LAPORAN RESMI PRAKTIKUM

BIOEKOLOGI KUANTITATIF

Dosen Pengampu :
Ir. Raden Ario, M.Sc
196001051987031002

Disusun Oleh :
Aditya Surya Wijaya
26040120130055
IK A/7

DEPARTEMEN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2022
 LEMBAR PENGESAHAN

Laporan Resmi ini disusun untuk memenuhi penilaian tugas praktikum mata
kuliah bioekologi kuantitatif dalam salah satu ketentuan lulus dalam mata kuliah
bioekologi kuantitatif. Saya yang bertanda tangan dibawah ini menyatakan bahwa
saya sudah menyelesaikan tugas-tugas yang diberikan saat praktikum bioekologi
kuantitatif berlangsung dan bersedia untuk mendapatkan penilaian terkait tugas-tugas
yang sudah diberikan oleh Tim Asisten Praktikum dan Bapak/Ibu Dosen terkait.

Nama : Aditya Surya Wijaya

NIM : 26040120130055
Kelas : IK A
Prodi : Ilmu Kelautan
Fakultas : Fakultas Perikanan dan Ilmu Kelautan

Kabupaten Semarang, 23 Maret 2022

Menyetujui,
Koordinator Asisten Praktikan

Khansa Yatita Hira Aditya Surya Wijaya

26040118140096 26040120130055

Dosen Pengampu

Ir. Raden Ario, M.Sc

196001051987031002
 HASIL DAN PEMBAHASAN

1.1. Hasil
1.1.1. Spatial Pattern Analysis (SPA)
1.1.1.1. Data Spatial Pattern Analysis (SPA)
Tabel 1. Populasi Data Spatial Pattern Analysis (SPA) Perairan Buleleng
N Pantai Celukan Pantai
Nama Spesies Pantai Lovina( C )
o Bawang (A) Karanganyar ( B)
1 Enhalus acoroides 612 119 121
2 Cymodocea rotundata 3086 130 129
3 Cymodocea serrulata 255 108 111
4 Thalassia hemprici 307 109 108
5 Syringodium iseotifolium 721 115 114
6 Halodule pinifolia 1731 124 128
7 Halodule uninervis 636 121 123
8 Halophila ovalis 92 102 105
9 Halophila minor 91 101 102
10 Halophila decipiens 28 99 100

1.1.1.2. Perhitungan Data Spatial Pattern Analysis (SPA)

Tabel 2. Perhitungan Pantai di Lokasi Pantai Celuk Bawang
N Pantai Celuk
Nama Spesies
o Bawang (A) (X-Xmean) (X-Xmean)^2
1 Enhalus acoroides 612 -143,9 20707,21
2 Cymodocea rotundata 3086 2330,1 5429366,01
3 Cymodocea serrulata 255 -500,9 250900,81
4 Thalassia hemprici 307 -448,9 201511,21
5 Syringodium iseotifolium 721 -34,9 1218,01
6 Halodule pinifolia 1731 975,1 950820,01
7 Halodule uninervis 636 -119,9 14376,01
8 Halophila ovalis 92 -663,9 440763,21
9 Halophila minor 91 -664,9 442092,01
10 Halophila decipiens 28 -727,9 529838,41
Rata-rata 755,9 Jumlah 8281592,9
Varian 920176,9889
Pola distribusi Varian>Mean (kelompok)
Standar Deviasi 959,2585621
Standar Error 303,3441921

Tabel 3. Perhitungan Pantai di Lokasi Pantai Karanganyar

N Pantai
Nama Spesies
o Karanganyar (B) (X-Xmean) (X-Xmean)^2
1 Enhalus acoroides 119 6,2 38,44
2 Cymodocea rotundata 130 17,2 295,84
3 Cymodocea serrulata 108 -4,8 23,04
4 Thalassia hemprici 109 -3,8 14,44
5 Syringodium iseotifolium 115 2,2 4,84
6 Halodule pinifolia 124 11,2 125,44
7 Halodule uninervis 121 8,2 67,24
8 Halophila ovalis 102 -10,8 116,64
9 Halophila minor 101 -11,8 139,24
10 Halophila decipiens 99 -13,8 190,44
Rata-rata 112,8 Jumlah 1015,6
Varian 112,8444444
Pola distribusi Varian=Mean (Acak)
Standar Deviasi 10,62282658
Standar Error 3,359232717

Tabel 4. Perhitungan Pantai di Lokasi Pantai Lovina

N Pantai Lovina
Nama Spesies
o (C) (X-Xmean) (X-Xmean)^2
1 Enhalus acoroides 121 6,9 47,61
2 Cymodocea rotundata 129 14,9 222,01
3 Cymodocea serrulata 111 -3,1 9,61
4 Thalassia hemprici 108 -6,1 37,21
5 Syringodium iseotifolium 114 -0,1 0,01
6 Halodule pinifolia 128 13,9 193,21
7 Halodule uninervis 123 8,9 79,21
8 Halophila ovalis 105 -9,1 82,81
9 Halophila minor 102 -12,1 146,41
10 Halophila decipiens 100 -14,1 198,81
Rata-rata 114,1 Jumlah 1016,9
Varian 112,9888889
Pola distribusi Varian<Mean (seragam)
Standar Deviasi 10,62962318
Standar Error 3,361381991
1.1.2. Distribusi Poisson
1.1.2.1. Data Distribusi Poisson
Tabel 5. Populasi Data Distribusi Poisson Cymodocea rotundata
No. Cymodocea rotundata
1 100 98 93 102
2 99 96 97 94
3 102 107 102 97
4 102 98 93 97
5 105 106 99 93
6 97 97 92 108
7 108 101 96 95
8 99 102 97 100
9 104 99 94 98
10 102 100 95 96
11 97 106 97 95
12 100 99 94 93
13 92 103 98 96
14 107 104 99 96
15 103 101 107 103
16 98 103 103 101
17 101 100 99 98
18 105 104 108 95
19 100 105 106 104
20 92 96 104 105
21 105 107 99 100
22 92 101 104 106
23 99 103 100 101
24 92 102 101 92
25 100 101 102 107

1.1.2.2. Perhitungan Data Distribusi Poisson

Tabel 6. Perhitungan Data Distribusi Poisson Cymodocea rotundata di Pantai Celuk
Bawang, Buleleng
Min 92 x f(x) p(x) P(X)
0,06005 0,03010
Max 108 92 6 4 3
n 100 93 4 0,04003 0,03234
 6
0,03002 0,03437
Mean 99,91 94 3 7 3
0,04003 0,03614
95 4 6 9
0,06005 0,03762
96 6 4 2
0,08007
97 8 2 0,03875
0,06005 0,03950
98 6 4 6
0,09008 0,03986
99 9 1 9
0,09008 0,03983
100 9 1 3
0,08007 0,03940
101 8 2 3
0,08007 0,03859
102 8 2 6
0,06005 0,03743
103 6 4 8
0,06005 0,03596
104 6 4 5
0,05004 0,03422
105 5 5 2
0,04003 0,03225
106 4 6 6
0,05004 0,03011
107 5 5 8
0,03002 0,02786
108 3 7 2
Grafik 1. Grafik Probabilitas Ditemukannya Cymodocea rotundata di Pantai Celuk
Bawang

1.1.3. Distribusi Binomial Positif

1.1.3.1. Data Distribusi Binomial Positif
Tabel 7. Populasi Data Distribusi Binomial Positif Sargassum polycystum di Pulau Panjang, Jepara
No Sargassum polycystum
1 5 7 8 8 6
2 6 6 7 7 5
3 8 7 8 6 5
4 11 9 9 8 10
5 12 11 12 10 11
6 15 14 12 12 10
7 10 9 12 11 10
8 7 8 5 5 6
9 15 14 10 9 8
10 8 7 9 11 12
11 10 12 13 12 9
12 15 14 10 9 7
13 12 13 13 10 11
14 12 9 8 7 5
15 10 9 8 8 6
16 7 7 8 7 5
17 9 9 9 7 6
18 10 10 11 13 12
19 5 9 7 8 6
20 6 7 8 6 5
1.1.3.2. Perhitungan Data Distribusi Binomial Positif

Tabel 8. Perhitungan Data Distribusi Binomial Positif Sargassum polycystum di Pulau Panjang, Jepara
Perhitungan Dasar
Max 15
Min 5
N 900
Mean 9
Varia
n 6,969697
n 100
k 39,89552
p 0,225589
q 0,774411

(k-
k! x! k!/x!(k-x)! q^k-x p^x
x f(x) x)! P(x) F(x)
1 2 3 4 5 6
203978820811974000 2,95 575757,0000000000000000000000000000000 0,000133 0,000584 0,04 0,40
000000000000000000 233E 0000000000000000000000000000000000000 5360540 2406447 4918 4270
5 9 00000000000 120 +38 00000000000000000 71952 63969 943 491
203978820811974000 8,68 3262623,000000000000000000000000000000 0,000172 0,000131 0,07 0,66
000000000000000000 332E 0000000000000000000000000000000000000 4356872 7983946 4148 7339
6 10 00000000000 720 +36 000000000000000000 14651 10054 807 26
203978820811974000 2,63 15380937,00000000000000000000000000000 0,000222 0,000029 0,10 0,91
000000000000000000 131E 0000000000000000000000000000000000000 6669526 7322977 1827 6451
7 14 00000000000 5040 +35 0000000000000000000 20658 73985 957 617
203978820811974000 8,22 61523748,00000000000000000000000000000 0,000287 0,000006 0,11 1,06
000000000000000000 284E 0000000000000000000000000000000000000 5308040 7072860 8651 7865
8 14 00000000000 40320 +33 0000000000000000000 36241 29822 707 363
9 13 203978820811974000 36288 2,65 211915132,0000000000000000000000000000 0,000371 0,000001 0,11 1,07
 000000000000000000 253E 0000000000000000000000000000000000000 2897773 5130914 9052 1476
00000000000 0 +32 00000000000000000000 85929 61273 945 502
203978820811974000 8,84 635745396,0000000000000000000000000000 0,000479 0,000000 0,10 0,93
1 000000000000000000 36288 176E 0000000000000000000000000000000000000 4481038 3413371 4041 6377
0 12 00000000000 00 +30 00000000000000000000 41830 30994 921 29
203978820811974000 3,04 1676056044,000000000000000000000000000 0,000619 0,000000 0,07 0,71
1 000000000000000000 39916 888E 0000000000000000000000000000000000000 1134210 0770019 9902 9122
1 7 00000000000 800 +29 000000000000000000000 47928 79046 551 955
203978820811974000 1,08 3910797436,000000000000000000000000000 0,000799 0,000000 0,05 0,48
1 000000000000000000 47900 889E 0000000000000000000000000000000000000 4638523 0173708 4310 8795
2 11 00000000000 1600 +28 000000000000000000000 96672 16822 574 168
203978820811974000 4,03 8122425444,000000000000000000000000000 0,001032 0,000000 0,03 0,29
1 000000000000000000 62270 291E 0000000000000000000000000000000000000 3511485 0039186 2858 5729
3 4 00000000000 20800 +26 000000000000000000000 29620 69115 806 25
203978820811974000 87178 1,55 15084504396,00000000000000000000000000 0,001333 0,000000 0,01 0,15
1 000000000000000000 29120 112E 0000000000000000000000000000000000000 0795265 0008840 7776 9987
4 3 00000000000 0 +25 0000000000000000000000 79550 09531 41 688
203978820811974000 13076 6,20 25140840660,00000000000000000000000000 0,001721 0,000000 0,00 0,07
1 000000000000000000 74368 448E 0000000000000000000000000000000000000 4113886 0001994 8630 7675
5 3 00000000000 000 +23 0000000000000000000000 70110 23025 576 182
Grafik 2. Grafik Kemunculan Populasi Seragam dari Sargassum polycystum di Pulau
Panjang, Jepara

Grafik 3. Grafik Frekuensi Kemunculan Populasi Seragam dari Sargassum

polycystum di Pulau Panjang, Jepara

Perbandingan P(x) dan F(x)

1.2

1
f(x) = − 0.0639549443040614 x + 1.00237428080844
0.8 R² = 0.351759667826754 P(x
)
0.6 Lin
ear
(P(
0.4 x))

