Tugas 6 Ekologi Komputasi

Danila (195090100111044)

1. Analisis Korelasi Pearson

a) Uji Normalitas
Syarat = data harus normal (sig > 0,05)

One-Sample Kolmogorov-Smirnov Test

Jumlah Ulat Jumlah Semut
Bulu Rangrang Jumlah Burung
N 20 20 20
Normal Parameters a,b
Mean 384.00 193.85 24.85
Std. Deviation 409.082 202.131 16.262
Most Extreme Differences Absolute .316 .288 .195
Positive .316 .288 .195
Negative -.174 -.174 -.106
Test Statistic .316 .288 .195
Asymp. Sig. (2-tailed) .000 c
.000 c
.044c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Didapat hasil asymp. Sig kurang dari 0,05 yaitu 0,044 artinya distribusi data tidak normal.

b) Uji Korelasi pearson (jika distribusi data normal)

Kekuatan relasi berkisar antara 0 sampai dengan 1
 0 – 0,20 = sangat lemah
 0,21 – 0,40 = lemah
 0,41 – 0,60 = cukup
 0,61 – 0,80 = kuat
 0,81 – 1,00 = sangat kuat
Korelasi bersifat positif = searah antara variabel x dan y
Korelasi bersifat negatif = berlawanan antara variabel x dan y

H0 = tidak terdapat hubungan antara x dengan y

Ha = ada hubungan antara x dengan y
Jika nilai sig alpha < 0,05 maka H0 di tolak
 Correlations
Hasil: Jumlah Ulat Jumlah Semut
Bulu Rangrang Jumlah Burung Suhu
Jumlah Ulat Bulu Pearson Correlation 1 -.871 **
-.655** .451*
Sig. (2-tailed) .000 .002 .046
N 20 20 20 20
Jumlah Semut Rangrang Pearson Correlation -.871 **
1 .710** -.380
Sig. (2-tailed) .000 .000 .098
N 20 20 20 20
Jumlah Burung Pearson Correlation -.655 **
.710 **
1 -.355
Sig. (2-tailed) .002 .000 .124
N 20 20 20 20
Suhu Pearson Correlation .451 *
-.380 -.355 1
Sig. (2-tailed) .046 .098 .124
N 20 20 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).

 Terlihat adanya korelasi (sig < 0,05, HA diterima):

- Antara jumlah ulat bulu dengan semut rangrang (0,00)
- Antara jumlah ulat bulu dan burung (0,002)
- Antara jumlah ulat bulu dengan suhu (0,046)
- Antara jumlah semut rangrang dengan burung (0,00)
 Terlihat tidak adanya korelasi (sig > 0,05, H0 diterima):
- Antara jumlah burung dengan suhu (0,124)
- Antara jumlah semut rangrang dengan suhu (0,098)
 Kelimpahan ulat bulu terhadap:
- Semut rangrang: -0,871**  berkorelasi negatif dengan kekuatan korelasi sangat kuat,
artinya semakin sedikit jumlah semut rangrang, jumlah ulat bulu semakin tinggi, begitupun
sebaliknya (korelasi signifikan di level 0,01).
- Burung: -0,655  berkorelasi negative dengan kekuatan korelasi kuat, artinya semakin
sedikit jumlah burung, jumlah ulat bulu semakin tinggi, begitupun sebaliknya (korelasi
signifikan di level 0,01).
- Suhu lingkungan: 0,451* berkorelasi positif dengan kekuatan korelasi cukup kuat,
artinya semakin tinggi suhu lingkungannya, maka kelimpahan ulat bulu semakin tinggi
(korelasi signifikan di level 0,05).
  Kelimpahan semut rangrang terhadap:
- Ulat bulu: -0,871**  berkorelasi negatif dengan kekuatan korelasi sangat kuat, artinya
semakin sedikit jumlah semut rangrang, jumlah ulat bulu semakin tinggi, begitupun
sebaliknya (korelasi signifikan di level 0,01).
- Burung: 0,710**  berkorelasi positif dengan kekuatan korelasi kuat, artinya semakin
banyak jumlah burung, maka jumlah semut rangrang semakin tinggi, begitupun sebaliknya
(korelasi signifikan di level 0,01)
- Suhu lingkungan: -0,380  berkorelasi negative dengan kekuatan korelasi lemah, artinya
semakin rendah suhu lingkungan, maka jumlah semut rangrang semakin tinggi, tetapi
karena korelasi tidak signifikan maka suhu dianggap tidak berkorelasi dengan kelimpahan
semut rangrang

 Kelimpahan burung terhadap:

