LAPORAN RESMI

BIOEKOLOGI KUANTITATIF

OLEH
Abista Ahmad Romadoni
26040118120050

KELOMPOK 7 / KELAS IK – B

PENANGGUNG JAWAB
Lailatur Rohmaniyah
26040117120053

DEPARTEMEN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2020
 LEMBAR PENILAIAN

1. Penyajian data

2. Pengolahan data

3. Kompleksitas data

4. Pembahasan

HASIL AKHIR

PJ Asisten PJ Kelas

Lailatur Rohmaniyah Lailatur Rohmaniyah

26040117120053 26040117120053
 HASIL DAN PEMBAHASAN

1.1. Hasil
1.1.1. Spatial Pattern Analyse
- Data Spatial Pattern Analyse
No Nama Spesies Stasiun 1 Stasiun 2 Stasiun 3
1 Avicennia alba 4 18 11
2 Avicennia marina 12 23 12
3 Avicennia lanata 19 21 13
4 Bruguiera gymnorrhiza 7 21 6
5 Ceriops tagal 7 19 8
6 Rhizophora apiculata 10 17 7
7 Rhizophora mucronata 17 21 5
8 Rhizophora stylosa 19 22 6
9 Sonneratia alba 19 17 7
10 Sonneratia ovata 16 21 12
MEAN 13 20 9

- Perhitungan Data SPA

Clumping
No Nama Spesies Stasiun 1 xi - mean (xi - mean)^2
1 Avicennia alba 4 -9 81
2 Avicennia marina 12 -1 1
3 Avicennia lanata 19 6 36
4 Bruguiera gymnorrhiza 7 -6 36
5 Ceriops tagal 7 -6 36
6 Rhizophora apiculata 10 -3 9
7 Rhizophora mucronata 17 4 16
8 Rhizophora stylosa 19 6 36
9 Sonneratia alba 19 6 36
10 Sonneratia ovata 16 3 9
Total 296
varian (S^2) 33
S^2 > Mean Clumping

Uniform
No Nama Spesies Stasiun 2 xi - mean (xi - mean)^2
1 Avicennia alba 18 -2 4
2 Avicennia marina 23 3 9
 3 Avicennia lanata 21 1 1
4 Bruguiera gymnorrhiza 21 1 1
5 Ceriops tagal 19 -1 1
6 Rhizophora apiculata 17 -3 9
7 Rhizophora mucronata 21 1 1
8 Rhizophora stylosa 22 2 4
9 Sonneratia alba 17 -3 9
10 Sonneratia ovata 21 1 1
Total 40
varian (S^2) 4.444
S^2 < Mean Uniform

Random
No Nama Spesies Stasiun 3 xi - mean (xi - mean)^2
1 Avicennia alba 11 2 4
2 Avicennia marina 12 3 9
3 Avicennia lanata 13 4 16
4 Bruguiera gymnorrhiza 6 -3 9
5 Ceriops tagal 8 -1 1
6 Rhizophora apiculata 7 -2 4
7 Rhizophora mucronata 5 -4 16
8 Rhizophora stylosa 6 -3 9
9 Sonneratia alba 7 -2 4
10 Sonneratia ovata 12 3 9
Total 81
varian (S^2) 9
S^2 = Mean Random

1.1.2. Distribusi Poisson

- Data Distribusi Poisson (Sargassum natans)
No. Sargassum natans
1 8 10 8 14
2 8 10 11 10
3 15 9 12 9
4 9 13 7 11
5 13 11 8 14
6 11 14 5 10
7 8 8 12 10
8 7 12 7 5
9 9 5 10 4
 10 8 9 9 7
11 8 10 5 10
12 10 11 9 6
13 7 15 10 10
14 12 12 19 9
15 15 8 4 8
16 14 10 16 10
17 8 9 5 6
18 6 8 12 3
19 10 7 11 13
20 9 12 9 8
21 9 10 7 12
22 10 8 13 11
23 7 15 8 10
24 11 10 6 14
25 8 13 13 4

