Anda di halaman 1dari 22

Nama : Leni Marlena Jumat, 2 November 2012

NRP : G1511200081

1

SOAL UJIAN STATISTIKA SPASIAL
WAKTU 4 JAM
OPEN BOOK, CAN USE COMPUTER
RESULT FROM COMPUTER MUST BE MOVED TO THIS PAPER

1. Penderita Diare pada umumnya mengelompok. Hal ini disebabkan sumber
penyebabnya terlokalisasi pada suatu tempat tertentu. Pada kasus berikut
apakah pernyataan di atas benar atau salah. Tolong analisis data berikut
dengan menggunakan teknik yang anda kuasai.

Bujur Lintang Jumlah Penderita Diare
106.75982 6.84528 9
106.77097 6.86994 11
106.73927 6.84721 22
106.76189 6.8342 15
106.7621 6.82109 13
106.76975 6.81578 15
106.75178 6.83155 27
106.76036 6.80943 16
106.72696 6.77286 54
106.73959 6.79408 26
106.74454 6.80054 27
106.7525 6.79878 19
106.74452 6.79112 14
106.76698 6.79473 26
106.74586 6.78046 13

JAWAB:
Hipotesis:
H
0
: sebaran Penderita Diare menyebar acak (VMR = 1)
H
0
: sebaran Penderita Diare cenderung mengelompok (VMR >1)
Statistik uji:

= (m-1)VMR
=

= 20.466667

= 123.55238
VMR =

= 6.0367613

= (m-1)VMR
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

2

= 14*6.0367613
= 84.51466

= 23.68479

>


Kesimpulan :
Karena

= 84.51466 lebih besar dari


= 23.68479, maka tolak H


0
.
Artinya, pada taraf nyata 5%, sebaran jumlah penderita diare umumnya mengelompok. Dengan
demikian Pernyataan di atas benar.









Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

3

2. Indeks moran menunjukkan korelasi spasial sarana dan prasarana pada
suatu wilayah. Berikut ini menunjukkan jumlah puskesmas dalam
kecamatan (ada 5 kecamatan) dari suatu kabupaten. Bagaimana indeks
moran jumlah puskesmas tersebut? Dan artikan..

Gunakan matriks W sebagai
Bernilai 1 bila berdampingan dan
Berdampingan.






Statistik uji:
I =



Matriks x:
A 6
B 10
C 9
D 15

N= 4
Matriks w:

A B C D
A 0 1 0 0
B 1 0 1 0
C 0 1 0 1
D 0 0 1 0

Martiks w yang sudah di boboti:

A B C D
A 0 1 0 0
B 0.5 0 0.5 0
C 0 0.5 0 0.5
A=6
B=10
C=9
E
=
1
3
D=15
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

4

D 0 0 1 0




I =


I =


I= -0.178571

Hipotesis:
H
0
: I = 0
H
1
: I < 0 ; Terdapat autokorelasi spasial negatif. Artinya area yang berdekatan tidak mirip
dan membentuk pola visual seperti papan catur.



E = -

= -

=-

) ( I E
S 0.7958224
Dengan demikian

Z
0.05
= - 1,645
Karena Z(I) > Z
0.05
maka terima H
0
artinya pada taraf nyata 5%, korelasi spasial sarana dan prasarana
pada suatu wilayah tidaklah nyata atau dapat dikatakan tidak ada korelasi spasial untuk sarana dan
prasarana pada suatu wilayah.

) (
) (
) (
I E
S
I E I
I Z

]
) )( 1 (
) ( ) ( 3
[
2 2
2 2 2 2
) (

ij
ij
ij ij i j
ij ij ij
I E
w N
w N w w N
SQRT S
0.1944679
0.7958224
(-0.3333) - 0.178571 - ) (
) (
) (

