Research in Ecology
HUBUNGAN FUNGSIONAL
PENGAMBILAN CONTOH DAN
ANALISIS DATA
Masalah/Hipotesa Konsepsi
Inferensi
Retroaksi
Problematika
Pengambilan Contoh
Analisis Data
Kesimpulan
Teknik Pengambilan Contoh
PROSEDUR
Umum : setiap unsur dalam populasi mempunyai peluang
yang sama untuk terpilih sebagai anggota contoh
Pengambilan contoh acak terbatas: pengambilan contoh acak
dengan pemulihan
Pengambilan contoh acak tanpa pembatasan: Pengambilan
contoh acak tanpa pemulihan
PEMAKAIAN
Jika unsur populasi tidak terlalu menyebar secara geografis
Jika populasi bersifat kurang lebih homogen terhadap
karakteristik yang dipelajari
PENARIKAN CONTOH ACAK
SEDERHANA
Pengambilan contoh berdasarkan Tabel Bilangan Acak
Misalkan akan diambil contoh sebesar 6 dari 15 data (N=15,
n=6)
Karena 15 terdiri dari 2 digit, diberi nomor 0 - 15 pada data
kemudian
lihat tabel pada 2 kolom, terbaca : 11, 14, 01, 02, 07, 12, maka
data Nomor
Contoh Data1 (Xi) Data2 (proporsi)
Contoh
contoh adalah
11 Mahasiswa K 10 Setuju
14 Mahasiswa N 6 Tidak Setuju
01 Mahasiswa A 8 Setuju
02 Mahasiswa B 12 Tidak Setuju
07 Mahasiswa G 5 Tidak Setuju
12 Mahasiswa L 7 Tidak Setuju
1
Pengeluaran per hari (ribuan)
2
Pendapat mengenai perlunya menambah mata kuliah yang bersifat kuantitatif
Penduga Rataan Populasi
x sebagai penduga bagi
n
Xi 10 6 K 5 7 48
x i 1
8
n 6 6
x
bagi
sebagai penduga 2
S N n2
6,8 15 6
s
2
x 0,68
n N 6 15
N merupakan
n faktor koreksi bagi populasi terbatas
N
Bila populasi tidak terbatas atau berukuran besar dimana
N n n
0,95 atau 0,05
N N
maka faktor koreksi diabaikan
N
n N = populasi
n = Besar sampel
1 N (d )
2
d = = 0,05/0,1
Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan
yang dikehendaki adalah 5%, maka jumlah sampel yang
digunakan adalah :
N = 125 / 125 (0,05)2 + 1 = 95,23, dibulatkan 95
2. Interval Penaksiran
(175)(1,96) 2 (0,4)(0,6)
n 60,38
(175)(0,1) (1,96) (0,4)(0,6)
2 2
Sampel Ideal (Gay, 1984)
Ukuran minimal sampel yang dapat diterima:
1. Penelitian deskriptif:sampel minimal 10%
populasi, namun untuk populasi yang sangat
kecil diperlukan minimal 20%
2. Penelitian korelasi: minimal 30 subjek.
3. Penelitian ex post fakto atau penelitian
kausal komparatif:minimal 15 subjek per
kelompok.
4. Penelitian eksperimen:minimal 15 subjek per
kelompok.
