Penggunaan Parameter Morfometrik Untuk Pendugaan Umur Siamang Sumatera (Hylobates Syndactylus Syndactylus Raffles, 1821)

PENGGUNAAN PARAMETER MORFOMETRIK
UNTUK PENDUGAAN UMUR SIAMANG SUMATERA

(Hylobates syndactylus syndactylus Raffles, 1821)
FIFIN NOPIANSYAH
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2007
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Penggunaan Parameter

Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus
syndactylus Raffles, 1821) adalah karya saya sendiri dan belum diajukan dalam
bentuk apapun kepada perguruan tinggi apapun. Sumber informasi yang berasal
atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain
telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian
akhir tesis ini.
Bogor, Desember 2007
Fifin Nopiansyah
NIM E051054125
RINGKASAN
FIFIN NOPIANSYAH. Penggunaan Parameter Morfometrik untuk Pendugaan

Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821).
Dibimbing oleh YANTO SANTOSA dan ABDUL HARIS MUSTARI.
Umur merupakan salah satu parameter yang penting untuk diketahui dalam
pengelolaan suatu populasi karena berkaitan dengan kelestarian suatu spesies.
Apabila umur telah diketahui maka struktur umur, umur matang seksual, angka
kematian, angka kelahiran, fekunditas, umur spesifik dan kecenderungan
pertumbuhan populasi dapat ditentukan. Pedugaan umur siamang sumatera dapat
dilakukan melalui beberapa teknik, salah satu teknik yang mungkin lebih baik
daripada teknik yang lain. Dalam menduga umur, beberapa teknik kadangkala
menimbulkan dampak negatif sehingga dapat menyakiti bahkan dapat
menyebabkan kematian. Untuk itu dilakukan pendekatan dalam pendugaan umur
yang meminimalkan dampak negatif dan memberikan tingkat ketelitian yang baik
yaitu melalui pengukuran bagian-bagian tubuh (morfometrik) siamang sumatera
yang diduga berhubungan dengan umur. Penelitian ini bertujuan untuk
mengindentifikasi bagian-bagian tubuh siamang sumatera (Hylobates syndactylus
syndactylus) yang dapat dijadikan pendekatan dalam menduga umur dan
merumuskan model matematika yang menggambarkan hubungan antara parameter
morfometrik dengan umurnya.
Parameter morfometrik yang diukur yaitu: panjang badan dan kepala,
panjang lengan, panjang kaki, panjang cranial, tinggi cranial, lebar cranial,
lingkar dada (LD), lebar bahu, panjang telapak tangan (PTT), lebar telapak
tangan, panjang telapak kaki, lebar telapak kaki, lingkar kepala, dan lingkar muka
(LM). Pengukuran dilakukan terhadap 40 ekor siamang sumatera yang hidup,
terdiri atas 24 ekor jantan dan 16 ekor betina dari umur 1-15 tahun.
Hasil analisis statistik regresi linear berganda dengan metode stepwise
menunjukkan bahwa parameter morfometrik siamang sumatera jantan umur 1-15
tahun yang paling menentukan dalam menduga umur adalah lingkar muka dengan
model matematika Umur = -14.546 + 0.801 LM, sedangkan untuk umur 1-6 tahun
adalah panjang telapak tangan dengan model matematika Umur = -2.091 + 0.496
PTT. Pada siamang sumatera betina umur 2-14 tahun adalah lingkar dada dengan
model matematika Umur = -15.328 + 0.533 LD, sedangkan untuk umur 2-6 tahun
adalah lingkar dada dengan model matematika Umur = -15.676 + 0.489 LD. Bila
digabungkan antara siamang sumatera jantan dan betina umur 1-15 tahun,
parameter yang paling menentukan umur adalah lingkar dada dengan model
matematika Umur = -5.331 + 0.312 LD.
ABSTRACT
FIFIN NOPIANSYAH. Application of Morphometric Parameters to Estimate

the Age of Siamang Sumatra (Hylobates syndactylus syndactylus Raffles,
1821). Under direction of YANTO SANTOSA and ABDUL HARIS MUSTARI.
Understanding of wildlife age is an important aspect to indentify its age

structure. Age structure is one of the demografic parameters which is important to
be studied for population management purposes. One of age estimation
technique can be approached from organs size (morfometric). This research was
carried out from May to August 2007 at Cikananga Animal Rescue Center, West
Java and Kalaweit Center, West Sumatera. This research used 14 parameters and
40 sample of siamang sumatra (Hylobates syndactylus syndactylus Raffles, 1821),
consist of 24 males and 16 females. Statistical analysis resulted (multiple linear
regression with stepwise method) high correlation between age (Y) with the face
circumference (LM) through regression formula Age = -14.546 + 0.801 LM for
male (1-15 years), the hands lenght (PTT) with Age = -2.091 + 0.496 PTT for
male (1-6 years), the chest circumference (LD) with Age = -15.328 + 0.533 LD
for female (2-14 years), the chest circumference with Age = -15.676 + 0.489 LD
for female (2-6 years) and the chest circumference Age = -5.331 + 0.312 LD for
both male and female (1-15 years).
Keywords: siamang sumatra, morfometric, age.