I E
S
I E I
I Z
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

5

3. Data berikut menunjukkan sebaran banyaknya anak dan ibu yang
kurang gizi di masing-masing desa.

Desa Jumlah
anak
kurang Gizi
Jumlah Ibu
kurang Gizi
Desa Jumlah
anak
kurang
Gizi
Jumlah
Ibu kurang
Gizi
A
1 0
P
3 1
B
1 1
Q
1 0
C
1 1
R
3 0
D
1 0
S
2 1
E
3 2
T
2 1
F
0 0
U
2 0
G
2 1
V
0 0
H
4 0
W
2 0
I
0 0
X
0 0
J
3 1
Y
2 2
K
3 1
Z
2 1
L
1 2
AA
0 0
M
2 0
AB
1 2
N
5 2
AC
1 1
O
2 2
AD
0 0

Pertanyaan :
a. Apakah ada korelasi antara banyaknya Anak kurang gizi dengan banyak ibu
kurang gizi
b. Apakah ada asosiasi secara spasial antara banyaknya Anak kurang gizi
dengan banyak ibu kurang gizi.

JAWAB :
a. H
0
: tidak ada korelasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi
H
1
: Ada korelasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi

anak kurang gizi ibu kurang gizi
anak kurang gizi Pearson Correlation 1 .392
*

Sig. (2-tailed)

.032
N 30 30

Dengan menggunakan Minitab diperoleh Nilai korelasi Pearson antara banyaknya Anak kurang
gizi dengan banyak ibu kurang gizi sebesar 0.392 dengan P-Value = 0.032.
Karena P value < taraf nyata 5%, maka tolak H
0
. Artinya pada taraf nyata 5% banyaknya Anak
kurang gizi dengan banyak ibu kurang gizi berkorelasi dengan nilai korelasi pearson sebesar
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

6

0.,392. Banyaknya Anak kurang gizi dengan banyak ibu kurang gizi berkorelasi positif, artinya
semakin banyak jumlah Anak kurang gizi, semakin banyak pula jumlah ibu kurang gizi, begitu
pula sebaliknya.

Jawaban b. Ada di halaman berikutnya.

Jawaban no 3 b.:
H
0
: tidak ada asosiasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi
H
1
: ada asosiasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi
Statistik uji:



ANAK KURANG GIZI

IBU KURANG GIZI Tidak ada Ada Total
Tidak ada 6 (a) 8 (b) 14
ada 0 (c) 16 (d) 16
Total 6 24 30

8.57142857
p-val = 0.003 atau

3.841459149
Karena P value < taraf nyata 5%, maka tolak H
0
. Artinya pada taraf nyata 5% ada asosiasi antara
banyaknya Anak kurang gizi dengan banyak ibu kurang gizi dengan nilai asosiasi sebesar 8.571.




Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

7

4. Apa yang anda ketahui tentang cluster dendrogram. Jelaskan. Lalu buatlah
Cluster Dendrogram pada data berikut
Nama Kabupaten
Persen Keluarga
Pra-Sejahtera dan
Sejahtera I
Persen Penduduk yang
berpendidikan SMA ke
atas
Persen
Keluarga
Petani
Kepadatan
Penduduk (jiwa
per km2)
Cianjur 31,84 8,68 22,39 10,38
Sukabumi 40,04 9,07 14,6 32,59
Bandung 38,59 18,15 14,73 15,54
Cirebon 42,5 23,49 25,34 28,8
Tegal 29,17 10,08 18,4 25,08
Cilacap 28,93 10,44 10,63 8,03
Jepara 33,78 17,72 17,32 12,35
Kudus 21,72 9,12 19,04 7,33
Rembang 42,64 18 20,52 18,98
Mojokerto 39,43 17,49 13,43 30,93
Ngawi 40,5 13,42 19,49 30,03
Madiun 35,12 9,49 11,53 15,56
Ponorogo 37,61 20,27 12,7 24,12
Pacitan 32,95 7,19 21,28 21,39
Tulungagung 31,07 8,62 15,85 12,19