0.2

f(x) = − 0.00710610492267349 x + 0.111374920089826

0
5 R² =6 0.351759667826755
7 8 9 10 11 12 13 14 15

1.1.4. Distribusi Binomial Negatif

1.1.4.1. Data Distribusi Binomial Negatif
Tabel 9. Populasi Data Distribusi Binomial Negatif Sargassum polycystum di Pulau
Panjang, Jepara
No Sargassum polycystum
1 4 5 5 6
2 6 6 4 4
3 8 9 10 9
4 10 11 11 9
5 9 8 10 10
6 7 6 5 4
7 16 16 15 14
8 8 7 7 5
9 12 12 13 13
10 15 15 16 18
11 16 17 18 18
12 15 15 14 13
13 13 12 10 11
14 15 15 14 12
15 7 8 8 7
16 11 13 11 10
17 7 6 6 5
18 6 7 6 8
19 9 8 9 11
20 12 13 11 12
21 10 10 9 9
22 14 15 17 17
23 18 18 16 15
24 14 15 14 14
25 5 5 4 4
1.1.4.2. Perhitungan Data Distribusi Binomial Negatif
Tabel 10. Perhitungan Data Distribusi Binomial Negatif Sargassum polycsytum di Pulau Panjang, Jepara
Perhitungan dasar
Min 4
Max 18
n 100
Mean 10,6

Varian 16,92929293
k 17,75237791
p 0,597103107
q 0,402896893
Σf(x) 66,18222785

(1+rata2/k)^-k (k+x-1)!/x!(k-1)! (rata2/(rata2+k))^x

x f(x) A(x) P(x) F(x)
1 2 3
0,02325
4 6 94 0,000245673 4845 0,019537343175828600000000000 5 2,32549729
0,03651
5 7 87 0,000245673 20349 0,007304355151535920000000000 6 3,65158575
0,05005
6 8 79 0,000245673 74613 0,002730852588277100000000000 8 5,00575178
0,06149
7 7 72 0,000245673 245157 0,001020973885330800000000000 2 6,14915560
0,06896
8 7 65 0,000245673 735471 0,000381707778370097000000000 9 6,89688705
0,07162
9 8 57 0,000245673 2042975 0,000142707693273689000000000 5 7,16253883
 0,06962
10 8 49 0,000245673 5311735 0,000053353604179769400000000 4 6,96236382
0,06389
11 7 42 0,000245673 13037895 0,000019947117171267000000000 2 6,38916595
0,05573
12 6 36 0,000245673 30421755 0,000007457555858899710000000 6 5,57361967
0,04648
13 6 30 0,000245673 67863915 0,000002788129177318950000000 5 4,64845201
0,03724
14 7 23 0,000245673 145422675 0,000001042387674527480000000 1 3,72407096
0,02877
15 10 13 0,000245673 300540195 0,000000389713673543507000000 4 2,87742994
0,02151
16 5 8 0,000245673 601080390 0,000000145700828068235000000 5 2,15154845
0,01561
17 3 5 0,000245673 1166803110 0,000000054472636555821000000 5 1,56146597
0,01102
18 5 0 0,000245673 2203961430 0,000000020365485719497300000 7 1,10269477
Grafik 4. Grafik Probabilitan Kemunculan Kelompok Sargassum polycsytum di
Pulau Panjang, Jepara

Probabilitas Kemunculan Sargassum polycys-

tum di Pulau Panjang, Jepara
0.08
0.07
0.06
0.05 f(x) = − 0.00229977220217017 x + 0.0625196628529349
R² = 0.243267082054533 P(x)
0.04 Linear
0.03 (P(x))
0.02
0.01
0
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Grafik 5. Grafik Frekuensi Data Sampel Sargassum polycsytum di Pulau Panjang,

Jepara

Frekuensi Sargassum polycystum di Pulau

Panjang, Jepara
12
10 f(x)
8 Linear (f(x))
6 f(x) = − 0.142857142857143 x + 7.80952380952381
4 R² = 0.153061224489796
2
0
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Grafik 6. Grafik Perbandingan Frekuensi Data Sampel dengan Frekuensi Probabilitas

Kemunculan Kelompok Sargassum polycsytum di Pulau Panjang, Jepara
 Perbandingan f(x) dan F(x) Sargassum
polycystum di Pulau Panjang, Jepara
12

10 f(x)
Linear (f(x))
8
fx
f(x) = − 0.142857142857143 x + 7.80952380952381
6 R² = 0.153061224489796 Linear (fx)
f(x) = − 0.229977220217016 x + 6.25196628529349
4 R² = 0.243267082054533

0
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

1.1.5. Analisa Struktur Komunitas

1.1.5.1. Data Analisa Struktur Komunitas
Tabel 11. Populasi Data Analisa Struktur Komunitas Lamun di Pantai Celukbawang, Buleleng
Sampel Lamun dari Pantai Celukbawang, Buleleng
No
Stasiun
. Nama Spesies
1 2 3 4 5 6 7 8 9 10
1 1 1 1 1
1 Enhalus acoroides 1 16 8 19 5 12 3 4 15 18
1 1 1 1 1
2 Cymodocea rotundata 4 11 3 11 6 14 7 8 11 10
1 1 1 1 1
3 Cymodocea serrulata 2 13 1 15 4 10 3 6 14 19
1 1 1 1 1
4 Thalassia hemprici 4 16 8 17 8 19 6 8 17 18
1 1 1 1 1
5 Syringodium iseotifolium 3 10 7 11 8 11 5 3 17 18
1 1 1 1 1
6 Halodule pinifolia 5 16 8 16 2 10 0 1 12 11
1 1 1 1 1
7 Halodule uninervis 1 18 6 15 2 16 5 3 19 10
1 1 1 1 1
8 Halophila ovalis 7 16 7 18 6 20 4 5 17 16
1 1 1 1 1
9 Halophila minor 4 10 0 11 2 18 9 8 12 13
1 1 1 1 1
10 Halophila decipiens 2 14 6 19 5 19 8 7 18 16
1.1.5.2. Perhitungan Data Analisa Struktur Komunitas
Tabel 12. Perhitungan Data Analisa Struktur Komunitas Komunitas Lamun di Pantai Celukbawang, Buleleng
 Perhitungan Dasar

Max 20

Min 10

N 1480

n 100

Mean 14,8
Varia
n 8,242424242
Indeks Shannon-Weiner Indeks Simpson
No Nama Spesies ni-
ni pi ln(pi) pi*ln(pi)
H' 1 n(n1-1) Lambda
5,864008082 15 22,16283
1,51 0,41211
1 Enhalus acoroides 151 0,622286 0 22650
13
1,35 0,300105
2 Cymodocea rotundata 135 0,405141 4 18090
13
1,37 0,314811
3 Cymodocea serrulata 137 0,431291 6 18632
17
1,71 0,536493
4 Thalassia hemprici 171 0,917404 0 29070
14
1,43 0,357674
5 Syringodium iseotifolium 143 0,511474 2 20306
13
1,31 0,270027
6 Halodule pinifolia 131 0,353736 0 17030
7 Halodule uninervis 145 1,45 0,371564 0,538767 14 20880
4
 16
1,66 0,506818
8 Halophila ovalis 166 0,841317 5 27390
13
1,37 0,314811
9 Halophila minor 137 0,431291 6 18632
16
1,64 0,494696
10 Halophila decipiens 164 0,811302 3 26732
21941 Lamda>1,
H'>3, tinggi
1480 5,864008 2 tinggi

0,55692055
I 7
-
II 33,4025878
0,00037655
III 2
10,0237560
IV 1

13,5620202
R1 9
2,59937622
R2 5
N0 100
N1 352,132696
0,04512059
N2 5

1,27335317
E1 6
E2 3,52132696
3,54679490
E3 9
0,00012813
E4 5
-
0,00271942
E5 6
1.2. Pembahasan
1.2.1. Spatial Pattern Analysis (SPA)
Indonesia merupakan dengan banyak wilayah perairan yang luas memiliki
sumberdaya laut yang besar. Salah satu sumberdaya laut yang dimiliki
Indonesia adalah padang lamun dengan berbagai jenis spesies. Perairan
Buleleng memiliki padang lamun dengan berbagai macam spesies. Hal itu
sesuai dengan Hidayat et al. (2018), bahwa terdapat 10 macam spesies lamun
yang berada di Perairan Buleleng. Jumlah jenis lamun yang berada di Perairan
Buleleng hamper mencakup seluruh jenis lamun yang ada di Indonesia, yaitu
10 dari 12 jenis lamun ditemukan di Perairan Buleleng. Spesies-spesies
tersebut terdiri dari Enhalus acoroides, Cymodocea rotundata, Cymodocea
serrulata, Thalassia hemprichii, Halophila ovalis, Halophila minor,
Halophila decipiens, Halodule uninervis, Halodule pinifolia, dan
Syringodium isoetifolium.

Terdapat tiga lokasi yang menjadi tempat pendataan jenis lamun. Lokasi
tersebut meliputi Pantai Celukan Bawang, Pantai Karanganyar, dan Pantai
Lovina. 10 jenis lamun yang ditemukan di Perairan Buleleng didata jumlah
setiap spesies lamun di tiga lokasi tersebut. Pendataan lamun penting karena
bisa menjadi indikator baik atau buruknya kondisi ekosistem yang berada di
Perairan Buleleng. Hal itu sesuai dengan Widagti et al. (2021), bahwa jumlah
jenis lamun dapat menjadi indikator kondisi ekosistem. Terdapat 4 kategori
kondisi ekosistem berdasarkan jumlah jenis lamun, yaitu sangat baik, baik,
sedang, dan buruk. Kondisi sangat baik ditunjukkan dengan jumlah jenis
lamun minimal 7 spesies, kondisi baik ditunjukkan dengan 5-6 spesies,
kondisi sedang ditunjukkan dengan 3-4 spesies, dan kondisi buruk
ditunjukkan dengan jumlah 2 spesies atau kurang. Selain itu, pendataan
jumlah jenis lamun dapat memberi tahu mengenai pola distribusi lamun yang
ada di Perairan Buleleng.
10 jenis lamun yang berada di 3 lokasi berbeda di Perairan Buleleng didata
jumlah setiap spesiesnya dan dianalisa. Analisa dilakukan untuk mengetahui
pola distribusi jenis lamun yang berada di setiap lokasi pengambilan data.
Perhitungan yang dilakukan meliputi rata-rata, varian, standar deviasi, dan
standar error. Penentuan jenis pola distribusi dapat dilihat dari hubungan
antara rata-rata dan varian. Hal ini sesuai dengan Wahyuni et al. (2017),
bahwa hubungan antara varian dan rata-rata menjadi penentu jenis pola
distribusi. Jika rata-rata lebih dari varian, maka pola distribusi seragam. Jika
rata-rata kurang dari varian, maka pola distribusi mengelompok, jika rata-rata
sama dengan varian, maka pola distribusi acak.

Selain varian dan rata-rata, analisa juga harus meliputi standar deviasi dan
standard error. Standar deviasi dan standard error digunakan untuk
menggambarkan akurasi data sebagai perkiraan rata-rata populasi. Hal itu
sesuai dengan Arieska dan Pusponegoro (2016), bahwa standard error dan
standar deviasi dianalisa untuk mengetahui tingkat akurasi data. Standard
error adalah standar deviasi dari distribusi pengambilan sampel suatu statistik.
Standard error merupakan perkiraan standar deviasi dari suatu sampel yang
dipakai untuk menghitung suatu nilai estimator. Semakin banyak sampel,
pendugaan didasarkan pada banyak informasi dan akan lebih akurat, sehingga
standar error nya berkurang. Standar deviasi adalah nilai statistik yang
dipakai untuk menentukan kedekatan sampel statistik dengan rata-rata sebuah
data.

Salah satu tujuan pendataan jenis lamun di Peraian Buleleng untuk

mengetahui pola distribusi lamun yang berada di lokasi pengambilan sampel.
Pola distribusi sendiri dikelompokkan menjadi tiga bagian, yaitu pola
distribusi acak, seragam, dan mengelompok. Hal ini sesuai dengan Wahyuni
et al. (2017), bahwa pola distribusi terbagi menjadi tiga, yaitu pola distribusi
acak, kelompok, dan seragam. Jenis pola distribusi ini dapat diketahui dengan
melihat hubungan antara rata-rata dan varian. Pola distribusi acak adalah pola
dengan seluruh individu berada di tempat masing-masing. Pola distribusi
kelompok adalah pola dengan kecenderungan individu-individu untuk
membentuk suatu kluster. Pola distribusi seragam ada pola dengan tiap
individu tersebar merata dalam ruang.