- Ulat bulu: -0,655  berkorelasi negative dengan kekuatan korelasi kuat, artinya semakin
sedikit jumlah ulat bulu, jumlah burung semakin tinggi, begitupun sebaliknya (korelasi
signifikan di level 0,01).
- Semut rangrang: 0,710**  berkorelasi positif dengan kekuatan korelasi kuat, artinya
semakin banyak jumlah semut rangrang, maka jumlah burung semakin tinggi, begitupun
sebaliknya (korelasi signifikan di level 0,01)
- Suhu: -0,355  berkorelasi negatif dengan kekuatan korelasi lemah, artinya semakin
tinggi suhu lingkungan, maka jumlah burung akan menurun, namun karena korelasi tidak
signifikan maka suhu dianggap tidak berkorelasi dengan kelimpahan semut rangrang.

c) Uji korelasi spearman (jika distribusi data tidak normal)

Karena sebetulnya hasil uji normalitas menunjukkan bahwa distribusi data tidak normal, digunakan
alternative dari uji parametriknya, yaitu uji korelasi spearman. Hasilnya sebagai berikut:
Kesimpulan: Terdapat korelasi dari setiap variabel karena keseluruhan sig-nya di bawah 0,05 (HA
diterima).
Jumlah ulat bulu berkorelasi negatif signifikan terhadap jumlah semut rangrang dan jumlah burung dengan
nilai korelasi secara berturut-turut -0,983** dan -0,63** sedangkan jumlah ulat bulu berkorelasi positif
signifikan terharap suhu lingkungan yaitu 0,959**. Artinya semakin tinggi jumlah semut rangrang dan
jumlah burung, semakin menurun jumlah ulat bulu, sedangkan semakin tinggi suhu lingkungan, maka
jumlah ulat bulu semakin meningkat.

Sebaliknya, jumlah semut rangrang dan jumlah burung berkorelasi negative terhadap suhu lingkungan
dengan nilai korelasi -0,962 dan -0,686. Tetapi jumlah semut rangrang berkorelasi positif dengan jumlah
burung yaitu 0,654. Artinya, semakin banyak jumlah semut rangrang, maka jumlah burung juga meningkat,
tetapi jumlah keduanya akan menurun jika suhu lingkungan semakin tinggi.
2. Uji Regresi Linier Sederhana

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2414532.679 1 2414532.679 56.807 .000b
Residual 765075.321 18 42504.185
Total 3179608.000 19
a. Dependent Variable: Jumlah Ulat Bulu
b. Predictors: (Constant), Jumlah Semut Rangrang
Dilihat dari nilai sig, jika nilai sig > 0,05 artinya H0 diterima yaitu tidak ada hubungan antara kelimpahan
ulat bulu dengan kelimpahan semut rangrang, tetapi jika sig < 0,005 artinya HA diterima yaitu ada
hubungan antara kelimpahan ulat bulu denagn kelimpahan semut rangrang.

Didapatkan nilai signifikansi 0,00 artinya HA diterima yaitu ada hubungan antara kelimpahan ulat bulu
denagn kelimpahan semut rangrang.

**

Kekuatan relasi berkisar antara 0 sampai dengan 1

 0 – 0,20 = sangat lemah
 0,21 – 0,40 = lemah
 0,41 – 0,60 = cukup
 0,61 – 0,80 = kuat
 0,81 – 1,00 = sangat kuat
Korelasi bersifat positif = searah antara variabel x dan y
Korelasi bersifat negatif = berlawanan antara variabel x dan y

Nilai R dari uji korelasi, pengujian hipotesisnya:

H0 : tidak terdapat hubungan antara x dengan y
Ha : ada hubungan antara x dengan y
Jika nilai sig alpha < 0,05 maka H0 di tolak

Hasil:
 Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .871 a
.759 .746 206.165
a. Predictors: (Constant), Jumlah Semut Rangrang
b. Dependent Variable: Jumlah Ulat Bulu
Nilai R = 0,871 = menandakan adanya hubungan keeratan yang sangat erat, bernilai positif
Nilai R2= 0,759 = kelimpahan ulat bulu dipengaruhi sebesar 75,9% oleh keberadaan semut
rangrang, sedangkan 24,1% sisa kelimpahan ulat bulu dipengaruhi oleh variabel lain di luar semut
rangrang (nilai determinasi tinggi)

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 725.880 64.674 11.224 .000
Jumlah Semut Rangrang -1.764 .234 -.871 -7.537 .000
a. Dependent Variable: Jumlah Ulat Bulu
Model persamaan regresi linear sederhana:
Y = 725,880 – 1,764x
Kelimpahan ulat bulu = 725,880 – 1,764(kelimpahan semut rangrang)
Koef. 725,880 menandakan bahwa jika semut rangrang tidak ada, maka kelimpahan ulat bulu
sebesar 725,880. Lalu, koefisien regresi sebesar -1,764 mengindikasikan jika semut rangrang
meningkat sebanyak 1 individu, kelimpahan ulat bulu akan menurun sebesar 1,764.
Dilakukan uji hipotesis dengan uji t.
- Besar t hitung = 07,537 (sig 0,000). Sig < 0,005 artinya variabel keberadaan semut
ragrang berpengaruh signifikan terhadap variabel kelimpahan ulat bulu.
 Uji Asumsi:
 Uji Homoskedasitisitas