Keuntungan Menggunakan Penarikan Contoh Acak
Teori yang digunakan sederhana, sehingga lebih
mudah memahaminya
PROSEDUR
Umum : populasi dibagi-bagi ke dalam beberapa grup
(lapisan), kemudian unsur contoh dipilih dari setiap lapisan
Pengambilan contoh acak berlapis: pemilihan unsur contoh
dalam setiap lapisan dilaksanakan dengan pengambilan
contoh acak
Pengambilan contoh sistimatik berlapis: pemilihan unsur
contoh dalam setiap lapisan dilaksanakan dengan
PEMAKAIAN
pengambilan contoh
Jika populasi yang sistimatik
diamati, berdasarkan nilai karakteristiknya,
dapat dibagi-bagi ke dalam beberapa lapisan
Jika ketepatan nilai dugaan yang diinginkan ditujukan pada
beberapa bagian tertentu dari populasi yang diamati
Jika pengambilan contoh yang akan digunakan pada setiap
lapisan berbeda-beda
PENARIKAN CONTOH ACAK BERLAPIS
Deskripsi Rancangan
Populasi yang terdiri dari beberapa bagian (lapisan), dimana
dalam satu bagian (lapisan) terdapat kondisi pengamatan
(karakteristik) yang homogen sementara antar bagian
(lapisan) memiliki yang heterogen
Prosedur
Dari 40 mahasiswa S2, 15 diantaranya baru lulus S1, 10 orang
dari swasta dan 15 orang dari instansi pemerintah Satuan
penarikan contoh : mahasiswa
Prosedur penarikan contoh :
1. Pilah populasi ke dalam lapisan dimana setiap lapisan
terdiri satuan penarikan contoh yang memiliki karakteristik
kurang lebih homogen
2. Setelah terbentuk lapisan, contoh acak dapat diambil dari
setiap lapisan menggunakan metode penarikan contoh
acak sederhana
Kerangka penarikan contoh :
Tiga daftar mahasiswa, yaitu daftar 15 mahasiswa baru lulus
S1, daftar
Pendugaan
Misalkan akan dilakukan survei di lima wilayah
Lapisan N h
n h
x h
s 2
h
(st)
1 448 81 6,49 6,65
2 131 31 6,77 12,11
3 81 14 6,50 4,58
4 108 20 7,25 7,57
5 100 17 6,76 5,19
N = 868 n = 163
N 868
st
s
2
0,0352
h h h h
nN N
x st
h 1 2
h h
(N n )
h
merupakan faktor koreksi bagi populasi terbatas
h
N h
N h
Penduga Total Populasi
( X x)
2
S
2
n 6 6,8
n 1 n 1 6 1
Penduga Proporsi Populasi
Dengan menggunakan data*2, hitung proporsi mahasiswa yang
setuju :
n
X 2
0,33
i
i 1
n 6
Penduga Total Populasi
Total populasi (banyaknya mahasiswa) yang setuju (Np)=
15(0,33)=5
Teladan
Misalkan diketahui: N=150, d=1 (rataan pendugaan tidak lebih
dari 1 satuan terhadap rataan sesungguhnya), 2= 9,0 dengan
tingkat kepercayaan 90% maka ukuran contoh yang dibutuhkan :
NZ s 150(1,645) (9)
2 2 2
n 20,9;21
Nd Z s 150(1) (1,645) (9)
2 2 2 2 2
Lebih dari 1 Jenis Pengamatan Penduga Total Populas
n h h
65,5;66
d 2
(0,5) 2
N N s
2
868 2 2
z 1,645
2 h h 2
- menentukan ukuran contoh setiap lapisan
N 448 131
n .n h
; n .66 34 ; n .66 9,9;10
N 868 868
h 1 2
81 108 100
n .66 6,2;7 ; n .66 8,2;9 ; n .66 7,6;8
868 868 868
3 4 5
N
n .n 34 10 7 9 8 68
h
N
h
Keuntungan Penarikan Contoh Acak Berlapis
Lebih efisien dibandingkan penarikan contoh acak
menyajikan analisis data yang lebih komprehensif/menyeluruh
karena informasi berasal dari setiap lapisan atau subpopulasi
secara administratif lebih sederhana
PEMAKAIAN
Jika populasi bersifat tersusun dan pada hakekatnya juga acak
Jika pelapisan dalam populasi dapat diabaikan
Jika dengan data yang banyak, pelapisan dapat dilakukan
PENARIKAN CONTOH SISTEMATIK
Deskripsi Rancangan
Penarikan contoh sistematik dengan pengacakan awal
merupakan metode penentuan contoh dengan