Pola distribusi pada lokasi pertama, yaitu Pantai Celukan Bawang hasil varian
lebih besar dari rata-rata. Pola distribusi pada lokasi kedua, yaitu Pantai
Karanganyar memiliki rata-rata sama dengan varian. Pola distribusi pada
lokasi ketiga, yaitu Pantai Lovina memiliki rata-rata lebih besar dari varian.
Berdasarkan Somma et al. (2017), Jika rata-rata lebih dari varian, maka pola
distribusi seragam, sehingga menyebabkan pola distribusi pada Pantai
Celukan Bawang adalah kelompok.. Jika rata-rata kurang dari varian, maka
pola distribusi kelompok, sehingga menyebabkan pola distribusi pada Pantai
Karanganyar adalah acak. Jika rata-rata sama dengan varian, maka pola
distribusi acak, sehingga menyebabkan pola distribusi pada Pantai Lovina
adalah seragam.

Standar deviasi adalah nilai statistik yang dipakai untuk menentukan

kedekatan sampel statistik dengan rata-rata sebuah data. Standar deviasi
digunakan untuk menggambarkan akurasi data dengan rata-rata. Hal itu sesuai
dengan Arieska dan Pusponegoro (2016), bahwa standar deviasi dianalisa
untuk mengetahui tingkat akurasi data dengan rata-rata. Standar deviasi
adalah nilai statistik yang berguna dalam penentuan kedekatan sampel statistik
dengan rata-rata sebuah data. Standar deviasi dapat menunjukkan banyaknya
variasi atau kesenjangan data. Semakin besar standar variasi, maka semakin
jauh atau lebar rentang variasi datanya.

Pada lokasi pertama di Pantai Celuk Bawang, standar deviasi yang didapat
sebesar 959,25 dan rata-rata sebesar 755,9. Pada lokasi kedua di Pantai
Karanganyar, standar deviasi yang didapat sebesar 10,62 dan rata-rata 112,8.
Pada lokasi ketiga di Pantai Lovina, standar deviasi yang didapat sebesar
10,63 dengan rata-rata 114,1. Berdasarkan Putri (2020), bahwa semakin besar
standar deviasi, maka semakin besar kemungkinan nilai riil yang menyimpang
dari yang diinginkan. Jika nilai standar deviasi lebih besar dari nilai rata-rata,
maka semakin jauh atau lebar rentang variasi data. Hal tersebut menunjukkan
jika rata-rata yang didapat pada lokasi pertama memiliki penyimpangan yang
sangat besar. Hal itu disebabkan karena rentang variasi data yang sangat
besar. Sedangkan untuk lokasi Pantai Karanganyar dan Lovina cenderung
memiliki penyimpangan yang kecil dan data yang lebih seragam.

Standard error adalah standar deviasi dari distribusi pengambilan sampel

suatu statistik. Standard error digunakan untuk menggambarkan akurasi data
sebagai perkiraan rata-rata populasi. Hal itu sesuai dengan Lee et al. (2015),
bahwa standard error dianalisa untuk mengetahui tingkat akurasi data.
Standard error adalah standar deviasi dari distribusi pengambilan sampel
suatu statistik. Standard error merupakan perkiraan standar deviasi dari suatu
sampel yang dipakai untuk menghitung suatu nilai estimator. Semakin banyak
sampel, pendugaan didasarkan pada banyak informasi dan akan lebih akurat,
sehingga standar error nya berkurang.

Pada lokasi pertama di Pantai Celuk Bawang, standard error yang didapat
sebesar 303,34. Pada lokasi kedua di Pantai Karanganyar, standard error
yang didapat sebesar 3,36. Pada lokasi ketiga di Pantai Lovina, standard error
yang didapat sebesar 3,36. Berdasarkan Yusniyanti dan Kurniati (2017),
semakin besar standard error, maka kekauratan data semakin berkurang. Hal
itu disebabkan karena nilai error atau kesalahan yang semakin besar membuat
data semakin tidak akurat. Standard error pada lokasi pertama memiliki nilai
yang sangat besar, sehingga kemungkinan kesalahan atau ketidakakuratan
analisa tinggi. Sedangkan pada lokasi kedua dan ketiga memiliki standard
error yang rendah, sehingga kesalahan atau ketidakakuratan analisa kecil.

Pola distribusi lamun yang berada di Pantai Celuk Bawang adalah pola
mengelompok. Hal itu ditunjukkan dari nilai varian yang lebih besar dari nilai
rata-rata. Lamun yang berada di Pantai Celuk Bawang menyebar secara
berkelompok. Hal ini dapat disebabkan oleh dua faktor, yaitu faktor
lingkungan dan faktor dari lamun itu sendiri. Hal itu sesuai dengan
Sulistyowati et al. (2021), bahwa faktor lingkungan dan faktor lamun itu
sendiri dapat mempengaruhi pola distribusi lamun di suatu tempat. Kondisi
lingkungan abiotik yang berbeda pada wilayah Pantai Celuk Bawang
menyebabkan lamun setiap spesies lamun harus beradaptasi sesuai dengan
kondisi lingkungannya, sehingga setiap jenis lamun yang masing-masing
memiliki kriteria kondisi lingkungan untuk hidup dengan baik akan tumbuh di
lokasi dengan kondisi tersebut.

Pola distribusi lamun yang berada di Pantai Karanganyar adalah pola acak.
Hal itu ditunjukkan dengan nilai varian sama dengan nilai rata-rata. Pola
distribusi acak menunjukkan adanya kesehatan ekologi paling baik daripada
pola distribusi lainnya. Hal itu sesuai dengan Hartati et al. (2013), pola
distribusi acak menunjukkan adanya kesehatan ekologi paling baik daripada
pola distribusi lainnya. Selain itu, pola distribusi acak juga menunjukan
adanya keseragaman dari kondisi ekologi lingkungan yang sehat. Hal itu
menunjukkan jika Pantai Karanganyar memiliki kondisi lingkungan yang
relatif seragam dan berkondisi baik, sehingga spesies-spesies lamun tersebar
acak di wilayah Pantai Karanganyar.

Pola Distribusi lamun yang berada di Pantai Lovina adalah pola seragam. Hal
itu ditunjukkan dengan nilai varian yang lebih kecil dari nilai rata-rata. Pola
distribusi seragam menunjukkan adanya kompetisi. Hal itu sesuai dengan
 Pratiwi dan Widyastuti (2013), jika pola distribusi seragam menunjukkan
adanya persaingan antar individu atau spesies di suatu habitat. Pola seragam
menunjukkan jika kondisi lingkungan di Pantai Lovina relatif seragam,
sehingga lamun menyebar merata di wilayah Pantai Lovina.

1.2.2. Distribusi Poisson

Bali memiliki garis pantai sepanjang 570 km. Hal tersebut membuat bali
memiliki kekayaan laut, salah satunya lamun. Salah satu pantai yang menjadi
habitat lamun di Bali adalah Pantai Celukbawang yang berada di Buleleng.
Hal ini sesuai dengan Hidayat et al. (2018), bahwa Pantai Celukbawang
menjadi tempat hidup banyak spesies lamun, seperti Enhalus acoroides,
Cymodocea rotundata, Halophile ovalis, dan lain-lain. Pada praktikum kali
ini, Cymodocea rotundata menjadi spesies lamun yang menjadi subjek
pendataan.

Pendataan Cymodocea rotundata yang berada di Pantai Celukbawang

dilakukan sebanyak 25 kali dengan masing-masing sebanyak 4. Jumlah data
Cymodocea rotundata yang diambil sebanyak 100 data. Data-data ini nantinya
akan dianalisa menggunakan distribusi poisson. Alasan penggunaan distribusi
poisson adalah untuk mengetahui probabilitas ditemukannya Cymodocea
rotundata di Pantai Celukbawang. Hal ini diperkuat oleh Putjoadmojo dan
Hendayun (2016), bahwa distribusi poisson menentukan apa yang dapat kita
harapkan bila asumsi-asumsi yang dibuat benar.

Data Cymodeca rotundata yang berada di Pantai Celukbawang kemudian

dianalisa menggunakan distribusi poisson. Distribusi poisson digunakan untuk
mencari distribusi probabilitas. Pada analisa kali ini, untuk mengetahui
distribusi probabilitas kemunculan Cymodocea rotundata. Berdasarkan
Masnikafah et al. (2021), distribusi poisson merupakan analisa untuk
mendapatkan distribusi probabilitas dengan jumlah percobaan sangat besar
dengan kemungkinan sukses sangat kecil. Distribusi poisson merupakan
pengembangan dari distribusi binomial.

Pada penelitian kali ini, distribusi poisson digunakan untuk mengetaui

probabilitas kemunculan Cymodocea rotundata di Pantai Celukbawang.
Pemilihan distribusi Poisson dipakai karena jarang terjadi kegagalan dan data
kegagalan yang diambil memiliki karakteristik-karakteristik yang sesuai
distribusi Poisson. Hal ini diperkuat oleh Putjoadmojo dan Hendayun (2016),
bahwa data kegagalan yang diambil memiliki karakteristik distribusi Poisson.
Karakteristik tersebut yaitu nilai peubah acaknya diskrit dan memilih
parameter yang menyatakan rata-rata dari suatu kejadian dalam suatu rentang
waktu tertentu. Distribusi poisson menentukan apa yang dapat kita harapkan
bila asumsi-asumsi yang dibuat benar. Penggunaan distribusi teoretis
digunakan karena penggunaan distribusi sebenarnya harus diperoleh melalui
eksperimen yang biasanya mengeluarkan biaya yang tinggi dan kadang
karena suatu hal yang menyebabkan tidak dapat digunakannya distribusi
sebenarnya.

Dalam melakukan analisa distribusi Poisson, terdapat beberapa perhitungan

yang harus dilakukan. Perhitungan pertama adalah mencari rata-rata dari 100
data yang ada. Kedua adalah mencari frekuensi setiap nilai x. Ketiga mencari
nilai p(x) dan P(x). Hal ini sesuai dengan Sugito dan Mukid (2011), bahwa
dalam perhitungan distribusi Poisson melipututi perihitungan rata-rata,
frekuensi setiap nilai x (F(x)), p(x) dan P(x). Setelah semua perhitungan telah
mendapatkan hasil, kemudian disajikan ke dalam bentuk grafik.

Rata-rata, frekuensi, p(x), serta P(x) perlu dihitung karena dibutuhkan untuk
mengetahui nilai probabilitas kemunculan Cymodocea rotundata di Pantai
Celukbawang. Setiap perhitungan saling berkaitan karena digunakan pada
perhitungan selanjutnya. Rata-rata digunakan untuk mencari p(x) dan P(x).
Sedangkan frekuensi digunakan untuk mencari p(x). P(x) merupakan
perhitungan akhir yang dilakukan pada analisa distribusi Poisson dan
menentukan tingkat probabilitas kemunculan Cymodocea rotundata di Pantai
Celukbawang. Hal ini sesuai dengan Putjoadmojo dan Hendayun (2016),
bahwa untuk mencari P(x), dibutuhkan perhitungan rata-rata terlebih dahulu,
sedangkan untuk p(x), dibutuhkan perhitungan rata-rata dan frekuensi terlebih
dahulu.

Dalam analisa distribusi Poisson, terdapat p(x) dan P(x). P(x) merupakan
probabilitas kumulatif, sedangkan p(x) merupakan probabilitas dari frekuensi
munculnya Cymodocea rotundata di Pantai Celukbawang. Nilai p(x)
didapatkan dari frekuensi dibagi dengan rata-rata. Nilai P(x) didapat dengan
rumus Kadir (2010), sebagai berikut:

Dari rumus tersebut didapatkan hasil P(x) seperti berikut:

Hasil semua p(x) yang didapat berada di interval 0<x<1. 0 dan 1 merupakan
batas probabilitas kemunculan dengan 1 pasti muncul dan 0 tidak akan
muncul. Dari hasil yang didapat, semua p(x) tidak ada yang lebih dari 0.1,
sehingga probabilitas kemunculan frekuensi x Cymodocea rotundata di Pantai
Celukbawang tidak lebih dari 0.1. Hasil semua P(x) yang didapat kurang dari
0.1. Hasil tersebut menunjukkan jika perhitungan distribusi Poisson
memenuhi kriteria proposi sukses dan sebanding dengan panjang interval. Hal
ini diperkuat oleh Sugito dan Mukid (2011), bahwa batas interval dari p(x)
adalah 0<x<1, sedangkan batas dari P(x) adalah P(x)<0.1.

