfometrik berkumpul dalam satu ruang yang menandakan
bahwa dari semua parameter dapat diwakili oleh satu parameter saja. Model
matematik yang terbentuk dari 14 parameter sebagai berikut:
Y = 20,648 + 0,237 X1 – 4,747 X2 – 1,291 X3 – 1,947 X4 + 0,460 X5 – 0,197 X6 +
0,135 X7 – 0,540 X8 + 0,967 X9 + 0,669 X10 – 1,211 X11 + 1,139 X12 – 0,160
X13 + 0,498 X14
Pada Tabel 26 disajikan nilai R2 dari model matematika sangat tinggi
sebesar 0,990, berarti bahwa sumbangan parameter morfometrik terhadap umur
sangat besar dan dapat digunakan menjadi model matematika. Tetapi melalui uji t
(Tabel 28) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam
model regresi tidak ada yang signifikan yang ditunjukkan dengan nilai signifikasi
>0,05. Melalui nilai-nilai di atas, model matematika diindikasikan memiliki
masalah multikolinearitas antar parameter morfometrik.
Tabel 26 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera betina
Model R R Square Adjusted R Square
Std. Error of the Estimate Sig. F Change Durbin-
Watson 1 0,995(a) 0,990 0,847 1,234 0,290 2,152
Tabel 27 ANOVA untuk menduga umur siamang sumatera betina
Model Sum of Squares df Mean Square F Sig.
1 Regression 147,914 14 10,565 6,933 0,290(a) Residual 1,524 1 1,524 Total 149,438 15
47
Tabel 28 Koefisien-koefisien analisis regresi untuk menduga umur siamang sumatera betina
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) 20,648 11,204 1,843 0,317
X1 0,237 0,147 0,428 1,616 0,353 X2 -4,747 1,662 -0,790 -2,856 0,214 X3 -1,291 0,927 -0,301 -1,393 0,396 X4 -1,947 1,784 -0,302 -1,091 0,472 X5 0,460 0,200 0,640 2,298 0,261 X6 -0,197 0,072 -0,461 -2,739 0,223 X7 0,135 0,941 0,047 0,144 0,909 X8 -0,540 1,736 -0,060 -0,311 0,808 X9 0,967 0,658 0,376 1,471 0,380 X10 0,669 0,945 0,144 0,709 0,608 X11 -1,211 0,617 -0,632 -1,964 0,300 X12 1,139 0,492 0,831 2,315 0,260 X13 -0,160 0,227 -0,294 -0,703 0,610 X14 0,498 0,373 0,679 1,336 0,409
Pendugaan Umur Siamang Sumatera Betina (2-14 Tahun)
Untuk memperoleh parameter morfometrik yang paling menentukan dalam
menduga umur siamang betina, maka dilakukan pengurangan parameter
morfometrik yang berkorelasi tinggi terhadap umur dengan tujuan untuk
mendapatkan satu persamaan regresi yang paling baik. Hasil analisis dengan
metode stepwise diperoleh model matematika, sebagai berikut:
Y = - 15,328 + 0,533 X5
Pada Tabel 29 disajikan nilai R2 dari model matematika sebesar 0,551 yang
berarti bahwa pengaruh X5 (lingkar dada) terhadap umur dapat digunakan menjadi
model matematika. Pada Tabel 30 disajikan nilai Fhitung sebesar 17,161 dengan
df1 = 1 dan df2 = 14, berdasarkan tabel F pada tingkat alpha 5% dengan df di atas
maka diketahui Ftabel sebesar 4,60. Karena Fhitung > Ftabel yaitu 17,161 > 4,60 maka
hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh
lingkar dada terhadap umur. Analisis terhadap kemungkinan kesalahan untuk
menerima H1 adalah sebesar 0,1% sebagaimana ditunjukkan pada sig. F change
pada model rekapitulasi (Tabel 29).
48
Tabel 29 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina
Model R R Square Adjusted R Square
Std. Error of the Estimate Sig. F Change
1 0,742(a) 0,551 0,519 2,190 0,001
Tabel 30 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina
Model Sum of Squares df Mean Square F Sig.
1 Regression 82,298 1 82,298 17,161 0,001(a) Residual 67,139 14 4,796 Total 149,438 15
Gambar 13 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk
menduga umur siamang sumatera betina. Tabel 31 Kofisien-kofisien analisis regresi dengan metode stepwise untuk
menduga umur siamang sumatera betina
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) -15,328 5,823 -2,632 0,020
X5 0,533 0,129 0,742 4,143 0,001
Melalui uji t (Tabel 31) ditunjukkan bahwa parameter lingkar dada
berpengaruh signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui
nilai-nilai di atas, maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas. Dari nilai R2 pada Tabel 29 yang berarti 55,10% umur siamang
betina dapat dijelaskan oleh parameter lingkar dada, sedangkan sisanya sebesar
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
10-1-2
Regression Standardized Predicted Value
2
1
0
-1
-2
Re
gre
ss
ion
Stu
de
nti
ze
d D
ele
ted
(P
ress)
Resid
ual
Scatterplot
Dependent Variable: Y
49
44,90% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model
matematika ini.
Pada Gambar 13, Grafik Scatterplot menunjukkan bahwa titik-titik yang
digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu.
Melalui grafik ini dapat disimpulkan model matematika diindikasikan tidak
memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut,
varian residual dari satu pengamatan ke pengamatan lain adalah tetap atau
homoskedastisitas. Hasil ini menunjukkan bahwa model matematika layak
digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar
dada. Selanjutnya pada Grafik Normal P-P Plot Gambar 13, diketahui bahwa
titik-titik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut
membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada
memenuhi asumsi normalitas.
Dari model matematika dapat dijelaskan bahwa bahwa pertambahan umur
berbanding lurus positif dengan pertambahan lingkar dada. Harga koefisien
konstanta = -15,328 yang berarti apabila ukuran lingkar dada sama dengan nol,
maka umur akan sebesar -15,328%. Harga koefisien b5 = 0,533 yang berarti
apabila ukuran lingkar dada mengalami kenaikan sebesar satu cm, maka umur
akan meningkat sebesar 0,533 tahun.
Hasil analisis di atas menunjukkan bahwa lingkar dada merupakan
parameter yang paling menentukan untuk menduga umur siamang betina umur 2-
14 tahun. Parameter ini dimungkinkan karena siamang betina mempunyai
tonjolan pada dada sehingga memberikan bentuk yang lebih besar dibandingkan
siamang jantan dan menurut Napier dan Napier (1986) hanya dada-dada monyet-
monyet dunia tua dan ape yang menunjukkan kesamaan dengan dada manusia,
meskipun kurang pada konsentrasi jaringan lemak dan tonjolan keluarnya.
Pendapat ini sejalan dengan pendapat Bertalanffy (1939) dalam Jachman (1984)
bahwa vertebrata mempunyai pertumbuhan ukuran morfologikal yang linier
dengan peningkatan umur.
50
Pendugaan Umur Siamang Sumatera Betina (2-6 Tahun)
Berdasarkan Gambar 9 dilakukan analisis untuk menentukan parameter
morfometrik guna menduga umur siamang betina hingga umur 6 tahun. Hasil
analisis menghasilkan model matematika sebagai berikut:
Y = -15,676 + 0,489 X5
Pada Tabel 32 disajikan nilai R2 dari model matematika di atas sebesar
0,999 yang berarti bahwa pengaruh lingkar dada (X5) terhadap umur sangat besar
sehingga dapat digunakan menjadi model matematika. Pada Tabel 33 disajikan
nilai Fhitung sebesar 1160,333 dan Ftabel sebesar 161,45, karena Fhitung > Ftabel maka
hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh
lingkar dada terhadap umur siamang betina hingga umur 6 tahun.
Tabel 32 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun
Model R R Square Adjusted R Square
Std. Error of the Estimate Sig. F Change
1 1,000(a) 0,999 0,998 0,086 0,019
Tabel 33 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun
Model Sum of Squares df Mean Square F Sig.
1 Regression 8,659 1 8,659 1160,333 0,019(a) Residual 0,007 1 0,007 Total 8,667 2
Tabel 34 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun
Model
Unstandardized Coefficients
Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) -15,676 0,590 -26,591 0,024
X5 0,489 0,014 1,000 34,064 0,019
Melalui uji t (Tabel 34) ditunjukkan bahwa lingkar dada berpengaruh cukup
signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-nilai di
atas maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas. Dari nilai R2 model matematika di atas sebesar 0,999 berarti
bahwa 99,90% umur dapat dijelaskan oleh parameter lingkar dada, sedangkan
51
sisanya sebesar 0,10% dijelaskan oleh faktor lain yang tidak dapat dijelaskan
dalam model matematika ini.
Hasil analisis di atas menunjukkan bahwa parameter morfometrik yang
paling menentukan untuk menduga umur siamang betina hingga 6 tahun yaitu
lingkar dada. Parameter ini sama dengan hasil parameter untuk menduga umur
siamang betina umur 2-14 tahun.
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera
Menurut Lekagul dan McNeely (1977) dalam Nowak (1999), gibbon tidak
memiliki perbedaan seks (sexual dimorphism) yang jelas pada ukuran badan,
tengkorak dan gigi seperti yang biasa ditemukan pada ape besar. Berdasarkan
pada pernyataan di atas, maka dilakukan analisis untuk menentukan umur siamang
yang menggabungkan parameter morfometrik jantan dan betina.
Pada Tabel 35 ditunjukkan nilai K-M-O MSA adalah 0,916 atau lebih besar
dari 0,50 dengan nilai signifikasi 0,000 maka kumpulan parameter morfometrik
siamang dapat diproses lebih lanjut dalam regresi. Sedangkan pada Tabel Anti-
image Matrices ruang korelasi anti-image (Lampiran 16) ditunjukkan nilai yang
berinisial a (MSA) tidak ada yang lebih kecil dari 0,50 sehingga tidak ada
parameter yang harus dikeluarkan dalam persamaan. Pada Gambar 14 disajikan
semua parameter morfometrik berkumpul dalam satu ruang yang menandakan
bahwa dari semua parameter yang diukur dapat diwakili oleh satu parameter saja.
Gambar 14 Komponen Plot dalam Rotated Space untuk data siamang sumatera.
52
Tabel 35 KMO dan Bartlett's Test untuk data siamang sumatera Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,916
Bartlett's Test of Sphericity Approx. Chi-Square 720,100df 91Sig. 0,000
Model matematika yang terbentuk adalah:
Y = - 3,232 + 0,037 X1 – 0,010 X2 – 0,625 X3 – 2,320 X4 + 0,360 X5 – 0,134 X6
– 0,747 X7 – 1,558 X8 + 0,979 X9 + 0,051 X10 + 0,257 X11 + 0,522 X12 –
0,013 X13 – 0,076 X14
Pada Tabel 36 disajikan nilai R2 dari model matematika di atas cukup tinggi
sebesar 0,685, berarti sumbangan parameter morfometrik terhadap umur cukup
besar dan dapat digunakan menjadi model matematika. Tetapi melalui uji t (Tabel
38) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam model
regresi hanya parameter lingkar dada (X5) yang berpengaruh signifikan dengan
nilai signifikasi <0,05. Melalui nilai-nilai di atas, model matematika ini
diindikasikan memiliki masalah multikolinearitas antar parameter.
Tabel 36 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera
Model R R Square Adjusted R Square
Std. Error of the Estimate
Sig. F Change
Durbin-Watson
1 0,827(a) 0,685 0,508 2,312 0,002 1,048
Tabel 37 ANOVA untuk menduga umur siamang sumatera
Model Sum of Squares df Mean Square F Sig.
1 Regression 290,219 14 20,730 3,877 0,002(a) Residual 133,681 25 5,347 Total 423,900 39
Tabel 38 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera
Model
Unstandardized Coefficients
Standardized Coefficients t
Sig.
B Std. Error Beta1 (Constant) -3,232 8,475 -0,381 0,706
X1 0,037 0,122 0,096 0,303 0,764 X2 -0,010 0,752 -0,003 -0,013 0,990 X3 -0,625 0,667 -0,187 -0,938 0,357 X4 -2,320 1,310 -0,503 -1,771 0,089 X5 0,360 0,145 0,837 2,484 0,020 X6 -0,134 0,173 -0,141 -0,771 0,448 X7 -0,747 0,559 -0,528 -1,336 0,194
53
X8 -1,558 1,436 -0,237 -1,085 0,288 X9 0,979 0,641 0,746 1,527 0,139 X10 0,051 0,770 0,014 0,066 0,948 X11 0,257 0,465 0,203 0,552 0,586 X12 0,522 0,370 0,472 1,413 0,170 X13 -0,013 0,195 -0,040 -0,066 0,948 X14 -0,076 0,287 -0,167 -0,265 0,793
Pada Tabel 36 ditunjukkan bahwa nilai DW yang diperoleh dalam pengujian
adalah 1,048 yang berarti nilai ini menjauhi angka 2 sehingga model matematika
diduga memiliki autokorelasi, maka model matematika belum layak digunakan
untuk menduga umur siamang.
Pendugaan Umur Siamang Sumatera (1-15 Tahun)
Hasil analisis dengan metode stepwise diperoleh parameter yang paling
menentukan untuk menduga umur siamang, sebagai berikut :
Y = -5,331 + 0,312 X5
Pada Tabel 39 disajikan nilai R2 dari model matematika di atas sebesar
0.525 yang berarti bahwa pengaruh lingkar dada (X5) terhadap umur cukup besar
sehingga dapat digunakan menjadi model matematika. Pada Tabel 40 disajikan
nilai Fhitung sebesar 41,940 dengan df1 = 1 dan df2 = 38, berdasarkan tabel F pada
tingkat alpha 5% dengan df di atas diketahui Ftabel sebesar 4,098. Karena Fhitung >
Ftabel yaitu 41,940 > 4,098 dapat disimpulkan bahwa secara signifikan dan positif
terdapat pengaruh lingkar dada terhadap umur.
Tabel 39 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 0,724(a) 0,525 0,512 2,303
Tabel 40 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera
Model Sum of Squares df Mean Square F Sig.
