Professional Documents
Culture Documents
Fitur-fitur yang Anda sebutkan adalah bagian dari analisis Canonical Correspondence Analysis (CCA)
dalam perangkat lunak PAST (Paleontological Statistics). Berikut adalah penjelasan kapan dan untuk
apa masing-masing fitur digunakan:
1. **Triplot:** Triplot adalah grafik yang digunakan untuk memvisualisasikan hasil CCA. Ini
menggambarkan hubungan antara keberadaan spesies, variabel lingkungan, dan sumbu
kanonikal. Triplot sangat berguna untuk melihat bagaimana spesies terdistribusi dalam
hubungannya dengan lingkungan.
2. **Row (site) dots:** Dots pada row (site) dots adalah representasi dari situs atau lokasi
dalam analisis. Ini membantu Anda melihat letak situs atau lokasi dalam ruang kanonikal dan
bagaimana mereka berkaitan dengan spesies dan variabel lingkungan.
3. **Row labels:** Row labels adalah label yang menunjukkan identifikasi atau nama dari
setiap situs atau lokasi yang digunakan dalam analisis. Ini membantu dalam mengidentifikasi
setiap titik data dalam triplot.
4. **Group labels:** Group labels adalah label yang digunakan untuk mengelompokkan atau
membedakan situs atau lokasi dalam analisis. Misalnya, jika Anda memiliki beberapa kategori
atau kelompok yang berbeda, Anda dapat menggunakan group labels untuk
membedakannya dalam triplot.
5. **95% ellipses:** 95% ellipses adalah elips yang menggambarkan tingkat kepercayaan 95%
untuk setiap grup atau kelompok situs dalam analisis. Ini membantu Anda melihat sejauh
mana sebaran situs dalam kelompok tersebut.
6. **Convex hulls:** Convex hulls adalah poligon yang mengelilingi kelompok situs yang serupa
dalam analisis. Ini membantu dalam mengidentifikasi kelompok situs yang berkumpul
bersama dalam ruang kanonikal.
7. **Column (sp.) dots:** Dots pada column (sp.) dots adalah representasi dari spesies dalam
analisis. Ini membantu Anda melihat sebaran spesies dalam hubungannya dengan
lingkungan.
8. **Column labels:** Column labels adalah label yang menunjukkan identifikasi atau nama
dari setiap spesies yang digunakan dalam analisis. Ini membantu dalam mengidentifikasi
setiap titik data spesies dalam triplot.
9. **Scaling Type 2:** Scaling Type 2 adalah salah satu metode untuk menskalakan data dalam
analisis CCA. Metode ini mengutamakan jarak Euclidean antara titik data dan sumbu
kanonikal. Ini digunakan ketika Anda ingin menekankan jarak dalam interpretasi hasil CCA.
Pada banyak aplikasi statistik, termasuk Canonical Correspondence Analysis (CCA) dalam PAST,
pemilihan Axis 1 dan Axis 2 untuk sumbu X dan Y dalam analisis adalah konvensi umum yang telah
digunakan. Ini sebagian besar didasarkan pada pertimbangan konvensi tata letak dan interpretasi
hasil analisis. Berikut adalah alasan mengapa Axis 1 dan Axis 2 biasanya digunakan:
1. **Explained Variance:** Axis 1 dipilih sebagai sumbu X karena itu adalah sumbu yang paling
banyak menjelaskan variasi dalam data. Ini berarti bahwa sumbu X (Axis 1) biasanya memuat
sebagian besar informasi yang dapat diekstraksi dari hubungan antara keberadaan spesies
dan variabel lingkungan. Sebagai hasilnya, sumbu ini diplot pada sumbu X untuk memberikan
gambaran yang lebih kuat tentang bagaimana perubahan dalam variabel lingkungan
mempengaruhi keberadaan spesies.
2. **Axis 2 sebagai Orthogonal:** Axis 2 dipilih sebagai sumbu Y karena itu adalah sumbu yang
ortogonal (berpotongan tegak lurus) dengan Axis 1. Ini membantu dalam mempertahankan
interpretasi yang lebih jelas antara sumbu X dan Y. Jika Axis 2 diposisikan sebagai sumbu X,
maka hasilnya mungkin akan sulit untuk diinterpretasikan karena sebagian besar variasi telah
dijelaskan oleh Axis 1.
3. **Interpretability:** Penempatan Axis 1 pada sumbu X juga mempermudah interpretasi
grafik. Biasanya, kita lebih tertarik untuk melihat bagaimana variasi dalam variabel
lingkungan (yang terletak di sumbu X) mempengaruhi keberadaan spesies (yang terletak di
sumbu Y).