© Hak cipta milik IPB tahun 2007
Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa

mencantumkan atau menyebutkan sumber.
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan
karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu
masalah.
b. Pengutipan tidak merugikan kepentingan yang wajar IPB.
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB.
PENGGUNAAN PARAMETER MORFOMETRIK
UNTUK PENDUGAAN UMUR SIAMANG SUMATERA
(Hylobates syndactylus syndactylus Raffles, 1821)
FIFIN NOPIANSYAH
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Profesi pada
Sub Program Studi Konservasi Keanekaragaman Hayati
Program Studi Ilmu Pengetahuan Kehutanan
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2007
Judul Tesis : Penggunaan Parameter Morfometrik untuk Pendugaan Umur
Siamang Sumatera (Hylobates syndactylus syndactylus
Raffles, 1821)
Nama : Fifin Nopiansyah
NIM : E051054125
Disetujui
Komisi Pembimbing
Dr. Ir. H. Yanto Santosa, DEA. Dr. Ir. Abdul Haris Mustari, M.Sc.F.
Ketua Anggota
Diketahui
Ketua Program Studi Dekan Sekolah Pascasarjana

Ilmu Pengetahuan Kehutanan
Dr. Ir. Rinekso Soekmadi, M.Sc.F. Prof. Dr. Ir. Khairil A. Notodiputro, M.S.
Tanggal Ujian: 18 Desember 2007 Tanggal Lulus:

Penguji Luar Komisi pada Ujian Tesis: Dr. Ir. Agus Priono Kartono, M.Si.
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala
karuniaNya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih
dalam penelitian yang dilaksanakan sejak bulan Mei 2007 adalah pendugaan umur
siamang sumatera dengan judul “Penggunaan Parameter Morfometrik untuk
Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles,
1821)” yang dilakukan di dua lokasi yaitu Program Rehabilitasi Siamang dan
Owa Yayasan Kalaweit Program Sumatera (KPS) Pulau Marak, Kabupaten Pesisir
Selatan, Provinsi Sumatera Barat dan Pusat Penyelamatan Satwa Cikananga
(PPSC), Kabupaten Sukabumi, Provinsi Jawa Barat.
Terima kasih dan penghargaan penulis ucapkan kepada:
1. Bapak Dr. Ir. H. Yanto Santosa, DEA. dan Bapak Dr. Ir. Abdul Haris Mustari,
M.Sc.F. selaku pembimbing yang telah memberikan arahan selama penelitian.
2. Manajer KPS, Manajer PPSC, Kepala BKSDA Sumatera Barat, Kepala
BKSDA Jawa Barat, Kepala BTN. Siberut beserta staf yang telah membantu
dan memfasilitasi penelitian.
3. Teman-teman seangkatan pada Magister Profesional Konservasi Biodiversitas
(Abdul Muin, Mamat Rahmat, Agustinus Kris, Nico Sinaga, Sandi Kusuma,
Diyah Kartikasari, Amin Suprayitno, Elisa Iswandono, Zeth Parinding, Tri
Satyatama, Supartono, Erna Ristianti, Utin dan Vitriana Yulalita) yang telah
memberi semangat dan dorongan selama proses belajar.
4. Ayah, mamak, mertua dan saudaraku, (H.M. Ayib Kenawas, BBA, Hj. Siti
Rohma, Zainul, Miswarni, Nesi Novita, M.Kes, Malhanzaldi, SH, Rispa, SH,
Lukmedi, Lizwar, Yudis dan Ade) atas segala doa dan kasih sayangnya.
5. Istri dan putraku tercinta (Saridayani, S.Hut dan M. Gilbran Firdiansyah) atas
kasih, pengorbanan dan dukungannya selama penulis menjalani studi,
sehingga mengurangi hari-hari kebersamaan kita. Tanpa pengertian dan
dukungan keluarga tercinta mustahil studi ini dapat terselesaikan dengan baik.
Selain itu tesis ini dapat terselesaikan juga atas dukungan dan dorongan berbagai
pihak yang tidak dapat penulis sebutkan satu per satu, untuk itu penulis
menyampaikan terimakasih dan penghargaan yang sebesar-besarnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2007
Fifin Nopiansyah
RIWAYAT HIDUP
Penulis dilahirkan di Baturaja, Provinsi Sumatera Selatan pada tanggal 24