1 Regression 222,397 1 222,397 41,940 0,000(a) Residual 201,503 38 5,303 Total 423,900 39
54
Tabel 41 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) -5,331 2,235 -2,385 0,022
X5 0,312 0,048 0,724 6,476 0,000
Melalui uji t pada Tabel 41 ditunjukkan bahwa lingkar dada berpengaruh
sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-
nilai di atas maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas.
Dari nilai R2 model matematika di atas sebesar 0,525 yang berarti 52,50%
umur dapat dijelaskan oleh parameter lingkar dada, sedangkan sisanya sebesar
47,50% dapat dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model
matematika ini.
Gambar 15 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk
menduga umur siamang sumatera.
Pada Gambar 15, Grafik Scatterplot menunjukkan bahwa titik-titik yang
digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu.
Melalui grafik ini ditunjukkan bahwa model matematika diindikasikan tidak
memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut varian
residual dari satu pengamatan ke pengamatan lain adalah tetap atau
homoskedastisitas. Hasil ini menunjukkan bahwa model matematika layak
digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
210-1-2-3-4
Regression Standardized Predicted Value
2
0
-2
Re
gre
ssio
n S
tud
en
tized
Dele
ted
(P
ress)
Resid
ual
Scatterplot
Dependent Variable: Y
55
dada. Selanjutnya pada Grafik Normal P-P Plot Gambar 15, diketahui bahwa
titik-titik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut
membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada
memenuhi asumsi normalitas.
Dari model matematika dapat dijelaskan bahwa pertambahan umur siamang
berbanding lurus positif dengan pertambahan lingkar dada. Harga koefisien
konstanta = -5,331 berarti apabila ukuran lingkar dada sama dengan nol, maka
umur akan sebesar -5,331 tahun. Harga koefisien b5 = 0,312 yang berarti apabila
ukuran lingkar dada mengalami kenaikan sebesar 1 cm, maka umur akan
meningkat sebesar 0,312 tahun.
Hasil analisis di atas menunjukkan bahwa lingkar dada merupakan
parameter yang paling menentukan untuk menduga umur siamang dari 1-15 tahun.
Hasil ini sesuai dengan pendapat Young (1981) yang menyatakan bahwa
kebiasaan melakukan brachiation berpengaruh pada seluruh kerangka tubuh.
Spesialisasi dalam brachiation mempengaruhi rongga dada famili hylobatidae
yang lebih besar dari kera-kera lain, dimana rongga dada yang lebar dan tulang
belikat (skapula) di belakang membuat pusat gaya berat lebih ke tengah tubuh
apabila hewan ini berdiri tegak dan memberi keleluasaan gerak bagi lengan
(Hoeve 1992).
Aplikasi pada Manajemen Populasi
Untuk mencapai tujuan jangka panjang dari konservasi strategi dibutuhkan
taktik-taktik konservasi jangka pendek. Taktik kunci dalam strategi konservasi
primata yaitu sistem-sistem perlindungan kawasan, pemanfaatan yang
berkelanjutan dan penangkaran (Colinsaw dan Dunbar 2000).
Aplikasi dari diketahuinya parameter morfometrik yang paling menentukan
untuk menduga umur siamang dalam strategi konservasi primata adalah
memberikan perhatian khusus pada siamang yang berumur 4-6 tahun dalam
kawasan-kawasan konservasi eksitu karena telah memasuki masa matang seksual,
misalnya mencoba ‘perjodohan’ antara jantan dan betina untuk kepentingan
perkembangbiakkan. Siamang di alam merupakan satwa monogami, untuk itu
56
‘perjodohan’ di kandang perlu dipantau dengan ketat karena ketidakcocokan
pasangan berakibat kematian pada pasangan.
Konservasi eksitu berperan dalam mendukung konservasi insitu berupa
restocking, reintroduksi dan introduksi satwaliar ke alam untuk mendukung
populasi yang ada. Pentingnya ‘perjodohan’ di pusat-pusat rehabilitasi berlanjut
saat pelepasliaran siamang di alam. Pelepasliaran dilakukan secara berpasangan
dengan harapan terjadi perkembangbiakkan di alam, bila tanpa pasangan maka
akan sangat sulit bagi siamang untuk mendapatkan pasangannya sendiri di alam
karena sistem perkawinan yang monogami dan sistem mempertahankan teritori.
Untuk mencapai manfaat dari hasil penelitian ini dan memudahkan aplikasi
di lapangan, maka dibuat tabel pendugaan umur siamang sumatera berdasarkan
pada model matematika guna menduga umur sesuai dengan parameter yang paling
menentukan (Lampiran 19).
SIMPULAN DAN SARAN
Simpulan
1. Parameter morfometrik yang paling menentukan untuk menduga umur
siamang sumatera jantan dari umur 1-15 tahun adalah lingkar muka dengan
model matematika Umur = -14.546 + 0.801 LM, sedangkan untuk umur 1-6
tahun adalah panjang telapak tangan dengan model matematika Umur =
-2.091 + 0.496 PTT.
2. Parameter morfometrik yang paling menentukan untuk menduga umur
siamang sumatera betina dari umur 2-14 tahun adalah lingkar dada dengan
model matematika Umur = -15.328 + 0.533 LD, sedangkan untuk umur 2-6
tahun adalah lingkar dada dengan model matematika Umur = -15.676
+ 0.489 LD.
3. Parameter morfometrik yang paling menentukan untuk menduga umur
siamang sumatera dari umur 1-15 tahun adalah lingkar dada dengan model
matematika Umur = -5.331 + 0.312 LD.
Saran
Perlu dilakukan penelitian lanjutan, terutama mengukur morfometrik
siamang sumatera yang umurnya belum tercakup dalam penelitian ini. Model-
model matematika di atas sebaiknya harus selalu diperbaharui dengan
menambahkan data-data baru tentang morfometrik siamang sumatera sesuai
dengan umur yang telah ada.
DAFTAR PUSTAKA
Alikodra HS. 1997. Teknik Pengelolaan Satwa Liar dalam Rangka
Mempertahankan Keanekaragaman Hayati Indonesia. Bogor.
Alikodra HS. 2002. Pengelolaan Satwa Liar: Jilid 1. Bogor: Yayasan Penerbit Fakultas Kehutanan.
Bailey JA. 1984. Principles of Wildlife Management. New York: John Wiley & Sons Ltd.
Bismarck M. 1994. Analisis Geometri Tubuh Bekantan (Nasalis lavartus). Buletin Penelitian Hutan 561:41-52.
Brower EJ, Zar JH. 1977. Field and Laboratory Methods for General Ecology. Iowa: Wm. c. Brown Company Publishers.
Campbell J, Lack E. 1985. A Dictionary of Birds. Vermilion: Buteo Books.
Caughley G. 1977. Analysis of Vertebrata Populations. London: John Wiley & Sons Ltd.
Chivers DJ. 1977. The Lesser Apes. In Primate Conservation. London: Acad Press.
Cowlishaw G, Dunbar R. 2000. Primate Conservation Biology. London: University of Chicago Press.
Frandson RD. 1992. Anatomi dan Fisiologi Ternak. Srigandono B, Praseno K, penerjemah; Soedarsono, editor. Ed ke-4. Yogyakarta: Gadjah Mada University Press.
Giles RH. 1981. Wildlfe Management Techniques: Edisi Ketiga. Dehra Dun-India: Natraj Publishers.
Gittin SP, Raemaekers JJ. 1980. Malayan Forest Primates: Siamang, Lar, and Agile Gibbons. New York: Plenum Press.
Harvey PH, Martin RD, Clutton-Brock TH. 1987. Life Histories in Comparative Perpective. Di dalam: Myers LB, Sheffield R, editor. The Pictorial Guide to The Living Primates. Pogonias Press. East Hampton, New york. 1996. hlm 216.
Hoeve V. 1992. Ensiklopedia Indonesia Seri Fauna-Mamalia. Jakarta: Ichtiar Baru.
Jachman H. 1984. An Ecology of Elephant in the Kasungu National Park: Malawi. Rotterdam: Neth. J. of Zoo.
Lekagul B, McNeely JA. 1977. Mammals of Thailand. Bangkok: Kurushapa Ladprao Press.
Mansjoer I, Mansjoer SS, Sajithi D. 1989. Studi Banding Sifat-sifat Biologis Ayam Kampung, Ayam Pelung dan Ayam Bangkok [laporan penelitian]. Bogor: Fakultas Peternakan, Institut Pertanian Bogor.
59
Mukhtar AS. 1996. Studi Dinamika Populasi Rusa dalam Menunjang Taman Buru Pulau Moyo: Provinsi Nusa Tenggara Timur [disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Myers LB, Sheffield R. 1996. The Pictorial Guide to Living Primates. East Hampton, New York: Pogonias Press.
Napier JR, Napier PH. 1967. A Hand Book of Living Primates: Morphology, Ecology, and Behaviour of Non Human Primates. London: Academic Press.
Napier JR, Napier PH. 1986. The Natural History of The Primates. Massachusetts: The MIT Press.
Nowak MR. 1999. Mammals of The World. Sixth Edition. Volume I. Baltimore and London: The John Hopkins University Press.
Preuschoft H. 1990. Lesser Apes or Gibbon: Grzimek's Encyclopedia of Mammals. V:2. New York: McGraw-Hill Inc.
[PPA] Perlindungan dan Pelestarian Alam. 1978. Mamalia di Indonesia: Pedoman Inventarisasi Satwa. Bogor: Direktorat Jenderal Kehutanan.
Santosa Y. 1993. Strategi Kuantitatif untuk Pendugaan Beberapa Parameter Demografi dan Kuota Pemanenan Populasi Satwaliar Berdasarkan Perilaku: Studi Kasus Terhadap Populasi Kera Ekor Panjang (Macaca fascicularis) di Pulau Tinjil [laporan penelitian]. Bogor: Fakultas Kehutanan, Institut Pertanian Bogor.
Santosa Y. 1995. Teknik Pengukuran Keanekaragaman Satwaliar. Di dalam: Bahan Kuliah Pelatihan Teknik Pengukuran dan Monitoring Biodiversity di Hutan Tropika Indonesi. Bogor: Fakultas Kehutanan, Institut Pertanian Bogor.
Semiadi G, Nugraha TP. 2005. Panduan Pengamatan Reproduksi pada Mamalia Liar. Bogor: LIPI.
Sudarmanto RG. 2005. Analisis Regresi Linear Ganda dengan SPSS. Yogyakarta: Graha Ilmu.
Supranto J. 2004. Analisis Multivariat: Arti dan Interpretasi. Jakarta: PT Rineka Cipta.
Young JZ. 1981. The Life of Vertebrates: Third Edition. Oxford: Clarendon Press.
