MATAKULIAH
PENGOLAHAN DATA PERIKANAN
Modul 1.
Perhitungan Environmental Quality Index
(EQI)
Oleh:
Ir. Eka Iriadenta, M.Si.
Prodi MSP
Fakultas Perikanan
Universitas Lambung Mangkurat
Banjarbaru
= KA
K =
Konstanta
PIU =
Nilai Parameter Impact Unit
EQI =
Nilai EQI dengan maksimum : (K x PIU / 10 x 5 = 50)
KA =
Nilai Kualitas Air
Tahap Perhitungan:
1. Tentukan nilai K, yang menunjukkan tingkat pengaruh parameter terhadap kualitas air
Range nilai antara 0 - 10
=C17/$C$24x10
Contoh : untuk kasus budidaya tambak udang
No
Parameter Kualitas Air
Nilai
Konstanta
1 DO
10 1,7241379
2 pH
9 1,5517241
3 Alkalinitas
8 1,3793103
4 Suhu
9 1,5517241
5 Kecerahan
7 1,2068966
6 PO4
6 1,0344828
7 Salinitas
9 1,5517241
Total
58
10
Parameter
DO
pH
Alkalinitas
Suhu
Kecerahan
PO4
Salinitas
1
1 1,9
9,6 10
4 4,9
10,1 12
7 84
251 300
18 19,9
33,1 35
20 23
50,1 55
0,3 0,49
1,76 2,00
5 6,9
31 40
2
2 2,9
9 9,5
5 5,9
9,6 10
85 99
221 250
20 21,9
32,1 33
24 25
45,1 50
0,5 0,59
1,71 1,75
7 10,9
28,1 30
PIU
3
3 3,9
8 8,9
6 6,9
9,1 9,5
100 119
201 220
22 23,9
31,1 32
26 27
40,1 45
0,6 0,69
1,61 1,70
11 12,9
26,6 28
4
4 4,9
7 7,9
7 7,4
8 ,6 9
120 159
181 200
24 25,9
30,1 31
28 29
35,1 40
0,70 0,99
1,51 1,60
13 14,9
25,1 26,5
5
57
7,5 8,5
160 180
26 30
30 35
1 1,5
15 25
Nilai PIU ditetapkan berdasarkan hasil pengukuran parameter kualitas air yang ditetapkan
Contoh data pengukuran di lapangan:
No
Stasiun
1
2
3
A1
A2
A3
DO
4,9
2,8
5,6
Sal
41
40
39
Suhu
28,5
27,8
28
pH
8,8
8,4
8,4
Alk
315
265
250
Kecrh
75
55
100
PO4
1,5
2
1,5
Lihat tabel referensi PIU untuk penetapan nilai, sehingga dapat ditetapkan nilai PIU parameter pengamatan:
No
Stasiun
DO
Sal
Suhu
pH
Alk
Kecrh
1 A1
4
0
5
4
0
0
2 A2
2
1
5
5
1
1
3 A3
5
1
5
5
2
0
Sta
A1
DO
1,72 x 4
( 6,88 +
Sal
1,55 x 0
0
+
A2
1,72 x 2
( 3,44 +
1,55 x 1
1,55 +
A3
1,72 x 5
( 8,6 +
1,55 x 1
1,55 +
Suhu
1,55 x 5
7,75 +
50
1,55 x 5
7,75 +
50
1,55 x 5
7,75 +
50
0,00 - 0,20
0,21 - 0,40
0,41 - 0,60
0,62 - 0,80
0,81 - 1,00
pH
1,55 x 4
6,2 +
Alk
1,38 x 0
0 +
Kecrh
1,21 x 0
0
+
PO4
1,04 x 5
5,2 )
KA
26,03 /50
0,52
1,55 x 5
7,75 +
1,38 x 1
1,38 +
1,21 x 1
1,21 +
1,04 x 1
1,04 )
24,12 /50
0,48
1,55 x 5
7,75 +
1,38 x 2
2,76 +
1,21 x 0
0
+
1,04 x 5
5,2 )
33,61 /50
0,67
Sifat KA
Sangat
buruk
Buruk
Sedang
Baik
Excellent
Stasiun
1
2
3
A1
A2
A3
Nilai KA
0,52
0,48
0,67
Kelas
III
III
IV
Kualitas
Air
Sedang
Sedang
Baik
PO4
5
1
5
MODUL
MATAKULIAH
PENGOLAHAN DATA PERIKANAN
Modul 2.