November 1977 dari ayah H.M. Ayib Kenawas, BBA. dan ibu Hj. Siti Rohma.
Penulis merupakan putra ketiga dari lima bersaudara.
Pendidikan dasar penulis selesaikan di Sekolah Dasar No. 151 Palembang
dan Sekolah Menengah Pertama No. 22 Palembang hingga tahun 1992, kemudian
penulis melanjutkan ke Sekolah Kehutanan Menengah Atas (SKMA) Pekanbaru
dan lulus tahun 1995. Tahun 1998 melanjutkan pendidikan di Jurusan Teknologi
Hasil Hutan Fakultas Kehutanan, Universitas Muhamaddiyah Sumatera Barat dan
lulus pada tahun 2002. Tahun 2006 diterima sebagai mahasiswa S2 Sekolah
Pascasarjana IPB pada Program Studi Ilmu Pengetahuan Kehutanan (IPK) Sub
Program Studi Konservasi Biodiversitas atas biaya Departemen Kehutanan.
Penulis bekerja sejak tamat SKMA Pekanbaru dan ditempatkan di Kantor
Wilayah Kehutanan Provinsi Sumatera Barat pada tahun 1996, kemudian dimutasi
ke Taman Nasional Siberut Departemen Kehutanan pada tahun 1997 sampai
sekarang.
DAFTAR ISI
Halaman
DAFTAR TABEL ................................... ........................................................ ix

DAFTAR GAMBAR .............................. ........................................................ x
DAFTAR LAMPIRAN ........................... ........................................................ xi
PENDAHULUAN
Latar Belakang .............................. ........................................................ 1
Tujuan Penelitian ........................... ........................................................ 3
Hipotesis......................... ............... ........................................................ 4
Manfaat Penelitian ......... ............... ........................................................ 4
Perumusan Masalah ....... ............... ........................................................ 4
Kerangka Pemikiran ....... ............... ........................................................ 5
TINJAUAN PUSTAKA
Bio-Ekologi Siamang Sumatera ..... ........................................................ 8
Sistematika ............................... ........................................................ 8
Morfologi ................................. ........................................................ 8
Habitat dan Perilaku ................. ........................................................ 10
Perkembangan Metode Pendugaan Umur ............................................... 11
Pendugaan Umur Melalui Gigi Geligi .............................................. 12
Pendugaan Umur Melalui Struktur Fisiologi .................................... 14
Pendugaan Umur Melalui Ukuran Tubuh ......................................... 15
Parameter Morfometrik yang Berkaitan dengan Umur Siamang
Sumatera......................................... ........................................................ 16
Karakteristik Lokasi Penelitian ...... ........................................................ 19
Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program
Sumatera................................... ........................................................ 19
Pusat Penyelamatan Satwa Cikananga .............................................. 21
METODE PENELITIAN
Tempat dan Waktu ......................... ........................................................ 23
Bahan dan Alat ............................... ........................................................ 23
Parameter yang Diukur .................. ........................................................ 23
Pengambilan Data .......................... ........................................................ 23
Pembagian Umur di Lapangan . ........................................................ 24
Teknik Pengukuran Tubuh ....... ........................................................ 24
Pengolahan Data ............................ ........................................................ 26
HASIL DAN PEMBAHASAN
Riwayat Siamang Sumatera Sebagai Objek Penelitian ........................... 29
Karakteristik Morfometrik Siamang Sumatera ....................................... 30
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur
Siamang Sumatera Jantan .............. ........................................................ 38
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang
Sumatera Jantan ....................... ........................................................ 38
Pendugaan Umur Siamang Sumatera Jantan (1-15 Tahun) .............. 41
vii
Halaman
Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun) ................ 43

Siamang Sumatera Betina .............. ........................................................ 45
Sumatera Betina ....................... ........................................................ 45
Pendugaan Umur Siamang Sumatera Betina (2-14 Tahun) .............. 47
Pendugaan Umur Siamang Sumatera Betina (2-6 Tahun) ................ 50
Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang
Sumatera......................................... ........................................................ 51
Sumatera................................... ........................................................ 51
Pendugaan Umur Siamang Sumatera (1-15 Tahun).......................... 53
Aplikasi pada Manajemen Populasi ........................................................ 55
SIMPULAN DAN SARAN .................... ........................................................ 57