Analisis Cluster digunakan untuk menggabungkan obyek ke dalam gerombol-gerombol
berdasarkan sifat kemiripannya. Penggerombolan diatur sedemikian hingga obyek di
dalam gerombol lebih mirip dibandingkan obyek antar gerombol. Ketidakmiripan antar
obyek diukur dengan jarak tertentu.
Adapun metode pengelompokan dalam analisis cluster meliputi :
a. Metode Hirarkis
b. Metode tak berhirarki
Memulai pengelompokan dengan dua atau lebih obyek yang mempunyai kesamaan
paling dekat. Kemudian diteruskan pada obyek yang lain dan seterusnya hingga cluster
akan membentuk semacam pohon dimana terdapat tingkatan (hirarki) yang jelas antar
obyek, dari yang paling mirip hingga yang paling tidak mirip. Alat yang membantu untuk
memperjelas proses hirarki ini disebut dendogram.
Jadi dapat disimpulkan bahwa cluster dendogram adalah suatu
pengelompokkan/pengklusteran yang diperoleh dengan menggunakan metode hirarkis.
Sebelum menginputkan data ke dalam minitab, terlebih dahulu bakukan data tersebut.
Data ini perlu dibakukan karena satuan pada variabel Kepadatan Penduduk berbeda
dengan 3 variabel lain.
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

8

Dengan menggunakan Minitab dengan Pautan Lengkap dan jarak euclid diperoleh
dendogram sebagai berikut:


Berdasarkan dendogram di atas dengan memotong di similarity terpanjang yaitu dari kelompok I ke III
maka diperoleh 2 kelompok, yaitu:
Kelompok I: Cianjur, Kudus, Cilacap, Madiun, dan Tulungagung
Kelompok II: Sukabumi, Ngawi, Tegal, Pacitan, Bandungn Jepara, Rembang, Mojokerto, Ponorogo,
Cirebon

C
i
r
e
b
o
n
P
o
n
o
r
o
g
o
M
o
j
o
k
e
r
t
o
R
e
m
b
a
n
g
J
e
p
a
r
a
B
a
n
d
u
n
g
P
a
c
i
t
a
n
T
e
g
a
l
N
g
a
w
i
S
u
k
a
b
u
m
i
T
u
l
u
n
g
a
g
u
n
g
M
a
d
i
u
n
C
i
l
a
c
a
p
K
u
d
u
s
C
i
a
n
j
u
r
0,00
33,33
66,67
100,00
Observations
S
i
m
i
l
a
r
i
t
y
Dendrogram
Complete Linkage; Euclidean Distance
I
II
III
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

9

5. Buatlah Model Logit pada data berikut dan artikan hasilnya
Penderita
DBD
y
kepadatan
(jiwa/km2) (x1)
persen mobilitas
penduduk (x2)
persentase kk tinggal di pemukiman
kumuh (x3)
12.00 1 49.00 0.05351 0.00
15.00 1 60.00 0.03803 0.02
16.00 1 149.00 0.03240 0.01
32.00 1 85.00 0.03315 0.00
19.00 1 55.00 0.02798 0.04
26.00 1 72.00 0.01911 0.01
27.00 1 133.00 0.03940 0.02
31.00 1 96.00 0.01520 0.00
37.00 1 45.00 0.00434 0.00
1.00 1 20.00 0.01873 0.00
15.00 1 69.00 0.00095 0.00
1.00 1 34.00 0.00895 0.00
7.00 1 38.00 0.02882 0.00
34.00 1 243.00 0.01169 0.00
7.00 1 126.00 0.03156 0.00
22.00 1 53.00 0.02630 0.02
6.00 0 34.00 0.00296 0.00
9.00 0 48.00 0.00141 0.00
9.00 0 88.00 0.00254 0.23
0.00 0 45.00 0.00078 0.06
0.00 0 15.00 0.00241 0.00
0.00 0 33.00 0.00033 0.00
0.00 0 41.00 0.00098 0.00
3.00 0 90.00 0.00266 0.00
1.00 0 66.00 0.00089 0.00
2.00 0 56.00 0.00688 0.00
4.00 0 55.00 0.00553 0.03
31.00 1 134.00 0.00380 0.00
6.00 0 138.00 0.00428 0.03
19.00 0 211.00 0.00439 0.05
21.00 1 222.00 0.00250 0.01
15.00 0 102.00 0.00095 0.00
91.00 1 144.00 0.00000 0.00
71.00 1 149.00 0.00000 0.00
38.00 1 96.00 0.00000 0.00
15.00 0 38.00 0.00000 0.00
15.00 0 66.00 0.00000 0.00
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