Perhitungan Data Plankton dan Benthos
Oleh:
Ir. Eka Iriadenta, M.Si.
Prodi MSP
Fakultas Perikanan
Universitas Lambung Mangkurat
Banjarbaru
10
23
CARA I
N = (n/m) X (s/a) X (1 /V)
Dimana: n = 23 sel (atau individu), m = 3 tetes, s = 30 ml, a = 0,05 ml, v = 20 liter, sehingga N = (23 sel/ 3) X (30
ml/0,05 ml) X (1/20 liter)
Pada program MS Excel atau Calculator, perhitungan dengan rumus cara I: (Catatan: Pengurangan volume sampel
akibat pemipetan diabaikan):
Conto perhitungan:
= (23/3)*(30/0,05)*(1/20)
diperoleh hasil: 230 sel/liter (untuk phytoplankton)
Catatan: penulisan rumus di dalam MS Excel umumnya didahului dengan tanda sama dengan (=)
CARA II
Perhitungan Cara II (Catatan: Pengurangan volume sampel akibat pemipetan diperhitungkan)
Pengamatan tetes pertama diambil dari sampel volume 30 ml terdapat 7 sel:
N1 = 7 sel X (30 ml/0,05 ml) X (1/20 liter) = 210
Rumus MS Excel
= 7*((30/0,05)*(1/20))
Pengamatan tetes kedua diambil dari sampel volume 29,95 (30 ml 0,05 ml tetes pertama) terdapat 10 sel:
N2 = 10 sel X ((30 ml-0,05)/0,05 ml) X (1/20 liter) = 299,5
Rumus MS Excel
= 10*((30-0,05)/0,05)*(1/20)
Pengamatan tetes ketiga diambil dari sampel volume 29 ml (30 ml 2 X 0,05 ml tetes pertama dan kedua) terdapat
6 sel: N3 = 6 sel X ((30 ml (2 X 0,05))/0,05 ml) X (1/20 liter) = 179,4
Rumus MS Excel
= 6*((30-(2*0,05))/0,05)*(1/20)
Kelimpahan Total Plankton = (N1 + N2 + N3) / 3 = 229,6 sel/liter ~ 230 sel/liter
(Bandingkan hasil perhitungan cara I dengan cara II)
Selanjutnya, untuk perhitungan nilai-nilai Indeks yang akan diuraikan kemudian, tahapan perhitungan dapat
disajikan pada Tabel Contoh Perhitungan Nilai Indeks dengan MS Excel.
Catatan:
Dalam perhitungan ini, hasil pengamatan dan perhitungan CARA I dan CARA II tidak jauh berbeda.
Anda dapat pilih sendiri metode perhitungan yang digunakan.
PERHITUNGAN NILAI INDEKS:
2. Indeks Keanekaragaman (H)
H = Pi X Log 2. Pi
dimana Pi = Ni/N dan Log 2. Pi = Log Pi/Log 2
3. Indeks Keseragaman (E)
E = H/H max
dimana H max = Log 2. S dan Log 2.S = Log S/Log 2
4. Indeks Dominansi (D)
D = (Ni/N)2 atau D = (Pi)2
Catatan:
Satuan untuk kelimpahan phytoplankton adalah sel per liter, sedangkan untuk zooplankton adalah individu
per liter.
Perhitungan untuk Benthos:
Perhitungan untuk Benthos berbeda dengan plankton, karena alat sampling bukan plankton net, melainkan Eikman
Grab atau Petit Ponar yang mempunyai kemampuan menangkap sampel individu benthos tiap satuan luas tertentu
(misal individu/cm2).
