Statistics for

Research in Ecology

Eko Efendi, ST., M.Si

JURUSAN PERIKANAN DAN KELAUTAN

FAKULTAS PERTANIAN
UNIVERSITAS LAMPUNG
 Pengumpulan dan Analisis Data

Pemilihan teknik pengambilan contoh dan analisis data

didasarkan pada:
Pemilihan parameter abiotik dan biotik yang dapat
menjawab permasalahan yang diajukan
Skala observasi dalam ruang dan waktu
Metode analisis data yang tepat
Batasan-batasan dalam pengambilan contoh dan analisis
data
Alami : Berhubungan dengan keragaman skala yang
dipilih
Teknik: kemampuan dan ketepatan alat yang
digunakan, luasnya skala ruang dan wakktu yang
diperuntukkan dalam pengambilan contoh
Matematik: berkenaan dengan struktur dari data dan
kualitasnya
 Pengumpulan dan Analisis Data

HUBUNGAN FUNGSIONAL
PENGAMBILAN CONTOH DAN
ANALISIS DATA
Masalah/Hipotesa Konsepsi
Inferensi
Retroaksi

Problematika

Pengambilan Contoh
Analisis Data

Kesimpulan
 Teknik Pengambilan Contoh

KRITERIA PEMILIHAN TEKNIK

PENGAMBILAN CONTOH

Kerangka pengambilan contoh seperti apa yang telah

ada

Seberapa besar ukuran contoh yang diinginkan

Prosedur pengambilan contoh yang mana yang akan

digunakan

Cukupkah sumberdaya yang ada (biaya, bahan dan

tenaga)?
 PENGAMBILAN CONTOH ACAK
SEDERHANA

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

Penduga Total Populasi

x Nx 15(8) 120
Dimana :N = jumlah mahasiswa dalam populasi
x = rataan contoh
Penduga Ragam dari Rataan
s 2

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

Ragam Populasi ( 2) Tidak Diketahui

Pertimbangan dalam menentukan ukuran contoh
Bila populasi N besar, disarankan menggunakan persentase yang
kecil
ukuran contoh sebaiknya tidak lebih kecil dari 30
ukuran contoh sebaiknya disesuaikan dengan ketersediaan dana
dan waktu
Pedoman Menentukan Jumlah
Sampel
1. Rumus Slovin

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

Untuk menaksir parameter rata-rata

2
Z / 2
n
e
Seorang mahasiswa akan menguji suatu hipotesis yang
menyatakan bahwa Indek Prestasi Mahasiswa Jurusan S1
Keperawatan adalah 2,7. dari 30 sampel percobaan dapat
diperoleh informasi bahwa standar deviasi indek Prestasi
mahasiswa adalah 0,25 Untuk menguji hipotesisi ini berapa
jumlah sampel yang diperlukan jika kita menginginkan tingkat
keyakinan sebesar 95% dan error estimasi kurang dari
0,05,?
2
(1,96)( 0,25)
n 96,04
(0,05)
3. Pendekatan Isac Michel
a. Untuk menentukan sampel untuk menaksir
parameter rata-rata
NZ 2 S 2
n
Nd 2 Z 2 S 2

Seorang mahasiswa akan menguji suatu hipotesis yang

menyatakan bahwa Indek Prestasi Mahasiswa Jurusan S1
Perikanan yang berjumlah 175 mahasiswa adalah 2,7. Dari 30
sampel percobaan dapat diperoleh informasi bahwa standar
deviasi Indek Prestasi mahasiswa adalah 0,25 Untuk menguji
hipotesisi ini berapa jumlah sampel yang diperlukan jika kita
menginginkan tingkat keyakinan sebesar 95% dan error estimasi
kurang dari 5 persen ?
(175)(1,96) 2 (0,25) 2
n 62
(175)(0,05) (1,96) (0,25)
2 2 2
B. Untuk menentukan sampel untuk
menaksir
2
parameter proporsi P
NZ pq
n
Nd 2 Z 2 pq
Kita akan meperkirakan proporsi mahasiswa jurusan
manajemen unsoed yang berjumlah 175 orang. Brdasarkan
penelitian pendahuluan diperolh data proporsi mahasiswa
manajemen unsoed menggunakan angkutan kota waktu pergi
kuliah adalah 40%. Berapa sampel yang diperlukan jika
dengan tingkat kepercayaan 95% dan derajat penyimpangan
sebesar 0,10.?