mengambil setiap satuan ke-k dari suatu populasi yang
teratur, dimana satuan pertama dipilih secara acak. k
= selang/ interval penarikan contoh; 1/k = fraksi
penarikan contoh
Prosedur
Misalkan akan diduga jumlah Kepala Keluarga (KK) per
Kerangka penarikan contoh : peta lokasi dengan blok
blok dari suatu wilayah perumahan yang memiliki 24
yang terpisah atau daftar blok yang penulisannya
blok
dirancang sesuai lokasi
Blok 2 6 10 14 18 22
Jumlah KK 7 15 5 8 3 10
Penduga Rataan Populasi
x sebagai penduga bagi
sy
sy
X 7 15 5 8 3 10 48
x 8
i
i 1
n 6 6
sy
x sy
sebagai penduga 2
xsy
s N n
2
s 2
N 2,2
n
x
Xij
i=1 j=1
Xsy =
nM
x sy
2
xsy
S2 N n
S =
2
nM2 N
x
STATISTIK INFERENSIAL
Diutamakan untuk mempelajari karakter-karakter dalam
jumlah yang terbatas pada sejumlah kecil individu
STATISTIK MULTIDIMENSI
Statistik deskriptif yang memungkinkan suatu studi global
dari sejumlah besar individu dan variabel, yang secara
umum dipresentasikan dalam bentuk grafik
Analisis Data
STATISTIK PARAMETRIK
Didasarkan pada pengukuran dari suatu distribusi normal (nilai
tengah, simpangan baku)
STATISTIK NONPARAMETRIK
Tidak didasarkan pada asumsi bentuk distribusi populasi.
Umumnya digunakan pada studi populasi yang berdistribusi
tidak normal
PEROLEHAN DATA NUMERIK
Logik (mis. Tidak mengukur juvenil dengan dewasa untuk data
dewasa)
Dapat dibandingkan (mis. Jangan mencampurkan panjang baku
dengan panjang total)
Standar (diukur dengan metode yang sama, mis. Jangan
mengkombinasikan ukuran mm dengan menggunakan penggaris
dan kaliper)
Memadai (ukuran contoh atau frekuensi kejadian harus mewakili
populasi, mis. Lebih besar dari 20 dan dalam banyak kasus lebih
besar dari 50)
Bersifat acak
Analisis Data
Beberapa Metode Analisis Data
Variabel Kuantitatif Variabel Semi Variabel Kuantitatif
Kuantitatif
Analisis Data Univariabel
Perbedaan antara 2 grup Perbedaan antara 2 grup Perbedaan antara 2 grup
T student U daru Mann-Whitney, 2,.
Perbedaan antara banyak Perbedaan antara banyak Perbedaan antara banyak
grup grup grup
Analisis varian (anova) H dari Kruska-Wallis 2,.
Analisis Data Multivariabel
Perbedaan antara 2 grup Perbedaan antara 2 grup Perbedaan antara 2 grup
T2 dari Hotelling ______________________ 2 Multidimensi
Perbedaan antara banyak Perbedaan antara banyak Perbedaan antara banyak
grup grup grup
Analisis varian ______________________ 2 Multidimensi
multidimensi (Manova)
Pengukuran asosiasi Q Pengukuran asosiasi Q Pengukuran asosiasi Q
Pengukuran asosiasi R : Pengukuran asosiasi R : Pengukuran asosiasi R :
Dispersi ______________________ Teori Informasi, 2
Korelasi Parametrik Korelasi Pangkat Kontingensi
Keanekaragaman spesies Keanekaragaman spesies Keanekaragaman spesies
Pengukuran Pengukuran Kekayaan Spesies
keanekaragaman keanekaragaman Spesies Dominan
Model distribusi Diagram Pangkat Pengelompokan
kelimpahan Pengelompokan Ordinasi
Pengelompokan Ordinasi Tabel Kontigensi dan
Analisis Data
Di sisi lain, apabila pada kelompok data yang ada tidak mungkin dilakukan pemisahan
variabel-variabel atas kelompok variabel independen dan kelompok variabel
dependen, maka analisis statistik yang dilakukan bertujuan untuk mengidentifikasi
bagaimana dan mengapa variabel-variabel berhubungan antara mereka. Metode
statistik untuk menganalisis data seperti ini disebut Metode Interdependen.
