Nadhif Aditia Aryanta

230110170004
Perikanan A

NTSYS
NTSYSpc adalah sistem program yang digunakan untuk menemukan dan
menampilkan struktur dalam data multivarian. Sebagai contoh, seseorang mungkin
ingin menemukan bahwa sampel poin data menunjukkan bahwa sampel mungkin
berasal dari dua atau lebih populasi yang berbeda. Yang sama menariknya adalah
penemuan bahwa beberapa himpunan bagian dari variabel sangat saling berkorelasi.
Program ini awalnya dikembangkan untuk digunakan dalam biologi dalam konteks
bidang taksonomi numerik (yang menjelaskan mengapa nama program ini adalah
NTSYS — untuk Numerical Taxonomy SYStem). Tetapi program-program ini juga
telah banyak digunakan dalam morfometrik, ekologi, dan dalam banyak disiplin ilmu
lain dalam ilmu alam, teknik, dan humaniora. Istilah taksonomi matematika dan
klasifikasi otomatis juga telah digunakan untuk menggambarkan bidang aplikasi ini.
Teknik ini juga mewakili subset dari analisis data multivariat dan memiliki hubungan
dekat dengan beberapa metode di bidang pengenalan pola. Dalam bidang biologi
sistematis, seseorang dapat membedakan dua pendekatan yang berbeda untuk
klasifikasi. Dalam fenetika seseorang berkaitan dengan penemuan dan deskripsi pola
keanekaragaman hayati dan pembentukan klasifikasi berdasarkan kesamaan
keseluruhan yang dihitung dari data multivariat. Metode ini biasanya digunakan
dalam studi morfometrik. Dalam cladistics seseorang tertarik untuk menyimpulkan
sejarah evolusi organisme yang diteliti dan menggunakannya sebagai dasar untuk
klasifikasi. Metode khusus telah dikembangkan untuk memperhitungkan asumsi
bahwa model yang mendasarinya adalah pohon evolusi bercabang. Diharapkan
bahwa penjelasan biologis terbaik tentang keanekaragaman yang diamati dari
sekumpulan organisme akan datang dalam hal sejarah evolusi mereka. Metode ini
dimaksudkan untuk membuat perkiraan terbaik dari pohon evolusi yang diberikan
satu set data deskriptif pada satu set organisme. Metode yang paling umum digunakan
dibenarkan atas dasar prinsip filosofis kekikiran (bahwa pohon terpendek yang dapat
dipasang ke set data harus merupakan estimasi terbaik dari pohon yang benar) tetapi
metode yang secara statistik lebih kuat berdasarkan pada prinsip kemungkinan
maksimum meningkat dalam popularitas. Metode tetangga-bergabung juga sering
digunakan. Banyak metode yang disediakan dalam NTSYSpc dikaitkan dengan
bidang fenetika. Namun, mereka paling baik ditafsirkan sebagai metode untuk
analisis data multivariat. Ada program oleh orang lain yang khusus untuk metode
filogenetik. Namun, Saitou dan Nei (1987) bergabung dengan tetangga metode
estimasi pohon filogenetik termasuk dalam NTSYSpc. Prosedur UPGMA dalam
modul SAHN juga sering digunakan pada data molekuler. Fitur unik dari
implementasinya di sini adalah bahwa ia dapat mempertimbangkan hubungan
daripada hanya menggunakan aturan yang mengikat secara acak. NTSYSpc juga
berisi metode khusus yang digunakan dalam morfometrik geometris untuk
mempelajari variasi bentuk objek. Jurnal utama yang dikhususkan untuk teori umum
di balik banyak teknik ini adalah Journal of Classification. Ini diterbitkan untuk
Masyarakat Klasifikasi Amerika Utara oleh Springer. Makalah teoritis juga
diterbitkan di banyak jurnal statistik. Aplikasi teknik ini dipublikasikan di banyak
jurnal ilmiah di bidang aplikasi. Misalnya, Biologi Sistematik (sebelumnya Zoologi
Sistematik) telah menerbitkan banyak makalah teoritis dan terapan dengan penekanan
khusus pada aplikasi dalam taksonomi biologis. Sebagian besar pengguna teknik ini
mulai dengan matriks data yang berisi informasi tentang properti (fitur, karakter,
tengara atau koordinat garis besar, dll.) Dari sejumlah objek (individu, spesimen,
kuadrat, OTU, dll.). NTSYSpc kemudian dapat digunakan untuk menghitung
berbagai ukuran kesamaan atau ketidaksamaan antara semua pasangan objek dan
kemudian merangkum informasi ini baik dalam hal kumpulan objek yang serupa
(analisis kluster) atau dalam hal pengaturan spasial sepanjang satu atau lebih sumbu
koordinat ( analisis penahbisan atau berbagai jenis analisis penskalaan multidimensi).
Panduan Pengguna ini mengasumsikan bahwa pembaca memiliki keakraban dengan
metode. Ini tidak mengandung banyak saran tentang koefisien kesamaan atau metode
pengelompokan mana yang harus digunakan. Namun, hal itu memberikan banyak
petunjuk tentang penggunaan metode ini. Untuk menjaga akun umum, istilah netral
"objek" atau "OTU" (untuk unit taksonomi operasional) biasanya digunakan untuk
merujuk pada hal-hal (spesimen) yang dianalisis dan istilah "variabel" atau "karakter"
digunakan untuk merujuk pada properti yang digunakan untuk menggambarkan objek
yang diteliti.
Numerical Taxonomy and Multivariate Analysis System (NTSYS) merupakan
program yang dibuat untuk melakukan analisis kekerabatan. Program ini dapat
digunakan untuk melihat Hubungan kekerabatan antara beberapa sampel (spesies)
dengan melihat muncul-tidaknya suatu parameter/faktor fisik pada masing-masing
sampel. Dalam biologi molekuler, data binomial digunakan dalam RAPD dan juga
AFLP. Ada-tidaknya pita dalam masing-masing parameter bisa dikategorikan sebagai
data binomial. Dimulai dengan memasukkan data jumlah sampel dan data faktor fisik
ke dalam metode numerik, melakukan analisis similaritas / dissimilaritas, lalu
melakukan pengelompokan data untuk membuat dendogram.
Sistem ini menggunakan empat konsep dasar, yaitu :
- Memasukkan dan menyimpan data pada ntedit.exe tables,
- Membuat similaritas/dissimilaritas interval data untuk membuat matriks,
- Membuat analisis cluster (kelompok) dengan SAHN (Sequential
Agglomerative Hierarchycal Nested Cluster Analysis), dan
- Membuat dendogram (Rohlf 1998).
Cara menggunakan NTSYS untuk mengidentifikasi Kekerabatan ikan :
1. Data pada excel disusun terdiri dari 7 baris (lokasi penangkapan ikan) dan 15
kolom (ikan hasil tangkap).
2. Data disimpan pada excel dengan format excel 97-2003
3. Data diimport ke dalam program NTEDIT dengan menggunakan menu “using
OLE”
4. Data disimpan sebagai input file dengan perluasan (exstension) *.NTS
5. Data dianalisis dengan menggunakan menu similarity, SimInt pada program
ntsys.
6. Hasil analisis kesamaan disimpan sebagai file ouput.NTS
7. Analisis dendogram dibuat melalui menu “Clustering” dengan menu Sahn
8. Hasil analisis dalam bentuk Dendogram disimpan untuk intrepretasi.