= indeks morisita yang mengungkapkan pola yang disperse

= jumlah spesies di setiap plot

= jumlah kuadrat dari jumlah spesies di setiap plot
Pembahasan dan analisis kasus tertentu dari pola spasial spesies disajikan dibawah
ini.
Pertama, nilai-nilai yang lebih besar dan lebih kecil dari satu dianalisis untuk pola
distribusi agregat dan seragam, masing-masing. Menurut proses klasifikasi, grafik
diuraikan untuk mewakili mereka dalam urutan menurun. Sebuah spesies dengan
distribusi agregat dipilih secara acak untuk menunjukan perhitungan indeks
morisita berdasarkan tabel ditribusi frekuensi.
Kami kemudian menyelidiki hasil untuk spesies diklasifikasikan dengan distribusi
acak dengan indeks Mo sama dengan satu. Di antara indeks dihitung

dimana:
indeks Morisita yang mengungkapkan pola dispersi,
Jumlah plot,
= Jumlah spesies di masing-masing plot, dan
= Jumlah kuadrat dari jumlah spesies di setiap plot.
Pembahasan dan analisis kasus tertentu dari pola spasial spesies disajikan di bawah
ini.

pertama, nilai-nilai yang lebih besar dan lebih kecil dari satu dianalisis untuk pola
distribusi agregat dan seragam, masing-masing. Menurut proses klasifikasi, grafik
diuraikan untuk mewakili mereka dalam urutan menurun. Sebuah spesies dengan
distribusi agregat dipilih secara acak untuk menunjukkan perhitungan indeks
Morisita berdasarkan tabel distribusi frekuensi.
Kami kemudian menyelidiki hasil untuk spesies diklasifikasikan dengan distribusi
acak dengan indeks Morisita sama dengan satu. Di antara indeks dihitung, nilai
indeks sama dengan satu tidak dihitung, hanya mereka yang kurang dari atau lebih
besar untuk satu, kecuali untuk kasus-kasus yang tak tentu. Berdasarkan hasil ini,
semua kasus dianalisis, dan indeks Morisita satu hanya terjadi dengan spesies yang
memiliki nol atau satu individu dalam plot.
Indeks dari rasio varians / media (Persamaan 2) memecahkan masalah ini, seperti
yang dikutip oleh Perry dan Mead (1979). Penambahan indeks ini diperiksa, dan
indeks yang tepat, dengan hasil yang sama dengan proses klasifikasi yang
diberikan oleh indeks Morisita.
Indeks dari rasio varians / rata-rata diberikan oleh:
dimana:
= Indeks varians rasio / berarti,
= Mean sampel, dan
= Varians sampel.

Indeks ini digunakan untuk mengukur deviasi dari pengaturan acak di mana nilainilai yang sama dengan kesatuan menunjukkan distribusi spasial acak, nilai kurang
dari satu menunjukkan distribusi seragam dan nilai lebih besar dari satu
menunjukkan distribusi agregat (Rabinovich, 1980).
Indeks ini digunakan untuk menganalisis dan mendiskusikan situasi dengan spesies
yang memiliki satu, dua atau lebih individu hadir dalam plot tunggal dari
percobaan yang lebih besar.
Akhirnya, meja dibangun dengan contoh-contoh dari situasi dibahas untuk
memandu peneliti tentang kemungkinan hasil dipertanyakan dalam penerapan
indeks Morisita ini.
Untuk melanjutkan evaluasi indeks Morisita, Morisita (1959 dan 1962)
memberikan perhitungan yang dapat menjelaskan arti dari nilai (3.22) dari Psidium
sp. disajikan pada Gambar 2.
Ketika informasi tersebut diatur dalam tabel frekuensi, perhitungan menggantikan
nilai-nilai individu dengan data dikelompokkan, seperti yang ditunjukkan pada
Tabel 1.
Tabel 1. Distribusi frekuensi Psidium sp.
Dalam perhitungan indeks Morisita, 18 spesies di area sampling disajikan
ketidakpastian. Untuk kasus tersebut, persamaan disajikan yang berlaku untuk
setiap spesies yang tak tentu.
Sebagai:
Karena situasi seperti ini, pertanyaan-pertanyaan yang dalam keadaan apa lain bisa
persamaan ini menghasilkan ketidakpastian dan apa solusi yang diajukan untuk
terjadinya serupa.
DEFINISI
matematika, jarak Euclidean atau metrik Euclidean adalah "biasa" (yaitu garis
lurus) jarak antara dua titik dalam ruang Euclidean. Dengan jarak ini, ruang
Euclides menjadi ruang metrik. norma terkait disebut norma Euclidean. literatur
lama mengacu pada metrik sebagai Pythagoras metrik. Sebuah istilah umum bagi
norma Euclidean adalah norma L2 atau jarak L2.
Fungsi kemiripan menghitung kesamaan dan ketidaksamaan antara dua objek yang
diobservasi. Objek yang dimaksud disini adalah komunitas yang saling berbeda.
Ludwig & Reynolds (1988) menyatakan bahwa kemiripan suatu komunitas dengan
komunitas lain dapat dinyatakan dengan similarity coefficients dan distance
coefficients. Similarity coefficients memiliki nilai yang bervariasi antara 0 (jika