Analisis Data
Metode Statistik
Variabel Dependen
Dependen
Satu Variabel Lebih dari Satu Variabel
Metrik Non-metrik Metrik Non-Metrik
Variabel Independen
Satu Variabel
Metrik Regresi Analisis diskriminan Korelasi Analisis diskriminan
Regresi logistic kanonik grup-ganda (MDA)
Pokok Bahasan :
1. Pengertian Keanekaragaman
2. Metode Analisis Keanekaragaman Species
a. Indeks Kekayaan jenis (Index of Species Richness)
b. Indeks Keanekaragaman atau Heterogenitas (Index of
heterogenity atau Index of Diversity), dan
c. Indeks Keseragaman/Kemerataan (Index of Evennes).
1. PENGERTIAN KERAGAMAN HAYATI
Keanekaragaman hayati (ragam hayati):
adalah istilah payung (umbrella term) untuk derajat
keanekaragaman sumberdaya alam hayati, meliputi
jumlah maupun frekuensi dari ekosistem, spesies
maupun gen di suatu daerah (Haryanto, 1995).
Keanekaragaman hayati:
Definisi dari Wilcox (1984)
adalah berbagai macam bentuk kehidupan, peranan
ekologi yang dimilikinya dan keanekaragaman plasma
nutfah yang terkandung didalamnya, (MacKinnon dkk.,1986) .
Definisi dari WWF (1989):
adalah kekayaan hidup di bumi, jutaan tumbuhan,
hewan dan mikroorganisme, genetika yang
dikandungnya, dan ekosistem yang dibangunnya,
(Primack, dkk. 1998) .
Tiga tingkatan pengertian ragam hayati,
(McNeely, 1988) yaitu :
1. keanekaragaman genetik
2. keanekaragaman spesies
3. keanekaragaman ekosistem
Ragam hayati meliputi seluruh spesies
tumbuhan, binatang, organisme mikro dan
gen-gen yang terkandung di dalamnya serta
seluruh ekosistem di muka bumi (McNeely, dkk
1988 dalam Haryanto, 1995).
Sampai saat ini konsep dan ide pengukuran
biodiversitas masih diperdebatkan oleh ahli ekologi
Konsep pengukuran keragaman dibagi 3 kategori:
1. Indeks Kekayaan jenis (Index of Species
Richness)
2. Indeks Keanekaragaman atau Heterogenitas
(Index of heterogenity atau Index of Diversity),
dan
3. Indeks Keseragaman/Kemerataan (Index of
Evennes).
2. METODE PENGUKURAN KERAGAMAN
Komunitas A
Komunitas B
1
S
N Ni
Var S n N 1
n
N
N i 1
n
N N N N
S 1 S
i j
2 N N i N j
n n
N
i 1 i 1 n
n
x
Istilah adalah kombinasi yang
y
x
x!
y y! x y !
N
1 N Ni
n n
2. Indeks Divertas Margalef (Clifford &
Stephenson, 1975) :
S 1
Dmg
LnN
Dmg = Indeks Margalef
S = jumlah jenis yang teramati
N = jumlah total individu yang teramati
Ln = logaritma natural
3. Indeks Menhinick
Indeks lain yang hampir serupa dengan konsep Margalef adalah indeks
diversitas Menhinick yang mempunyai rumus sebagai berikut :
S
DMn
N
dimana :
S adalah jumlah jenis dan
N adalah jumlah total individu seluruh
jenis yang teramati.