10

12.00 0 104.00 0.00000 0.00
31.00 1 102.00 0.00402 0.00
26.00 1 144.00 0.00000 0.00
14.00 1 78.00 0.00000 0.00
5.00 1 240.00 0.00000 0.00
19.00 1 241.00 0.00000 0.00
31.00 1 157.00 0.01171 0.01
48.00 1 92.00 0.00000 0.00
28.00 1 154.00 0.00000 0.00
15.00 1 50.00 0.00000 0.00
7.00 1 178.00 0.00000 0.00
23.00 1 277.00 0.00000 0.00
26.00 1 246.00 0.00000 0.00
12.00 1 144.00 0.00000 0.00
37.00 1 162.00 0.00000 0.00
27.00 1 173.00 0.08682 0.09
49.00 1 267.00 0.00663 0.01
30.00 1 94.00 0.00000 0.00
49.00 1 143.00 0.00324 0.00
10.00 0 116.00 0.11887 0.12
15.00 0 121.00 0.02185 0.02
16.00 0 43.00 0.00000 0.00
14.00 0 52.00 0.00000 0.00
12.00 0 49.00 0.00000 0.00
7.00 0 53.00 0.00000 0.00
4.00 1 94.00 0.00000 0.00
5.00 1 129.00 0.01255 0.01
15.00 1 180.00 0.23909 0.24
18.00 1 50.00 0.01425 0.01
63.00 1 117.00 0.00000 0.00
27.00 1 249.00 0.02083 0.02
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

11

JAWABAN NO. 5:
Berdasarkan hasil analisis dengan menggunakan SPSS, didapatkan hasil sbb:

Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis 68 100,0
Missing Cases 0 ,0
Total 68 100,0
Unselected Cases 0 ,0
Total 68 100,0
a. If weight is in effect, see classification table for the total number of
cases.

a. Menilai Model Fit :
Ho : Model yang di hipotesakan fit dengan data
H1 : Model yag di hipotesakan tidak fit dengan data

Model Summary
Step -2 Log
likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 48,825 ,430 ,595


Berdasarkan hasil analisa, didapatkan :
nilai likelihood rasio Chi Square Statistics (-2LogL) sebesar 48.825
Nilai Chi Square Tabel(db=68-1=67) = 87,10807
Karena nilai Chi Square Statistics lebih kecil dari nilai Chi Square tabelnya maka tidak cukup bukti untuk
menolah Ho. Artinya Ho diterima. Sehingga dapat kisa simpulkan bahwa Model yang di hipotesakan
sudah fit dengan data.
Nilai Nagelkerke R Square = 0,595= 59,5%
Artinya variabilitas variable dependen yang dapat di jelaskan oleh variabilitas variable independen
sebesar 59,5%
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

12

Hosmer and Lemeshow Test

Step Chi-square df Sig.
1 4,776 8 ,781

H
o
: model fit H
1
: model tidak fit
Karena nilai Signifikansi dari Hosmer and Lemeshow test = 0,781 > alpha=0.05 maka Ho tidak dapat di
tolak. Artinya Model fit., cocok dengan data observasinya.

Classification Table
a



Observed Predicted

Y
Percentage
Correct 0 1
Step 1 Y 0 17 6 73,9
1 5 40 88,9
Overall Percentage

83,8
a. The cut value is ,500

Berdasarkan Classification Tabel di atas, didapatkan bahwa nilai Correct Classification Rate total sebesar
83.8 %. Nilai ini cukup bagus, sehingga dapat kita simpulkan sebesar 83,8% data mampu diprediksi
dengan tepat.
Estimasi Parameter
Variables in the Equation

B S.E. Wald df Sig. Exp(B)
Step 1
a
X1 ,034 ,010 10,797 1 ,001 1,034
X2 185,588 73,574 6,363 1 ,012 3,980E80
X3 -191,091 74,355 6,605 1 ,010 ,000
Constant -2,573 ,899 8,190 1 ,004 ,076
a. Variable(s) entered on step 1: X1, X2, X3.