Langkah terakhir adalah hasil perhitungan disajikan dalam bentuk grafik

sebagai berikut:

Dari grafik di atas, dapat dilihat hubungan antara x dengan P(x). Grafik di atas
memperlihatkan kenaikan dan penurunan dengan puncak nya berada di x=99.
Trendline menunjukkan tren penurunan P(x) seiring dengan bertambahnya x
setelah x=99. Trendline tersebut menunjukkan penurunan nilai probabilitas
(P(x)) dari ditemukannya Cymodocea rotundata di Pantai Celukbawang. Hal
ini sesuai dengan Rachman (2012), bahwa trendline yang menurun pada
grafik distribusi Poisson menunjukkan penurunan probabilitas kemunculan
dari x.

Pada grafik di atas, dapat dilihat hubungan antara probabilitas dengan x (unit
sampel). Probabilitas tertinggi terletak pada x=99. Hal tersebut menunjukkan
bahwa banyaknya Cymodocea rotundata yang kemungkinan muncul di Pantai
Celukbawang sekitar 99 individu pada suatu titik. Probabilitas munculnya
Cymodocea rotundata tersebut terjadi secara acak. Hal ini sesuai dengan
 Sugito dan Mukid (2011), bahwa hal tersebut berhubungan dengan pengertian
dari distribusi poisson itu sendiri, yaitu distibusi poisson merupakan distribusi
probabilitas untuk variabel diskrit acak.

Data Cymodocea rotundata diambil di Pantai Celukbawang sebanyak 25 kali

dengan masing-masing sebanyak 4 kali. Tujuan dari pengambilan data
tersebut untuk mengetahui probabilitas kemunculan Cymodocea rotundata di
Pantai Celukbawang. Probabilitas kemunculan bisa memberikan gambaran
keadaan ekologi yang berada di Pantai Celukbawang. Hal itu sesuai dengan
Syah et al. (2018), bahwa pada suatu ekologi, penting untuk mengetahui
analisa hubungan antara suatu spesies dengan lingkungannya. Probabilitas
kemunculan dapat digunakan untuk memprediksi distibusi spasial potensial
dari suatu spesies atau berbagai spesies. Artinya distribusi spasial potensial
Cymodocea rotundata di Pantai Celukbawang dapat diketahu melalui
probabilitas kemunculannya.

Hasil perhitungan P(x) yang didapat menunjukkan hubungan antara

Cymodocea rotundata dengan lingkungan Pantai Celukbawang. P(x) terbesar
dimiliki oleh x=99. Hal tersebut menunjukkan bahwa banyaknya Cymodocea
rotundata yang kemungkinan muncul di Pantai Celukbawang sekitar 99
individu pada suatu titik. Hasil itu menunjukkan jika kondisi lingkungan
Pantai Celukbawang mendukung untuk kemunculan dari spesies Cymodocea
rotundata. Hal ini sesuai dengan Hidayat et al. (2018), bahwa Cymodocea
rotundata mampu tumbuh pada berbagai substrat, baik dari substrat liat
berlumpur hingga pecahan karang yang kasar. Selain itu, lamun Cymodocea
rotundata menyukai perairan yang terpapar sinar matahari dan cocok pada
kondisi Pantai Celukbawsang yang dangkal dan bahkan terekspos ketika
surutnya air laut.
1.2.3. Distribusi Binomial Positif
Data yang diambil adalah data Sargassum polycystum yang berada di Pulau
Panjang, Jepara. Berdasarkan Rohmat et al. (2014), S. polycystum tergolong
ke dalam divisi Phaeophyta. Rumput laut ini memiliki karakteristik sepeti
talus yang berbentuk lembaran, bulat atau mirip batang. Selain itu, S.
polycystum memiliki talus berwarna coklat. Warna coklat pada talus berasal
dari campuran pigmen klorofil dan pigmen kelompok karotenoid. S.
polycystum merupakan salah satu spesies rumput laut yang dapat ditemukan di
Pulau Panjang, Jepara.
Menurut Wulandari et al. (2015), Pulau Panjang merupakan sebuah pulau
yang terletak di Kelurahan Ujung Batu, Kecamatan Jepara, Kabupaten Jepara,
Jawa Tengah. Pulau Panjang berjarak kurang lebih 1,5 mil laut dari Jepara.
Secara geografis, Pulau Panjang terletak di 06°34”30’ LS dan 110°37”44” BT.
Terdapat banyak biota laut yang hidup di sekitar Pulau Panjang, salah satunya
S. polycystum. Data S. poycystum diambil dari 5 stasiun yang telah ditentukan
dengan setiap stasiun terdapat 20 titik pendataan. Jumlah data yang diambil
(n) sebanyak 100 data.

Dalam praktikum kali ini, data yang telah didapat kemudian dianalisa
menggunakan analisa distribusi binomial positif. Sebelumnya, distribusi
peluang binomial adalah distribusi yang memiliki dua jenis kategori, yaitu
gagal dan sukses. Hal ini diperkuat oleh Darsyah dan Ismunarti (2013),
bahwa distribusi peluang binomial distribusi yang dilakukan berulang sebanya
n kali dengan peluang sukses p pada setiap eksperimen dengan q untuk peluan
gagal. Percobaan distribusi ini bersifat independen. Salah satu jenis distribusi
peluang binomial adalah distribusi binomial positif.

Distribusi binomial positif merupakan salah satu jenis distribusi peluang

binomial selain distribusi peluang binomial negatif. Analisa ini digunakan
untuk mengetahui apakah suatu populasi mempunyai kemungkinan distribusi
seragam. Berdasarkan Pouillot et al. (2014), distribusi binomial positif
merupakan salah satu jenis distribusi Bernoulli dengan analisa yang dilakukan
berulang kali percobaan hingga sukses k terjadi. Distribusi binomial positif
merupakan distribusi diskret dengan peubahnya tidak bisa menerima nilai dari
2 kejadian yang terjadi secara bersamaan. Distribusi ini digunakan untuk
mengetahui apakah populasi S. polycystum di Pulau Panjang, Jepara
mempunyai kemungkinan distribusi seragam atau tidak.
Dalam melakukan analisa distribusi binomial positif, terdapat beberapa hal
yang harus dicari. Hal-hal tersebut meliputi nilai minimal, nilai maksimal,
nilai n, dan nilai N. Berdasarkan Manurung et al. (2013), nilai minimal
merupakan nilai terkecil dari data yang didapatkan. Nilai maksimal
merupakan nilai terbesar dari data yang didapatkan. Nilai n adalah jumlah data
yang diambil. Nilai N adalah jumlah penambahan seluruh data. Nilai minimal
dan maksimal digunakan untuk menentukan batas interval dari x. Nilai n
untuk mengetaui jumlah data yang diambil, sedangkan nilai N untuk
mengetahui jumlah penambahan seluruh data.

Pada distribusi binomial positif, juga dibutuhkan nilai rata-rata dan varian.
Nilai rata-rata dan varian digunakan untuk menemukan nilai koefisien
distribusi binomial positif, yaitu p, q, dan k. Hal itu sesuai dengan
Wiryadiputra (2014), bahwa nilai rata-rata dan varian digunakan untuk
menemukan nilai koefisien distribusi binomial positif. Nilai k didapatkan dari
pembagian antara rata rata dengan varian. Nilai p didapatkan dari pembagian
antara rata-rata dengan k. Nilai q didapatkan dari 1 dikurangi p.

Pada distribusi binomial positif, terdapat beberapa koefisien yang digunakan

untuk menentukan nilai P(x) dan F(x). Koefisien tersebut adalah k, p, dan q.
Menurut Manurung et al. (2013), p menunjukkan kemungkinan sukses,
sedangkan q menunjukkan kemungkinan gagal. K merupakan hasil dari rata-
rata kuadrat dibagi dengan rata-rata kali varian. Semua koefisien tersebut
digunakan dalam mencari P(x) dan F(x). Rumus dari P(x) dan F(x) adalah
sebagai berikut:

P(x) diperlukan dalam mencari nilai F(x). Pada rumus P(x), terdapat koefisien
k, p, dan q yang harus diketahui nilainya. Berdasarkan Maulana et al. (2021),
nilai k didapat dari dari rata-rata kuadrat data dibagi dengan rata-rata kali
varian. Nilai p didapatkan dari pembagian antara rata-rata dengan k. Nilai q
didapatkan dari 1 dikurangi p.

Pada analisa distribusi binomial positif, P(x) menjadi hal yang perlu dicari
nilainya. Hal tersebut bertujuan untuk mencari nilai probabilitas dari
eksperimen yang dilakukan. Hal ini sesuai dengan Kadir (2010), P(x)
merupakan nilai probabilitas setiap x peristiwa sukses dari n kali eksperimen.
P(x) ditunjukkan melalui p dan q. Probabilitas sukses ditunjukkan oleh p,
sedangkan probabilitas kegagalan ditunjukkan oleh q.
Selain P(x), F(x) menjadi salah satu yang perlu dicari dalam analisa distribusi
binomial positif. F(x) didapatkan dari P(x) dikali rata-rata. F(x) digunakan
untuk mengetahui distribusi kumulatif dari suatu data. Hal ini sesuai dengan
Manurung et al. (2013), bahwa F(x) merupakan distribusi kumulatif dari
suatu data. F(x) juga disebut sebagai fungsi distribusi binomial.

Hasil akhir yang didapat dari analisa distribusi binomial positif adalah P(x)
dan F(x). Pada hasil P(X) didapat terkecil, yaitu 0,008630576 dengan x=15.
Nilai tertinggi P(X) yang didapat yaitu sebesar 0,119052945 dengan x=9.
P(x) semakin besar seiring dengan semakin besar k, p, dan q. Hal itu sesuai
dengan Pebriyanto et al. (2021), bahwa jika nilai koefisien k,p, dan q
semakin besar, maka akan semakin besar nilai P(x). Namun x juga
mempengaruhi hasil P(x) dimana semakin besar x maka semakin kecil nilai
P(x).
F(x) pada analisa distribusi binomial positif didapatkan dari P(x) dikali rata-
rata. Hasil terbesar yang didapat pada analisa kali ini sebesar 1,071476502
dengan x=9. Hasil terkecil dari F(x) sebesar 0,077675182 dengan x=15. Hal
tersebut menunjukkan bahwa P(x) berbanding lurus dengan F(x). Hal ini
sesuai dengan Manurung et al. (2013), bahwa semakin besar P(x), maka
semakin besar pula F(x).

Hasil analisa distribusi binomial positif yang telah didapat kemudian

disajikan ke dalam bentuk grafik. Grafik pertama yang dibuat adalah grafik
probabilitas distribusi sampel Bruguiera gymnorrhiza di Pulau Panjang.
Grafik pertama menunjukkan hubungan antara P(x) dengan x.

Grafik di atas menunjukkan trendline yang menurun. Hal tersebut

menunjukkan penurunan probabilitas distribusi sampel Bruguiera
gymnorrhiza setelah X=9. Hal ini sesuai dengan Rachman (2012), bahwa
penurunan trendline menunjukkan penurunan P(x) pada nilai x, dalam hal ini
dimulai dari x=10.

Grafik kedua adalah grafik perbandingan P(x) dan F(x). Grafik ini
menunjukan hubungan perbandingan antara P(x) dan F(x).
Grafik di atas menunjukkan trendline yang menurun pada P(x) dan F(x). Hal
tersebut menunjukkan bahwa P(x) dan F(x) berbanding lurus dengan
mengalami kenaikan dan penurunan di nilai x yang sama. Frekuensi
kumulatif tertinggi terdapat pada x=9 dengan frekuensi kumulatif terendah
pada x=15. Hal ini sesuai dengan Manurung et al. (2013), bahwa nilai F(x)
berbanding lurus dengan P(x).

Distribusi binomial positif merupakan salah satu jenis distribusi peluang

binomial selain distribusi peluang binomial negatif. Analisa ini digunakan
untuk mengetahui apakah suatu populasi mempunyai kemungkinan distribusi
seragam. Hal ini sesuai dengan Qomusuddin (2019), bahwa distribusi
binomial positif merupakan salah satu jenis distribusi Bernoulli dengan
analisa yang dilakukan berulang kali percobaan hingga sukses k terjadi.
Distribusi binomial positif bersifat diskrit. Hasil akhir dari distribusi
binomial positif adalah P(x) dan F(x).