61
Lampiran 1 Data ukuran tubuh siamang jantan
No Umur PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PT PK
1 1 19.00 6.31 5.22 5.28 16.90 7.30 6.63 1.37 6.20 1.47 21.30 18.20 18.00 14.90
2 2 23.50 7.35 6.60 6.05 20.20 5.60 7.84 1.34 7.35 1.33 24.30 20.40 22.10 17.00
3 5 44.50 8.94 7.90 7.86 43.60 12.80 14.10 3.08 14.90 3.26 30.10 29.20 53.90 40.80
4 6 53.40 9.37 8.34 8.06 49.20 17.90 16.50 3.25 17.20 3.26 31.50 28.90 64.50 46.00
5 7 53.80 9.54 8.08 7.69 48.50 11.70 15.20 2.95 15.20 2.83 31.20 30.80 63.90 46.90
6 8 47.40 9.01 8.95 7.05 48.90 13.50 16.30 2.96 15.50 3.35 28.40 27.80 48.90 37.80
7 8 54.00 12.20 8.06 7.92 47.10 16.40 16.80 3.30 18.00 4.01 32.40 28.90 62.90 49.30
8 8 53.90 9.47 8.87 8.87 53.10 16.60 18.20 3.08 18.90 3.61 32.90 31.10 66.60 48.80
9 8 49.00 9.62 7.83 7.72 44.10 17.30 18.00 3.03 17.80 3.66 30.90 31.40 61.70 47.70
10 9 64.00 11.02 10.10 8.40 56.50 25.00 17.05 4.12 16.82 5.40 34.50 31.50 60.60 44.00
11 9 48.00 9.28 8.38 7.32 46.10 14.50 14.40 3.49 15.30 4.15 32.00 29.50 58.10 42.30
12 9 44.40 9.36 8.96 8.94 48.60 14.80 16.10 2.96 16.70 3.27 32.40 32.20 61.80 47.30
13 9 49.30 9.42 7.22 7.30 45.90 14.40 16.10 3.22 15.20 4.90 31.40 29.60 58.90 45.60
14 9 49.70 8.81 8.65 7.46 41.90 12.80 14.40 2.93 14.90 3.29 30.10 29.30 53.50 40.80
15 10 45.10 9.88 8.24 7.89 51.60 16.40 17.10 3.29 17.10 4.30 34.10 30.60 58.50 45.30
16 10 47.50 9.33 7.96 7.31 46.90 13.60 16.00 3.00 16.20 3.16 31.80 30.50 56.60 43.40
17 10 50.30 9.54 8.15 7.46 44.60 14.80 18.00 3.08 17.60 3.52 31.20 31.20 56.20 44.50
18 11 61.50 12.20 11.10 8.61 53.30 19.80 17.40 3.61 18.70 6.20 34.50 30.30 64.40 43.40
19 12 53.20 9.43 9.27 7.72 51.90 14.30 17.30 2.73 17.20 4.13 31.80 31.60 63.50 47.00
20 12 35.60 8.62 7.34 7.33 48.00 12.40 14.60 2.82 14.80 3.14 30.10 30.20 46.83 39.80
21 13 46.20 9.35 7.36 7.63 48.80 19.90 16.00 2.99 15.10 3.20 32.20 30.90 58.40 44.40
22 14 52.30 9.11 8.14 8.21 50.80 16.40 15.90 3.22 17.10 3.45 30.20 31.40 60.30 46.40
23 14 55.00 10.16 8.98 7.90 53.30 16.20 19.30 3.22 18.10 3.68 34.90 31.90 67.60 46.70
24 15 55.30 10.32 8.55 8.80 52.80 15.00 15.60 3.27 18.70 3.65 34.90 32.20 67.00 51.00
Rata-rata 48.16 9.49 8.26 7.70 46.36 14.96 15.62 3.01 15.86 3.60 31.21 29.57 56.45 42.55
Min 19.00 6.31 5.22 5.28 16.90 5.60 6.63 1.34 6.20 1.33 21.30 18.20 18.00 14.90
Max 64.00 12.20 11.10 8.94 56.50 25.00 19.30 4.12 18.90 6.20 34.90 32.20 67.60 51.00
keterangan PB : panjang badan PCr : panjang cranial TCr : tinggi cranial LbC : lebar cranial LD : lingkar dada LbB : lebar bahu PTT : panjang telapak tangan LTT : lebar telapak tangan PTK : panjang telapak kaki LTK : lebar telapak kaki LK : lingkar kepala LM : lingkar muka PL : panjang lengan PK : panjang kaki
62
Lampiran 2 Data ukuran tubuh siamang betina
No Umur PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PT PK
1 2 35.10 7.93 7.29 6.89 36.10 11.80 12.90 2.49 12.57 2.72 27.10 25.20 37.70 29.20
2 5 52.00 9.24 7.04 6.95 42.40 12.80 15.50 2.91 13.70 3.35 31.10 28.60 57.10 40.30
3 6 49.20 9.40 8.60 7.59 44.20 15.10 16.70 3.08 15.10 3.52 31.60 29.30 60.60 47.10
4 7 57.50 9.53 9.40 8.02 45.00 17.00 16.30 .3.35 15.00 4.20 33.00 33.50 57.50 43.50
5 7 42.40 8.43 7.63 6.48 39.10 15.10 14.90 2.78 13.20 3.08 28.10 27.10 54.20 41.60
6 8 50.30 8.90 8.87 6.95 40.60 14.80 15.50 2.80 15.31 4.42 30.80 29.20 58.30 43.20
7 8 43.20 8.20 9.02 8.30 49.50 17.80 14.70 3.11 15.80 3.78 32.60 29.60 52.90 42.00
8 8 48.20 8.96 8.93 7.39 40.10 9.30 16.40 3.12 16.20 3.36 30.10 29.60 56.50 43.20
9 8 50.60 9.65 8.68 7.65 46.30 13.40 15.20 2.71 15.10 3.41 30.90 32.40 56.50 42.30
10 9 50.10 9.83 8.32 7.97 48.20 15.40 16.10 3.35 16.60 4.09 33.30 32.90 60.00 47.10
11 10 58.50 9.15 7.01 7.75 45.60 14.80 16.40 3.24 15.50 4.20 30.90 28.40 57.30 42.20
12 10 45.20 9.34 8.22 7.36 49.60 13.40 16.90 3.05 16.60 3.36 31.60 29.10 52.40 45.20
13 11 49.90 8.96 8.00 6.98 46.10 19.10 17.20 2.57 16.80 3.23 30.60 31.40 55.20 45.70
14 12 50.60 9.36 8.44 7.75 50.10 17.60 16.40 2.05 16.10 5.45 32.80 32.50 60.10 44.70
15 14 51.70 9.51 8.65 7.62 51.40 11.30 17.20 3.22 15.90 3.44 31.40 32.40 64.70 47.50
16 14 53.10 9.17 7.56 7.31 46.80 10.40 15.80 2.90 15.80 2.91 31.50 31.10 58.00 45.60
Rata-rata 49.22 9.10 8.23 7.44 45.07 15.74 15.88 2.92 15.33 3.66 31.09 30.14 56.19 43.15
Min 35.10 7.93 7.01 6.48 36.10 9.30 12.90 2.05 12.57 2.72 27.10 25.20 37.70 29.20
Max 58.50 9.83 9.40 8.30 51.40 41.90 17.20 3.35 16.80 5.45 33.30 33.50 64.70 47.50
63
Lampiran 3 Data ukuran tubuh siamang jantan dan betina
No Umur PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PL PK
1 1 19.00 6.31 5.22 5.28 16.90 7.30 6.63 1.37 6.20 1.47 21.30 18.20 18.00 14.90
2 2 23.50 7.35 6.60 6.05 20.20 5.60 7.84 1.34 7.35 1.33 24.30 20.40 22.10 17.00
3 2 35.10 7.93 7.29 6.89 36.10 11.80 12.90 2.49 12.57 2.72 27.10 25.20 37.70 29.20
4 5 44.50 8.94 7.90 7.86 43.60 12.80 14.10 3.08 14.90 3.26 30.10 29.20 53.90 40.80
5 5 52.00 9.24 7.04 6.95 42.40 12.80 15.50 2.91 13.70 3.35 31.10 28.60 57.10 40.30
6 6 53.40 9.37 8.34 8.06 49.20 17.90 16.50 3.25 17.20 3.26 31.50 28.90 64.50 46.00
7 6 49.20 9.40 8.60 7.59 44.20 15.10 16.70 3.08 15.10 3.52 31.60 29.30 60.60 47.10
8 7 53.80 9.54 8.08 7.69 48.50 11.70 15.20 2.95 15.20 2.83 31.20 30.80 63.90 46.90
9 7 57.50 9.53 9.40 8.02 45.00 17.00 16.30 3.35 15.00 4.20 33.00 33.50 57.50 43.50
10 7 42.40 8.43 7.63 6.48 39.10 15.10 14.90 2.78 13.20 3.08 28.10 27.10 54.20 41.60
11 8 47.40 9.01 8.95 7.05 48.90 13.50 16.30 2.96 15.50 3.35 28.40 27.80 48.90 37.80
12 8 54.00 12.20 8.06 7.92 47.10 16.40 16.80 3.30 18.00 4.01 32.40 28.90 62.90 49.30
13 8 53.90 9.47 8.87 8.87 53.10 16.60 18.20 3.08 18.90 3.61 32.90 31.10 66.60 48.80
14 8 49.00 9.62 7.83 7.72 44.10 17.30 18.00 3.03 17.80 3.66 30.90 31.40 61.70 47.70
15 8 50.30 8.90 8.87 6.95 40.60 14.80 15.50 2.80 15.31 4.42 30.80 29.20 58.30 43.20
16 8 43.20 8.20 9.02 8.30 49.50 17.80 14.70 3.11 15.80 3.78 32.60 29.60 52.90 42.00
17 8 48.20 8.96 8.93 7.39 40.10 9.30 16.40 3.12 16.20 3.36 30.10 29.60 56.50 43.20
18 8 50.60 9.65 8.68 7.65 46.30 13.40 15.20 2.71 15.10 3.41 30.90 32.40 56.50 42.30
19 9 64.00 11.02 10.1 8.40 56.50 25.00 17.05 4.12 16.82 5.40 34.50 31.50 60.60 44.00
20 9 48.00 9.28 8.38 7.32 46.10 14.50 14.40 3.49 15.30 4.15 32.00 29.50 58.10 42.30
21 9 44.40 9.36 8.96 8.94 48.60 14.80 16.10 2.96 16.70 3.27 32.40 32.20 61.80 47.30
22 9 49.30 9.42 7.22 7.30 45.90 14.40 16.10 3.22 15.20 4.90 31.40 29.60 58.90 45.60
23 9 49.70 8.81 8.65 7.46 41.90 12.80 14.40 2.93 14.90 3.29 30.10 29.30 53.50 40.80
24 9 50.10 9.83 8.32 7.97 48.20 15.40 16.10 3.35 16.60 4.09 33.30 32.90 60.00 47.10
25 10 45.10 9.88 8.24 7.89 51.60 16.40 17.10 3.29 17.10 4.30 34.10 30.60 58.50 45.30
26 10 47.50 9.33 7.96 7.31 46.90 13.60 16.00 3.00 16.20 3.16 31.80 30.50 56.60 43.40
27 10 50.30 9.54 8.15 7.46 44.60 14.80 18.00 3.08 17.60 3.52 31.20 31.20 56.20 44.50
28 10 58.50 9.15 7.01 7.75 45.60 14.80 16.40 3.24 15.50 4.20 30.90 28.40 57.30 42.20
29 10 45.20 9.34 8.22 7.36 49.60 13.40 16.90 3.05 16.60 3.36 31.60 29.10 52.40 45.20
30 11 61.50 12.20 11.10 8.61 53.30 19.80 17.40 3.61 18.70 6.20 34.50 30.30 64.40 43.40
31 11 49.90 8.96 8.00 6.98 46.10 19.10 17.20 2.57 16.80 3.23 30.60 31.40 55.20 45.70
32 12 53.20 9.43 9.27 7.72 51.90 14.30 17.30 2.73 17.20 4.13 31.80 31.60 63.50 47.00
33 12 35.60 8.62 7.34 7.33 48.00 12.40 14.60 2.82 14.80 3.14 30.10 30.20 46.83 39.80
34 12 50.60 9.36 8.44 7.75 50.10 17.60 16.40 2.05 16.10 5.45 32.80 32.50 60.10 44.70
35 13 46.20 9.35 7.36 7.63 48.80 19.90 16.00 2.99 15.10 3.20 32.20 30.90 58.40 44.40
36 14 52.30 9.11 8.14 8.21 50.80 16.40 15.90 3.22 17.10 3.45 30.20 31.40 60.30 46.40
37 14 55.00 10.16 8.98 7.90 53.30 16.20 19.30 3.22 18.10 3.68 34.90 31.90 67.60 46.70
38 14 51.70 9.51 8.65 7.62 51.40 11.30 17.20 3.22 15.90 3.44 31.40 32.40 64.70 47.50
39 14 53.10 9.17 7.56 7.31 46.80 10.40 15.80 2.90 15.80 2.91 31.50 31.10 58.00 45.60
40 15 55.30 10.32 8.55 8.80 52.80 15.00 15.60 3.27 18.70 3.65 34.90 32.20 67.00 51.00 Rata-rata 48.59 9.33 8.25 7.59 45.84 14.71 15.72 2.98 15.65 3.62 31.16 29.80 56.34 42.79
Min 19.00 6.31 5.22 5.28 16.90 5.60 6.63 1.34 6.20 1.33 21.30 18.20 18.00 14.90 Max 64.00 12.20 11.10 8.94 56.50 41.90 19.30 4.12 18.90 6.20 34.90 33.50 67.70 51.00
64
Lampiran 4 Hasil output uji validasi parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
Catatan:
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Valid
Catatan: Bila nilai Pearson correlation pada kolom Xa > 0,500 maka parameter morfometrik dinyatakan sahih.
Correlations
1 .794* .689* .701* .802* .646* .822* .789* .810* .720* .817* .776* .881* .811* .918*. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.794* 1 .660* .684* .723* .614* .710* .731* .772* .715* .797* .628* .753* .702* .805*.000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.689* .660* 1 .697* .685* .570* .628* .635* .684* .681* .698* .632* .636* .564* .715*.000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.701* .684* .697* 1 .820* .616* .671* .707* .820* .575* .837* .755* .780* .750* .824*.000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.802* .723* .685* .820* 1 .687* .863* .781* .903* .664* .895* .864* .874* .873* .941*.000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.646* .614* .570* .616* .687* 1 .633* .631* .642* .708* .689* .571* .601* .578* .716*.000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.822* .710* .628* .671* .863* .633* 1 .730* .923* .625* .823* .840* .893* .900* .924*.000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.789* .731* .635* .707* .781* .631* .730* 1 .760* .633* .783* .669* .762* .741* .821*.000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.810* .772* .684* .820* .903* .642* .923* .760* 1 .636* .870* .843* .903* .917* .942*.000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.720* .715* .681* .575* .664* .708* .625* .633* .636* 1 .730* .585* .632* .568* .722*.000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.817* .797* .698* .837* .895* .689* .823* .783* .870* .730* 1 .861* .882* .858* .931*.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.776* .628* .632* .755* .864* .571* .840* .669* .843* .585* .861* 1 .871* .897* .904*.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.881* .753* .636* .780* .874* .601* .893* .762* .903* .632* .882* .871* 1 .962* .969*.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.811* .702* .564* .750* .873* .578* .900* .741* .917* .568* .858* .897* .962* 1 .949*.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40.918* .805* .715* .824* .941* .716* .924* .821* .942* .722* .931* .904* .969* .949* 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
Pearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileNPearson CSig. (1-taileN
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
Xa
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Xa
Correlation is significant at the 0.01 level (1-tailed).**.
65
Lampiran 5 Hasil output uji reliabilitas parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
Case Processing Summary
40 100.00 .0
40 100.0
ValidExcluded a
Total
CasesN %
Listwise deletion based on allvariables in the procedure.
a.
Reliability Statistics
.908 3
Cronbach'sAlpha N of Items
Catatan: Bila nilai Cronbach’s Alpha > 0,500 maka parameter morfometrik dinyatakan andal.
66
Lampiran 6 Hasil output uji persyaratan regresi linear ganda pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
ANOVA Table
413.900 37 11.186 2.237 .357126.557 1 126.557 25.311 .037287.343 36 7.982 1.596 .46010.000 2 5.000
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X1
Sum ofSquares df Mean Square F Sig.
ANOVA Table
405.900 35 11.597 2.577 .18494.715 1 94.715 21.048 .010
311.185 34 9.153 2.034 .25818.000 4 4.500
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X2
Sum ofSquares df Mean Square F Sig.
ANOVA Table
411.400 37 11.119 1.779 .42560.255 1 60.255 9.641 .090
351.145 36 9.754 1.561 .46712.500 2 6.250
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X3
Sum ofSquares df Mean Square F Sig.
ANOVA Table
400.900 34 11.791 2.563 .148105.226 1 105.226 22.875 .005295.674 33 8.960 1.948 .236
23.000 5 4.600423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X4
Sum ofSquares df Mean Square F Sig.
ANOVA Table
417.400 37 11.281 3.471 .249222.397 1 222.397 68.430 .014195.003 36 5.417 1.667 .446
6.500 2 3.250423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X5
Sum ofSquares df Mean Square F Sig.