Berdasarkan Tabel di atas, dapat kita simpulkan bahwa :
Persamaannya :
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

13

Ln

= -2,573 + 0,34 X1 + 185,588 X2 191,091 X3


Nilai signifikansi dari X1, X2, dan X3 lebih kecil dari p-value =0,05 semuanya. Maka dapat disimpulkan
bahwa ketiga variable X1, X2, dan X3 signifikan pengaruhnya terhadap nilai logit peluang masuk ke
kelompok 1 di banding peluang masuk ke kelompok 0 .



Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

14

6. Tempat Hidup beberapa jenis ikan dipetakan pada data berikut
Lokasi Patin Gurame Bandeng Sapu-2 Belut Koi
1 1 1 0 0 0 1
2 1 1 0 0 0 1
3 1 1 1 1 1 1
4 0 0 1 1 1 0
5 1 0 1 1 1 0
6 1 1 0 0 0 0
7 0 0 1 1 1 1
8 0 0 0 1 1 1
9 1 1 0 1 1 0
10 0 1 0 1 0 1
11 1 0 1 0 1 0
12 0 0 1 0 1 1
13 1 1 0 0 0 1
14 1 1 1 1 1 1
15 0 0 1 1 1 0
16 1 1 0 0 0 0
17 0 0 1 1 1 1

Tentukan Struktur kedekatan antar jenis ikan tersebut

JAWAB:
Nilai khi-kuadrat (

):
Patin Gurame Bandeng Sapu-2 Belut Koi
Patin 0 7.137302 1.63254 3.552653 2.299784 0.780612
Gurame 7.137302 0 7.24402 1.63254 8.242424 0.485714
Bandeng 1.63254 7.24402 0 2.836706 10.43182 0.084325
Sapu-2 3.552653 1.63254 2.836706 0 6.80368 0.013878
Belut 2.299784 8.242424 10.43182 6.80368 0 0.235498
Koi 0.780612 0.485714 0.084325 0.013878 0.235498 0
15.40289 24.742 22.22941 14.83946 28.0132 1.600027

Nilai khi-kuadrat (

) terbesar adalah pada spesies belut, maka spesies belut digunakan untuk
membagi lokasi menjadi dua bagian, yaitu:

Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

15

Kelompok Anggota
I belut ada 3 4 5 7 8 9 11 12 14 15 17
II belut tidak ada 1 2 6 10 13 16
Kelompok I (ada belut)
Lokasi Patin Gurame Bandeng Sapu-2 Koi
3 1 1 1 1 1
4 0 0 1 1 0
5 1 0 1 1 0
7 0 0 1 1 1
8 0 0 0 1 1
9 1 1 0 1 0
11 1 0 1 0 0
12 0 0 1 0 1
14 1 1 1 1 1
15 0 0 1 1 0
17 0 0 1 1 1

Nilai khi-kuadrat (

):

Patin Gurame Bandeng Sapu-2 Koi
Patin 0 4.95 0.02037 0.02037 0.782222
Gurame 4.95 0 0.636574 0.916667 0.244444
Bandeng 0.02037 0.636574 0 0.54321 0.02037
Sapu-2 0.02037 0.916667 0.54321 0 0.02037
Koi 0.782222 0.244444 0.02037 0.02037 0

5.772963 6.747685 1.220525 1.500617 1.067407

Nilai khi-kuadrat (

) terbesar adalah pada spesies gurame, maka spesies gurame digunakan


untuk membagi lokasi menjadi dua bagian, yaitu:
Kelompok Anggota
III belut ada, gurame ada 3 9 14
IV belut ada, gurame tidak ada 4 5 7 8 11 12 15 17

Kelompok II (tidak ada belut)
Lokasi Patin Gurame Bandeng Sapu-2 Koi
1 1 1 0 0 1
Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