Distribusi binomial positif bersifat diskrit. Distribusi binomial positif

merupakan distribusi dengan peubahnya tidak bisa menerima nilai dari 2
kejadian yang terjadi secara bersamaan. Hal tersebut menyebabkan Distribusi
ini tidak dapat dipakai untuk nilai dari 2 atau lebih kejadian yang terjadi
secara bersamaan. Hal ini sesuai dengan Pouillot et al. (2014) bahwa
distribusi binomial positif adalah distribusi yang bersifat diskrit. Distribusi
ini memiliki peubah yang tidak bisa menerima nilai dari 2 kejadian yang
terjadi secara bersamaan.

Tujuan analisa distribusi binomial positif pada praktikum kali ini untuk
mengetahui apakah populasi S. polycystum di Pulau Panjang, Jepara
mempunyai kemungkinan distribusi seragam atau tidak. Berdasarkan dari
hasil yang didapatkan, terlihat penurunan trendline pada grafik. Penurunan
tersebut menunjukkan penurunan distribusi S. polycystum di Pulau Panjang
dengan x lebih dari 9 dengan nilai P(x) tertinggi sebesar 0,119052945. Hal
tersebut menunjukkan nilai probabilitas distribusi seragam yang kecil pada
Pulau Panjang dengan probabilitas distribusi seragam sebanyak 9 S.
polycystum pada suatu titik merupakan yang terbesar. Hal ini sesuai dengan
Diana (2017), bahwa distribusi binomial positif digunakan untuk mengetahui
kemungkinan distribusi seragam pada suatu populasi di suatu tempat.

Hasil analisa menunjukkan distribusi S. polycystum yang terdapat di Pulau

Panjang memiliki peluang terbesar untuk terjadi secara acak. Hal ini
didukung oleh kondisi ekologi Pulau Panjang yang terdapat pebedaan
kondisi perairaan pada bagian sisi berbeda dari pulau. Hal ini sesuai dengan
Wulandari et al. (2015), bahwa terdapat perbedaan kondisi perairan pada sisi
yang berbeda dari pulau. Perairan yang menghadap laut lepas cenderung
memiliki kondisi gelombang yang lebih tinggi, sedangkan perairan yang
menghadap Pulau Jawa cenderung memiliki kondisi gelombang yang lebih
rendah. Selain itu, terdapat perbedaan substrat pada beberapa bagian perairan
Pulau Panjang. Terdapat bagian yang memiliki substrat karang dan terdapat
bagian yang memiliki substrat pasir. Kondisi-kondisi tersebut menyebabkan
perbedaan jumlah S. polycystum yang hidup di beberapa titik perairan Pulau
 Panjang, sehingga distribusi S. polycystum pada Pulau Panjang cenderung
acak.
1.2.4. Distribusi Binomial Negatif (Masukan semua pembahasan Distribusi
Binomial Negatif kalian tanpa diberi poin/subbab seperti laporan mingguan)
Data yang diambil adalah data Sargassum polycystum yang berada di Pulau
Panjang, Jepara. Berdasarkan Rohmat et al. (2014), S. polycystum tergolong
ke dalam divisi Phaeophyta. Rumput laut ini memiliki karakteristik sepeti
talus yang berbentuk lembaran, bulat atau mirip batang. Selain itu, S.
polycystum memiliki talus berwarna coklat. Warna coklat pada talus berasal
dari campuran pigmen klorofil dan pigmen kelompok karotenoid. S.
polycystum merupakan salah satu spesies rumput laut yang dapat ditemukan di
Pulau Panjang, Jepara.

Menurut Wulandari et al. (2015), Pulau Panjang merupakan sebuah pulau

yang terletak di Kelurahan Ujung Batu, Kecamatan Jepara, Kabupaten Jepara,
Jawa Tengah. Pulau Panjang berjarak kurang lebih 1,5 mil laut dari Jepara.
Secara geografis, Pulau Panjang terletak di 06°34”30’ LS dan 110°37”44” BT.
Terdapat banyak biota laut yang hidup di sekitar Pulau Panjang, salah satunya
S. polycystum. Data S. poycystum diambil dari 4 stasiun yang telah ditentukan
dengan setiap stasiun terdapat 25 titik pendataan. Jumlah data yang diambil
(n) sebanyak 100 data.

Dalam praktikum kali ini, data yang telah didapat kemudian dianalisa
menggunakan analisa distribusi binomial negatif. Sebelumnya, distribusi
peluang binomial adalah distribusi yang memiliki dua jenis kategori, yaitu
gagal dan sukses. Hal ini diperkuat oleh Handayani (2018), bahwa distribusi
peluang binomial negatif merupakan salah satu percobaan Bernoulli yang
mempunyai banyak cara dalam penurunannya. Distribusi binomial adalah
percobaan Bernoulli yang dibutuhkan hingga terjadi k sukses dengan setiap
pengulannya saling bebas. Probabilitas sukses disimbolkan p, sedangkan
probabilitas gagal disimbol q. Nilai q didapat dari 1 dikurangi p.

Distribusi binomial negatif bersifat diskret dengan peubah acak X menyatakan

total percobaan yang dibutuhkan hingga terjadi k sukses. Hal tersebut
menyebabkan distribusi probabilitas peubah acak X disebut berdistribusi

Binomial Negatif. Terdapat beberapa tujuan penggunaan analisa distribusi

binomial negatif pada data yang didapat. Berdasarkan Wibowo et al. (2014),
analisa distribusi binomial negatif dapat digunakan untuk mengetahui kondisi
kualitas suatu lingkungan. Selain itu, analisa ini bisa digunakan untuk
memperkirakan kepadatan suatu populasi. Penggunaan analisa distribusi
binomial negatif dapat menggambarkan kondisi lingkungan di Pulau Panjang,
Jepara dan mengetahui kepadatan S. polycystum.

Pengolahan data dengan analisa distribusi binomial negatif dilakukan

menggunakan Microsoft Excel. Dalam mencari probabilitas distribusi
binomial negatif, terlebih dahulu dicari variabel penting seperti minimal,
maksimal, jumlah data (n), rata-rata, varian, p, q, dan k. Terdapat fitur yang
memudahkan untuk mendapatkan nilai variabel-variabel tersebut, yaitu fitur
data analysis. Hal ini sesuai dengan Kaseside et al. (2021), bahwa fitur data
analysis berfungsi untuk memudahkan pencarian variabel-variabel penting
yang digunakan dalam perhitungan. Pada data analysis terdapat berbagai
macam tools yang memiliki fungsi masing-masing seperti descriptive
statistics, anova, fourier analysis, dan lain-lain.

Tools data analysis yang digunakan dalam analisa data kali ini adalah
descriptive statistics. Tools tersebut berfungsi untuk mendeskripsikan statistik
dari suatu data seperti minimal, maksimal, rata-rata, simpangan baku, varian,
dan lain-lain. Tools ini sangat berguna dalam melakukan analisa distribusi
binomial. Hal ini sesuai dengan Rusli et al. (2020), bahwa tools descriptive
analysis dapat statistik yang mendeskripsikan data, seperti rata-rata, varian,
simpangan baku, dan lain-lain. Tools ini berguna untuk memudahkan dalam
mencari variabel-variabel penting yang digunakan dalam perhitungan
distribusi binomial.

Dalam melakukan analisa distribusi binomial negatif, terdapat beberapa hal

yang harus dicari. Hal-hal tersebut meliputi nilai minimal, nilai maksimal,
nilai n, dan nilai N. Berdasarkan Manurung et al. (2013), nilai minimal
merupakan nilai terkecil dari data yang didapatkan. Nilai maksimal
merupakan nilai terbesar dari data yang didapatkan. Nilai n adalah jumlah data
yang diambil. Nilai N adalah jumlah penambahan seluruh data. Nilai minimal
dan maksimal digunakan untuk menentukan batas interval dari x. Nilai n
untuk mengetaui jumlah data yang diambil, sedangkan nilai N untuk
mengetahui jumlah penambahan seluruh data.

Pada distribusi binomial negatif, juga dibutuhkan nilai rata-rata dan varian.
Nilai rata-rata dan varian digunakan untuk menemukan nilai koefisien
distribusi binomial positif, yaitu p, q, dan k. Hal itu sesuai dengan
Wiryadiputra (2014), bahwa nilai rata-rata dan varian digunakan untuk
menemukan nilai koefisien distribusi binomial positif. Nilai k didapatkan dari
rata-rata kuadrat dibagi dengan varian dikurangi rata-rata. Nilai p didapatkan
dari pembagian antara rata-rata dengan k. Nilai q didapatkan dari 1 dikurangi
p.

Pada distribusi binomial negatif, terdapat beberapa koefisien yang digunakan

untuk menentukan nilai P(x) dan F(x). Koefisien tersebut adalah k, p, dan q.
Menurut Manurung et al. (2013), p menunjukkan kemungkinan sukses,
sedangkan q menunjukkan kemungkinan gagal. K merupakan hasil dari rata-
rata kuadrat dibagi dengan rata-rata kali varian. K adalah ukuran derajat
pengelompokan yang nilainya akan mendekati 0 pada kondisi clumping
maksimum. Semua koefisien tersebut digunakan dalam mencari P(x) dan F(x).

P(x) diperlukan dalam mencari nilai F(x). Pada rumus P(x), terdapat koefisien
k, p, dan q yang harus diketahui nilainya. Berdasarkan Maulana et al. (2021),
nilai k didapatkan dari rata-rata kuadrat dibagi dengan varian dikurangi rata-
rata. Nilai p didapatkan dari pembagian antara rata-rata dengan k. Nilai q
didapatkan dari 1 dikurangi p.

Salah satu yang dicari pada analisa distribusi binomial kali ini adalah A(x).
A(x) pada x pertama didapat dari jumlah data (n) dikurangi f(x) pertama. A(x)
kedua dan seterusnya didapatkan dari A(x) dari x sebelumnya dikurangi
dengan f(x) dari x yang dicari nilai A(x)nya. Hal ini sesuai dengan Manurung
et al. (2013), bahwa A(x) didapat dengan mengurangi jumlah data (n) dengan
f(x) dari x pertama. Setelah itu A(x) kedua dan seterusnya didapatkan dari
A(x) sebelumnya dikurangi f(x) dari x yang dicari nilai A(x)nya.

A(x) merupakan salah satu perhitungan akumulasi yang terdapat pada data x
yang ada dalam suatu data tersebut. Perhitungan A(x) mempunya fungsi
sebagai informasi hasil akumulasi data terhadap data populasi dengan hasil
akhir berjumlah 0. Jika pada x terakhir tidak bernilai 0, maka terdapat
kesalahan pada perhitungan f(x). Hal ini diperkuat oleh Darsyah dan Ismunarti
(2013), bahwa perhitungan binomial negatif menggunakan perhitungan A(x)
untuk mengetahui akumulasi dari f(x). Nilai A(x) pada x terakhir harus
bernilai 0.

Pada analisa distribusi binomial negatif, P(x) menjadi hal yang perlu dicari
nilainya. Hal tersebut bertujuan untuk mencari nilai probabilitas kemunculan
dari eksperimen yang dilakukan. Hal ini sesuai dengan Kadir (2010), P(x)
merupakan nilai probabilitas setiap x peristiwa sukses dari n kali eksperimen.
P(x) ditunjukkan melalui p dan q. Probabilitas sukses ditunjukkan oleh p,
sedangkan probabilitas kegagalan ditunjukkan oleh q.

Selain P(x), F(x) menjadi salah satu yang perlu dicari dalam analisa distribusi
binomial negatif. F(x) didapatkan dari P(x) dikali jumlah data (n). F(x)
digunakan untuk mengetahui distribusi kumulatif dari suatu data. Hal ini
sesuai dengan Manurung et al. (2013), bahwa F(x) merupakan distribusi
kumulatif dari suatu data. F(x) juga disebut sebagai fungsi distribusi binomial.

F(x) juga disebut sebagai fungsi distribusi binomial. F(x) menjadi salah satu
nilai yang dicari dalam analisa binomial negatif. F(x) didapatkan dari P(x)
dikali jumlah data (n). Hal ini sesuai dengan Manurung et al. (2013), bahwa
F(x) merupakan distribusi kumulatif dari suatu data. Semakin besar nilai P(x),
maka semakin besar pula nilai F(x).

