Professional Documents
Culture Documents
Aditya Surya Wijaya - 26040120130055 - Kelompok 7
Aditya Surya Wijaya - 26040120130055 - Kelompok 7
BIOEKOLOGI KUANTITATIF
Dosen Pengampu :
Ir. Raden Ario, M.Sc
196001051987031002
Disusun Oleh :
Aditya Surya Wijaya
26040120130055
IK A/7
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.
Dosen Pengampu
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
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
0.12
0.06
0.04
0.02
0
5 6 7 8 9 10 11 12 13 14 15
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
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
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.
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.
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.
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.
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:
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.
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.
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.
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 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).
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).
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.
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.
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.
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.
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).
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 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.
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:
Varian
I=
Rata−rata
Ketentuan hasil analisa dengan rasio varian dan rata-rata sama seperti indeks
morisita. Rumus dari indeks pengelompokkan adalah sebagai berikut:
2
Mean
k=
Varian−Mean
Ketentuan hasil indeks pengelompokkan adalah k akan memiliki sifat
maximum clumping jika nilainya mendekati 0. Rumus koefisien green adalah
sebagai berikut:
Varian
Mean
IG=
Σ ( x ) −1
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 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:
N 1−1
E=
N 0−1
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:
N 2−1
E=
N 1−1
Dalam perhitungan excel kali ini, indeks Alatalo disimbolkan sebagai E5. N2
adalah ukuran jumlah jenis yang paling melimpah. Rumus indeks Sheldon
adalah sebagai berikut:
N1
E=
N0
Dalam perhitungan excel kali ini, indeks Sheldon disimbolkan sebagai E2.
Rumus Indeks Hill adalah sebagai berikut:
N2
E=
N1
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:
S−1
D mg=
ln ( N 0)
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:
S
D mn=
√N 0
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.
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.
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.
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.
Maulana, D.A., H. Jayadi dan I. Gunawan. 2021. Penerapan Distribusi Binomial pada
Keberhasilan dan Kegagalan dalam Pembuatan Layang-layang. Bulletin of
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.
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.
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.
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