16

2 1 1 0 0 1
6 1 1 0 0 0
10 0 1 0 1 1
13 1 1 0 0 1
16 1 1 0 0 0

Nilai khi-kuadrat (

):
Patin Gurame Bandeng Sapu-2 Koi
Patin 0 0 0 6 0.6
Gurame 0 0 0 0 0
Bandeng 0 0 0 0 0
Sapu-2 6 0 0 0 0.6
Koi 0.6 0 0 0.6 0
6.6 0 0 6.6 1.2
Nilai khi-kuadrat (

) terbesar adalah pada spesies patin dan sapu-sapu maka spesies tersebut
digunakan untuk membagi lokasi menjadi dua bagian, yaitu:
Kelompok Anggota
III belut tidak ada, patin ada, sapu-sapu tidak ada 1 2 6 13 16
IV belut ada, patin tidak ada, sapu-sapu ada 10

Kelompok III (ada belut, ada gurame)
Lokasi Patin Bandeng Sapu-2 Koi
3 1 1 1 1
9 1 0 1 0
14 1 1 1 1

Nilai khi-kuadrat (

):
Patin Bandeng Sapu-2 Koi
Patin 0 0 0 0
Bandeng 0 0 0 3
Sapu-2 0 0 0 0
Koi 0 3 0 0
0 3 0 3

Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

17


Nilai khi-kuadrat (

) terbesar adalah pada spesies bandeng dan koi maka spesies tersebut
digunakan untuk membagi lokasi menjadi dua bagian, yaitu:
Kelompok Anggota
III belut ada, gurame ada, bandeng ada, koi ada 3 14
IV belut ada, gurame ada, bandeng tidak ada, koi tidak ada 9

Kelompok IV (ada belut, tidak ada gurame)
Lokasi Patin Bandeng Sapu-2 Koi
4 0 1 1 0
5 1 1 1 0
7 0 1 1 1
8 0 0 1 1
11 1 1 0 0
12 0 1 0 1
15 0 1 1 0
17 0 1 1 1

Nilai khi-kuadrat (

):
Patin Bandeng Sapu-2 Koi
Patin 0 0.380952 0.888889 2.666667
Bandeng 0.380952 0 0.380952 1.142857
Sapu-2 0.888889 0.380952 0 0
Koi 2.666667 1.142857 0 0
3.936508 1.904762 1.269841 3.809524

Nilai khi-kuadrat (

) terbesar adalah pada spesies patin, maka spesies patin digunakan untuk
membagi lokasi menjadi dua bagian, yaitu:
Kelompok Anggota
III belut ada, gurame tidak ada, ada patin 5 11
IV belut ada, gurame tidak ada, tidak ada patin 4 7 8 12 15 17


Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

18



Kelompok V (ada belut, tidak ada gurame, ada patin)
Lokasi Bandeng Sapu-2 Koi
5 1 1 0
11 1 0 0

Nilai khi-kuadrat (

):
Bandeng Sapu-2 Koi
Bandeng 0 0 0
Sapu-2 0 0 0
Koi 0 0 0
0 0 0
Seluruh hasil perhitungan khi-kuadrat (

) bernilai 0, hal ini berarti bahwa tidak ada lagi spesies


yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang
pertama yaitu asosiasi antara adanya spesies ada belut, tidak ada gurame, ada patin yang
terjadi di daerah 5 dan 11.
Kelompok VI (ada belut, tidak ada gurame, tidak ada patin)
Lokasi Bandeng Sapu-2 Koi
4 1 1 0
7 1 1 1
8 0 1 1
12 1 0 1
15 1 1 0
17 1 1 1

Nilai khi-kuadrat (

):
Bandeng Sapu-2 Koi
Bandeng 0 0.24 0.6
Sapu-2 0.24 0 0.6
Koi 0.6 0.6 0
0.84 0.84 1.2
Nilai khi-kuadrat (

) terbesar adalah pada spesies bandeng dan sapu-sapu


Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

19

Kelompok VII (tidak ada belut, ada patin, tidak ada sapu-sapu)
Lokasi Gurame Bandeng Koi
1 1 0 1
2 1 0 1
6 1 0 0
13 1 0 1
16 1 0 0