ANOVA Table
389.317 30 12.977 3.377 .03058.464 1 58.464 15.215 .004
330.852 29 11.409 2.969 .04534.583 9 3.843
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X6
Sum ofSquares df Mean Square F Sig.
67
Lanjutan ANOVA Table
399.400 28 14.264 6.404 .001167.508 1 167.508 75.208 .000231.892 27 8.589 3.856 .01124.500 11 2.227
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X7
Sum ofSquares df Mean Square F Sig.
ANOVA Table
387.900 31 12.513 2.781 .06681.166 1 81.166 18.037 .003
306.734 30 10.224 2.272 .11336.000 8 4.500
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X8
Sum ofSquares df Mean Square F Sig.
ANOVA Table
331.400 28 11.836 1.407 .281191.325 1 191.325 22.752 .001140.075 27 5.188 .617 .85192.500 11 8.409
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X9
Sum ofSquares df Mean Square F Sig.
ANOVA Table
404.400 34 11.894 3.050 .10774.192 1 74.192 19.024 .007
330.208 33 10.006 2.566 .14819.500 5 3.900
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X10
Sum ofSquares df Mean Square F Sig.
ANOVA Table
334.233 26 12.855 1.864 .120176.975 1 176.975 25.658 .000157.258 25 6.290 .912 .595
89.667 13 6.897423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X11
Sum ofSquares df Mean Square F Sig.
ANOVA Table
340.233 29 11.732 1.402 .295216.020 1 216.020 25.819 .000124.213 28 4.436 .530 .909
83.667 10 8.367423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X12
Sum ofSquares df Mean Square F Sig.
68
Lanjutan ANOVA Table
419.400 37 11.335 5.038 .179172.412 1 172.412 76.627 .013246.988 36 6.861 3.049 .277
4.500 2 2.250423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X13
Sum ofSquares df Mean Square F Sig.
ANOVA Table
397.900 33 12.058 2.783 .101192.919 1 192.919 44.520 .001204.981 32 6.406 1.478 .33126.000 6 4.333
423.900 39
(Combined)LinearityDeviation from Linearity
BetweenGroups
Within GroupsTotal
Y * X14
Sum ofSquares df Mean Square F Sig.
Lampiran 7 Ringkasan hasil analisis linearitas garis regresi dan simpulannya
berdasarkan tingkat alpha
Keterangan Signifikasi Alpha Kondisi Simpulan Y * X1 Y * X2 Y * X3 Y * X4 Y * X5 Y * X6 Y * X7 Y * X8 Y * X9 Y * X10 Y * X11 Y * X12 Y * X13 Y * X14
0,460 0,258 0,467 0,236 0,446 0,045 0,011 0,113 0,851 0,148 0,595 0,909 0,277 0,331
0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05
S > A S > A S > A S > A S > A S < A S < A S > A S > A S > A S > A S > A S > A S > A
Linear Linear Linear Linear Linear
Non linear Non linear
Linear Linear Linear Linear Linear Linear Linear
69
Lampiran 8 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan
KMO and Bartlett's Test
.862
516.81791
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Anti-image Matrices
.046 -.017 -.023 .020 .002 -.023 .006 -.018 -.001 .013 .015 .000 -.011 .000-.017 .102 -.025 .008 .021 -.021 9E-005 .009 -.003 -.023 -.045 .032 .016 -.013-.023 -.025 .059 -.034 -.022 .040 -.004 .003 -.008 -.036 .015 -.021 -.008 .015.020 .008 -.034 .076 .003 -.058 .034 .014 -.017 .026 -.009 .001 -.003 -.005.002 .021 -.022 .003 .057 -.013 -.007 -.016 .003 .010 -.015 .001 .005 -.006
-.023 -.021 .040 -.058 -.013 .143 -.035 -.040 .012 -.028 .008 -.005 -.002 .010.006 9E-005 -.004 .034 -.007 -.035 .039 .017 -.021 -.003 .003 -.009 -.005 .002
-.018 .009 .003 .014 -.016 -.040 .017 .073 -.007 -.041 -.011 -.002 .005 -.003-.001 -.003 -.008 -.017 .003 .012 -.021 -.007 .023 .005 -.003 .008 .004 -.005.013 -.023 -.036 .026 .010 -.028 -.003 -.041 .005 .168 -.012 .009 .003 -.005.015 -.045 .015 -.009 -.015 .008 .003 -.011 -.003 -.012 .051 -.021 -.015 .010.000 .032 -.021 .001 .001 -.005 -.009 -.002 .008 .009 -.021 .032 .010 -.011
-.011 .016 -.008 -.003 .005 -.002 -.005 .005 .004 .003 -.015 .010 .012 -.007.000 -.013 .015 -.005 -.006 .010 .002 -.003 -.005 -.005 .010 -.011 -.007 .007.911a -.256 -.436 .343 .038 -.285 .148 -.307 -.021 .154 .304 .003 -.471 .015
-.256 .835a -.326 .087 .281 -.170 .001 .103 -.056 -.173 -.619 .569 .468 -.502-.436 -.326 .773a -.504 -.380 .438 -.087 .046 -.230 -.357 .281 -.476 -.321 .736.343 .087 -.504 .854a .043 -.557 .624 .185 -.397 .233 -.146 .012 -.091 -.211.038 .281 -.380 .043 .946a -.145 -.152 -.254 .088 .103 -.275 .035 .177 -.290
-.285 -.170 .438 -.557 -.145 .859a -.469 -.389 .214 -.182 .092 -.081 -.037 .301.148 .001 -.087 .624 -.152 -.469 .866a .309 -.714 -.032 .058 -.262 -.214 .101
-.307 .103 .046 .185 -.254 -.389 .309 .928a -.163 -.372 -.184 -.034 .182 -.139-.021 -.056 -.230 -.397 .088 .214 -.714 -.163 .898a .076 -.074 .283 .239 -.393.154 -.173 -.357 .233 .103 -.182 -.032 -.372 .076 .935a -.125 .122 .069 -.135.304 -.619 .281 -.146 -.275 .092 .058 -.184 -.074 -.125 .852a -.535 -.612 .520.003 .569 -.476 .012 .035 -.081 -.262 -.034 .283 .122 -.535 .831a .511 -.722
-.471 .468 -.321 -.091 .177 -.037 -.214 .182 .239 .069 -.612 .511 .831a -.772.015 -.502 .736 -.211 -.290 .301 .101 -.139 -.393 -.135 .520 -.722 -.772 .777a
X1X2X3X4X5X6X7X8X9X10X11X12X13X14X1X2X3X4X5X6X7X8X9X10X11X12X13X14
Anti-image Cov
Anti-image Co
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
Measures of Sampling Adequacy(MSA)a.
Rotated Component Matrix a
.646 .699
.451 .791
.401 .786
.763 .478
.794 .547
.454 .758
.812 .479
.608 .721
.840 .498
.306 .892
.747 .593
.902 .360
.869 .455
.918 .358
X1X2X3X4X5X6X7X8X9X10X11X12X13X14
1 2Component
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 3 iterations.a.
70
Lampiran 9 Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan
Descriptive Statistics
9.13 3.443 2448.16 10.135 24
9.4850 1.23462 248.2604 1.13872 247.6992 .82594 2446.358 9.2917 2414.975 3.9064 24
15.6175 2.89725 243.0129 .58480 2415.857 3.0981 243.5925 1.02826 2431.213 3.1208 2429.567 3.3787 24
56.45 12.409 2442.546 8.7702 24
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Variables Entered/Removed b
X14, X3,X6, X2,X10, X4,X11, X8,X7, X1, X5,X12, X9,X13
a
. Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: Yb.
Model Summaryb
.921a .849 .613 2.141 .849 3.605 14 9 .029 1.054Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
R SquareChange F Change df1 df2 Sig. F Change
Change StatisticsDurbin-Watson
Predictors: (Constant), X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12, X9, X13a.
Dependent Variable: Yb. ANOVA b
231.366 14 16.526 3.605 .029a
41.259 9 4.584272.625 23
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12, X9, X13a.
Dependent Variable: Yb.
71
Lanjutan Coefficientsa
-12.101 11.373 -1.064 .315 -37.829 13.628.115 .206 .340 .561 .589 -.351 .582 .591 .184 .073 .046 21.870.437 1.130 .157 .387 .708 -2.118 2.992 .505 .128 .050 .102 9.758
-1.935 1.612 -.640 -1.200 .261 -5.581 1.712 .482 -.371 -.156 .059 16.904-2.804 1.958 -.673 -1.432 .186 -7.234 1.625 .591 -.431 -.186 .076 13.124
.392 .202 1.057 1.938 .085 -.066 .849 .753 .543 .251 .057 17.693
.212 .302 .240 .702 .501 -.471 .895 .525 .228 .091 .143 6.980-1.658 .777 -1.395 -2.135 .062 -3.415 .099 .675 -.580 -.277 .039 25.406-6.214 2.827 -1.056 -2.198 .055 -12.609 .180 .590 -.591 -.285 .073 13.7102.028 .949 1.825 2.137 .061 -.119 4.175 .703 .580 .277 .023 43.365
.829 1.060 .248 .783 .454 -1.568 3.226 .498 .252 .101 .168 5.955
.363 .635 .329 .571 .582 -1.075 1.800 .726 .187 .074 .051 19.7251.753 .741 1.720 2.366 .042 .077 3.429 .786 .619 .307 .032 31.444
.049 .332 .178 .149 .885 -.701 .800 .673 .050 .019 .012 85.062-.674 .608 -1.718 -1.109 .296 -2.049 .701 .698 -.347 -.144 .007 142.568
(ConstantX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Lower BoundUpper Bound% Confidence Interval for
Zero-order Partial PartCorrelations
Tolerance VIFCollinearity Statistics
Dependent Variable: Ya.
Residuals Statistics a
.86 14.21 9.13 3.172 24-2.057 2.634 .000 1.339 24-2.604 1.604 .000 1.000 24
-.961 1.230 .000 .626 24
Predicted ValueResidualStd. Predicted ValueStd. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
20-2
Regression Standardized Predicted Value
14
12
10
8
6
4
2
0
Y
Scatterplot
Dependent Variable: Y
1.51.00.50.0-0.5-1.0
Regression Standardized Residual
5
4
3
2
1
0
Freq
uenc
y
Mean =-5.35E-15�Std. Dev. =0.626�
N =24
Histogram
Dependent Variable: Y
72
Lampiran 10 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan
Descriptive Statistics
9.13 3.443 2448.16 10.135 24
9.4850 1.23462 248.2604 1.13872 247.6992 .82594 2446.358 9.2917 2414.975 3.9064 24
15.6175 2.89725 243.0129 .58480 2415.857 3.0981 243.5925 1.02826 2431.213 3.1208 2429.567 3.3787 2456.45 12.409 24
42.546 8.7702 24
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Model Summaryb
.786a .617 .600 2.178 .617 35.483 1 22 .000 .504Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
R SquareChange F Change df1 df2 Sig. F Change
Change StatisticsDurbin-Watson
Predictors: (Constant), X12a.
Dependent Variable: Yb.
ANOVAb
168.286 1 168.286 35.483 .000a
104.339 22 4.743272.625 23
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X12a.
Dependent Variable: Yb.
Coefficients a
-14.546 3.999 -3.638 .001.801 .134 .786 5.957 .000
(Constant)X12
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Ya.
Variables Entered/Removed a
X12 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
Model1
VariablesEntered
VariablesRemoved Method
Dependent Variable: Ya.
73
Lanjutan
Correlations
1.000 .591 .505 .482 .591 .753 .525 .675 .590 .703 .498 .726 .786 .673 .698.591 1.000 .841 .831 .801 .883 .802 .852 .896 .886 .787 .861 .815 .909 .851.505 .841 1.000 .752 .722 .745 .746 .739 .805 .797 .816 .829 .653 .766 .725.482 .831 .752 1.000 .752 .770 .677 .700 .739 .740 .772 .747 .656 .698 .600.591 .801 .722 .752 1.000 .851 .708 .766 .770 .874 .619 .860 .841 .874 .851.753 .883 .745 .770 .851 1.000 .782 .906 .895 .924 .734 .915 .927 .921 .909.525 .802 .746 .677 .708 .782 1.000 .748 .857 .735 .776 .772 .687 .723 .681.675 .852 .739 .700 .766 .906 .748 1.000 .815 .953 .691 .864 .902 .912 .907.590 .896 .805 .739 .770 .895 .857 .815 1.000 .850 .841 .877 .823 .849 .829.703 .886 .797 .740 .874 .924 .735 .953 .850 1.000 .704 .902 .917 .951 .949.498 .787 .816 .772 .619 .734 .776 .691 .841 .704 1.000 .761 .623 .675 .624.726 .861 .829 .747 .860 .915 .772 .864 .877 .902 .761 1.000 .892 .918 .886.786 .815 .653 .656 .841 .927 .687 .902 .823 .917 .623 .892 1.000 .926 .950.673 .909 .766 .698 .874 .921 .723 .912 .849 .951 .675 .918 .926 1.000 .976.698 .851 .725 .600 .851 .909 .681 .907 .829 .949 .624 .886 .950 .976 1.000
. .001 .006 .008 .001 .000 .004 .000 .001 .000 .007 .000 .000 .000 .000.001 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000.006 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000.008 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001.001 .000 .000 .000 . .000 .000 .000 .000 .000 .001 .000 .000 .000 .000.000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000.004 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000.000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000.001 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000.007 .000 .000 .000 .001 .000 .000 .000 .000 .000 . .000 .001 .000 .001.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 . .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000.000 .000 .000 .001 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .
24 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 2424 24 24 24 24 24 24 24 24 24 24 24 24 24 24
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Pearson Correlatio
Sig. (1-tailed)
N
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
Excluded Variables b
-.147a -.638 .530 -.138 .336-.015a -.085 .933 -.018 .573-.058a -.325 .748 -.071 .570-.238a -.974 .341 -.208 .293.176a .491 .629 .106 .141
-.027a -.145 .886 -.032 .528-.183a -.589 .562 -.128 .186-.178a -.759 .457 -.163 .322-.109a -.324 .749 -.070 .159.014a .083 .935 .018 .612.124a .417 .681 .091 .204
-.386a -1.109 .280 -.235 .142-.486a -1.163 .258 -.246 .098
X1X2X3X4X5X6X7X8X9X10X11X13X14
Model1
Beta In t Sig.Partial
Correlation Tolerance
CollinearityStatistics
Predictors in the Model: (Constant), X12a.
