3.

1 Analisis Data
Pengukuran keanekaragaman spesies semut pada setiap plot nya dihitung
menggunakan rumus indeks keanekaragaman Shannon-Wienner (H΄), indeks
kemerataan Shannon-Wienner (E), dan dominansi spesies pada setiap plot dengan
rumus Indeks Simpson (1/D) (Magurran, 2004). Selanjutnya untuk melakukan
perhitungan uji korelasi untuk mengetahui hubungan antara keanekaragaman dengan
faktor lingkungan setempat dengan menggunakan uji korelasi Pearson Product
Moment (r). Pengaruh pemangkasan terhadap keanekaragaman jenis semut
menggunakan analisis ragam (ANOVA). Untuk mengetahui hasil kemiripan semut
pada berbagai plot akan digunakan uji ANOSIM, apabila nilai P dibawah α (0,05)
maka hasil menunjukkan bahwa berbeda nyata. Sedangkan untuk perbedaan
komposisi semut dianalisis menggunakan analisi Non Metric Multidimentional
Scaling (NMDS). Lalu, seluruh data yang terkumpul dari berbagai jenis plot akan
disusun menjadi database dengan program Microsoft Excel. Database berisi
informasi tentang sampel diolah menggunakan perangkat lunak RStudio (R Core
Team, 2017) dan Biodiversity Calculator (Al Young Studios, 2021).
1. Indeks Shannon-Wienner (H΄)
Indeks Shannon- Wienner (H΄) menunjukkan kekayaan spesies dalam suatu
komunitas dan keseimbangan dalam pembagian jumlah individu per-spesies.
Indeks Keanekaragaman jenis Shannon-wiener (Odum, 1996) dihitung dengan
rumus :
H΄ = p ilnp i

Semut spesies ke−i

Dimana Pi =
∑ total semut
Keterangan :

H΄ = Indeks Shannon- Wienner

∑ = Jumlah spesies
pi = Proporsi individu yang ditemukan pada spesies ke-i
ln = Logaritma Natural
Tabel 1. Nilai Kriteria Indeks Shannon- Wienner (H΄) (Odum, 1996)
Nilai Tolak Ukur Keterangan
H΄<1,0 Keanekaragaman rendah.
1,0<H΄<3,00 Keanekaragaman sedang.
H΄>3,00 Keanekaragaman tinggi.
2. Indeks Kemerataan Jenis (E)
Indeks Kemerataan Jenis (E) menunjukkan pola kemerataan spesies dengan
spesies lain dalam ekosistem. Indeks kemerataan dihitung dengan rumus (Odum,
1996) :
E = H΄ / Ln (s)
Keterangan :
E = Indeks kemerataan
H΄ = Indeks keanekaragaman jenis Shannon-Wiener
Ln = Logaritma natural
S = Jumlah spesies
Tabel 2. Nilai Kriteria Indeks Kemerataan (E) (Krebs, 1985, dalam Gonawi, 2009)
Nilai Tolak Ukur Keterangan
E<0,4 Keseragaman populasi rendah
0,4< E<0,6 Keseragaman populasi sedang
E>0,6 Keseragaman populasi tinggi
3. Indeks Dominansi Simpson (D)
Indeks Dominansi Simpson (D) Menunjukkan ada atau tidaknya spesies
yang mendominasi spesies lainnya dalam suatu komunitas. Indeks Dominansi
dihitung menggunakan rumus dari Simpson (Odum, 1993) :

D=∑ N (¿) 2

Keterangan:
D = Indeks Simpson
ni = Jumlah individu tiap spesies
 N = Jumlah total individu seluruh spesiesTabel 3. Nilai Kriteria Indeks
Dominansi (D) (Odum, 1993)
Tabel 4. Nilai Kriteria Indeks Dominansi (D) (Odum, 1993)
Nilai Keterangan
0,00 < C ≤ 0,50 Dominansi rendah
0,50 < C ≤ 0,75 Dominansi sedang
0,75 < C ≤ 1,00 Dominansi Tinggi
4. Korelasi (Pearson Product Moment)
Analisis korelasi digunakan untuk mengukur kekuatan hubungan antara dua
variabel. Apabila koefisien korelasi bernilai positif (+) maka dikatakan korelasi
searah, dan juga sebaliknya, apabila koefisien korelasi bernilai negatif (-)
(Telussa et al., 2013) maka dikatakan korelasi tidak searah. Berikut rumus dari
korelasi beserta kategori nya.
r = n ∑ XY −¿ ¿ ¿

Keterangan :
r = Korelasi Pearson Product Moment
X = Variabel X
Y = Variabel Y
Tabel 5. Nilai Kriteria Korelasi Pearson Product Moment (Riduwan, 2003)
Interval Koefisien Tingkat Hubungan
0,800 – 1,000 Sangat kuat
0,600 – 0,800 Kuat
0,400 – 0,600 Cukup kuat
0,200 – 0,400 Rendah
0 – 0,100 Sangat rendah
Analisis perbedaan komposisi semut dengan Non Metric Multidimentional Scaling
(NMDS) disajikan dalam bentuk diagram. Nilai stress digunakan untuk melihan
apakah hasil output mendekati keadaan yang sebenarnya atau tidak. Apabila nilai
stress mendekati nilai 0 maka output yang dihasilkan mirip dengan keadaan yang
sebenarnya. Kriteria nilai stress yaitu, apabila < 0,05 merupakan plot sempurna,
dengan kemungkinan tidak ada kesalahan dengan menginterpretasikannya. Nilai
stress = 0,15 menggambarkan plot yang cukup akurat dengan tingkat kesalahan
interpretasi rendah. Nilai stress >0,2 menggambarkan plot kurang baik untuk
digunakan. Nilai stress > 0,2 sangat besar kemungkinan terjadi kesalahan dalam
menginterpretasikannya (Clarke, 1993).