Sebagai contoh: alat Petit Ponar mempunyai luas bukaan 6 inci X 6 inci atau kurang lebih 15 X 15 cm2 (= 225
cm2). Perhitungan kelimpahan: N = (n /m) X (s/a) (untuk CARA I)
Dimana
n = jumlah cacah individu yang teramati; m = ulangan pengambilan sampel (sedimen/lumpur) dengan alat
s = satuan luas (1 m2 = 10.000 cm2); a = luas bukaan alat (225 cm2 untuk Petit Ponar)
No
Jenis
Ulangan 1 (U1)
Ulangan 2 (U2)
Jumlah
N = (n /m) X (s/a)
1
A
0
1
1
N= (10 /2) X (10.000 /225) individu/ cm2
2
B
1
0
1
= 5 X 44,44 = 222,222 individu/ cm2 ~ 223
3
C
2
3
5
individu/ cm2
4
D
1
2
3
Untuk perhitungan nilai Indeks, dapat
Jumlah
4
6
10
digunakan rumus umum perhitungan nilai
indeks yang diberlakukan bagi plankton dengan beberapa modifikasi.
Contoh perhitungan selengkapnya dapat dilihat pada Tabel (Pada File yang di-copykan).
-
Catatan Penting:
Dalam perhitungan nilai indeks, harap diperhatikan bahwa:
Jika periran yang diamati merupakan perairan alamiah yang belum atau tidak mengalami tekanan
lingkungan, maka dalam rumus perhitungan indeks digunakan perhitungan Logaritma (lihat rumus untuk
indeks di atas, menggunakan Log)
Jika perairan yang diamati mengalami tekanan lingkungan / pencemaran, maka perhitungan
menggunakan Ln (baca Lon). Ubah rumus di atas, Log dijadikan Ln.
Penggunaan Log dan Ln, secara statistikal adalah untuk menjaga distribusi dan kehomogenan data. Jika
perairan tercemar, maka distribusi populasi kemungkinan besar tidak akan normal, dan data diperkirakan
tidak homogen, sehingga diperlukan perhitungan Ln.
Catatan:
Satuan untuk kelimpahan phytoplankton adalah sel per liter, sedangkan untuk zooplankton adalah
individu per liter.
Untuk membuat penetapan kriteria kualitas air berdasarkan nilai indeks keanekaragaman, dapat
dikakukan dengan penerapan fungsi logika (fungsi IF pada program Excel).
Sebagai contoh, berikut ini disajikan kembali Kriteria Kualitas Air berdasarkan Nilai Indeks
Keanekaragaman menurut Lee:
>2
1,6 - 2,0
< 1,0 - 1,6
<1
Belum Tercemar
Tercemar Ringan
Tercemar Sedang
Tercemar Berat
No
Jenis
T1
T2
T3
Ni
Pi=Ni/N
Log Pi
Hi
E=H/Log2S
(Ni/N)
Micraetinium
20
0,0869565
-1,0606978
0,3063967
0,859000363
Gomphosphaera
10
0,0434783
-1,3617278
0,1966766
0,0018904
Vampyrella
70
0,3043478
-0,5166298
0,5223239
0,0926276
Anacystis
30
0,1304348
-0,8846066
0,3832956
0,0170132
Oscillatoria
50
0,2173913
-0,6627578
0,4786161
0,047259
Spyrogyra
20
0,0869565
-1,0606978
0,3063967
0,0075614
Coelastrum
30
0,1304348
-0,8846066
0,3832956
0,0170132
230
2,5770011
0,1909263
S=
10
Log 2 =
11
Log 2 S =
0,3
Log S/Log 2 = 2,80735
Log Pi = Log(I2)
E=K9/G14
Hi = - (I2*(J2/$D$10)
Di = (I2)^2
Hi = - Pi X Log 2.Pi