Dependent Variable: Yb.
74
Lanjutan
Residuals Statistics a
.02 11.23 9.13 2.705 24-3.364 .779 .000 1.000 24
.445 1.591 .567 .278 24
-1.09 11.40 9.07 2.879 24-3.831 3.767 .000 2.130 24-1.759 1.730 .000 .978 24-1.798 1.792 .010 1.010 24-4.000 4.042 .053 2.281 24-1.902 1.894 .012 1.038 24
.000 11.318 .958 2.653 24
.000 .246 .037 .054 24
.000 .492 .042 .115 24
Predicted ValueStd. Predicted ValueStandard Error ofPredicted ValueAdjusted Predicted ValueResidualStd. ResidualStud. ResidualDeleted ResidualStud. Deleted ResidualMahal. DistanceCook's DistanceCentered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
20-2
Regression Standardized Residual
5
4
3
2
1
0
Freq
uenc
y
Mean =2.5E-16�Std. Dev. =0.978�
N =24
Histogram
Dependent Variable: Y
0-2-4
Regression Standardized Predicted Value
2
0
-2
Reg
ressio
n S
tud
en
tize
d D
ele
ted
(P
ress)
Resid
ual
Scatterplot
Dependent Variable: Y
75
Lampiran 11 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan umur 1-6 tahun
Descriptive Statistics
3.50 2.380 435.10 16.503 4
7.9925 1.41879 47.0150 1.40631 46.8125 1.36424 432.475 16.2967 410.900 5.5875 4
11.2675 4.78387 42.2600 1.04738 411.413 5.4569 42.3300 1.07539 426.800 4.8125 424.175 5.7017 439.63 23.075 4
29.675 16.0128 4
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Correlations
1.000 .997 .990 .971 .992 .995 .935 .997 .977 .996 .960 .995 .981 .995 .992.997 1.000 .977 .952 .980 .996 .959 1.000 .980 .998 .962 .985 .970 .999 .994.990 .977 1.000 .994 .995 .976 .879 .977 .949 .975 .929 .999 .979 .972 .969.971 .952 .994 1.000 .981 .946 .832 .951 .909 .947 .885 .988 .956 .942 .936.992 .980 .995 .981 1.000 .986 .887 .981 .970 .983 .958 .998 .994 .979 .982.995 .996 .976 .946 .986 1.000 .949 .998 .993 .999 .981 .985 .984 .999 1.000.935 .959 .879 .832 .887 .949 1.000 .959 .944 .956 .925 .895 .880 .962 .953.997 1.000 .977 .951 .981 .998 .959 1.000 .983 .999 .966 .985 .973 .999 .996.977 .980 .949 .909 .970 .993 .944 .983 1.000 .989 .997 .962 .982 .989 .996.996 .998 .975 .947 .983 .999 .956 .999 .989 1.000 .975 .984 .979 1.000 .999.960 .962 .929 .885 .958 .981 .925 .966 .997 .975 1.000 .945 .978 .974 .985.995 .985 .999 .988 .998 .985 .895 .985 .962 .984 .945 1.000 .985 .981 .979.981 .970 .979 .956 .994 .984 .880 .973 .982 .979 .978 .985 1.000 .975 .983.995 .999 .972 .942 .979 .999 .962 .999 .989 1.000 .974 .981 .975 1.000 .998.992 .994 .969 .936 .982 1.000 .953 .996 .996 .999 .985 .979 .983 .998 1.000
. .001 .005 .015 .004 .002 .033 .001 .011 .002 .020 .002 .009 .003 .004.001 . .011 .024 .010 .002 .020 .000 .010 .001 .019 .008 .015 .001 .003.005 .011 . .003 .002 .012 .060 .011 .026 .012 .036 .001 .011 .014 .016.015 .024 .003 . .009 .027 .084 .025 .045 .027 .058 .006 .022 .029 .032.004 .010 .002 .009 . .007 .057 .009 .015 .008 .021 .001 .003 .010 .009.002 .002 .012 .027 .007 . .025 .001 .004 .000 .010 .008 .008 .001 .000.033 .020 .060 .084 .057 .025 . .021 .028 .022 .038 .052 .060 .019 .024.001 .000 .011 .025 .009 .001 .021 . .008 .000 .017 .008 .014 .000 .002.011 .010 .026 .045 .015 .004 .028 .008 . .005 .002 .019 .009 .006 .002.002 .001 .012 .027 .008 .000 .022 .000 .005 . .012 .008 .011 .000 .001.020 .019 .036 .058 .021 .010 .038 .017 .002 .012 . .028 .011 .013 .007.002 .008 .001 .006 .001 .008 .052 .008 .019 .008 .028 . .007 .010 .010.009 .015 .011 .022 .003 .008 .060 .014 .009 .011 .011 .007 . .013 .009.003 .001 .014 .029 .010 .001 .019 .000 .006 .000 .013 .010 .013 . .001.004 .003 .016 .032 .009 .000 .024 .002 .002 .001 .007 .010 .009 .001 .
4 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 44 4 4 4 4 4 4 4 4 4 4 4 4 4 4
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Pearson Correlat
Sig. (1-tailed)
N
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
76
Lanjutan Variables Entered/Removed a
X7 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
X11 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
X9 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
Model1
2
3
VariablesEntered
VariablesRemoved Method
Dependent Variable: Ya.
Model Summaryd
.997a .994 .991 .221 .994 344.726 1 2 .0031.000b 1.000 1.000 .017 .006 352.502 1 1 .0341.000c 1.000 1.000 . .000 . 1 0 . 3.255
Model123
R R SquareAdjustedR Square
Std. Error ofthe Estimate
R SquareChange F Change df1 df2 Sig. F Change
Change StatisticsDurbin-Watson
Predictors: (Constant), X7a.
Predictors: (Constant), X7, X11b.
Predictors: (Constant), X7, X11, X9c.
Dependent Variable: Yd.
Residuals Statistics a
1.00 6.00 3.50 2.380 4.000 .000 .000 .000 4
-1.050 1.050 .000 1.000 4. . . . 0
Predicted ValueResidualStd. Predicted ValueStd. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
ANOVA d
16.902 1 16.902 344.726 .003a
.098 2 .04917.000 317.000 2 8.500 30641.524 .004b
.000 1 .00017.000 317.000 3 5.667 . .c
.000 0 .17.000 3
RegressionResidualTotalRegressionResidualTotalRegressionResidualTotal
Model1
2
3
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X7a.
Predictors: (Constant), X7, X11b.
Predictors: (Constant), X7, X11, X9c.
Dependent Variable: Yd.
77
Lanjutan
Coefficientsa
-2.091 .321 -6.516 .023 -3.471 -.710.496 .027 .997 18.567 .003 .381 .611 .997 .997 .997 1.000 1.000
-5.465 .181 -30.137 .021 -7.769 -3.161.282 .012 .568 24.428 .026 .136 .429 .997 .999 .099 .030 33.081.216 .011 .436 18.775 .034 .070 .362 .995 .999 .076 .030 33.081
-5.534 .000 . . -5.534 -5.534.335 .000 .674 . . .335 .335 .997 1.000 .025 .001 726.421.216 .000 .437 . . .216 .216 .995 1.000 .076 .030 33.088
-.047 .000 -.107 . . -.047 -.047 .996 -1.000 -.004 .001 698.571
(Constant)X7(Constant)X7X11(Constant)X7X11X9
Model1
2
3
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Lower Bound Upper Bound95% Confidence Interval for B
Zero-order Partial PartCorrelations
Tolerance VIFCollinearity Statistics
Dependent Variable: Ya.
Excluded Variables d
.162a .038 .976 .038 .000 3135.646 .000
.356a 12.490 .051 .997 .045 22.121 .045
.238a 4.205 .149 .973 .096 10.386 .096
.365a 2.404 .251 .923 .037 27.142 .037
.146a .134 .915 .133 .005 210.114 .005-.260a -4.289 .146 -.974 .081 12.334 .081-.102a -.252 .843 -.244 .033 30.550 .033-.078a -.039 .975 -.039 .001 698.431 .001-.061a -.211 .868 -.207 .066 15.169 .066.436a 18.775 .034 .999 .030 33.081 .030.207a .816 .564 .632 .054 18.654 .054
-1.205a -.690 .616 -.568 .001 780.955 .001-.132a -.157 .901 -.155 .008 125.897 .008.226b . . 1.000 .000 3136.362 .000.143b . . 1.000 .001 1255.909 .001.046b . . 1.000 .008 129.897 .002
-.063b . . -1.000 .004 242.618 .003-.060b . . -1.000 .005 217.575 .005.081b . . 1.000 .002 403.014 .000
-.023b . . -1.000 .032 31.722 .013-.107b . . -1.000 .001 698.571 .001-.016b . . -1.000 .064 15.538 .018-.024b . . -1.000 .029 34.063 .017-.132b . . -1.000 .001 1075.085 .001-.046b . . -1.000 .008 127.231 .006
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
.c . . . .000 . .000
X1X2X3X4X5X6X8X9X10X11X12X13X14X1X2X3X4X5X6X8X9X10X12X13X14X1X2X3X4X5X6X8X10X12X13X14
Model1
2
3
Beta In t Sig.Partial
Correlation Tolerance VIFMinimumTolerance
Collinearity Statistics
Predictors in the Model: (Constant), X7a.
Predictors in the Model: (Constant), X7, X11b.
Predictors in the Model: (Constant), X7, X11, X9c.
Dependent Variable: Yd.
78
Lampiran 12 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina
Analisis Faktor (Tes I)
KMO and Bartlett's Test
.713
154.01991
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Lanjutan Factor Analysis 2 (Pengeliminaran parameter X6)
KMO and Bartlett's Test
.751
149.35878
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Analisis Faktor (Tes II - Pengeliminaran parameter X6)
KMO and Bartlett's Test
.751
149.35878
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Anti-image Matrices
.145 .010 .097 -.016 .056 -.009 -.050 -.058 -.004 -.026 -.026 -.043 -.038 .026
.010 .133 .078 .001 .038 .132 -.060 -.005 .041 -.016 -.023 -.070 .017 -.011
.097 .078 .219 -.055 .099 .090 -.055 -.035 .024 -.060 -.007 -.092 .008 -.016-.016 .001 -.055 .133 -.069 .008 .020 -.095 -.033 -.037 -.031 -.001 -.002 .022.056 .038 .099 -.069 .131 .051 -.044 .054 .004 .025 -.033 -.039 -.001 -.010
-.009 .132 .090 .008 .051 .359 -.081 .050 .046 -.033 -.020 -.088 .063 -.034-.050 -.060 -.055 .020 -.044 -.081 .095 -.015 -.049 -.007 .031 .041 -.004 -.011-.058 -.005 -.035 -.095 .054 .050 -.015 .277 .019 .156 -.032 .044 .004 -.018-.004 .041 .024 -.033 .004 .046 -.049 .019 .156 -.036 .004 -.030 .050 -.040-.026 -.016 -.060 -.037 .025 -.033 -.007 .156 -.036 .246 -.072 .050 -.048 .033-.026 -.023 -.007 -.031 -.033 -.020 .031 -.032 .004 -.072 .098 -.003 .017 -.024-.043 -.070 -.092 -.001 -.039 -.088 .041 .044 -.030 .050 -.003 .079 -.017 .008-.038 .017 .008 -.002 -.001 .063 -.004 .004 .050 -.048 .017 -.017 .058 -.039.026 -.011 -.016 .022 -.010 -.034 -.011 -.018 -.040 .033 -.024 .008 -.039 .040.734a .069 .545 -.116 .403 -.037 -.427 -.287 -.030 -.135 -.218 -.400 -.417 .346.069 .723a .458 .007 .288 .601 -.533 -.025 .285 -.088 -.205 -.682 .197 -.152.545 .458 .487a -.320 .587 .321 -.382 -.143 .128 -.260 -.048 -.696 .074 -.172
-.116 .007 -.320 .766a -.525 .038 .182 -.493 -.228 -.205 -.273 -.011 -.020 .305.403 .288 .587 -.525 .738a .235 -.395 .283 .026 .141 -.294 -.386 -.007 -.144
-.037 .601 .321 .038 .235 .232a -.440 .159 .195 -.111 -.104 -.523 .436 -.287-.427 -.533 -.382 .182 -.395 -.440 .737a -.094 -.402 -.046 .319 .476 -.050 -.181-.287 -.025 -.143 -.493 .283 .159 -.094 .522a .091 .598 -.191 .300 .033 -.170-.030 .285 .128 -.228 .026 .195 -.402 .091 .804a -.185 .032 -.268 .521 -.513-.135 -.088 -.260 -.205 .141 -.111 -.046 .598 -.185 .629a -.466 .356 -.398 .331-.218 -.205 -.048 -.273 -.294 -.104 .319 -.191 .032 -.466 .863a -.033 .230 -.378-.400 -.682 -.696 -.011 -.386 -.523 .476 .300 -.268 .356 -.033 .692a -.256 .152-.417 .197 .074 -.020 -.007 .436 -.050 .033 .521 -.398 .230 -.256 .738a -.814.346 -.152 -.172 .305 -.144 -.287 -.181 -.170 -.513 .331 -.378 .152 -.814 .755a
X1X2X3X4X5X6X7X8X9X10X11X12X13X14X1X2X3X4X5X6X7X8X9X10X11X12X13X14
Anti-image Co
Anti-image Co
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
Measures of Sampling Adequacy(MSA)a.