- Perhitungan Data Distribusi Poisson (Sargassum natans)

x f(x) p(x) P(x) Max 19
3 1 0.10384 0.009783 Min 3
4 3 0.31153 0.0235526 Mean 9.63
5 5 0.51921 0.0453622 N 100
6 4 0.41537 0.0728064
7 8 0.83074 0.1001608
8 16 1.66147 0.1205685
9 12 1.24611 0.1290083
10 18 1.86916 0.124235
11 8 0.83074 0.1087621
12 8 0.83074 0.0872816
13 6 0.62305 0.0646555
14 5 0.51921 0.0444738
15 4 0.41537 0.0285522
16 1 0.10384 0.0171848
17 0 0 0.0097347
18 0 0 0.0052081
19 1 0.10384 0.0026397

1.1.3. Distribusi Binomial Negatif

- Data Distribusi Binomial Negatif
No Sargassum duplicatum
1 5 3 6 5
 2 3 10 13 10
3 10 7 10 11
4 6 12 12 11
5 10 13 11 12
6 3 6 4 9
7 6 7 10 6
8 10 7 9 4
9 11 12 13 14
10 11 11 1 0
11 10 12 11 9
12 1 5 9 0
13 10 2 7 6
14 2 3 12 4
15 4 6 13 11
16 11 12 9 8
17 8 5 10 10
18 5 1 9 4
19 10 7 7 12
20 12 7 9 6
21 12 4 9 9
22 12 9 9 7
23 8 4 12 3
24 4 14 13 11
25 13 9 0 1

- Perhitungan Data x f(x) A(x)

MAX 14 0 3 97
MIN 0 1 4 93
N 100 2 2 91
MEAN 7.96 3 5 86
µ 7.96 4 8 78
ƩFx 57.59679 5 5 73
σ^2 13.75 6 8 65
k 10.94328 7 8 57
p 0.727387 8 3 54
9 12 42
10 12 30
11 10 20
12 12 8
13 6 2
14 2 0
 No. x I II III P(x) fx f(x)
1 0 0.002524518 1 1 0.00252452 0.252452 3
2 1 0.002524518 10 0.421090909 0.01063052 1.063052 4
3 2 0.002524518 55 0.177317554 0.02462027 2.462027 2
4 3 0.002524518 220 0.07466681 0.04146949 4.146949 5
5 4 0.002524518 715 0.031441515 0.05675289 5.675289 8
6 5 0.002524518 2002 0.013239736 0.06691475 6.691475 5
7 6 0.002524518 5005 0.005575132 0.07044298 7.044298 8
8 7 0.002524518 11440 0.002347638 0.06780091 6.780091 8
9 8 0.002524518 24310 0.000988569 0.06066949 6.066949 3
10 9 0.002524518 48620 0.000416277 0.05109474 5.109474 12
11 10 0.002524518 92378 0.000175291 0.04087951 4.087951 12
12 11 0.002524518 167960 0.000073813 0.03129816 3.129816 10
13 12 0.002524518 293930 0.000031082 0.0230639 2.30639 12
14 13 0.002524518 497420 0.000013088 0.01643569 1.643569 6
15 14 0.002524518 817190 0.000005511 0.01137008 1.137008 2
Keterangan :
µ −𝑘𝑘
I : �1 + �
𝑘𝑘
(𝑘𝑘+𝑥𝑥 −1)!
II :
𝑥𝑥! (𝑘𝑘−1)!

µ 𝑥𝑥
III :� �
µ+𝑘𝑘

1.1.4. Distribusi Binomial Posistif

- Data Distribusi Binomial Positif
Thalassia hemprichii
3 7 5 6 4
6 5 7 6 6
5 7 6 4 8
5 6 6 6 7
6 6 6 5 7
3 7 5 6 4
6 5 7 6 6
5 7 6 4 8
5 6 6 6 7
6 6 6 5 7
 - Perhitungan Data
Min 3
Max 8
N 290
µ 5.8
σ^2 1.22449
k 7.352186
p 0.788881
q 0.211119
n 50