(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

Kerugian Menggunakan Penarikan Contoh Acak

Dalam kasus keragaman populasi sangat sporadis
dan tdk teratur, penarikan contoh acak tidak
cocok karena tidak mewakili populasi
Seleksi contoh yang membutuhkan daftar dan
penomoran bagi seluruh satuan penarikan
contoh menjadi tidak praktis
Dengan penarikan contoh acak, akan ada
masalah sehubungan dengan pengumpulan
data berdasarkan pertimbangkan geografis.
Misalkan contoh yang terpilih berada diwilayah
yang berjauhan atau sangat jauh. Maka
diperlukan biaya dan waktu yang lebih besar
 PENGAMBILAN CONTOH ACAK
DAN SISTIMATIK BERLAPIS

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

Ket : N h = jumlah satuan penarikan contoh dalam setiap lapisan

n h
= contoh yang diambil dari setiap lapisan
x h
= dugaan rataan setiap lapisan
sh
2
= dugaan ragam setiap lapisan
 Penduga Rataan Populasi
x sebagai penduga bagi
st st

N x 448(6,49) 131(6,77) K 100(6,67)

x 6,66
h h
h 1

N 868
st

Penduga Ragam dari Rataan Contoh

s N (N n )
L
2 2

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

untuk lapisan ke-h. Faktor koreksi ini dapat diabaikan

n
bila 0,05
h

N h
 Penduga Total Populasi

X N x 448(6,49) 131(6,77) K 100(6,76) 5779,89 : 5780

st h h

Penentuan Ukuran Contoh

Prosedur umum:
1. tentukan ukuran contoh (n)
2. alokasikan n di semua lapisan
Terdapat 4 metode yang umum digunakan dalam menentukan
seluruh ukuran contoh (n) dan mendistribusikannya ke setiap
lapisan, yaitu : sebanding, proporsional dan optimum.

S2 merupakan ragam contoh dari data (S2e atau S2x), dihitung

sebagai
1 1
X ( X ) (10 6 K 7 ) (10 6 K 7)
2 2 2 2 2 2

( 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

Penduga Ragam Proporsi Contoh

1 1
(1 )
p (1 p ) N n 3 3 15 6 2
s
2
0,267
n 1 N
6 1 15 75
p
 Penentuan Ukuran Contoh
Ragam Populasi (2) atau Proporsi Populasi Diketahui

Parameter yang harus ditentukan:

1. N (jumlah total satuan percobaan, dalam populasi)
2. D (kesalahan (error) maksimum yang dapat diterima
3. Z (peubah normal; untuk P(z>Z)=95% maka Z= 1,645)
4. 2 atau P

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

Prosedur untuk menentukan ukuran contoh :

1. Tentukan jenis pengamatan yang akan diambil datanya
2. Dugalah ukuran contoh untuk setiap jenis pengamatan
3. Apakah ukuran contoh setiap jenis pengamatan hampir
sama? Jika ya, n tersebar atau rata-rata n dapat
digunakan; jika tidak, tingkat ketelitian pendugaan (Z
dan d) dikurangi dan dipilih n yang lebih kecil
Teladan menggunakan metode proporsional
- menentukan ukuran contoh total
N N s 868(5659)
2

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

- ukuran contoh total menjadi

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

Kerugian Penarikan Contoh Acak Berlapis

- Penentuan lapisan membutuhkan tambahan informasi yang
sudah diketahui mengenai populasi dan subpopulasi
- Kerangka terpisah diperlukan untuk setiap lapisan
 PENGAMBILAN CONTOH SISTIMATIK
PROSEDUR
Setelah pemilihan satu unsur contoh pada k unsur populasi yang
pertama (misalnya: c), maka unsur contoh kedua, ketiga dan
seterusnya adalah unsur yang ke (c + k), (c + 2k) dan seterusnya
pada populasi N = nk