Berbeda dengan F(x), f(x) merupakan frekuensi dari x. Frekuensi dari x

merupakan jumlah kemunculan suatu x pada suatu data. Besaran frekuensi
dari x (f(x)) tidak mempengaruhi besaran nilai P(x). Hal ini sesuai dengan
Darsyah dan Ismunarti (2013), bahwa f(x) merupakan frekuensi kemunculan
suatu x pada suatu data. Frekuensi dari x didapatkan dari banyaknya nilai dari
suatu x yang muncul pada suatu data. Walaupun F(x) dan f(x) dibedakan
dengan simbol F dan f, keduanya tidak memiliki hubungan pada distribusi
binomial negatif. Hal tersebut karena nilai f(x) tidak mempengaruhi nilai F(x)
dan begitu juga sebaliknya.

Dalam praktikum kali ini, dilakukan uji validitas pada data yang telah didapat.
Uji validitas bertujuan untuk mengetahui tingkat kevalidan dari suatu data.
Hal ini sesuai dengan Imam et al. (2020), bahwa uji validitas berfungsi untuk
mengetahui tingkat kevalidan dari suatu data. Uji validitas dilakukan dengan
mencari interval 1 dan interval 2 yang berasal dari frekuensi. Kevalidan data
ditunjukkan dengan “Benar” atau “Salah” yang disesuaikan dengan batas
interval yang telah didapat.

Dalam menentukan kevalidan data pada praktikum kali ini, digunakan interval
sebagai batas. Terdapat 2 interval yang harus dicari, yaitu interval 1 dan
interval 2. Interval 1 didapatkan dari f(x) dibagi 2, sedangkan interval 2
didapatkan dari f(x) ditambah dengan interval 1. Interval 1 digunakan sebagai
batas bawah, sedangkan interval 2 digunakan sebagai batas atas. Jika nilai
F(x) berada di luar batas atas dan bawah, maka hasilnya adalah “Salah, jika
berada di antara batas interval, maka hasilnya adalah “Benar”. Dari 15 nilai x,
hanya 3 nilai F(x) dengan hasil salah. Hal tersebut menunjukkan jika secara
keseluruhan data yang didapat akurat atau valid. Hal ini sesuai dengan
Widiantara dan Sujana (2020), bahwa interval digunakan sebagai batas untuk
menentukan apakah suatu data adalah valid atau tidak.

Hasil akhir yang didapat dari analisa distribusi binomial negatif adalah P(x)
dan F(x). Pada hasil P(X) didapat terkecil, yaitu 0,011026948 dengan x=18.
Nilai tertinggi P(X) yang didapat yaitu sebesar 0,071625388 dengan x=9.
Nilai P(x) dipengaruhi oleh rata-rata, k, dan x. Hal itu sesuai dengan
Pebriyanto et al. (2021), bahwa jika nilai rata-rata, k, dan x mempengaruhi
nilai besarnya nilai P(x). Karena rata-rata dan k bersifat konstan, besarnya
nilai variabel x yang menyebabkan perbedaan nilai P(x).

F(x) pada analisa distribusi binomial negatif didapatkan dari P(x) dikali
jumlah data (n). Hasil terbesar yang didapat pada analisa kali ini sebesar
7,16253883 dengan x=9. Hasil terkecil dari F(x) sebesar 1,10269477 dengan
x=18. Hal tersebut menunjukkan bahwa P(x) berbanding lurus dengan F(x).
Hal ini sesuai dengan Manurung et al. (2013), bahwa semakin besar P(x),
maka semakin besar pula F(x).
Grafik pertama menyajikan data probabilitas kemunculan setiap x Sargassum
polycystum di Pulau Panjang, Jepara. Data yang disajikan pada grafik
merupakan data yang diambil dari P(x) dan x.

Grafik di atas menunjukkan trendline yang menurun. Hal tersebut

menunjukkan probabilitas kemunculan S. polycystum di Pulau Panjang
sebanyak x akan semakin rendah seiring dengan semakin besarnya nilai x.
Hal ini sesuai dengan Manurung et al. (2013), bahwa penurunan trendline
menunjukkan kecenderungan menurunnya probabilitas kemunculan suatu
populasi seiring dengan meningkatnya jumlah x.

Grafik kedua menunjukkan grafik frekuensi S. polycystum di Pulau Panjang

Jepara. Data yang disajikan pada grafik merupakan data yang diambil dari
frekuensi x (f(x)) dan x.

Grafik di atas menunjukkan trendline yang cenderung menurun. Trendline

yang menurun menunjukkan kecenderungan menurunnya nilai f(x) pada
keseluruhan data. Hal ini sesuai dengan Rachman (2012), bahwa trendline
menunjukkan kecenderungan penurunan nilai pada keseluruhan data. Grafik
tersebut menunjukkan frekuensi x terbesar adalah x=15 sebanyak 10 dan
frekuensi x terendah adalah x=17 sebanyak 3. Hal tersebut menunjukkan
bahwa jumlah ditemukannya S. polycystum ditemukan sebanyak 15 di 10
titik, sedangkan S. polycystum sebanyak 17 hanya ditemukan di 3 titik.

Grafik ketiga menunjukkan perbandingan f(x) dan F(x) S. polycystum di

Pulau Panjang, Jepara. Data yang disajikan pada grafik merupakan data yang
diambil dari F(x), f(x), dan x.

Grafik di atas menunjukkan trendline F(x) dan f(x) yang menurun. Hal
tersebut menunjukkan bahwa F(x) dan f(x) memiliki tren yang sama, yaitu
cenderung menurun dari keseluruhan data yang didapat. Namun, nilai f(x)
tidak mempengaruhi nilai F(x) dan begitu pula sebaliknya. Hal ini sesuai
dengan Prabowo dan Siswanto (2021), bahwa fitur trendline pada excel
dapat menunjukkan kencenderungan tren dari suatu data apakah naik atau
turun.

Menurut Handayani (2018), distribusi peluang binomial negatif merupakan

salah satu percobaan Bernoulli yang mempunyai banyak cara dalam
penurunannya. Distribusi binomial adalah percobaan Bernoulli yang
dibutuhkan hingga terjadi k sukses dengan setiap pengulannya saling bebas.
Probabilitas sukses disimbolkan p, sedangkan probabilitas gagal disimbol q.
Nilai q didapat dari 1 dikurangi p. Distribusi binomial negatif bersifat diskret
dengan peubah acak X menyatakan total percobaan yang dibutuhkan hingga
terjadi k sukses. Hal tersebut menyebabkan distribusi probabilitas peubah acak
X disebut berdistribusi Binomial Negatif.

Distribusi binomial negatif bersifat diskrit. Distribusi ini memiliki peubah

yang tidak bisa menerima nilai dari 2 kejadian yang terjadi secara
bersamaan. Distribusi peluang binomial negatif dapat digunakan dalam
penentuan pola distribusi mengelompok dan acak. Hal ini sesuai dengan
Wiryadiputra (2014), bahwa distribusi binomial negatif dapat menentukan
jenis pola distribusi pada suatu populasi. Pola distribusi yang dapat
ditentukan menggunakan analisa distribusi binomial negatif adalah pola
distribusi kelompok dan acak. Jika nilai k semakin mendekati 0, maka
kondisi pola distribusi adalah mengelompok maksimal. Jika nilai k semakin
menjauhi 0, maka pola distribusi akan menjadi lebih acak.

Tujuan analisa distribusi binomial negatif pada praktikum adalah untuk

memperkirakan kondisi lingkungan dan kepadatan suatu populasi. Selain itu,
distribusi binomial negatif juga digunakan dalam menentukan pola distribusi
suatu populasi. Berdasarkan dari hasil yang didapatkan, terlihat penurunan
trendline pada grafik P(x) dan F(X). Penurunan tersebut menunjukkan
probabilitas kemunculan dan frekuensi kumulatif S. polycystum di Pulau
Panjang cenderung mengalami penurunan yang signifikan setelah x=9. Hal
ini sesuai dengan Diana (2017), bahwa distribusi binomial negatif digunakan
untuk mengetahui probabilitas kemunculan dan frekuensi kumulatif suatu
populasi di suatu wilayah. Rata-rata P(x) sebesar 0,044121485 menunjukkan
bahwa populasi S. polycsytum di Pulau Panjang cenderung sedikit
 mengelompok.

Hasil rata-rata P(x) dan F(x) menunjukkan distribusi S. polycystum yang

terdapat di Pulau Panjang cenderung mengelompok. Hal ini didukung oleh
kondisi ekologi Pulau Panjang yang terdapat pebedaan kondisi perairaan
pada bagian sisi berbeda dari pulau. Hal ini sesuai dengan Wulandari et al.
(2015), bahwa terdapat perbedaan kondisi perairan pada sisi yang berbeda
dari pulau. Perairan yang menghadap laut lepas cenderung memiliki kondisi
gelombang yang lebih tinggi, sedangkan perairan yang menghadap Pulau
Jawa cenderung memiliki kondisi gelombang yang lebih rendah. Selain itu,
terdapat perbedaan substrat pada beberapa bagian perairan Pulau Panjang.
Terdapat bagian yang memiliki substrat karang dan terdapat bagian yang
memiliki substrat pasir. Selain itu, perbedaaan kondisi parameter perairan
pada beberapa wilayah perairan di Pulau Panjang menyebabkan S.
polycystum cenderung hidup di daerah dengan kondisi optimal untuk
pertumbuhannya. Kondisi-kondisi tersebut menyebabkan perbedaan jumlah
S. polycystum yang hidup di beberapa titik perairan Pulau Panjang, sehingga
distribusi S. polycystum pada Pulau Panjang cenderung sedikit
mengelompok.
1.2.5. Analisa Struktur Komunitas
Indonesia merupakan dengan banyak wilayah perairan yang luas memiliki
sumberdaya laut yang besar. Salah satu sumberdaya laut yang dimiliki
Indonesia adalah padang lamun dengan berbagai jenis spesies. Perairan
Buleleng memiliki padang lamun dengan berbagai macam spesies. Hal itu
sesuai dengan Hidayat et al. (2018), bahwa terdapat 10 macam spesies lamun
yang berada di Perairan Buleleng. Jumlah jenis lamun yang berada di Perairan
Buleleng hamper mencakup seluruh jenis lamun yang ada di Indonesia, yaitu
10 dari 12 jenis lamun ditemukan di Perairan Buleleng. Spesies-spesies
tersebut terdiri dari Enhalus acoroides, Cymodocea rotundata, Cymodocea
serrulata, Thalassia hemprichii, Halophila ovalis, Halophila minor,
Halophila decipiens, Halodule uninervis, Halodule pinifolia, dan
Syringodium isoetifolium.

Pendataan lamun di Pantai Celukbawang dilakukan di 10 stasiun. 10 jenis

lamun yang ditemukan adalah spesies yang ditemukan di Pantai Lovina.
Pendataan lamun penting karena bisa menjadi indikator baik atau buruknya
kondisi ekosistem yang berada di Perairan Buleleng. Hal itu sesuai dengan
Widagti et al. (2021), bahwa jumlah jenis lamun dapat menjadi indikator
kondisi ekosistem. Data lamun yang telah didapatkan kemudian dianalisa
untuk mengetahui indeks penyebaran, keseragaman, kelimpahan, dan
keanekaragaman. Indeks-indeks tersebut dapat menunjukkan kualitas kondisi
lingkungan tempat hidup lamun.

Salah satu indeks yang digunakan untuk mengetahui kondisi suatu lingkungan
adalah indeks penyebaran. Indeks penyebaran digunakan untuk mengetahui
pola distribusi spesies pada suatu lokasi. Terdapat tiga pola distribusi spesies,
yaitu acak, seragam, dan mengelompok. Hal ini sesuai dengan Afifa et al.
(2017), bahwa pola distribusi spesies dari suatu lokasi dapat diketahui melalui
indeks penyebaran. Terdapat beberapa cara dalam analisa indeks penyebaran
yang dapat digunakan, seperti indeks morisita, rasio varian dan rata-rata,
indeks pengelompokan, dan koefisien green. Beberapa cara analisa dalam
indeks penyebaran menggunakan varian dan rata-rata dalam perhitungannya.