k! x! (k-x)! k!/x! (k-x)! q^(k-x) p^x

x f(x) P(x) f(x)
1 2 3 4 5 6
3 2 5040 6 24 35 0.0011 0.49095 0.01974 0.98694
4 4 5040 24 6 35 0.0054 0.3873 0.07376 3.68786
5 10 5040 120 2 21 0.0258 0.30553 0.16536 8.26817
6 22 5040 720 1 7 0.1221 0.24103 0.20597 10.2985
7 10 5040 5040 1 1 0.5782 0.19014 0.10995 5.49742
8 2 5040 40320 #NUM! #NUM! 2.7389 0.15 #NUM! #NUM!

1.1.5. Indeks Keanekaragaman

- Data Indeks Keanekaragaman
No. Sargassum natans
1 8 10 8 14
2 8 10 11 10
3 15 9 12 9
4 9 13 7 11
5 13 11 8 14
6 11 14 5 10
7 8 8 12 10
8 7 12 7 5
9 9 5 10 4
10 8 9 9 7
11 8 10 5 10
12 10 11 9 6
13 7 15 10 10
14 12 12 19 9
15 15 8 4 8
16 14 10 16 10
 17 8 9 5 6
18 6 8 12 3
19 10 7 11 13
20 9 12 9 8
21 9 10 7 12
22 10 8 13 11
23 7 15 8 10
24 11 10 6 14
25 8 13 13 4

- Perhitungan Indeks
MAX 19
MIN 3
MEAN 9.63
Varian 8.801111111
N 963
n 100

x f(x) x^2 pi ln pi pi*ln pi H' x-1 x(x-1) lamda

3 1 9 0.03 -3.50656 -0.1052 2 6
4 3 16 0.04 -3.21888 -0.12876 3 12
5 5 25 0.05 -2.99573 -0.14979 4 20
6 4 36 0.06 -2.81341 -0.1688 5 30
7 8 49 0.07 -2.65926 -0.18615 6 42
8 16 64 0.08 -2.52573 -0.20206 7 56
9 12 81 0.09 -2.40795 -0.21672 8 72
10 18 100 0.1 -2.30259 -0.23026 9 90
11 8 121 0.11 -2.20727 -0.2428 10 110
3.928656 0.230101
12 8 144 0.12 -2.12026 -0.25443 11 132
13 6 169 0.13 -2.04022 -0.26523 12 156
14 5 196 0.14 -1.96611 -0.27526 13 182
15 4 225 0.15 -1.89712 -0.28457 14 210
16 1 256 0.16 -1.83258 -0.29321 15 240
17 0 289 0.17 -1.77196 -0.30123 16 272
18 0 324 0.18 -1.7148 -0.30866 17 306
19 1 361 0.19 -1.66073 -0.31554 18 342
187 -3.92866 2278
 Indeks Penyebaran Indeks Keanekaragaman
Dispersi 0.913926387 N0 100
Clumping -111.8809786 N1 50.83859695
Green 0.004913583 N2 4.345917471
Morisita 6.549364614