Posisi Baris dan Kolom pada rumus dapat berubah sesuai posisi/penempatan data
1. kelimpahan > 40 X 106/m3 termasuk perairan subur ; = (> 40 X 103/Lt)
2. kelimpahan 0,1 X 106 - 40 X 106/m3 termasuk kesuburan sedang; = (0,1 X 103 - 40 X 103/Lt)
3. kelimpahan < 0,1 X 106/m3 termasuk perairan kurang subur. (< 0,1 X 103/Lt)
TKP = Tingkat Kesuburan Perairan
TPP = Tingkat Pencemaran Perairan
Lee et al. Di dalam Tim KLH (1986):
>2
Belum Tercemar
2,0 - 1,6
Tercemar Ringan
Tercemar Sedang
Tercemar Berat
=if(N<0,1*(10^3);"Kurang Subur";if(N<=40*(10^3);"Sedang";"Subur"))
=if(H<1;"Tercemar Berat";if(H<=1,6;"Tercemar Sedang";if(H<=2;"Tercemar Ringan";"Belum Tercemar")))
N
2
0,0075614
TKP
TPP
Sedang
Belum Tercemar
No
Jenis
Nama
U1
U2
Ni
Pi=Ni/N
Log Pi
Hi
E=H/Log2S
(Ni/N)2
22,222222
0,0996512
-1,0015174
0,3315365
0,881629706
0,0099304
22,222222
0,0996512
-1,0015174
0,3315365
111,11111
0,4982561
-0,3025474
0,5007676
0,2482591
155,55556
0,6975585
-0,1564193
0,362461
0,4865879
0,2989537
-0,5243961
5
6
4
S=
66,666667
0,5207791
0,0893733
10
377,77778
2,0470808
0,8440811
H'
Log 2 =
Log 2 S =
0,0099304
Log S/Log 2 =
0,30103
223
2
MODUL
MATAKULIAH
PENGOLAHAN DATA PERIKANAN
Modul 3.
Perhitungan Rerata pH
Oleh:
Ir. Eka Iriadenta, M.Si.
Prodi MSP
Fakultas Perikanan
Universitas Lambung Mangkurat
Banjarbaru
Untuk diperhatikan:
- Dengan menganalogkan kasus perhitungan rerata pH tersebut, maka nilai indeks
(seperti Indeks Keanekaragaman, dsb pada perhitungan Modul 1), maka nilai indeks
pun tidak dapat dirata-ratakan langsung dari beberapa nilai indeks secara langsung,
karena nilai indeks (seperti halnya pH) tidak memiliki satuan
- Hati-hati mereratakan nilai-nilai suatu parameter yang tidak memiliki satuan
Contoh perhitungan nilai rerata pH dengan MS Excel
Perhitungan Rerata pH
No pH ukur Konsentrasi
Rerata pH Rerata
1,0E-07
3,8E-07 6,421296
1
7
2
6
1,0E-06
3
6,5
3,2E-07
4
7
1,0E-07
Formula:
=10^-(sel dari nilai pH)
Formula:
=-log(sel dari rerata
konsentrasi)
Formula:
=Average(blok seluruh
konsentrasi pH)
MODUL
MATAKULIAH
PENGOLAHAN DATA PERIKANAN
Modul 4.
Analisis Regresi
Oleh:
Ir. Eka Iriadenta, M.Si.
Prodi MSP
Fakultas Perikanan
Universitas Lambung Mangkurat
Banjarbaru
salah. Misal: Jika kita menganggap curah hujan mempengaruhi produksi padi,
anggapan/hipotesis tersebut bukan karena alasan/pertimbangan statistik tapi karena
anggapan yang berlaku umum (common sense) menunjukkan bahwa kita tidak boleh
mengatakan produksi padi mempengaruhi curah hujan sebab kita tidak bisa begitu
saja mengontrol variabel curah hujan. Jadi variabel tidak bebas produksi padi (Y)
dipengaruhi variabel bebas curah hujan (X).