Dalam praktikum kali ini, 4 cara analisa indeks penyebaran digunakan, yaitu
indeks morisita, rasio varian dan rata-rata, indeks pengelompokan, dan
koefisien green. Setiap cara analisa digunakan untuk mengetahui jenis pola
distribusi spesies lamun yang berada di Pantai Celukbawang. Berdasarkan
Sofiah et al. (2013), rumus indeks morisita adalah sebagai berikut:
Hasil indeks <1 menunjukkan pola distribusi seragam, =1 menunjukkan pola
distribusi acak, dan >1 menunjukkan pola distribusi mengelompok. Rumus
analisa indeks penyebaran menggunakan rasio varian dan rata-rata adalah
sebagai berikut:

Ketentuan hasil analisa dengan rasio varian dan rata-rata sama seperti indeks
morisita. Rumus dari indeks pengelompokkan adalah sebagai berikut:

Ketentuan hasil indeks pengelompokkan adalah k akan memiliki sifat

maximum clumping jika nilainya mendekati 0. Rumus koefisien green adalah
sebagai berikut:

Ketentuan hasil koefisien green adalah seragam jika positif dan mengelompok
jika negatif.

Salah satu indeks yang digunakan untuk mengetahui kondisi suatu lingkungan
adalah indeks keseragaman. Indeks keseragaman digunakan untuk mengetahui
tingkat keseragaman spesies pada suatu lokasi. Hal ini sesuai dengan Sirait et
al. (2018), bahwa indeks keseragaman digunakan untuk mengetahui tingkat
keseragaman spesies pada suatu lokasi. Indeks keseragaman merupakan
pendugaan yang baik dalam penentuan dominansi dalam suatu wilayah.
Keseragaman adalah keseimbangan komposisi individu tiap spesies yang
terdapat dalam suatu komunitas. Terdapat 5 rumus yang digunakan dalam
mencari indeks keseragaman, yaitu indeks Pielou, indeks Heip, indeks
Alatalo, indeks Sheldon, dan indeks Hill.
Dalam praktikum kali ini, 5 rumus indeks keseragaman digunakan, yaitu
indeks Pielou, indeks Heip, indeks Alatalo, indeks Sheldon, dan indeks Hill.
Setiap rumus digunakan untuk mengetahui tingkat keseragaman spesies lamun
yang berada di Pantai Celukbawang. Berdasarkan Samitra dan Rozi (2018),
rumus indeks Pielou adalah sebagai berikut:

Dalam perhitungan excel kali ini, indeks Pielou disimbolkan sebagai E1. E
adalah indeks kemerataan jenis, HI merupakan indeks keneragaman, dan lnS
adalah jumlah jenis yang ditemukan. Rumus indeks Heip adalah sebagai
berikut:

Dalam perhitungan excel kali ini, indeks Heip disimbolkan sebagai E3. N0
adalah jumlah seluruh spesies dalam data (n) dan N1 adalah ukuran jumlah
jenis yang melimpah dalam sampel. Rumus indeks Alatalo adalah sebagai
berikut:

Dalam perhitungan excel kali ini, indeks Alatalo disimbolkan sebagai E5. N2
adalah ukuran jumlah jenis yang paling melimpah. Rumus indeks Sheldon
adalah sebagai berikut:

Dalam perhitungan excel kali ini, indeks Sheldon disimbolkan sebagai E2.
Rumus Indeks Hill adalah sebagai berikut:

Dalam perhitungan excel kali ini, indeks Hill disimbolkan sebagai E4. Hasil
indeks yang didapat kemudian dicocokkan dengan ketentuan indeks
keseragaman, yaitu 0<E<0.5 komunitas tertekan, 0.5<E<0.75 komunitas labil,
dan 0.75<E<1 komunitas stabil.
Salah satu indeks yang digunakan untuk mengetahui kondisi suatu lingkungan
adalah indeks kelimpahan jenis. Indeks kelimpahan jenis digunakan untuk
mengetahui pemerataan pembagian individu di antara jenis yang ada dalam
suatu habitat. Menurut Sodiq dan Arisandi (2020), kelimpahan jenis adalah
satuan jumlah individu yang ditemukan per satuan luas. Indeks kelimpahan
jenis digunakan untuk mengetahui tingkat kemerataan individu di antara jenis-
jenis spesies yang ada pada suatu lokasi. Terdapat 2 indeks yang dapat
digunakan untuk mengetahui indeks kelimpahan jenis, yaitu indeks Margalef
dan indeks Mehinick.

Dalam praktikum kali ini, 2 indeks kelimpahan jenis digunakan, yaitu indeks
Margalef dan indeks Mehinick. Kedua indeks tersebut digunakan untuk
mengetahui kekayaan jenis dari lamun di Pantai Celukbawang. Berdasarkan
Jambo et al. (2021), rumus indeks Margalef adalah sebagai berikut:

Dalam perhitungan excel kali ini, indeks Margalef disimbolkan sebagai R1. S
adalah banyaknya sampel data dan N0 adalah jumlah seluruh jenis dalam
sampel. Rumus indeks Mehinick adalah sebagai berikut:

Dalam perhitungan excel kali ini, indeks Mehinick disimbolkan sebagai R2.
Ketentuan hasil kedua indeks adalah D <2.5 tingkat kekayaan jenis rendah,
2.5<D<4 tingkat kekayaan jenis sedang, D>4 tingkat kekayaan jenis tinggi.

Salah satu indeks yang digunakan untuk mengetahui kondisi suatu lingkungan
adalah indeks keanekaragaman. Indeks keanekaragaman merupakan indeks
yang menjadi parameter penting dalam menentukan kesehatan lingkungan.
Hal ini sesuai dengan Samitra dan Rozi (2018), bahwa indeks
keanekaragaman merupakan suatu parameter yang selalu digunakan dalam
kegiatan pengawasan biologis. Indeks keanekaragaman menjadi parameter
penting untuk mengetahu tingkat kesehatan lingkungan. Terdapat dua jenis
indeks keanekaragam yang dapat digunakan, yaitu indeks Shannon-Weiner
dan Indeks Simpson.

Dalam praktikum kali ini, 2 jenis indeks keanekaragaman digunakan, yaitu

indeks Shannon-Weiner dan Indeks Simpson. Kedua indeks tersebut
digunakan untuk mengetahui tingkat keanekaragaman jenis lamun di Pantai
Celukbawang. Berdasarkan Sirait et al. (2018), rumus indeks Shannon-
Weiner adalah sebagai berikut:

H' adalah indeks keanekaragaman, ni adalah jumlah individu jenis ke-I, N

adalah jumlah total individu semua jenis, dan pi adalah ni dibagi N. Ketentuan
hasil indeks Shannon-Weiner adalah H'<1 tingkat keanekaragaman jenis
rendah, 1<H'<3 tingkat keanekaragaman jenis sedang, dan H'>3 tingkat
keanekaragaman jenis tinggi. Rumus indeks Simpson adalah sebagai berikut:

Indeks keanekaragaman Simpson disimbolkan sebagai  λ (lambda). Ni

merupakan proporsi dari setiap jenis i dan n adalah jumlah total data.
Ketentuan nilai indeks simpson adalah λ=0-0.3, tingkat keanekaragaman jenis
rendah, λ=0.31-0.6, tingkat keanekaragaman jenis sedang, λ=0.6-1 tingkat
keanekaragaman jenis tinggi.

Dalam perhitungan indeks keanekaragaman, digunakan indeks Shannon-

Wiener dan indeks Simpson. Hasil perhitungan indeks Shannon-Wiener
adalah 5.86, sedangkan hasil perhitungan indeks Simpson sebesar 22.16. Hasil
tersebut menunjukkan bahwa tingkat keanekaragaman jenis lamun di Pantai
Lovina tinggi. Hal itu sesuai dengan Priyono dan Abdullah (2013), bahwa
dalam indeks Shannon-Wiener, jika nilai indek >3, maka keanekaragaman
jenis tergolong tinggi, sedangkan dalam indeks Simpson, jika nilai indeks >1,
maka keanekaragaman jenis tergolong tinggi. Indeks keanekaragaman yang
tinggi menunjukkan kondisi suatu habitat tergolong baik.

Dalam perhitungan indeks penyebaran, digunakan indeks morisita, rasio

varian dan rata-rata, indeks pengelompokan, dan koefisien green. Hasil
perhitungan indeks morisita adalah 10.02, rasio varian dan rata-rata sebesar
0.56, indeks pengelompokan sebesar -33.4, dan koefisien green sebesar
0.00038. Hasil-hasil indeks tersebut menunjukkan jika pola penyebaran lamun
yang berada di Pantai Celukbawang seragam. Hal ini sesuai dengan Yuanda et
al. (2012), bahwa dalam indeks morisita dan rasio varian dan rata-rata, jika
nilai indeks >1, maka pola distribusi seragam. Pada koefisien green,
didapatkan hasil positif yang menunjukkan jika pola distribusi seragam. Pada
indeks pengelompokan, hasil yang didapat jauh dari 0, sehingga pola
distribusi semakin seragam.

Dalam perhitungan indeks kelimpahan jenis, digunakan indeks Margalef dan

indeks Mehinick. Hasil perhitungan indeks Margalef adalah 13.56 dan hasil
indeks Mehinick adalah 2.6. Hasil indeks Margalef menunjukkan bahwa
tingkat kelimpahan jenis di Pantai Celukbawang tinggi, sedangkan hasil
indeks Mehinick menunjukkan bahwa tingkat kelimpahan jenis di Pantai
Celukbawang sedang. Hal itu sesuai dengan Jambo et al. (2021), bahwa jika
nilai indeks Margalef >4, maka kelimpahan jenis tinggi. Pada indeks
Mehinick, jika nilai indeks 2.5<D<4, maka kelimpahan jenis sedang. Hasil-
hasil tersebut menunjukkan bahwa pemerataan individu dalam tiap jenisnya di
Pantai Lovina cukup merata.

Dalam perhitungan indeks keseragaman, digunakan indeks Pielou, indeks

Heip, indeks Alatalo, indeks Sheldon, dan indeks Hill. Hasil perhitungan
indeks Pielou adalah 1.28, indeks Heip sebesar 3.55, indeks Alatalo sebesar -
0.0028, indeks Sheldon sebesar 3.52, dan indeks Hill sebesar 0.00013. Hasil-
hasil indeks tersebut secara keseluruhan menunjukkan bahwa tingkat
keseragaman tinggi dan komunitas stabil. Hal ini sesuai dengan Sirait et al.
(2018), bahwa jika indeks keseragaman >3, maka keseragaman spesies tinggi.
Keseragaman tinggi menunjukkan bahwa komunitas lamun di Pantai
Celukbawang stabil.

Pendataan lamun penting karena bisa menjadi indikator baik atau buruknya
kondisi ekosistem yang berada di Perairan Buleleng. Data lamun yang telah
didapat kemudian dianalisa untuk mencari indeks penyebaran, indeks
keseragaman, indeks kelimpahan jenis, dan indeks keanekaragaman. Indeks-
indeks tersebut dapat menunjukkan kondisi lingkungan pada suatu wilayah.
Hal itu sesuai dengan Widagti et al. (2021), bahwa jumlah jenis lamun dapat
menjadi indikator kondisi ekosistem. Inndeks penyebaran, keseragaman,
kelimpahan, dan keanekaragaman digunakan untuk menunjukkan kualitas
kondisi lingkungan tempat hidup lamun.

Hasil indeks keanekaragaman menunjukkan tingkat keanekaragaman jenis

lamun yang tinggi di Pantai Celukbawang. Hasil indeks penyebaran
menunjukkan bahwa lamun di Pantai Celukbawang memiliki pola distribusi
seragam. Hasil indeks kelimpahan jenis menunjukkan tingkat kelimpahan
jenis lamun yang cukup tinggi di Pantai Celukbawang. Hasil indeks
keseragaman menunjukkan bahwa tingkat keseragaman tinggi dan komunitas
stabil. Semua indeks tersebut menunjukkan bahwa kondisi lingkungan Pantai
lovina dalam keadaan baik dan mendukung kehidupan lamun. Hal ini sesuai
dengan Sirait et al. (2018), bahwa kondisi lingkungan di Celukbawang berada
dalam kondisi baik. Kondisi perairan di Pantai Celukbawang mendukung
kehidupan berbagai jenis lamun. Hal tersebut menyebabkan melimpahnya
jumlah dan jenis-jenis lamun yang berada di Pantai Celukbawang.
 DAFTAR PUSTAKA
Afifa, F.H., Supriharyono dan P.W. Purnomo. 2017. Penyebaran Bulu Babi (Sea
Urchins) di Perairan Pulau Menjangan Kecil, Kepulauan Karimunjawa, Jepara.
Journal of Maquares., 6(3): 230-238.