4. Indeks Jackknife :
n 1
S s k
n
S = indeks kekayaan jenis Jackknife
s = total jumlah jenis yang teramati
n = banyaknya unit contoh
k = jumlah jenis yang unik (jenis yang hanya
ditemukan pada hanya salah satu unit contoh)
adapun keragaman dari nilai dugaan (S)
tersebut dihitung dengan formula
berikut:
n 1 k2
var( S ) j 2
fj
n n
dimana :
Var(S) = keragaman dugaan jackknife untuk
kekayaan jenis
fj = jumlah unit contoh dimana ditemukan j jenis
unik (j=1,2,3,..,s)
K = jumlah spesies unik
N = jumlah total unit contoh
penduga selang bagi indeks kekayaan
jenis jackknife adalah sebagai berikut :
S t var ( S )
dimana diperoleh dari tabel t-student
dengan nilai derajat bebas = n-1
Berdasarkan data tersebut di atas, terdapat 15
jenis pohon yang hanya dijumpai dalam satu unit
contoh dari 5 (lima) unit contoh yang dibuat.
Jenis-jenis ini disebut sebagai jenis unik (unique
species). Oleh karena itu, indeks kekayaan jenis
Jackknife untuk kelima belas jenis tersebut
adalah
n (banyaknya unit contoh) = 5
s (total jumlah jenis) = 41
k (jumlah jenis yang unik) = 15
Dengan demikian, keragaman dari nilai dugaan
(S) tersebut adalah:
Untuk ukuran contoh yang kecil, maka nilai t/2 pada tingkat
kepercayaan 5 % dengan derajat bebas n-1 adalah 2.776,
sehingga dugaan indeks kekayaan jenis Jackknife pada
tingkat kepercayaan 5 % adalah :
B. INDEKS HETEROGENITAS/KEANEKARAGAMAN
(Index of Heterogeneity / Index of Diversity)
Istilah heterogenitas pertama kali dikemukakan oleh
GOOD (1953). Berbeda dari konsep kekayaan jenis,
ukuran keanekaragaman ini ditetapkan hanya
berdasarkan struktur kerapatan atau kelimpahan
individu dari setiap jenis yang teramati. Oleh karena itu,
Magurran (1988) memberikan istilah lain terhadap
konsep ini, yaitu dengan sebutan spesies abundance
atau kelimpahan
Untuk memperjelas jenis.
konsep kelimpahan jenis ini
sebagai salah satu ukuran keanekaragaman, tampak
pada gambar berikut ini.
Pada Gambar terdapat 3 (tiga) komunitas dengan
derajat keanekaragaman yang berbeda. Berdasarkan
ukuran kelimpahan ini, komunitas A lebih beragam dari
komunitas B (walaupun mempunyai jumlah jenis yang
sama). Demikian pula halnya dengan komunitas C yang
mempunyai keanekaragaman lebih tinggi bila
KOMUNITAS A
KOMUNITAS B
KOMUNITAS C
1. Indeks Simpson
Indeks Keragaman Simpson digunakan untuk mengetahui
kompleksitas suatu komunitas yang populasnya tak terhingga.
Indeks ini berkisar antara 0 1.
Semakin mendekati angka 1 maka komunitas semakin kompleks
dan mantap.
Indeks diversitas Simpson dihitung dengan rumus :
1 D 1 pi
2
Dimana:
1D = indeks diversitas Simpson
pi = ni/N = proporsi jumlah individu jenis ke-I
ni = jumlah individu species ke I
N = jumlah total individu seluruh species
2. Indeks Pielou
Sedangkan untuk populasi terhingga, rumus yang harus
digunakan adalah Indeks Pielou sebagai berikut (Pielou, 1969):
S
ni ni 1
1 D 1 N N 1
i 1
Dimana:
1-D= Indeks Pielou
ni = jumlah individu dari jenis ke-I
N = jumlah total individu dalam unit contoh
S= jumlah jenis dalam unit contoh
3. Indeks Shannon-Wiener
Konsep ini merupakan konsep keanekaragaman yang relatif paling dikenal dan paling
banyak digunakan (Magurran, 1988). Indeks Shannon dihitung dengan formula berikut :
S
H ' pi ln pi
i1
Dimana:
Pi = ni/N
H: Indeks Keragaman Shannon-Wiener
Pi : Jumlah individu suatu spesies/jumlah total seluruh
spesies
ni : Jumlah individu spesies ke-i
N : Jumlah total individu
Catatan :
Seringkali peneliti menggunakan formula Shannon-
Wiener menggunakan Lon atau Log2, atau Log 10.