79
Lanjutan Anti-image Matrices
.145 .020 .111 -.016 .060 -.065 -.058 -.003 -.027 -.027 -.062 -.046 .028
.020 .209 .079 -.003 .032 -.058 -.037 .039 -.006 -.026 -.081 -.011 .003
.111 .079 .244 -.063 .102 -.048 -.055 .014 -.059 -.002 -.107 -.010 -.009-.016 -.003 -.063 .134 -.075 .028 -.099 -.035 -.037 -.031 .001 -.004 .025.060 .032 .102 -.075 .139 -.043 .051 -.003 .032 -.033 -.039 -.013 -.006
-.065 -.058 -.048 .028 -.043 .117 -.005 -.050 -.018 .033 .036 .016 -.025-.058 -.037 -.055 -.099 .051 -.005 .285 .013 .167 -.030 .080 -.006 -.015-.003 .039 .014 -.035 -.003 -.050 .013 .162 -.034 .007 -.026 .053 -.041-.027 -.006 -.059 -.037 .032 -.018 .167 -.034 .249 -.076 .058 -.052 .033-.027 -.026 -.002 -.031 -.033 .033 -.030 .007 -.076 .099 -.011 .026 -.028-.062 -.081 -.107 .001 -.039 .036 .080 -.026 .058 -.011 .109 -.003 .000-.046 -.011 -.010 -.004 -.013 .016 -.006 .053 -.052 .026 -.003 .072 -.045.028 .003 -.009 .025 -.006 -.025 -.015 -.041 .033 -.028 .000 -.045 .043.698a .115 .588 -.115 .424 -.494 -.285 -.023 -.140 -.223 -.493 -.445 .350.115 .854a .350 -.020 .189 -.374 -.154 .214 -.027 -.179 -.539 -.091 .028.588 .350 .532a -.351 .556 -.282 -.208 .070 -.239 -.016 -.654 -.078 -.088
-.115 -.020 -.351 .747a -.549 .221 -.506 -.241 -.202 -.271 .010 -.041 .330.424 .189 .556 -.549 .765a -.334 .255 -.021 .173 -.279 -.318 -.125 -.082
-.494 -.374 -.282 .221 -.334 .789a -.027 -.360 -.106 .306 .321 .175 -.357-.285 -.154 -.208 -.506 .255 -.027 .469a .062 .627 -.178 .456 -.042 -.131-.023 .214 .070 -.241 -.021 -.360 .062 .835a -.168 .053 -.199 .494 -.486-.140 -.027 -.239 -.202 .173 -.106 .627 -.168 .626a -.483 .352 -.392 .314-.223 -.179 -.016 -.271 -.279 .306 -.178 .053 -.483 .854a -.103 .308 -.428-.493 -.539 -.654 .010 -.318 .321 .456 -.199 .352 -.103 .754a -.036 .002-.445 -.091 -.078 -.041 -.125 .175 -.042 .494 -.392 .308 -.036 .767a -.799.350 .028 -.088 .330 -.082 -.357 -.131 -.486 .314 -.428 .002 -.799 .763a
X1X2X3X4X5X7X8X9X10X11X12X13X14X1X2X3X4X5X7X8X9X10X11X12X13X14
Anti-image Cov
Anti-image Corr
X1 X2 X3 X4 X5 X7 X8 X9 X10 X11 X12 X13 X14
Measures of Sampling Adequacy(MSA)a.
Analisis Faktor (Tes III - Pengeliminaran parameter X8)
KMO and Bartlett's Test
.747
141.64366
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Anti-image Matrices
.158 .014 .113 -.053 .082 -.071 -.001 .013 -.037 -.063 -.051 .027
.014 .214 .077 -.023 .043 -.061 .042 .027 -.031 -.091 -.012 .001
.113 .077 .255 -.116 .125 -.051 .017 -.046 -.009 -.120 -.012 -.013-.053 -.023 -.116 .180 -.082 .035 -.042 .047 -.058 .049 -.008 .027.082 .043 .125 -.082 .149 -.045 -.006 .004 -.030 -.072 -.012 -.004
-.071 -.061 -.051 .035 -.045 .117 -.050 -.025 .034 .048 .016 -.026-.001 .042 .017 -.042 -.006 -.050 .163 -.069 .008 -.038 .054 -.041.013 .027 -.046 .047 .004 -.025 -.069 .411 -.100 .023 -.081 .069
-.037 -.031 -.009 -.058 -.030 .034 .008 -.100 .103 -.003 .026 -.031-.063 -.091 -.120 .049 -.072 .048 -.038 .023 -.003 .137 -.002 .005-.051 -.012 -.012 -.008 -.012 .016 .054 -.081 .026 -.002 .072 -.046.027 .001 -.013 .027 -.004 -.026 -.041 .069 -.031 .005 -.046 .044.679a .075 .564 -.313 .536 -.524 -.005 .052 -.290 -.426 -.477 .329.075 .849a .329 -.115 .239 -.383 .227 .090 -.212 -.533 -.098 .008.564 .329 .500a -.541 .644 -.295 .085 -.143 -.055 -.643 -.089 -.118
-.313 -.115 -.541 .707a -.504 .241 -.243 .172 -.425 .314 -.072 .308.536 .239 .644 -.504 .732a -.338 -.038 .017 -.245 -.505 -.119 -.050
-.524 -.383 -.295 .241 -.338 .771a -.359 -.114 .307 .375 .174 -.364-.005 .227 .085 -.243 -.038 -.359 .820a -.266 .065 -.256 .498 -.483.052 .090 -.143 .172 .017 -.114 -.266 .693a -.485 .095 -.470 .513
-.290 -.212 -.055 -.425 -.245 .307 .065 -.485 .833a -.025 .306 -.463-.426 -.533 -.643 .314 -.505 .375 -.256 .095 -.025 .765a -.019 .070-.477 -.098 -.089 -.072 -.119 .174 .498 -.470 .306 -.019 .747a -.812.329 .008 -.118 .308 -.050 -.364 -.483 .513 -.463 .070 -.812 .738a
X1X2X3X4X5X7X9X10X11X12X13X14X1X2X3X4X5X7X9X10X11X12X13X14
Anti-image Cova
Anti-image Corre
X1 X2 X3 X4 X5 X7 X9 X10 X11 X12 X13 X14
Measures of Sampling Adequacy(MSA)a.
80
Lanjutan Analisis Faktor (Tes IV - Pengeliminaran parameter X3)
KMO and Bartlett's Test
.807
131.92855
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Anti-image Matrices
.232 -.033 -.003 .067 -.078 -.013 .050 -.049 -.023 -.067 .049-.033 .240 .020 .009 -.056 .042 .047 -.032 -.105 -.010 .005-.003 .020 .254 -.061 .018 -.048 .037 -.088 -.013 -.020 .031.067 .009 -.061 .254 -.037 -.025 .047 -.044 -.038 -.011 .004
-.078 -.056 .018 -.037 .128 -.051 -.038 .035 .044 .015 -.032-.013 .042 -.048 -.025 -.051 .164 -.067 .009 -.052 .056 -.041.050 .047 .037 .047 -.038 -.067 .419 -.104 .001 -.085 .069
-.049 -.032 -.088 -.044 .035 .009 -.104 .103 -.012 .026 -.032-.023 -.105 -.013 -.038 .044 -.052 .001 -.012 .234 -.013 -.001-.067 -.010 -.020 -.011 .015 .056 -.085 .026 -.013 .073 -.047.049 .005 .031 .004 -.032 -.041 .069 -.032 -.001 -.047 .044.780a -.142 -.012 .274 -.454 -.065 .162 -.315 -.100 -.519 .483
-.142 .901a .079 .038 -.316 .211 .147 -.206 -.445 -.073 .050-.012 .079 .825a -.242 .101 -.235 .114 -.542 -.052 -.144 .293.274 .038 -.242 .924a -.204 -.121 .144 -.274 -.156 -.081 .034
-.454 -.316 .101 -.204 .824a -.350 -.165 .304 .254 .156 -.420-.065 .211 -.235 -.121 -.350 .813a -.257 .071 -.263 .509 -.478.162 .147 .114 .144 -.165 -.257 .667a -.498 .005 -.489 .505
-.315 -.206 -.542 -.274 .304 .071 -.498 .803a -.079 .303 -.473-.100 -.445 -.052 -.156 .254 -.263 .005 -.079 .920a -.100 -.008-.519 -.073 -.144 -.081 .156 .509 -.489 .303 -.100 .729a -.832.483 .050 .293 .034 -.420 -.478 .505 -.473 -.008 -.832 .712a
X1X2X4X5X7X9X10X11X12X13X14X1X2X4X5X7X9X10X11X12X13X14
Anti-image Cova
Anti-image Corre
X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14
Measures of Sampling Adequacy(MSA)a.
0.90.60.30.0-0.3-0.6-0.9
Component 1
0.9
0.6
0.3
0.0
-0.3
-0.6
-0.9
Com
pone
nt 2 X14
X13
X12
X11
X10
X9
X7
X5
X4
X2
X1
Component Plot in Rotated Space
81
Lampiran 13 Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina
Descriptive Statistics
8.69 3.156 1649.225 5.7105 169.0975 .52520 168.2288 .73533 167.4350 .48918 1645.069 4.3957 1615.744 7.3989 1615.881 1.1023 162.9206 .34868 16
15.3300 1.22634 163.6575 .68010 1631.088 1.6484 1630.144 2.3022 1656.188 5.8045 1643.150 4.3007 16
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Model Summaryb
.995a .990 .847 1.234 .990 6.933 14 1 .290 2.152Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
R SquareChange F Change df1 df2 Sig. F Change
Change StatisticsDurbin-Watson
Predictors: (Constant), X14, X6, X10, X3, X8, X5, X1, X2, X9, X4, X7, X11, X12, X13a.
Dependent Variable: Yb.
ANOVAb
147.914 14 10.565 6.933 .290a
1.524 1 1.524149.438 15
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X14, X6, X10, X3, X8, X5, X1, X2, X9, X4, X7, X11, X12, X13a.
Dependent Variable: Yb.
Coefficients(a)
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig. B Std. Error Beta
1 (Constant) 20.648 11.204 1.843 .317 X1 .237 .147 .428 1.616 .353 X2 -4.747 1.662 -.790 -2.856 .214 X3 -1.291 .927 -.301 -1.393 .396 X4 -1.947 1.784 -.302 -1.091 .472 X5 .460 .200 .640 2.298 .261 X6 -.197 .072 -.461 -2.739 .223 X7 .135 .941 .047 .144 .909 X8 -.540 1.736 -.060 -.311 .808 X9 .967 .658 .376 1.471 .380 X10 .669 .945 .144 .709 .608 X11 -1.211 .617 -.632 -1.964 .300 X12 1.139 .492 .831 2.315 .260 X13 -.160 .227 -.294 -.703 .610 X14 .498 .373 .679 1.336 .409
a Dependent Variable: Y
82
Lanjutan Residuals Statistics a
1.55 13.69 8.69 3.140 16-.448 .453 .000 .319 16
-2.274 1.593 .000 1.000 16-.363 .367 .000 .258 16
Predicted ValueResidualStd. Predicted ValueStd. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
210-1-2
Regression Standardized Predicted Value
12.5
10
7.5
5
2.5
Y
Scatterplot
Dependent Variable: Y
0.250.00-0.25
Regression Standardized Residual
5
4
3
2
1
0
Freq
uenc
y
Mean =-3.58E-15�Std. Dev. =0.258�
N =16
Histogram
Dependent Variable: Y
83
Lampiran 14 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina
Descriptive Statistics
8.69 3.156 1649.225 5.7105 169.0975 .52520 167.4350 .48918 1645.069 4.3957 1615.881 1.1023 16
15.3300 1.22634 163.6575 .68010 1631.088 1.6484 1630.144 2.3022 1656.188 5.8045 1643.150 4.3007 16
YX1X2X4X5X7X9X10X11X12X13X14
Mean Std. Deviation N
Correlations
1.000 .488 .445 .261 .742 .665 .728 .245 .468 .599 .630 .719.488 1.000 .730 .384 .409 .655 .429 .450 .612 .628 .748 .594.445 .730 1.000 .403 .560 .705 .523 .360 .676 .766 .751 .714.261 .384 .403 1.000 .675 .264 .521 .489 .787 .601 .349 .366.742 .409 .560 .675 1.000 .601 .733 .385 .788 .701 .568 .689.665 .655 .705 .264 .601 1.000 .759 .301 .569 .594 .763 .867.728 .429 .523 .521 .733 .759 1.000 .364 .689 .656 .547 .773.245 .450 .360 .489 .385 .301 .364 1.000 .615 .454 .455 .321.468 .612 .676 .787 .788 .569 .689 .615 1.000 .786 .664 .705.599 .628 .766 .601 .701 .594 .656 .454 .786 1.000 .691 .700.630 .748 .751 .349 .568 .763 .547 .455 .664 .691 1.000 .884.719 .594 .714 .366 .689 .867 .773 .321 .705 .700 .884 1.000
. .027 .042 .164 .000 .002 .001 .181 .034 .007 .004 .001.027 . .001 .071 .058 .003 .049 .040 .006 .005 .000 .008.042 .001 . .061 .012 .001 .019 .085 .002 .000 .000 .001.164 .071 .061 . .002 .162 .019 .027 .000 .007 .092 .081.000 .058 .012 .002 . .007 .001 .070 .000 .001 .011 .002.002 .003 .001 .162 .007 . .000 .129 .011 .008 .000 .000.001 .049 .019 .019 .001 .000 . .083 .002 .003 .014 .000.181 .040 .085 .027 .070 .129 .083 . .006 .039 .038 .113.034 .006 .002 .000 .000 .011 .002 .006 . .000 .002 .001.007 .005 .000 .007 .001 .008 .003 .039 .000 . .002 .001.004 .000 .000 .092 .011 .000 .014 .038 .002 .002 . .000.001 .008 .001 .081 .002 .000 .000 .113 .001 .001 .000 .
16 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 1616 16 16 16 16 16 16 16 16 16 16 16
YX1X2X4X5X7X9X10X11X12X13X14YX1X2X4X5X7X9X10X11X12X13X14YX1X2X4X5X7X9X10X11X12X13X14
Pearson Correla
Sig. (1-tailed)
N
Y X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14
84
Lanjutan Variables Entered/Removed a
X5 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
Model1
VariablesEntered
VariablesRemoved Method
Dependent Variable: Ya.