kedua komunitas benar-benar berbeda) hingga 1 (jika kedua komunitas identik).

Similarity coefficients dapat ditunjukkan dengan beberapa indeks seperti indeks
Dice dan Jaccards. Distance coefficients atau dissimilarity coefficients merupakan
kebalikan dari similarity coefficients.
Distance coefficients dapat dihitung menggunakan tiga kelompok indeks yaitu Egroup (the Euclidean distance coefficients), BC-group (Bray-Curtis dissimilarity
index), dan RE-group (the relative Euclidean distance). Dari ketiga kelompok di
atas, Ludwig & Reynolds (1988) merekomendasikan untuk menggunakan BCgroup (Bray-Curtis dissimilarity index) dan RE-group (the relative Euclidean
distance) dalam menghitung indeks ketidaksamaan karena perhitungan dengan
Euclidean distance coefficients dapat memberikan hasil yang bias.
Bloom (1981) telah membandingkan keakuratan empat similarity indices (indeks
Bray-Curtis, Canberrra metric, indeks Morisita yang dimodifikasi oleh Horn dan
Horns Information Theory Index). Indeks Bray-Curtis ternyata memberikan
keakuratan yang lebih baik daripada ketiga indeks lainnyya. Horns Information
Theory Index dan indeks Morisita yang dimodifikasi oleh Horn memberikan hasil
yang overestimate sedangkan Canberra metric cenderung underestimate.
Berikut rumus IS Bray-Curtis:
IS = {2W/(a+b) }x 100%
Dimana : IS

: index of similarity

W : jumlah individu yang lebih rendah atau sama dari pasangan jenis yang
dibandingan pada dua komunitas
a

: jumlah individu semua jenis pada komunitas A

: jumlah individu semua jenis pada komunitas B

Dalam ekologi dan biologi, ketidaksamaan Bray-Curtis, dinamai J. Roger Bray dan
John T. Curtis, [1] adalah statistik yang digunakan untuk mengukur perbedaan

komposisi antara dua lokasi yang berbeda, berdasarkan pada jumlah di setiap situs.
Seperti yang didefinisikan oleh Bray dan Curtis, indeks ketidaksamaan adalah:
B C i j = 1-2 C i j S i + S j {\ displaystyle BC_ {ij} = 1 - {\ frac {2C_ {ij}} {S_
{i} + {S_ j}}}}
Di mana C i j C_ {ij} adalah jumlah nilai yang lebih rendah hanya spesies-spesies
yang sama antara kedua situs. S i S_i dan S j S_j adalah jumlah total spesimen
dihitung pada kedua situs. Indeks mengurangi ke 1-2C / 2 = 1-C di mana
kelimpahan di setiap situs yang dinyatakan sebagai persentase. perawatan lebih
lanjut dapat ditemukan di Legendre & Legendre [2]
The Bray-Curtis ketidaksamaan secara langsung berkaitan dengan Srensen indeks
kesamaan Q S i j QS_ {ij} antara situs yang sama:
B C i j = 1 - Q S i j \ overline {BC} _ {ij} = 1 - QS_ {ij}.
The Bray-Curtis perbedaan terikat antara 0 dan 1, di mana 0 berarti dua lokasi
memiliki komposisi yang sama (yang mereka berbagi semua spesies), dan 1 berarti
dua situs tidak berbagi setiap spesies. Pada situs dengan mana BC adalah
menengah (mis BC = 0,5) indeks ini berbeda dari indeks lain yang umum
digunakan. [3]
The Bray-Curtis ketidaksamaan sering keliru disebut kejauhan. Ini bukan jarak
karena tidak memenuhi ketidaksamaan segitiga, dan harus selalu disebut
ketidaksamaan untuk menghindari kebingungan. Implementasi perangkat lunak
untuk sampel besar disediakan sebagai bagian dari paket perangkat lunak mothur
Bay Curtis