Perbedaannya adalah
jika log2, maka H dinyatakan dalam bits/ind ;
jika log e/ln, maka H dalam nits/ind dan
jika digunakan log 10, maka H dinyatakan dalam
decits/ind).
H < 1,0 :
Keanekaragaman rendah,
Miskin (produktivitas sangat rendah) sebagai
indikasi adanya tekanan ekologis yang berat ,dan
ekosistem tidak stabil
1,0 < H < 3,322 :
Keanekaragaman sedang,
produktivitas cukup,
kondisi ekosistem cukup seimbang,
tekanan ekologis sedang.
H > 3,322 :
Keanekaragaman tinggi,
stabilitas ekosistem mantap,
produktivitas tinggi,
4. Indeks Brillouin
Dibandingkan dengan indeks Shannon-Wiener, indeks ini relative lebih
sederhana. Variabel yang diukur di lapangan hanya banyaknya individu dari
setiap jenis yang dijumpai pada unit contoh. Formula yang digunakan untuk
menghitung indeks Brillouin adalah:
1 N!
H log
N n1! n2 ! n3!...
dimana :
N= jumlah total individu dalam unit contoh
n1 = jumlah individu untuk jenis ke-1
n2 = jumlah individu untuk jenis ke-2
C. INDEKS KESERAGAMAN / KEMERATAAN
(Index of Evenness)
Komunitas A
Eveness B > A
JENIS
Kelimpahan
individu setiap
jenis di B relatif
homogen
Komunitas B
JENIS
Ada dua rumus yang relative lebih banyak
digunakan untuk menghitung nilai evenness,
yakni (dicetuskan oleh Hurlbert, 1971) :
D
Evenness
Dmax
D Dmin
Evenness
Dmax Dmin
dimana :
Evenness= nilai kemerataan (antara 0 1)
D = nilai indeks diversity hasil pengamatan
D max = nilai maksimum indeks diversitas
D min = nilai minimum indeks diversitas
Apabila digunakan rumus dari Shannon-
Wiener, nilai indeks diversitas maksimum dan
minimum dapat diperoleh melalui rumus :
1 1
H ' max S log 2
S S
log 2 S
N S 1
H ' min LogN log N S 1
N
dimana :
Hmax = maksimum nilai kemungkinan dari fungsi Shannon
Hmin = nilai kemungkinan terendah fungsi Shannon
N = Jumlah total individu dalam unit pengamatan
S = Jumlah jenis dalam unit pengamatan
Selanjutnya, nilai evenness lebih sering
dihitung dengan menggunakan rumus
berikut :
H'
J '
Dmax
dimana :
J = nilai evenness (antara 0 1)
H = indeks diversitas Shannon-Wiener
Dmax = nilai maksimum indeks diversitas
Cara perhitungan lain yang bisa digunakan untuk menghitung
nilai kemerataan/keseragaman Evenness adalah rumus yang
diusulkan oleh Buzas & Gibson (1969) dengan formula sebagai
berikut :
Ni
Evenness
S
dimana :
Ni = eH (jumlah jenis dengan kelimpahan sama)
S = jumlah individu dalam unit contoh
Tugas Kelas A
Makalah Tentang
Indeks kesamaan
Indeks Jaccard
Indeks Morisita
Indeks Jarak
Jarak Euclidean
Indeks Bray-Curtis
Masing-masing dilengkapi dengan contoh soal dan
pembahasan apa makna dari nilai yang diperoleh.
Tugas Kelas B
Makalah Tentang
Indeks kesamaan
Indeks Sorensen
Indeks Urbani&Buser
Indeks Jarak
Jarak Khi-kuadrat
Indeks Canbera
Masing-masing dilengkapi dengan contoh soal dan
pembahasan apa makna dari nilai yang diperoleh.