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

Satuan penarikan contoh : blok

Metode penentuan contoh : misalkan akan dipilih 6 blok

dari 24 blok, maka fraksi penarikan contohnya menjadi
6/24 atau 1/4, sehingga selang penarikan contohnya
Metode A :
1. Beri nomor blok secara berurutan dari 1 hingga 24 pada
kerangka
2. Tentukan nomor secara acak antara 1 dan 24
3. Misalkan nomor yang terpilih adalah 15
4. Blok yang bernomor 15 diambil contoh, kemudian
diambil contoh ke kiri dan ke kanan dengan
penambahan selang (4) sehingga diperoleh contoh
seperti pada metode A
Metode B :
1. Tentukan nomor secara acak antara 1 dan 4 (k)
2. Nomor acak yang terpilih, misalkan 3, menjadi satuan
pertama dalam contoh, diikuti dengan penambahan
selang (4) sehingga diperoleh contoh seperti pada
metode A.
 Keuntungan Penarikan Contoh Sistematik
- Penentuan contoh secara administrasi lebih mudah, cepat dan
murah
- Memungkinkan menentukan contoh di lapang tanpa kerangka
penarikan contoh

Penarikan contoh sistematik terutama digunakan jika :

- Ingin mendapatkan data yang melingkupi seluruh populasi yang
berada di wilayah yang luas
- Ingin menggambarkan dari suatu berkas yang teratur

Kerugian Penarikan Contoh Sistematik

- Bila populasi tidak teratur, tidak dapat diperoleh dugaan ragam
rataan dari sebuah contoh sistematis
- Jika keteraturan berulang terjadi pada populasi, contoh sistematis
hanya akan menghasilkan data yang serupa
 Metode A :
1. Beri nomor blok secara berurutan dari 1 hingga 24 pada
kerangka
2. Tentukan nomor secara acak antara 1 dan 24
3. Misalkan nomor yang terpilih adalah 15
4. Blok yang bernomor 15 diambil contoh, kemudian diambil
contoh ke kiri dan ke kanan dengan penambahan selang (4)
sehingga diperoleh contoh seperti pada metode A
Metode B :

1. Tentukan nomor secara acak antara 1 dan 4 (k)

2. Nomor acak yang terpilih, misalkan 3, menjadi satuan
pertama dalam contoh, diikuti dengan penambahan selang
(4) sehingga diperoleh contoh seperti pada metode A.
Pendugaan
Misalkan hasil penarikan contoh secara sistematik sebagai berikut

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

Penduga Ragam dari Rataan

s2

x sy
sebagai penduga 2

xsy

s N n
2

s 2

N 2,2
n
x

N n merupakan faktor koreksi bagi populasi terbatas

N
 PENARIKAN CONTOH GEROMBOL
Deskripsi Rancangan
Penarikan contoh gerombol merupakan metode untuk
menentukan contoh dari kelompok yang berbeda atau dari
gerombol, dengan satuan yang lebih kecil yang disebut elemen.
Contoh gerombol dapat dipilih secara acak atau sistematis
dengan pengacakan awal. Seperti penarikan contoh berlapis,
gerombol juga terdiri dari subpopulasi yang terpisah, yang
secara bersama-sama membentuk populasi. Tidak seperti
lapisan, gerombol berisi elemen yang heterogen, yang
menggambarkan kondisi populasi

M = ukuran gerombol (jumlah elemen dalam gerombol)

N = ukuran gerombol pada populasi (jumlah gerombol dalam
populasi)

Misalkan akan diambil contoh sebesar 50 mahasiswa dari N = 20

kelompok, masing-masing terdiri dari 10 mahasiswa (M = 10)
 Keuntungan Penarikan Contoh
Gerombol
Tidak membutuhkan daftar elemen dalam
populasi, cukup daftar gerombol (kelompok)
Kalaupun daftar elemen tersedia, penarikan
contoh gerombol tetap lebih murah karena
biaya lapangan dapat diminimalkan dengan
berdekatannya elemen yang diamati