DAFTAR PUSTAKA ............................. ........................................................ 58
LAMPIRAN ............................................ ........................................................ 61
viii
DAFTAR TABEL
Halaman
1 Daftar pergantian gigi seri kambing.... ........................................................ 13

2 Pembagian umur siamang sumatera yang diukur di lapangan ..................... 24
3 Asal siamang sumatera yang dijadikan objek penelitian ............................. 29
4 Pembagian siamang sumatera yang diukur di lapangan berdasarkan kelas
umur .................................... ............... ........................................................ 30
5 Karakteristik panjang badan siamang sumatera berdasarkan kelas umur .... 32
6 Karakteristik panjang lengan siamang sumatera berdasarkan kelas umur ... 33
7 Karakteristik panjang kaki siamang sumatera berdasarkan kelas umur....... 34
8 Karakteristik lingkar kepala dan lingkar muka siamang sumatera berdasar-
kan kelas umur .................... ............... ........................................................ 34
9 Karakteristik panjang, tinggi dan lebar cranial siamang sumatera
berdasarkan kelas umur ....... ............... ........................................................ 34
10 Karakteristik lingkar dada dan lebar bahu siamang sumatera berdasarkan
kelas umur ......................... ............... ........................................................ 35
11 Karakteristik panjang dan lebar telapak tangan siamang sumatera
berdasarkan kelas umur ..... ............... ........................................................ 36
12 Karakteristik panjang dan lebar telapak kaki siamang sumatera
berdasarkan kelas umur ..... ............... ........................................................ 37
13 Rata-rata ukuran tubuh siamang sumatera ................................................. 37
14 KMO dan Bartlett's Test untuk data siamang sumatera jantan .................. 38
15 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera
jantan ................................. ............... ........................................................ 40
16 ANOVA untuk menduga umur siamang sumatera jantan.......................... 40
17 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera
jantan ................................. ............... ........................................................ 40
18 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga
umur siamang sumatera jantan .......... ........................................................ 41
19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera jantan ... ............... ........................................................ 41
20 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga
umur siamang sumatera jantan hingga umur 6 tahun................................. 44
ix
Halaman

siamang sumatera jantan hingga umur 6 tahun .......................................... 44
umur siamang sumatera jantan hingga umur 6 tahun................................. 44
24 KMO dan Bartlett's Test (tes I) untuk data siamang sumatera betina ....... 45
25 KMO dan Bartlett's Test (tes IV) untuk data siamang sumatera betina ..... 45
26 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera
betina ................................. ............... ........................................................ 46
27 ANOVA untuk menduga umur siamang sumatera betina.......................... 46
28 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera
betina ................................. ............... ........................................................ 47
umur siamang sumatera betina .......... ........................................................ 48
siamang sumatera betina ... ............... ........................................................ 48
umur siamang sumatera betina hingga umur 6 tahun................................. 50
siamang sumatera betina hingga umur 6 tahun .......................................... 50
umur siamang sumatera betina hingga umur 6 tahun................................. 50
35 KMO dan Bartlett's Test untuk data siamang sumatera ............................. 52
36 Model rekapitulasi analisis regresi untuk menduga umur siamang
sumatera ............................ ............... ........................................................ 52
37 ANOVA untuk menduga umur siamang sumatera .................................... 52
38 Kofisien-kofisien analisis regresi untuk menduga umur siamang
sumatera ............................ ............... ........................................................ 52
umur siamang sumatera..... ............... ........................................................ 53
siamang sumatera .............. ............... ........................................................ 53
umur siamang sumatera..... ............... ........................................................ 54
x
DAFTAR GAMBAR
Halaman
1 Kerangka pemikiran penelitian ........... ........................................................ 7