Indeks kelimpahan Indeks Keseragaman

R1 18.92524267 E1 0.853096778
R2 7.312724241 E2 0.50838597
E3 0.503420171
E4 0.085484607
E5 0.067135066

1.2. Pembahasan
Spatial pattern analysis adalah alat yang digunakan untuk mempelajari
distribusi organisme dalam suatu populasi. Ini adalah metode statistik yang
diterapkan untuk mendapatkan dan menganalisis informasi tentang struktur spasial
individu yang tersebar di dalam populasi. Data yang diperoleh berasal dari 10
spesies mangrove yang didapatkan di 3 stasiun. Ketiga stasiun tersebut ditentukan
distribusi populasinya menggunakan spatial pattern anlysis. Untuk menentukan
distribusi populasi diperlukan nilai mean dan varian. Nilai mean diperoleh dari rata-
rata data setiap stasiunnya. Secara berurutan stasiun 1, 2, dan 3 memperoleh nilai
mean 13, 20 dan 9. Untuk mencari nilai varian diperlukan nilai jumlah (xi-mean)².
Rumus yang digunakan untuk mencari varian yaitu (xi-mean)²/n-1 dimana nilai n
merupakan jumlah data setiap stasiun. Nilai varian secara berurutan stasiun 1, 2,
dna 3 yaitu 33; 4,44; dan 9. Ketika nilai mean dan varian sudah diketahui maka
distribusi suatu populasi dapat ditentukan. Menurut Protazio (2007), distribusi
populasi dapat ditentukan berdasarkan nilai mean dan varian sebagai berikut :
• Distribusi Seragam : varian < mean
• Distribusi Acak : varian = mean
• Distribusi Kelompok : varian > mean
Berdasarkan pernyataan Protazio (2007) tersebut maka data spesies mangrove tiap
stasiun dapat ditentukan distribusi populasinya berdasarkan nilai mean dan varian.
Stasiun 1 memiliki nilai varian 33 yang lebih besar daripada nilai mean 13, sehingga
dapat dikategorikan sebagai distibusi kelompok atau clumping. Stasiun 2 memiliki
nilai varian 4,44 lebih kecil daripada mean yaitu 20, sehingga dikategorikan sebagai
distribusi seragam atau uniform. Stasiun 3 memiliki nilai varian 9 sama dengan nilai
mean yaitu 9, sehingga dikategorikan sebagai distribusi acak atau random. Spasial
pattern analysis biasanya dimanfaatkan untuk mengetahui distribusi spasial suatu
organisme seperti contoh untuk mengetahui distribusi spasial fitoplankton dan
gastropoda.
Distribusi poisson adalah distribusi probabilitas diskrit yang menyatakan
jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian
tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir.
Menurut Ismunarti et al. (2004), ciri-ciri dari distribusi Poisson :
(1) Banyaknya hasil percobaan yang satu tidak tergantung dari banyaknya hasil
percobaan yang lain.
(2) Probabilitas hasil percobaan sebanding dengan panjang interval waktu.
(3) Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat dalam daerah yang kecil dapat diabaikan.
Data yang digunakan dalam distribusi poisson berjumlah 100 data dimana data
tersebut memiliki pola distribusi spasial seragam atau uniform. Perhitungan
distribusi poisson diawali dengan mencari nilai minimum dan maksimum data
kemudian dicari frekuensi datanya. Setelah frekuensi diketahui kemudian dihitung
rumus P(x) dengan cara eksponensial mean dikalikan dengan hasil perkalian x
dengan mean dibagi faktorial x. Hasil yang diperoleh menunjukkan nilai 9 pada x
memiliki P(x) paling besar yang artinya memiliki peluang kejadian yang paling
besar. Sementara itu nilai 19 pada x memiliki nilai P(x) paling rendah sehingga
peluang kejadiannya kecil. Distribusi poisson bisa dimanfaatkan sebagai alat untuk
mempeerkirakan kualitas suatu lingkungan, sebagai acuan untuk melakukan
konservasi, dan untuk memperkirakan umur, densitas, kepadatan suatu populasi.
Distribusi binomial adalah distribusi probabilitas diskrit jumlah
keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas,
dimana setiap hasil percobaan memiliki probabilitas p. Suatu distribusi binomial
negatif dibentuk oleh suatu eksperimen yang terdiri dari serangkaian percobaan
yang saling bebas, setiap percobaan (trial) hanya dapat menghasilkan satu dari dua
keluaran yang mungkin, sukses atau gagal. Distribusi binomial negatif biasa
dipergunakan untuk menganalisa komunitas yang menyebar secara mengelompok
(clumped), atau biasa untuk melihat peluang pada populasi terhubung atau agregat.
Data yang digunakan pada praktikum ini berjumlah 100 data dengan distribusi
spasialnya bersifat kelompok atau clumping. Perhtiungan distribusi binomial
negatif membutuhkan nilai k yang dicari dengan kuadrat nilai mean dibagi nilai
varian dikurangi nilai mean. Setelah nilai k diketahui kemudian dicari nilai P(x).
Setelah itu nilai fx dicari dengan mengkalikan nilai N dengan nilai P(x). Kemudian
dari nilai fx ditentukan benar/tidak dengan membandingan fx dan nilai f(x), apabila