Kerugian Penarikan Contoh Gerombol

Tidak seefisien penarikan contoh acak
sederhana
dan berlapis
 Penduga Rataan Populasi
x sebagai penduga bagi
n m

Xij
i=1 j=1
Xsy =
nM

Penduga Ragam dari Rataan

s sebagai penduga
2

x sy
2

xsy

S2 N n
S =
2

nM2 N
x

N n merupakan faktor koreksi bagi populasi terbatas

N
 Analisis Data

Data, Obyek, Variabel, dan Skala

Data : Hasil observasi terhadap lingkungan melalui pengukuran secara

obyektif dengan menggunakan alat pengukuran atau prosedur tertentu.
Observasi bertujuan untuk menjawab pertanyaan, seperti berapa banyak,
berapa besar, berapa panjang, berapa sering, berapa cepat, dimana, dan
macam apa.
Observasi memiliki karakteristik, yaitu direpresentasikan oleh angka,
dimana angka mempunyai kelebihan yang nyata berbeda dibandingkan
dengan kata-kata.

Obyek : Sumber observasi yang menghubungkan pengertian dengan

angka. Sumber observasi, misalnya: individu, tanaman, hewan, keluarga,
tanah, periode dll.
 Analisis Data

Variabel : Pengukuran terhadap obyek, dengan memperhatikan beberapa karakteristik

yang menyatakan secara tidak langsung bahwa obyek-obyek berbeda dalam
karakteristiknya, dimana karakteristik dapat mengandung sejumlah nilai yang
berbeda.

Skala : Sebagaimana telah disebutkan bahwa variabel adalah karakteristik obyek

yang dapat mengandung dua atau lebih nilai yang mempunyai skala tertentu.
Skala adalah suatu skema representasi numerik dari nilai-nilai suatu variabel.

Skala nominal dan Skala ordinal dikategorikan sebagai

skala non-metrik, dengan tipe variabel kualitatif. Skala
interval dan skala rasio diklasifikasikan ke dalam skala
metrik, dengan tipe variabel kuantitatif.
 Analisis Data

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

Anggaplah satu kelompok data individu-karakter yang berisi n

observasi dan p variabel, dimana diasumsikan bahwa p variabel dapat
dibagi ke dalam 2 kelompok: satu kelompok sebagai variabel
independen, dan satu kelompok lainnya sebagai variabel dependen.
Untuk menganalisis tipe data seperti ini dapat digunakan metode
statistik yang mengarah pada Metode Dependen.

Metode dependen menelaah ada atau tidak adanya hubungan

antara 2 kelompok variabel. Jika seorang peneliti, didasarkan pada
eksperimen terkontrol dan/atau beberapa teori yang relevan,
menentukan variabel-variabel eksperimennya dalam 2 kelompok: satu
kelompok sebagai variabel-variabel independen dan satu kelompok
lainnya sebagai variabel-variabel dependen, maka tujuan dari metode
dependen terhadap data demikian adalah mendeterminasi yang mana
dari kelompok variabel independen yang mempengaruhi kelompok
variabel dependen baik secara individu maupun bersama-sama.
 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)

Non-Metrik Uji t Analisis diskriminan Analisis ragam MDA diskret

diskret multivariabel
(MANOVA)

Lebih dari Satu

Variabel
Metrik Regresi Analisis Korelasi kanonik MDA
diskriminan
berganda Regresi Logistik
Non-Metrik Analisis MANOVA MDA diskret
Analisis diskriminan diskret
ragam Analisis konjoin
(MONANOVA)
(ANOVA)
 Analisis Data

Metode Statistik Interdependen

Jumlah Variabel Tipe Data
Metrik Non-Metrik
Dua Korelasi sederhana Tabel kontingensi 2 arah
Model loglinear