Mana yang benar pada pernyataan berikut:
a. Jika tubuh ikan bertambah berat, maka ikan tersebut akan bertambah panjang.
b. Jika tubuh ikan bertambah panjang, maka ikan tersebut bertambah berat.
Logika kita akan menyatakan, pernyataan b yang benar, dimana panjang ikan adalah
X dan berat ikan adalah Y. Ingat, jangan sampai terbalik.
Persamaan Regresi
Persamaan regresi sangat berguna untuk membuat ramalan dari berbagai nilai variabel
guna menyusun perencanaan.
Penggunaan garis regresi harus memperhatikan asumsi-asumsi tertentu.
Secara umum, persamaan regresi linier sederhana dinyatakan sebagai :
Y=a+bX
Dimana:
X
= nilai variabel bebas, yang telah diketahui
Y
= nilai variabel tidak bebas, yang akan diramalkan/diprediksi
a & b = koefisien regresi, yang dihitung dengan Least Square Method
Dalam studi/kajian Regresi, kita hanya akan membahas hubungan statistik, yaitu
hubungan yang memperhitungkan adanya berbagai kesalahan, paling tidak kesalahan
dalam mengukur variabel (measurements error). Bentuk fungsi yang dipakai bukan Y
= a + b X, akan tetapi = a + b X + , dimana adalah bias/kesalahan pengganggu
yang terjadi dalam melakukan prediksi, yang menyebabkan tidak tepatnya ramalan
nilai Y setelah nilai X diketahui.
=a+bX+
Dimana:
X
= nilai variabel bebas, yang telah diketahui
X
Hubungan positif
X
Y
Hubungan negatif
X
Tak ada hubungan/lemah
X
Tak ada hubungan/lemah
Apabila X dan Y mempunyai hubungan kuat, kita bisa menggunakan persamaan garis
regresi untuk meramalkan nilai rerata Y jika X diketahui. Nilai koefisien korelasi (r)
dapat dihitung dari akar r2. Nilai r2 disebut nilai koefisien penetuan atau koefisien
determinasi,
yang
digunakan
untuk
mengukur
besarnya
persentase
sumbangan/kontribusi nilai X (regresi) terhadap variasi (naik turunnya) nilai Y.
Contoh: X = pendapatan, Y = konsumsi, r = 0,9 dan r2 = 0,81 berarti bahwa hubungan
X dan Y kuat dan positif (0,9), kemudian variasi (naik turunnya) X memiliki
kontribusi/pengaruh sebesar 81% terhadap naik turunnya nilai Y, sedangkan sisanya
(19%) dipengaruhi oleh variabel lain yang tidak dimasukkan dalam persamaan garis
regresi.
Koefisien Regresi
Koefisien regresi dalam persamaan garis regresi linier sederhana biasanya dinyatakan
dengan simbol a dan b. Nilai a dan b adalah koefisien regresi, yang biasanya dihitung
dengan Least Square Method.
a =
intercept, yaitu jarak dari titik asal ke titik perpotongan antara garis regresi
dengan sumbu tegak/konstanta.
b =
koefisien arah (slope) atau koefisien regresi
Nilai b selain menunjukan pengaruh (positif/negatif) X terhadap Y, juga menunjukkan
besarnya pengaruh yang terjadi. Misal: Jika X (pendapatan) dan Y (konsumsi) serta b
= 0,550 berarti bahwa kenaikan pendapatan berpengaruh positif terhadap konsumsi
(konsumsi akan naik karena kenaikan pendapatan), dimana setiap kenaikan sebesar
Rp. 1000,- akan menaikan konsumsi sebesar Rp. 550,-.
10
ANOVA
df
Regression
Residual
SS
MS
F
Signifi. F
1 8552,727273 8552,727 202,8679 5,75275E-07
8 337,2727273 42,15909
Total
8890
Intercept
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
24,45454545 6,413817299 3,812791 0,005142 9,664246677 39,2448442 9,664246677 39,24484423
X Variable 1
X (independent variable)