memiliki kedekatan nilai maka hasilnya benar dan sebaliknya jika nilainya
berjauhan maka tidak. Berdasarkan hasil diatas diperoleh 9 data tidak benar (gagal)
dan 6 data benar (sukses). Distribusi binomial negatif di bidang kelautan bisa
dimanfaatkan untuk membuktikan keterbagian tak hingga suatu sebaran populasi,
untuk memperkirakan parameter suatu kualitas lingkungan, dan untuk
memperkirakan kepadatan suatu populasi. Berbeda dengan distribusi binomial
negatif, distribusi binomial positif tidak menghasilkan kesimpulan benar/tidak.
Distribusi binomial positif juga merupakan salah satu jenis distribusi Bernoulli
dimana percobaan dilakukan sampai sukses k terjadi. Dalam beberapa sumber
disebutkan bahwa distribusi binomial positif merupakan penyelesaian kasus khusus
dari binomial negative dengan nilai k = 1. Dalam ilmu ekologi, distribusi ini
dilakukan untuk mengetahui apakah suatu populasi memiliki kemungkinan
distribusi seragam. Distribusi ini termasuk kedalam distribusi diskret dimana
peubahnya tidak dapat menerima nilai yang berasal dari 2 kejadian yang bersamaan.
Hasil/kesimpulan yang diperoleh dengan metode ini adalah perbandingan anatara
jumlah individu yang diharapkan di setiap unit sampling dengan kemungkinan
ditemukannya individu di setiap unit sampling f(x) = n(P). Perhitungan metode ini
dibutuhkan nilai k, p, q, dan P(x). Metode distribusi binomial positif bermanfaat
untuk memperkirakan kualitas suatu lingkungan, untuk memperkirakan bagaimana
reaksi masyarakat pesisir terhadap suatu kondisi, ntuk memperkirakan kepadatan
suatu populasi, dan memperkirakan survival rate suatu spesies di area tertentu. Data
yang digunakan dalam metode distribusi binomial positif yaitu data yang
terdistribusi seragam atau uniform. Hasil akhir diperoleh dengan membandingkan
grafik P(x) dengan grafik f(x) dan memiliki pola grafik.
Penentuan indeks penyebaran, keanekaragaman, kelimpahan dan
keseragaman penting dihitung untuk mengetahui ukuran penyebaran,
keanekaragaman, kelimpahan dan keseragaman suatu data atau suatu spesies dalam
populasi. Indeks penyebaran meliputi 4 macam yaitu indeks dispersi, clumping,
green dan morisita. Indeks morisita dipengaruhi oleh luas daerah pengambilan
sampel dan sangat baik untuk membandingkan pola pemencaran populasi. Setelah
dilakukan perhitungan diperoleh indeks morisita sebesar 6,55 yang berarti nilainya
lebih dari satu sehingga distribusinya tergolong dalam mengelompok. Menurut
Feryatun (2012), apabila indeks morisita sama dengan 1 berarti distribusinya
random, jika kurang dari 1 maka distribusinya uniform, dan jika lebih dari satu
maka distribusinya clumping. Contoh penerapan indeks morisita yaitu distribusi
organisme bentik (gastropoda) di daerah mangrove cenderung mengelompok
karena adanya substrat dasar dengan bahan organik tinggi sebagai faktor pembatas.
Selanjutnya, indeks penyebaran green dimana menurut Ludwig et al. (1988) apabila
hasilnya negatif (–) mengindikasikan bahwa distribusi populasi adalah seragam,
dan nilai positif (+) berarti pola distribusi populasi adalah kelompok. Berdasarkan
perhtiungan diperoleh hasil bernilai positif sehingga memiliki distribusi kelompok
atau clumping. Indeks penyebaran clumping didefinisikan sebagai rata-rata jumlah
per individu dari individu lainnya di dalam suatu kuadran yang sama. Indeks
penyebaran clumping diperoleh nilai -111.88. Indeks dispersi adalah ukuran yang
digunakan untuk mengukur apakah serangkaian kejadian yang diamati
dikelompokkan atau tersebar. Indeks dispersi berguna untuk menguji kesetaraan
varians dan mengukur derajad keberadaan kelompok populasi organisme. Indeks
dispersi yang diperoleh yaitu 0,914. Indeks keanekaragaman biasa dipergunakan
untuk melihat kelimpahan spesies (populasi) dalam suatu komunitas, yang terkait
dengan hubungannya dengan kondisi lingkungan (Indriyanto, 2006). Indeks
keanekaragaman diperoleh nilai N0, N1, dan N2 yaitu 100; 50,83; dan 4,34. Indeks
keseragaman (evenness index) yang digunakan berdasarkan fungsi Shannon-
Wiener untuk mengetahui sebaran tiap jenis hewan makrobentos dalam luasan area
pengamatan. Indeks keseragaman diperoleh E1, E2, E3, E4, dan E5 yaitu 0,853;
0,508; 0,503; 0,085; dan 0,067. Indeks kelimpahan merupakan ukuran yang
menunjukkan sebarapa melimpah suatu spesies dalam suatu area, dimana semakin
besar nilainya maka spesies tersebut semakin melimpah. Nilai indeks kelimpahan
yang diperoleh yaitu R1 sebesar 18,925 dan R2 sebesar 7,312. Indeks kelimpahan
dimanfaatkan sebagai ukuran dalam menentukan seberapa melimpah suatu spesies
seperti kelimpahan fitoplankton, gastropoda, dan lain-lain.
 KRITIK DAN SARAN UNTUK PRAKTIKUM BIOEKOLOGI
KUANTITATIF