Lebih dari Dua Analisis komponen Tabel kontingensi banyak arah

utama (PCA) Model loglinear
Analisis faktor Analisis factorial koresponden (CA)
Analisis kelompok (cluster
analysis)
PENGUKURAN KEANEKARAGAMAN SPECIES

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

A. INDEKS KEKAYAAN JENIS

(Index of Species Richness)

Konsep ini pertama kali dicetuskan oleh Mcinthos pada

tahun 1967.
Kekayaan jenis adalah jumlah jenis (spesies) dalam suatu
komunitas.
Persoalan mendasar yang merupakan kendala penting
dalam penerapan konsep kekayaan jenis adalah
bahwasanya seringkali tidak mungkin untuk menghitung
semua jenis yang hidup dan tinggal dalam suatu komunitas
alamiah. Oleh karena itu perlu dilakukan pendugaan.
Ukuran keanekaragaman berdasarkan konsep kekayaan
jenis
Jumlah jenis seringkali meningkat sejalan dg peningkata
luas petak

Jumlah jenis yang teramati

Komunitas A

Komunitas B

Jumlah Unit Contoh

Beberapa Pendekatan:
Pada prakteknya ternyata tidak mudah untuk
menjamin keseragaman ukuran unit contoh.
Sehubungan dengan ini, Sanders (1968)
mengusulkan alterenatif pemecahan masalah
dengan menggunakan metoda rarefaction.
Melalui metoda ini dapat dihitung nilai harapan
jumlah jenis dalam setiap unit contoh yang
berukuran sama (misalkan 100 individu).
Adapun perhitungannya didasarkan pada
rumus Sanders yang telah disempurnakan oleh
Hurlbert (1971) sebagaimana disajikan berikut
ini:
1. Indeks Hurlbert (1971)

S N Ni
E S n 1 n

i1
N
n

dimana: E(Sn) = nilai harapan jumlah jenis

n = ukuran standar unit contoh (jml
individu terkecil)
N = jumlah total individu yang teramati
Ni = jumlah individu jenis ke-I
 Sedangkan nilai keragaman dari E(Sn)
tersebut dihitung dengan menggunakan
rumus sebagai berikut (Heck et al., 1975) :

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

dihitung sebagai berikut :

x

x!

y y! x y !

x! adalah faktorial. Sebagai contoh 5! = 5

x 4 x 3 x 2 x 1 = 120
Langkah pertama adalah mengambil kelimpahan
masing-masing jenis dari setiap ukuran plot dan
memasukkan ke dalam persamaan :

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).

Kisaran nilai hasil perhitungan indeks keragam (H)

menunjukkan bahwa jika:
H>3: Keragaman spesies tinggi
1<H<3: Keragaman spesies sedang
H<1: Keragaman spesies rendah
 Indeks keanekaragaman Shannon-Wiener (H) disamping
dapat menggambarkan keanekaragaman species, juga
dapat menggambarkan produktivitas ekosistem, tekanan
pada ekosistem, dan kestabilan ekosistem.

Semakin tinggi nilai indeks H maka semakin tinggi pula

keanekaragaman species, produktivitas ekosistem,
tekanan pada ekosistem, dan kestabilan ekosistem
Nilai tolok ukur indeks keanekaragaman H:

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)

Konsep ini menunjukkan derajat kemerataan kelimpahan

individu antara setiap spesies.
Ukuran kemerataan yang pertama kali dikemukakan oleh
Lioyd dan Gheraldi (1964) ini juga dapat digunakan sebagai
indicator adanya gejala dominasi diantara setiap jenis dalam
suatu komunitas.
Apabila setiap jenis memiliki jumlah individu yang sama,
maka komunitas tersebut mempunyai nilai EVENNESS
maksimum.
Sebaliknya, bila nilai kemerataan ini kecil, maka dalam
komunitas tersebut terdapat jenis dominant, sub-dominan
dan jenis yang terdominasi, maka komunitas tsb memiliki
EVENNES minimum
Kelimpahan relatif

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.