Arieska, D.I. dan N.H. Pusponegoro. 2016. Pendugaan Standard Error dan
Confidence Interval Koefisien Gini dengan Metode Bootsrap: Terapan Pada
Data Susenas Provinsi Papua Barat Tahun 2013. Jurnal Aplikasi Statistika &
Komputasi Statistik., 8(2): 57-66.

Darsyah, M.Y. dan D.H. Ismunarti. 2013. Perbandingan Kurva pada Distribusi
Uniform dan Distribusi Binomial. Statistika., 1(1): 21-29.
Diana, D. 2017. Distribusi Binomial Sebagai Estimasi Probabilitas Kesuksesan Pada
Uji Coba Kualitas Layanan Sistem Informasi. Jurnal Ilmiah Matrik., 19(3):
227-236.

Handayani, D. 2018. Karakterisasi Sebaran Binomial Negatif. Menara Ilmu., 12(9):

26-31.
Hartati, A., T. Wuryandari dan Y. Wilandari. 2013. Analisis Varian Dua Faktor
Dalam Rancangan Pengamatan Berulang (Repeated Measures). Jurnal
Gaussian., 2(4): 279-288.
Hidayat, W., I.W.S. Warpala dan N.P.S R. Dewi. 2018. Komposisi Jenis Lamun
(Seagrass) dan Karakteristik Biofisik Perairan di Kawasan Pelabuhan Desa
Celukanbawang Kecamatan Gerokgak Kabupaten Buleleng Bali. Jurnal
Pendidikan Biologi Undiksha., 5(3): 113-145.

Imam, S.A., N. Setyowati dan I. Khomah. 2020. Analisis Faktor-Faktor Marketing

Mix (7P) Terhadap Keputusan Pembelian Konsumen pada Wedangan Lawang
 Djoendjing di Kota Surakarta. Jurnal Ekonomi Pertanian dan Agribisnis
(JEPA)., 4(4): 918-929.
Jambo, N.A., E.Y. Kaligis, D.R. Kumampung, S. Darwisito, J.N.W. Schaduw dan
S.B. Pratasik. 2021. Keanekaragaman dan Kelimpahan Filum Echinodermata
pada Zona Intertidal Molas Kecamatan Bunaken Kota Manado. Jurnal Pesisir
dan Laut Tropis., 9(2): 103-114.

Kadir, M. 2010. Statistika: Untuk Penelitian Ilmu-Ilmu Sosial. Rosemata Sampurna,

Jakarta. 363hlm.

Kaseside, M., S.B. Loklomin dan M.N. Dalengkade. 2021. Upaya Peningkatan
Pengetahuan Dasar Komputasi Statistik Menggunakan Fitur Data Analysis.
Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat., 1(3): 249-257.
Lee, D.K., J. In and S. Lee. 2015. Standard Deviation and Standard Error of the
Mean. Korean Journal of Anesthesiology., 68(3): 220-223.

Manurung, R., S. Ariswoyo dan P. Sembiring. 2013. Perbandingan Distribusi

Binomial dan Distribusi Poisson dengan Parameter yang Berbeda. Saintia
Matematika., 1(3): 299-312.

Maulana, D.A., H. Jayadi dan I. Gunawan. 2021. Penerapan Distribusi Binomial pada
Keberhasilan dan Kegagalan dalam Pembuatan Layang-layang. Bulletin of

Applied Industrial Engineering Theory., 2(1): 24-26.

Masnikafah, S., S.A. Rohmaniah dan M.S. Pradana. 2021. Analisis Sistem Antrian
Pasien Rawat Jalan Menggunakan Distribusi Poisson dan Distribusi Erlang.
Unisda Journal of Mathematics and Computer Science., 7(2): 39-48.

Pebriyanto, A.F., D. Sartika, I. Ruspandi, N. Zihani, M.A.N. Sam, M.F. Ghifari, R.K.
Priatna dan R.A. Pradana. 2021. Distribusi Binomial Sebagai Pengukuran
Keberhasilan dan Kegagalan Produksi Home Industri @One Hand Made.
Bulletin of Applied Industrial Engineering Theory., 2(2): 94-98.
Pouillot, R., Y. Chen and K. Hoelzer. 2014. Modeling Number of Bacteria per Food
Unit in Comparison to Bacterial Concentration in Quantitative Risk
Assessment: Impact on risk Estimates. Food Microbiology., 45: 245-253.
Prabowo, M.A. dan A.P. Siswanto. 2021. Formulasi Sabun Padat dengan
Penambahan Minyak Atsiri Daun Jeruk Purut Sebagai Antibakteri Terhadap
Staphylococcus Aureus. Jurnal Sosial dan Teknologi (SOSTECH)., 1(7): 569-
580.
Pratiwi, R. dan E. Widyastuti. 2013. Pola Sebaran dan Zonasi Krustasea di Hutan
Bakau Perairan Teluk Lampung. Zoo Indonesia., 22(1): 11-21.

Priyono, B. dan M. Abdullah. 2013. Keanekaragaman Jenis Kupu-Kupu di Taman

Kehati Unnes. Biosaintifika., 5(2): 100-105.

Pudjoatmojo, B. dan M. Hendayun. 2016. Kehandalan Software Berdasarkan Data

Sekunder Menggunakan Distribusi Poisson dan Kualifikasi Cronbach’s Alpha.
Jurnal Nasional Teknik Elektro dan Teknologi Informasi., 5(2): 57-62.

Putri, R.D. 2020. Pengaruh Pembiayaan Murabahah dan Musyawarah Terhadap

Profitabilitas Bank Umum Syariah Periode 2016-2018. Jurnal Tabarru’ : Islamic
Banking and Finance., 3(1): 48-56.

Qomusuddin, I. F. 2019. Statistik Pendidikan. Deepublish, Yogyakarta, 97 hlm.

Rachman, A. 2012. Populasi Sampah Antariksa Menjelang Puncak Aktivitas

Matahari Siklus 24 [Space Debris Population Toward the Peak of Solar Cycle
24]. Jurnal Sains Dirgantara., 10(1): 59-69.

Rohmat, N., R. Ibrahim dan P.H. Riyadi. 2014. Pengaruh Perbedaan Suhu dan Lama
Penyimpanan Rumput Laut Sargassum polycystum Terhadap Stabilitas Ekstrak
Kasar Pigmen Klorofil. Jurnal Pengolahan dan Bioteknologi Hasil Perikanan.,
3(1): 118-126.
Rusli, R., A. Rahman, H. Upu, A.S. Ahmar dan H. Hastuty. 2020. Penggunaan
Statistika Excel Untuk Pengolahan Data Penelitian Bagi Guru SMAN 3 Barru
Kabupaten Barru. Mattawang: Jurnal Pengabdian Masyarakat., 1(1): 8-14.
Samitra, D. dan Z.F. Rozi. 2018. Keanekaragaman Ikan di Sungai Kelingi Kota
Lubuklinggau. Jurnal Biota., 4(1): 1-5.

Sirait, M., F. Rahmatia dan Patulloh. 2018. Komparasi Indeks Keanekaragaman dan
Indeks Dominansi Fitoplankton di Sungai Ciliwung Jakarta. Jurnal Kelautan.,
11(1): 75-79.

Sodiq, A.Q. dan A. Arisandi. 2020. Identifikasi dan Kelimpahan Makroalga di Pantai
Selatan Gunungkidul. Juvenil: Jurnal Ilmiah Kelautan dan Perikanan., 1(3):
326-330.

Sofiah, S., D. Setiadi dan D. Widyatmoko. 2013. Pola Penyebaran, Kelimpahan dan
Asosiasi Bamu pada Komunitas Tumbuhan di Taman Wisata Alam Gunung
Baung Jawa Timur. Berita Biologi., 12(2): 239-247.

Sugito dan M.A. Mukid. 2011. Distribusi Poisson dan Eksponensial dalam Proses
Stokastik. Media Statistika., 4(2): 113-120.

Sulistyowati, H., E. Rahmawati dan R. Wimbaningrum. 2021. Pola Penyebaran

Spasial Populasi Tumbuhan Asing Invasif Lantana Camara L. Di Kawasan
Savana Pringtali Resort Bandealit Taman Nasional Meru Betiri. Jurnal Ilmu
Dasar., 22(1): 19-24.

Somma, A., F. Zahida dan P. Yuda. 2017. Kelimpahan dan Pola Penyebaran Bulu
Babi (Echinoidea) di Terumbu Karang Pantai Pasir Putih,Situbondo,
Indonesia. Biota., 2(3): 111-115.

Syah, A.F., Musrifah dan H. Cahyono. 2018. Pemodelan Daerah Potensial

Kemunculan Hiu Paus (Rhincodon typus) Menggunakan Data Penginderaan
Jauh di Perairan Probolinggo, Jawa Timur. Jurnal Penelitian Perikanan
Indonesia., 24(3): 209-216.

Wahyuni, A.D., L.B. Prasetyo dan E.A.M. Zuhud. 2017. Populasi dan Pola Distribusi
Tumbuhan Paliasa (Kleinhovia hospita L.) di Kecamatan Bontobahari. Media
Konservasi., 2(1): 11-18.
Wibowo, A., H. Prassetiyo dan A. Desrianty. 2014. Model Optimisasi Lot Produksi
pada Sistem Produksi yang Tidak Sempurna dengan Mempertimbangkan
Komponen Biaya Kualitas Untuk Meminimumkan Total Biaya. Jurnal Online
Institut Teknologi Nasional., 4(2): 48-60.
Widagti, N., G.I. Setiabudi, E.E. Ampou dan I.N. Surana. 2021. Kondisi Padang
Lamun di Pesisir Bali Utara: Sumberkima, Lovina, Panimbangan, dan Pacung.
Journal of Fisheries and Marine Research., 5(2): 452-458.

Widiantara, P.N.S. dan E. Sujana. 2020. Evaluasi Efektivitas Penerapan Sistem

Pengendalian Internal Pengiriman Barang Sebagai Persiapan Menghadapi
Revolusi Industri 4.0 (Studi Kasus Perusahaan Jasa Pengiriman di Singaraja,
Bali). JIMAT (Jurnal Ilmiah Mahasiswa Akuntansi) Undiksha., 11(2): 254-263.
Wiryadiputra, S. 2014. Pola Distribusi Hama Penggerek Buah Kopi (Hypothenemus
hampei) pada Kopi Arabika dan Robusta. Pelita Perkebunan., 30(2): 123-136.
Wulandari, S.R., S. Hutabarat dan Ruswahyuni. 2015. Pengaruh Arus dan Substrat
Terhadap Distribusi Kerapatan Rumput di Perairan Pulau Panjang Sebelah
Barat dan Selatan. Diponegoro Journal of Maquares Management of Aquatic
Resources., 4(3): 91-98.
Yuanda, M.A., Y. Dhahiyat dan T. Herawati. 2012. Struktur Komunitas Ikan di Hulu
Sungai Cimanuk Kabupaten Garut. Jurnal Perikanan dan Kelautan., 3(3): 229-
236.

Yusniyanti, E. dan Kurniati. 2017. Analisa Puncak Banjir Dengan Metode MAF
(Studi Kasus Sungai Krueng Keureuto). Jurnal Einstein: Jurnal Hasil Penelitian
Bindang Fisika., 5(1): 7-12.
 KESAN DAN PESAN UNTUK PRAKTIKUM BIOEKOLOGI
KUANTITATIF 2021/2022

Kesan : Praktikum Bioekologi kuantitatif sangat bermanfaat dan menambah

wawasan dan pengetahuan mengenai Microsoft Excel. Melakukan olah data
serta analisa hasil olah data sangat seru dan bermanfaat untuk mengasah
kemampuan menganalisa. Asisten praktikum juga telah menjelaskan dengan
baik dan mudah untuk dipahami.
Pesan : Pesannya adalah tetap semangat untuk asisten praktikum dalam
berbagai kegiatannya. Mungkin juga waktu praktikum bisa dimulai tepat
waktu, agar nantinya tidak melebihi jadwal praktikumnya.