Model Summary b
.742a .551 .519 2.190Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), X5a.
Dependent Variable: Yb.
ANOVAb
82.298 1 82.298 17.161 .001a
67.139 14 4.796149.438 15
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X5a.
Dependent Variable: Yb.
Coefficientsa
-15.328 5.823 -2.632 .020.533 .129 .742 4.143 .001
(Constant)X5
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Ya.
Excluded Variablesb
.222a 1.141 .275 .302 .832
.044a .195 .848 .054 .687-.440a -1.995 .067 -.484 .544.343a 1.615 .130 .409 .639.397a 1.589 .136 .403 .463
-.048a -.240 .814 -.066 .852-.306a -1.058 .309 -.282 .380.155a .602 .557 .165 .508.308a 1.474 .164 .378 .678.395a 1.705 .112 .427 .526
X1X2X4X7X9X10X11X12X13X14
Model1
Beta In t Sig.Partial
Correlation Tolerance
CollinearityStatistics
Predictors in the Model: (Constant), X5a.
Dependent Variable: Yb.
85
Lanjutan
Residuals Statisticsa
3.91 12.06 8.69 2.342 16-2.040 1.440 .000 1.000 16
.548 1.277 .749 .203 16
4.89 11.57 8.70 2.283 16-3.049 4.390 .000 2.116 16-1.392 2.005 .000 .966 16-1.493 2.082 -.003 1.030 16-3.505 4.735 -.016 2.416 16-1.569 2.414 .012 1.081 16
.000 4.163 .938 1.095 16
.008 .296 .073 .079 16
.000 .278 .063 .073 16
Predicted ValueStd. Predicted ValueStandard Error ofPredicted ValueAdjusted Predicted ValueResidualStd. ResidualStud. ResidualDeleted ResidualStud. Deleted ResidualMahal. DistanceCook's DistanceCentered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
10-1-2
Regression Standardized Predicted Value
2
1
0
-1
-2
Re
gre
ss
ion
Stu
de
nti
zed
De
lete
d
(Pre
ss)
Resid
ual
Scatterplot
Dependent Variable: Y
3210-1-2
Regression Standardized Residual
5
4
3
2
1
0
Freq
uenc
y
Mean =-3.05E-16�Std. Dev. =0.966�
N =16
Histogram
Dependent Variable: Y
86
Lampiran 15 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina umur 2-6 tahun
Descriptive Statistics
4.33 2.082 345.433 9.0578 38.8567 .80649 37.6433 .83787 37.1433 .38799 340.900 4.2532 313.233 1.6921 315.033 1.9425 32.8267 .30370 3
13.7900 1.26740 33.1967 .42147 329.933 2.4664 327.700 2.1932 351.800 12.3357 338.867 9.0357 3
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Correlations
1.000 .922 .990 .578 .747 1.000 .875 .997 .999 .942 .999 .990 .997 .995 .990.922 1.000 .968 .217 .431 .933 .620 .892 .905 .738 .937 .967 .951 .956 .857.990 .968 1.000 .456 .644 .994 .797 .977 .983 .884 .995 1.000 .998 .999 .959.578 .217 .456 1.000 .974 .554 .901 .635 .611 .819 .545 .458 .509 .494 .689.747 .431 .644 .974 1.000 .727 .975 .793 .774 .927 .720 .646 .690 .677 .834
1.000 .933 .994 .554 .727 1.000 .861 .995 .998 .932 1.000 .994 .999 .997 .985.875 .620 .797 .901 .975 .861 1.000 .908 .894 .987 .856 .799 .833 .823 .935.997 .892 .977 .635 .793 .995 .908 1.000 1.000 .963 .994 .978 .988 .985 .997.999 .905 .983 .611 .774 .998 .894 1.000 1.000 .955 .997 .983 .992 .990 .995.942 .738 .884 .819 .927 .932 .987 .963 .955 1.000 .928 .885 .911 .904 .980.999 .937 .995 .545 .720 1.000 .856 .994 .997 .928 1.000 .995 .999 .998 .983.990 .967 1.000 .458 .646 .994 .799 .978 .983 .885 .995 1.000 .998 .999 .960.997 .951 .998 .509 .690 .999 .833 .988 .992 .911 .999 .998 1.000 1.000 .975.995 .956 .999 .494 .677 .997 .823 .985 .990 .904 .998 .999 1.000 1.000 .971.990 .857 .959 .689 .834 .985 .935 .997 .995 .980 .983 .960 .975 .971 1.000
. .127 .046 .304 .231 .009 .161 .023 .013 .109 .013 .045 .026 .032 .046.127 . .081 .430 .358 .117 .287 .149 .140 .236 .114 .082 .100 .095 .172.046 .081 . .349 .277 .036 .206 .068 .059 .155 .033 .001 .019 .014 .091.304 .430 .349 . .072 .313 .143 .281 .291 .195 .316 .349 .330 .336 .258.231 .358 .277 .072 . .241 .071 .209 .218 .122 .244 .276 .258 .263 .186.009 .117 .036 .313 .241 . .170 .032 .022 .118 .003 .036 .017 .023 .055.161 .287 .206 .143 .071 .170 . .138 .148 .052 .173 .206 .187 .193 .115.023 .149 .068 .281 .209 .032 .138 . .010 .086 .035 .068 .049 .055 .023.013 .140 .059 .291 .218 .022 .148 .010 . .096 .026 .058 .039 .045 .033.109 .236 .155 .195 .122 .118 .052 .086 .096 . .122 .154 .135 .141 .063.013 .114 .033 .316 .244 .003 .173 .035 .026 .122 . .032 .014 .019 .058.045 .082 .001 .349 .276 .036 .206 .068 .058 .154 .032 . .019 .013 .090.026 .100 .019 .330 .258 .017 .187 .049 .039 .135 .014 .019 . .006 .072.032 .095 .014 .336 .263 .023 .193 .055 .045 .141 .019 .013 .006 . .077.046 .172 .091 .258 .186 .055 .115 .023 .033 .063 .058 .090 .072 .077 .
3 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 33 3 3 3 3 3 3 3 3 3 3 3 3 3 3
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Pearson Correla
Sig. (1-tailed)
N
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
87
Lanjutan
Variables Entered/Removed a
X5 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
X10 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
Model1
2
VariablesEntered
VariablesRemoved Method
Dependent Variable: Ya.
Model Summaryc
1.000a .999 .998 .086 .999 160.333 1 1 .0191.000b 1.000 1.000 . .001 . 1 0 . 2.813
Model12
R R SquareAdjustedR Square
Std. Error ofthe Estimate
R SquareChange F Change df1 df2 Sig. F Change
Change StatisticsDurbin-Watson
Predictors: (Constant), X5a.
Predictors: (Constant), X5, X10b.
Dependent Variable: Yc.
ANOVA c
8.659 1 8.659 1160.333 .019a
.007 1 .0078.667 28.667 2 4.333 . .b
.000 0 .8.667 2
RegressionResidualTotalRegressionResidualTotal
Model1
2
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X5a.
Predictors: (Constant), X5, X10b.
Dependent Variable: Yc.
Coefficientsa
-15.676 .590 -26.591 .024 -23.166 -8.185.489 .014 1.000 34.064 .019 .307 .672 1.000 1.000 1.000 1.000 1.000
-27.905 .000 . . -27.905 -27.9051.905 .000 3.892 . . 1.905 1.905 1.000 1.000 .039 .000 715.456
-14.286 .000 -2.892 . . -14.286 -14.286 .999 -1.000 -.029 .000 715.456
(ConstanX5(ConstanX5X10
Mode1
2
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Lower BoundUpper Bound% Confidence Interval fo
Zero-order Partial PartCorrelations
Tolerance VIFCollinearity Statistics
Dependent Variable: Ya.
88
Lanjutan
Excluded Variables c
-.081a . . -1.000 .130 7.711 .130-.258a . . -1.000 .013 77.474 .013.035a . . 1.000 .693 1.443 .693.043a . . 1.000 .471 2.122 .471.058a . . 1.000 .259 3.860 .259.292a . . 1.000 .010 98.755 .010.417a . . 1.000 .005 201.784 .005.081a . . 1.000 .132 7.572 .132
-2.892a . . -1.000 .000 9715.456 .000-.263a . . -1.000 .012 80.510 .012-.555a . . -1.000 .003 357.086 .003-.414a . . -1.000 .005 199.431 .005.171a . . 1.000 .029 33.915 .029
.b . . . .000 -2.6E+12 .000
.b . . . .000 . .000
.b . . . .000 -4.8E+11 .000
.b . . . .000 -7.1E+11 .000
.b . . . .000 -1.3E+12 .000
.b . . . .000 -2.8E+13 .000
.b . . . .000 . .000
.b . . . .000 -2.5E+12 .000
.b . . . .000 -2.6E+13 .000
.b . . . .000 . .000
.b . . . .000 . .000
.b . . . .000 -1.1E+13 .000
X1X2X3X4X6X7X8X9X10X11X12X13X14X1X2X3X4X6X7X8X9X11X12X13X14
Model1
2
Beta In t Sig.Partial
Correlation Tolerance VIFMinimumTolerance
Collinearity Statistics
Predictors in the Model: (Constant), X5a.
Predictors in the Model: (Constant), X5, X10b.
Dependent Variable: Yc.
Residuals Statistics a
2.00 6.00 4.33 2.082 3.000 .000 .000 .000 3
-1.121 .801 .000 1.000 3. . . . 0
Predicted ValueResidualStd. Predicted ValueStd. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
89
Lampiran 16 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
KMO and Bartlett's Test
.916
720.10091
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Anti-image Matrices
.126 -.046 -.008 .011 .004 -.020 -.010 -.059 .002 -.032 .020 -.030 -.035 .019-.046 .233 -.019 .011 .017 .008 .014 -.019 -.027 -.041 -.047 .040 .001 -.001-.008 -.019 .317 -.043 -.003 .017 -.008 -.034 -.021 -.074 .013 -.046 -.015 .035.011 .011 -.043 .156 -.017 -.046 .061 -.024 -.045 .042 -.028 -.021 -.018 .014.004 .017 -.003 -.017 .111 -.032 -.010 -.032 -.014 -.003 -.020 -.022 -.001 .001
-.020 .008 .017 -.046 -.032 .377 -.032 -.014 .013 -.118 -.014 .025 .019 -.008-.010 .014 -.008 .061 -.010 -.032 .081 -.008 -.040 .007 -.001 -.017 -.009 .002-.059 -.019 -.034 -.024 -.032 -.014 -.008 .265 .014 .010 -.024 .049 .019 -.023.002 -.027 -.021 -.045 -.014 .013 -.040 .014 .053 -.002 .003 .018 .010 -.017
-.032 -.041 -.074 .042 -.003 -.118 .007 .010 -.002 .288 -.042 .002 -.001 .008.020 -.047 .013 -.028 -.020 -.014 -.001 -.024 .003 -.042 .093 -.035 -.012 .005
-.030 .040 -.046 -.021 -.022 .025 -.017 .049 .018 .002 -.035 .113 .018 -.030-.035 .001 -.015 -.018 -.001 .019 -.009 .019 .010 -.001 -.012 .018 .035 -.025.019 -.001 .035 .014 .001 -.008 .002 -.023 -.017 .008 .005 -.030 -.025 .032.918a -.272 -.038 .077 .034 -.094 -.098 -.322 .024 -.167 .188 -.248 -.526 .303
-.272 .949a -.070 .059 .104 .027 .101 -.076 -.244 -.158 -.318 .247 .011 -.012-.038 -.070 .939a -.192 -.015 .050 -.053 -.118 -.165 -.245 .077 -.242 -.144 .350.077 .059 -.192 .888a -.126 -.189 .539 -.120 -.496 .199 -.235 -.157 -.248 .202.034 .104 -.015 -.126 .976a -.156 -.101 -.186 -.189 -.019 -.194 -.196 -.024 .018
-.094 .027 .050 -.189 -.156 .946a -.183 -.043 .095 -.358 -.072 .123 .166 -.069-.098 .101 -.053 .539 -.101 -.183 .909a -.056 -.609 .044 -.009 -.176 -.175 .042-.322 -.076 -.118 -.120 -.186 -.043 -.056 .945a .114 .038 -.154 .282 .201 -.248.024 -.244 -.165 -.496 -.189 .095 -.609 .114 .891a -.020 .043 .231 .234 -.416
-.167 -.158 -.245 .199 -.019 -.358 .044 .038 -.020 .939a -.259 .008 -.014 .083.188 -.318 .077 -.235 -.194 -.072 -.009 -.154 .043 -.259 .945a -.340 -.204 .086
-.248 .247 -.242 -.157 -.196 .123 -.176 .282 .231 .008 -.340 .897a .283 -.500-.526 .011 -.144 -.248 -.024 .166 -.175 .201 .234 -.014 -.204 .283 .875a -.764.303 -.012 .350 .202 .018 -.069 .042 -.248 -.416 .083 .086 -.500 -.764 .858a
X1X2X3X4X5X6X7X8X9X10X11X12X13X14X1X2X3X4X5X6X7X8X9X10X11X12X13X14
Anti-image C
Anti-image C
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
Measures of Sampling Adequacy(MSA)a.
90
Lampiran 17 Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
Descriptive Statistics
8.95 3.297 4048.59 8.567 40
9.3300 1.02078 408.2478 .98637 407.5935 .71521 4045.843 7.6653 4014.713 3.4748 40
15.7230 2.33126 402.9760 .50055 4015.646 2.5115 403.6185 .89582 4031.163 2.6063 4029.798 2.9753 40
56.34 10.187 4042.788 7.2501 40
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Variables Entered/Removed b
X14, X3,X6, X2,X10, X8,X4, X1,X12, X7,X5, X11,X9, X13
a
. Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: Yb.
Model Summaryb
.827a .685 .508 2.312 .685 3.877 14 25 .002 1.048Mode1
R R SquareAdjustedR Square
Std. Error ofhe Estimate
R SquareChange F Change df1 df2 Sig. F Change
Change StatisticsDurbin-Watson
Predictors: (Constant), X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11, X9, X13a.