Correlations
Jumlah Semut
Rangrang Abs_res
Spearman's rho Jumlah Semut Rangrang Correlation Coefficient 1.000 .045
Sig. (2-tailed) . .850
N 20 20
Abs_res Correlation Coefficient .045 1.000
Sig. (2-tailed) .850 .
N 20 20
Jika :
- nilai sig > 0,05 = tidak ada korelasi antara absolut residual dengan variabel bebas
(semut rangrang)
- nilai sig < 0,05 = ada korelasi antara absolut residual dengan variabel bebas
(semut rangrang)
Hasil nilai sig = 0,850 (lebih besar dari 0,05) = tidak ada korelasi antara abs_res
dengan variabel bebas, artinya asumsi homoskedastisitas terpenuhi.

 Uji Normalitas Residual

One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 20
Normal Parameters a,b
Mean .0000000
Std. Deviation 200.66669423
Most Extreme Differences Absolute .165
Positive .165
Negative -.123
Test Statistic .165
Asymp. Sig. (2-tailed) .160c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

Nilai sig = 0,160 > 0,05  asumsi normalitas terpenuhi.

 Uji Linieritas Model

Dilihat
nilai Model Summary and Parameter Estimates
sig = Dependent Variable: Jumlah Ulat Bulu
0,000 Model Summary Parameter Estimates
< 0,05 Equation R Square F df1 df2 Sig. Constant b1
 Linear .759 56.807 1 18 .000 725.880 -1.764
asumsi
The independent variable is Jumlah Semut Rangrang.
linieratas terpenuhi.

3. Uji Regresi Linier Berganda

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 2414532.679 1 2414532.679 56.807 .000b
Residual 765075.321 18 42504.185
Total 3179608.000 19
a. Dependent Variable: Jumlah Ulat Bulu
b. Predictors: (Constant), Jumlah Semut Rangrang
Variabel predictor yang berpengaruh terhadap kelimpahan ulat bulu hanya keberadaan semut
rangrang sehingga variabel jumlah burung dan suhu dibuang dari model.
Dilihat dari nilai sig, jika nilai sig > 0,05 artinya H0 diterima yaitu tidak ada hubungan antara kelimpahan
ulat bulu dengan kelimpahan semut rangrang, burung, dan suhu , tetapi jika sig < 0,005 artinya HA
diterima yaitu ada hubungan antara kelimpahan ulat bulu dengan kelimpahan semut rangrang.

Didapatkan nilai signifikansi 0,00 artinya HA diterima yaitu ada hubungan antara kelimpahan ulat bulu
denagn kelimpahan semut rangrang.

**

Kekuatan relasi berkisar antara 0 sampai dengan 1

 0 – 0,20 = sangat lemah
 0,21 – 0,40 = lemah
 0,41 – 0,60 = cukup
 0,61 – 0,80 = kuat
 0,81 – 1,00 = sangat kuat
Korelasi bersifat positif = searah antara variabel x dan y
Korelasi bersifat negatif = berlawanan antara variabel x dan y

Nilai R dari uji korelasi, pengujian hipotesisnya:

H0 : tidak terdapat hubungan antara x dengan y
Ha : ada hubungan antara x dengan y
Jika nilai sig alpha < 0,05 maka H0 di tolak

Hasil:

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .871 a
.759 .746 206.165
a. Predictors: (Constant), Jumlah Semut Rangrang
b. Dependent Variable: Jumlah Ulat Bulu

Variabel predictor yang berpengaruh terhadap kelimpahan ulat bulu hanya keberadaan semut
rangrang sehingga variabel jumlah burung dan suhu dibuang dari model.

Nilai R = 0,871 = menandakan adanya hubungan keeratan yang sangat erat, bernilai positif
Nilai R2= 0,759 = kelimpahan ulat bulu dipengaruhi sebesar 75,9% oleh keberadaan semut
rangrang, sedangkan 24,1% sisa kelimpahan ulat bulu dipengaruhi oleh variabel lain di luar semut
rangrang (nilai determinasi tinggi)

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 725.880 64.674 11.224 .000
Jumlah Semut Rangrang -1.764 .234 -.871 -7.537 .000
a. Dependent Variable: Jumlah Ulat Bulu
Model persamaan regresi linear sederhana:
Y = 725,880 – 1,764x
Kelimpahan ulat bulu = 725,880 – 1,764(kelimpahan semut rangrang)
Koef. 725,880 menandakan bahwa jika semut rangrang tidak ada, maka kelimpahan ulat bulu
sebesar 725,880. Lalu, koefisien regresi sebesar -1,764 mengindikasikan jika semut rangrang
meningkat sebanyak 1 individu, kelimpahan ulat bulu akan menurun sebesar 1,764.
Dilakukan uji hipotesis dengan uji t.
- Besar t hitung = 07,537 (sig 0,000). Sig < 0,005 artinya variabel keberadaan semut
ragrang berpengaruh signifikan terhadap variabel kelimpahan ulat bulu.