Kritik :
Selama praktikum ini kakak asisten menjalankan tugas dengan baik.
Pemberian instruksinya cukup jelas dan bisa membuat praktikum ini tidak
menegangkan. Tetapi dalam penyampaian olah data kadang membingungkan
karena seringkali ketika sharescreen terjadi lag di layar sehingga kita susah
mengikuti

Saran :
• Sebaiknya saat pertemuan praktikum materi yang dibahas sebaiknya harus
lebih mendalam agar mahasiswa mendapatkan pengetahuan yang lebih
disamping pengetahua dasar dari materi tersebut.
• Sebaiknya semua materi praktikum diberikan sebelum kegiatan praktikum
berlangsung sehingga praktikan bisa lebih mudah mengikuti.
• Sebaiknya setiap materi dibuatkan dan diberikan modul.
• Sebaiknya dibuatkan video tutorial tersendiri sehingga ketika sharescreen
mengalami lag bisa melihat video tutorial.
 DAFTAR PUSTAKA

Protázio, J. M. B. (2007). Spatial Pattern Analysis Applied to Plant Ecology.

In Center for Tropical Marine Ecology. Zentrum für Marine Tropenökologie
(ZMT). University of Bremen.
Ludwig, J. A., Quartet, L., Reynolds, J. F., dan Reynolds, J. F. (1988). Statistical
Ecology: A Primer In Methods And Computing (Vol. 1). John Wiley & Sons.
Canada. 358 p.
Feryatun, F. (2012). Kerapatan dan distribusi lamun (seagrass) berdasarkan zona
kegiatan yang berbeda di perairan Pulau Pramuka, Kepulauan
Seribu. Management of Aquatic Resources Journal, 1(1), 44-50.
Ismunarti, D. H., Subagiyo, S., dan TN, Ria Azizah. 2004. Analisis Regresi Poisson
untuk Menduga Hubungan Kelimpahan Makrobenthos dengan Parameter
Kualitas Perairan. ILMU KELAUTAN: Indonesian Journal of Marine
Sciences, 9(4), 230-237.
Indriyanto A. 2006. Analisis Berbagai Indeks Keanekaragaman (Diversitas)
Tumbuhan Di Beberapa Ukuran Petak Contoh Pengamatan. Jurnal
Biodiversity., 1(2) : 22-38.