Dependent Variable: Yb.
ANOVA b
290.219 14 20.730 3.877 .002a
133.681 25 5.347423.900 39
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11, X9, X13a.
Dependent Variable: Yb.
91
Lanjutan
Coefficient Correlationsa
1.000 .350 -.069 -.012 .083 -.248 .202 .303 -.500 .042 .018 .086 -.416 -.764.350 1.000 .050 -.070 -.245 -.118 -.192 -.038 -.242 -.053 -.015 .077 -.165 -.144
-.069 .050 1.000 .027 -.358 -.043 -.189 -.094 .123 -.183 -.156 -.072 .095 .166-.012 -.070 .027 1.000 -.158 -.076 .059 -.272 .247 .101 .104 -.318 -.244 .011.083 -.245 -.358 -.158 1.000 .038 .199 -.167 .008 .044 -.019 -.259 -.020 -.014
-.248 -.118 -.043 -.076 .038 1.000 -.120 -.322 .282 -.056 -.186 -.154 .114 .201.202 -.192 -.189 .059 .199 -.120 1.000 .077 -.157 .539 -.126 -.235 -.496 -.248.303 -.038 -.094 -.272 -.167 -.322 .077 1.000 -.248 -.098 .034 .188 .024 -.526
-.500 -.242 .123 .247 .008 .282 -.157 -.248 1.000 -.176 -.196 -.340 .231 .283.042 -.053 -.183 .101 .044 -.056 .539 -.098 -.176 1.000 -.101 -.009 -.609 -.175.018 -.015 -.156 .104 -.019 -.186 -.126 .034 -.196 -.101 1.000 -.194 -.189 -.024.086 .077 -.072 -.318 -.259 -.154 -.235 .188 -.340 -.009 -.194 1.000 .043 -.204
-.416 -.165 .095 -.244 -.020 .114 -.496 .024 .231 -.609 -.189 .043 1.000 .234-.764 -.144 .166 .011 -.014 .201 -.248 -.526 .283 -.175 -.024 -.204 .234 1.000.082 .067 -.003 -.003 .018 -.102 .076 .011 -.053 .007 .001 .011 -.077 -.043.067 .445 .006 -.035 -.126 -.113 -.168 -.003 -.060 -.020 -.001 .024 -.071 -.019
-.003 .006 .030 .003 -.048 -.011 -.043 -.002 .008 -.018 -.004 -.006 .011 .006-.003 -.035 .003 .566 -.091 -.082 .058 -.025 .069 .042 .011 -.111 -.118 .002.018 -.126 -.048 -.091 .593 .042 .201 -.016 .002 .019 -.002 -.093 -.010 -.002
-.102 -.113 -.011 -.082 .042 2.062 -.226 -.056 .150 -.045 -.039 -.103 .105 .056.076 -.168 -.043 .058 .201 -.226 1.716 .012 -.076 .395 -.024 -.144 -.417 -.063.011 -.003 -.002 -.025 -.016 -.056 .012 .015 -.011 -.007 .001 .011 .002 -.012
-.053 -.060 .008 .069 .002 .150 -.076 -.011 .137 -.036 -.010 -.059 .055 .020.007 -.020 -.018 .042 .019 -.045 .395 -.007 -.036 .312 -.008 -.002 -.218 -.019.001 -.001 -.004 .011 -.002 -.039 -.024 .001 -.010 -.008 .021 -.013 -.018 -.001.011 .024 -.006 -.111 -.093 -.103 -.144 .011 -.059 -.002 -.013 .217 .013 -.018
-.077 -.071 .011 -.118 -.010 .105 -.417 .002 .055 -.218 -.018 .013 .411 .029-.043 -.019 .006 .002 -.002 .056 -.063 -.012 .020 -.019 -.001 -.018 .029 .038
X14X3X6X2X10X8X4X1X12X7X5X11X9X13X14X3X6X2X10X8X4X1X12X7X5X11X9X13
Correlatio
Covarianc
Mode1
X14 X3 X6 X2 X10 X8 X4 X1 X12 X7 X5 X11 X9 X13
Dependent Variable: Ya.
Coefficients(a)
Model
Unstandardized Coefficients
Standardized Coefficients t
Sig.
B Std. Error Beta
1 (Constant) -3.232 8.475 -.381 .706 X1 .037 .122 .096 .303 .764 X2 -.010 .752 -.003 -.013 .990 X3 -.625 .667 -.187 -.938 .357 X4 -2.320 1.310 -.503 -1.771 .089 X5 .360 .145 .837 2.484 .020 X6 -.134 .173 -.141 -.771 .448 X7 -.747 .559 -.528 -1.336 .194 X8 -1.558 1.436 -.237 -1.085 .288 X9 .979 .641 .746 1.527 .139 X10 .051 .770 .014 .066 .948 X11 .257 .465 .203 .552 .586 X12 .522 .370 .472 1.413 .170 X13 -.013 .195 -.040 -.066 .948 X14 -.076 .287 -.167 -.265 .793
a Dependent Variable: Y
92
Lanjutan Residuals Statisticsa
-.32 12.80 8.95 2.728 40-3.458 3.548 .000 1.851 40-3.400 1.412 .000 1.000 40-1.495 1.534 .000 .801 40
Predicted ValueResidualStd. Predicted ValueStd. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
210-1-2-3-4
Regression Standardized Predicted Value
14
12
10
8
6
4
2
0
Y
Scatterplot
Dependent Variable: Y
20-2
Regression Standardized Residual
12.5
10.0
7.5
5.0
2.5
0.0
Freq
uenc
y
Mean =2.76E-15�Std. Dev. =0.801�
N =40
Histogram
Dependent Variable: Y
93
Lampiran 18 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
Descriptive Statistics
8.95 3.297 4048.59 8.567 40
9.3300 1.02078 408.2478 .98637 407.5935 .71521 4045.843 7.6653 4014.713 3.4748 40
15.7230 2.33126 402.9760 .50055 4015.646 2.5115 403.6185 .89582 4031.163 2.6063 4029.798 2.9753 40
56.34 10.187 4042.788 7.2501 40
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Mean Std. Deviation N
Correlations
1.000 .546 .473 .377 .498 .724 .371 .629 .438 .672 .418 .646 .714 .638 .675.546 1.000 .794 .689 .701 .802 .646 .822 .789 .810 .720 .817 .776 .881 .811.473 .794 1.000 .660 .684 .723 .614 .710 .731 .772 .715 .797 .628 .753 .702.377 .689 .660 1.000 .697 .685 .570 .628 .635 .684 .681 .698 .632 .636 .564.498 .701 .684 .697 1.000 .820 .616 .671 .707 .820 .575 .837 .755 .780 .750.724 .802 .723 .685 .820 1.000 .687 .863 .781 .903 .664 .895 .864 .874 .873.371 .646 .614 .570 .616 .687 1.000 .633 .631 .642 .708 .689 .571 .601 .578.629 .822 .710 .628 .671 .863 .633 1.000 .730 .923 .625 .823 .840 .893 .900.438 .789 .731 .635 .707 .781 .631 .730 1.000 .760 .633 .783 .669 .762 .741.672 .810 .772 .684 .820 .903 .642 .923 .760 1.000 .636 .870 .843 .903 .917.418 .720 .715 .681 .575 .664 .708 .625 .633 .636 1.000 .730 .585 .632 .568.646 .817 .797 .698 .837 .895 .689 .823 .783 .870 .730 1.000 .861 .882 .858.714 .776 .628 .632 .755 .864 .571 .840 .669 .843 .585 .861 1.000 .871 .897.638 .881 .753 .636 .780 .874 .601 .893 .762 .903 .632 .882 .871 1.000 .962.675 .811 .702 .564 .750 .873 .578 .900 .741 .917 .568 .858 .897 .962 1.000
. .000 .001 .008 .001 .000 .009 .000 .002 .000 .004 .000 .000 .000 .000.000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000.001 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000.008 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000.001 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000.000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000.009 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000.000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000.002 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000.004 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .
40 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 4040 40 40 40 40 40 40 40 40 40 40 40 40 40 40
YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14YX1X2X3X4X5X6X7X8X9X10X11X12X13X14
Pearson Correla
Sig. (1-tailed)
N
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14
94
Lanjutan Variables Entered/Removed a
X5 .
Stepwise(Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >= .100).
Model1
VariablesEntered
VariablesRemoved Method
Dependent Variable: Ya.
Model Summary b
.724a .525 .512 2.303Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), X5a.
Dependent Variable: Yb.
ANOVAb
222.397 1 222.397 41.940 .000a
201.503 38 5.303423.900 39
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), X5a.
Dependent Variable: Yb.
Coefficientsa
-5.331 2.235 -2.385 .022.312 .048 .724 6.476 .000
(Constant)X5
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Ya.
Excluded Variables b
-.096a -.507 .615 -.083 .357-.107a -.658 .515 -.108 .477-.225a -1.490 .145 -.238 .530-.291a -1.514 .139 -.241 .328-.240a -1.587 .121 -.252 .528.013a .058 .954 .010 .255
-.328a -1.895 .066 -.297 .390.098a .371 .713 .061 .185
-.111a -.740 .464 -.121 .560-.011a -.042 .967 -.007 .199.347a 1.594 .120 .253 .253.019a .083 .934 .014 .236.178a .771 .446 .126 .238
X1X2X3X4X6X7X8X9X10X11X12X13X14
Model1
Beta In t Sig.Partial
Correlation Tolerance
CollinearityStatistics
Predictors in the Model: (Constant), X5a.
Dependent Variable: Yb.
95
Lanjutan Residuals Statisticsa
-.07 12.27 8.95 2.388 40-3.776 1.390 .000 1.000 40
.364 1.439 .468 .218 40
-.75 12.53 8.93 2.491 40-3.996 4.752 .000 2.273 40-1.735 2.063 .000 .987 40-1.762 2.090 .004 1.009 40-4.193 4.876 .022 2.379 40-1.814 2.192 .005 1.026 40
.000 14.256 .975 2.787 40
.000 .113 .024 .031 40
.000 .366 .025 .071 40
Predicted ValueStd. Predicted ValueStandard Error ofPredicted ValueAdjusted Predicted ValueResidualStd. ResidualStud. ResidualDeleted ResidualStud. Deleted ResidualMahal. DistanceCook's DistanceCentered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Ya.
1.00.80.60.40.20.0
Observed Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Expe
cted
Cum
Pro
b
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
210-1-2-3-4
Regression Standardized Predicted Value
2
0
-2
Reg
res
sio
n S
tud
en
tize
d D
ele
ted
(P
res
s)
Res
idu
al
Scatterplot
Dependent Variable: Y
3210-1-2
Regression Standardized Residual
10
8
6
4
2
0
Freq
uenc
y
Mean =-1.64E-15�Std. Dev. =0.987�
N =40
Histogram
Dependent Variable: Y
96
Lampiran 19 Pendugaan umur siamang sumatera berdasarkan model matematik A. Pendugaan umur siamang sumatera jantan 1-15 tahun dengan model
matematika Y = -14.546 + 0.801 X12
Ukuran Lingkar Muka (cm)
Dugaan Umur (tahun)
18.2 - 19.4 0 – 1 19.5 - 20.6 > 1 – 2 20.7 - 21.9 > 2 – 3 22.0 - 23.1 > 3 – 4 23.2 - 24.4 > 4 - 5 24.5 - 25.6 > 5 - 6 25.7 - 26.9 > 6 - 7 27.0 - 28.1 > 7 - 8 28.2 - 29.4 > 8 - 9 29.5 - 30.6 > 9 – 10 30.7 - 31.8 > 10 - 11 31.9 - 33.1 > 11 - 12 33.2 - 34.3 > 12 - 13 34.4 - 35.6 > 13 - 14 35.7 - 36.8 > 14 - 15
B. Pendugaan umur siamang sumatera betina 2-14 tahun dengan model
matematika Y = -15.328 + 0.533 X5
Ukuran Lingkar Dada (cm)
Dugaan Umur (tahun)
28.9 - 30.6 0 – 1 30.7 - 32.5 > 1 – 2 32.6 - 34.3 > 2 – 3 34.4 - 36.2 > 3 – 4 36.3 - 38.1 > 4 – 5 38.2 - 40.0 > 5 – 6 40.1 - 41.9 > 6 – 7 42.0 - 43.7 > 7 – 8 43.8 - 45.6 > 8 – 9 45.7 - 47.5 > 9 – 10 47.6 - 49.4 > 10 – 11 49.5 - 51.2 > 11 – 12 51.3 - 53.1 > 12 – 13 53.2 - 55.0 > 13 – 14 55.1 - 56.9 > 14 – 15
97
C. Pendugaan umur siamang sumatera 1-15 tahun dengan model matematika Y = -5,331 + 0,312 X5
Ukuran Lingkar Dada (cm)
Dugaan Umur (tahun)
17.1 - 20.3 0 – 1 20.4 - 23.4 > 1 – 2 23.5 - 26.7 > 2 – 3 26.8 - 29.9 > 3 – 4 30.0 - 33.1 > 4 – 5 33.2 - 36.3 > 5 – 6 36.4 - 39.5 > 6 – 7 39.6 - 42.7 > 7 – 8 42.8 - 45.9 > 8 – 9 46.0 - 49.1 > 9 – 10 49.2 - 52.3 > 10 – 11 52.4 - 55.5 > 11 – 12 55.6 - 58.7 > 12 – 13 58.8 - 61.9 > 13 – 14 62.0 - 65.1 > 14 – 15
98
Lampiran 20 Parameter morfometrik pada kerangka Hylobates sp. (insert kanan atas. H. syndactylus).
Sum
ber:
Nap
ier,
1967
PB
PH
PR
PF
PT
LD
Sumber: Young (1981)
PR + PH = PL
PF + PT = PK
99
Lampiran 21 Parameter morfometrik (a) telapak kaki dan (b) telapak tangan Hylobates sp.
Lampiran 22 Parameter morfometrik tengkorak (cranial) Hylobates sp.
PTK
LTK
(a)
PTT
LTT
(b)
PCr
TCr
LbC