Nilai khi-kuadrat (

):
Gurame Bandeng Koi
Gurame 0 0 0
Bandeng 0 0 0
Koi 0 0 0
0 0 0
Seluruh hasil perhitungan khi-kuadrat (

) bernilai 0, hal ini berarti bahwa tidak ada lagi spesies


yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang
pertama yaitu asosiasi antara tidak adanya spesies belut, ada patin, tidak ada sapu-sapu yang
terjadi di daerah 1, 2, 6, 13, 16.
Kelompok VIII (tidak ada belut, tidak ada patin, ada sapu-sapu)
Lokasi Gurame Bandeng Koi
10 1 0 1

Nilai khi-kuadrat (

):
Gurame Bandeng Koi
Gurame 0 0 0
Bandeng 0 0 0
Koi 0 0 0
0 0 0
Seluruh hasil perhitungan khi-kuadrat (

) bernilai 0, hal ini berarti bahwa tidak ada lagi spesies


yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang
pertama yaitu asosiasi antara tidak adanya spesies belut, ada patin, ada sapu-sapu yang terjadi
di daerah 10.


Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

20

Kelompok VIII (ada belut, ada gurame, ada bandeng, ada koi)
Lokasi Patin Sapu-2
3 1 1
14 1 1

Nilai khi-kuadrat (

):
Patin Sapu-2
Patin 0 0
Sapu-2 0 0
0 0
Seluruh hasil perhitungan khi-kuadrat (

) bernilai 0, hal ini berarti bahwa tidak ada lagi spesies


yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang
pertama yaitu asosiasi antara tidak adanya spesies belut, ada gurame, ada bandeng, ada koi
yang terjadi di daerah 3 dan 14.
Kelompok IX (ada belut, tidak ada gurame, tidak ada patin, ada bandeng)
Lokasi Sapu-2 Koi
4 1 0
7 1 1
12 0 1
15 1 0
17 1 1

Nilai khi-kuadrat (

):
Sapu-2 Koi
Sapu-2 0 0.83333
Koi 0.83333 0
0.83333 0.83333

Kelompok X (ada belut, tidak ada gurame, tidak ada patin, tidak ada bandeng)
Lokasi Sapu-2 Koi
8 1 1


Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

21

Nilai khi-kuadrat (

):
Sapu-2 Koi
Sapu-2 0 0
Koi 0 0
0 0
Seluruh hasil perhitungan khi-kuadrat (

) bernilai 0, hal ini berarti bahwa tidak ada lagi spesies


yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang
pertama yaitu asosiasi antara ada belut, tidak ada gurame, tidak ada patin, tidak ada bandeng
yang terjadi di daerah 8.
Kelompok X (ada belut, tidak ada gurame, tidak ada patin, ada sapu-2)
Lokasi Bandeng Koi
4 1 0
7 1 1
8 0 1
15 1 0
17 1 1

Nilai khi-kuadrat (

):
Bandeng Koi
Bandeng 0 0.83333
Koi 0.83333 0
0.83333 0.83333

Kelompok X (ada belut. tidak ada gurame. tidak ada patin. tidak ada sapu-2)
Lokasi Bandeng Koi
12 1 1

Nilai khi-kuadrat (

):
Bandeng Koi
Bandeng 0 0
Koi 0 0
0 0

Nama : Leni Marlena Jumat, 2 November 2012
NRP : G1511200081

22

Gambar Struktur kedekatan antar jenis ikan tersebut adalah sebagai berikut:

Keterangan :
Pa = Patin
Gu = Gurame
Ba = Bandeng
Sa = Sapu-2
Be = Belut
Ko = Koi

Pa Gu Ba Sa
Be Ko
Be
(PaGuBaSaKo)
Gu
(PaBaSaKo)
BaKo(PaSa) BaKo-(PaSa)
Gu-
(PaBaSaKo)
Pa(BaSaKo) Pa-(BaSaKo)
BaSa(Ko) BaSa-(Ko)
Be-
(PaGuBaSaKo)
PaSa
(GuBaKo)
PaSa-
(GuBaKo)