Analisis multivariat tidak hanya digunakan untuk memeriksa hubungan antara dua variabel saja.
Sebaliknya, teknik analisis multivariat memungkinkan kita untuk mengeksplorasi hubungan kompleks
antara beberapa variabel sekaligus. Dalam konteks ekologi, ini sangat penting karena lingkungan dan
kumpulan spesies seringkali melibatkan banyak variabel yang saling terkait.
Contoh hubungan antara kumpulan biologis spesies dengan lingkungannya yang dapat dijelaskan
dengan analisis multivariat adalah penggunaan Canonical Correspondence Analysis (CCA), yang telah
kita diskusikan sebelumnya. Dalam CCA, kita memiliki dua set variabel:
1. **Variabel Lingkungan:** Ini adalah berbagai faktor lingkungan seperti suhu, kelembaban,
keasaman tanah, cahaya, kadar nutrisi, dll.
2. **Keberadaan Spesies:** Ini adalah data tentang keberadaan atau kelimpahan spesies-
spesies yang diamati dalam berbagai lokasi.
1. Ordination/ penahbisan adalah suatu teknik analisis multivariat yang digunakan untuk
memetakan hubungan antar variabel dalam suatu data set.
2. Permutation adalah pengacakan ulang pengaturan data pada suatu tabel untuk
menghasilkan data baru yang dapat digunakan dalam analisis statistik.
3. Sumbu kanonikal adalah suatu dimensi yang dihasilkan dari analisis Canonical
Correspondence Analysis (CCA) yang merepresentasikan variasi yang paling besar antar
variabel di dalam data set.
4. Variasi dalam data adalah variasi atau perbedaan yang ada antara setiap variabel dalam
data set.
5. Kovarians adalah ukuran statistik yang digunakan untuk mengukur tingkat hubungan atau
keterkaitan antar dua variabel dalam suatu data set.
6. Row(site) dots adalah titik-titik yang merepresentasikan setiap sampel atau lokasi pada
grafik hasil analisis Canonical Correspondence Analysis (CCA).
7. Row Label adalah label atau nama yang diberikan pada setiap lokasi atau sampel di dalam
data set.
8. Groups Label adalah label atau nama yang diberikan pada setiap grup atau kategori
tertentu dalam data set.
9. Canvex Hullss adalah suatu bentuk poligon yang dibentuk dari kumpulan titik-titik atau
sampel secara berdampingan pada grafik hasil analisis Canonical Correspondence Analysis
(CCA).
10. Column ( sp) dots adalah titik-titik yang merepresentasikan setiap spesies atau kelompok
organisme pada grafik hasil analisis Canonical Correspondence Analysis (CCA).
1. Triplot adalah bagian dari analisis correspondence yang menampilkan diagram dengan
sumbu X dan Y yang digunakan untuk memvisualisasikan hubungan antara dua set variabel.
Dalam canonical correspondence analysis, triplot digunakan untuk memvisualisasikan
hubungan antara variabel lingkungan dan spesies dalam suatu kumpulan data.
2. Scaling type 2 adalah salah satu metode skalasi yang digunakan dalam analisis
correspondence untuk mengurangi pengaruh variabel dengan nilai numerik yang tinggi.
Dalam pengurangan ini, variabel yang memiliki nilai tinggi akan diberikan bobot yang lebih
rendah sehingga hubungan yang sama pentingnya antara variabel dengan nilai tinggi dan
rendah dapat diukur.
3. Triplot amp adalah skala yang digunakan dalam triplot sebelum visualisasi. Skala ini
mempengaruhi ukuran simbol dan label yang ditampilkan dalam triplot, sehingga
memudahkan pengguna untuk menafsirkan hubungan antara variabel.
4. Graph settings adalah bagian pada program analisis correspondence yang digunakan untuk
mengatur pengaturan visualisasi seperti warna, ukuran simbol, dan jenis garis. Pengaturan ini
memungkinkan pengguna untuk memvisualisasikan data dengan cara yang paling mudah
dipahami.
5. Matriks Kovarian adalah bagian dari analisis correspondence yang digunakan untuk
mengukur hubungan antara variabel. Matriks ini berisi nilai korelasi antara variabel yang
digunakan dalam analisis. Penggunaannya dapat membantu mengidentifikasi variabel yang
signifikan dalam memengaruhi hasil analisis correspondence.
Eigen Vektor : vektor yang menunjukkan arah dan besarnya variasi dalam data yang di jelaskan oleh
sumbu kanonikal