2 Peta penyebaran H. syndactylus syndactylus ............................................... 9
3 Bagan gigi seri kambing dan ruminansia lainnya ........................................ 13
4 Barisan anuli pada gigi rusa yang menandakan perkiraan umur.................. 14
5 Siamang sumatera di KSP Pulau Marak dan PPSC Sukabumi .................... 20
6 Pengukuran siamang sumatera di lapangan ................................................. 31
7 Ukuran bagian tubuh siamang sumatera yang dijadikan parameter morfo-
metrik untuk menduga umur ............... ........................................................ 32
8 Ukuran bagian tubuh siamang sumatera jantan yang dijadikan parameter
morfometrik untuk menduga umur ..... ........................................................ 35
9 Ukuran bagian tubuh siamang sumatera betina yang dijadikan parameter
morfometrik untuk menduga umur ..... ........................................................ 36
10 Komponen Plot dalam Rotated Space untuk data siamang sumatera
Jantan ................................................ ........................................................ 39
11 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga
12 Komponen Plot dalam Rotated Space (tes IV) untuk data siamang
sumatera betina ................................. ........................................................ 45
14 Komponen Plot dalam Rotated Space untuk data siamang sumatera ........ 51
umur siamang sumatera..................... ........................................................ 54
xi
DAFTAR LAMPIRAN
Halaman
1 Data ukuran tubuh siamang sumatera jantan .............................................. 61

2 Data ukuran tubuh siamang sumatera betina .............................................. 62
3 Data ukuran tubuh siamang sumatera jantan dan betina ............................. 63
4 Hasil output uji validasi parameter morfometrik siamang sumatera
(H. syndactylus syndactylus Raffles, 1821) ................................................ 64
5 Hasil output uji reliabilitas parameter morfometrik siamang sumatera
(H. syndactylus syndactylus Raffles, 1821) ................................................ 65
6 Hasil output uji persyaratan regresi linear ganda pada parameter morfo-
metrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) ................. ........................................................ 66
7 Ringkasan hasil analisis linearitas garis regresi dan simpulannya berdasar-
kan tingkat alpha ................................ ........................................................ 68
8 Hasil output analisis faktor parameter morfometrik untuk menduga umur
siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ........ 69
9 Hasil output analisis regresi parameter morfometrik untuk menduga umur
siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ........ 70
10 Hasil output analisis regresi dengan metode stepwise pada parameter
morfometrik untuk menduga umur siamang sumatera (H. syndactylus
syndactylus Raffles, 1821) jantan ..... ........................................................ 72
syndactylus Raffles, 1821) jantan umur 1-6 tahun ..................................... 75
siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina ....... 78
13 Hasil output analisis regresi parameter morfometrik untuk menduga umur
siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina ....... 81
syndactylus Raffles, 1821) betina ..... ........................................................ 83
syndactylus Raffles, 1821) betina umur 2-6 tahun ..................................... 86
siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................. 89
xii
Halaman
17 Hasil output analisis regresi pada parameter morfometrik untuk menduga

umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ........ 90
syndactylus Raffles, 1821) ................ ........................................................ 93
19 Pendugaan umur siamang sumatera berdasarkan model matematik ......... 96
20 Parameter morfometrik kerangka Hylobates sp ....................................... 98
21 Parameter morfometrik (a) telapak kaki dan (b) telapak tangan
Hylobates sp. .................... ............... ........................................................ 99
22 Parameter morfometrik tengkorak (cranial) Hylobates sp. ...................... 99
23 Peta lokasi penelitian Kalaweit Program Sumatera dan Pusat
Penyelamatan Satwa Cikananga ...... ....................................................... . 100
xiii
1
PENDAHULUAN
Latar Belakang
Pengelolaan satwaliar pada dasarnya merupakan pengelolaan terhadap

populasi yang terdapat dalam suatu kawasan sebagai bagian dari suatu ekosistem
yang menggunakan prinsip-prinsip ekologi sebagai konsep dasarnya. Pengelolaan
satwaliar juga berarti mengamati fluktuasi komponen-komponen lingkungan dan
dapat mengatur parameter populasi guna menyusun strategi yang tepat bagi
pengelolaan (Alikodra 1997). Menurut Caughley (1977), populasi merupakan
unit biologi pada level ekologi yang terintegrasi, berbicara tentang nisbah kelamin
(sex ratio), laju kematian (natality rate), laju kelahiran (mortality rate) dan
struktur umur.
Parameter populasi (seks rasio, tingkat kematian, kelahiran, dan struktur
umur) merupakan komponen penting dalam mempelajari perkembangan populasi
satwaliar. Disamping sebagai indikator kuantitatif dari pertumbuhan populasi
(Dajoz 1971; Barbault 1981; Gaillard 1988 dalam Santosa 1993), pengetahuan
tentang parameter populasi juga merupakan data dasar dalam mengelola satwaliar
(Bailey 1984).
Studi kuantitatif terhadap populasi satwaliar relatif banyak dilakukan sejak
tahun 1930 (Lincoln 1930; Leopold 1933 dalam Santosa 1995). Pada umumnya
penelitian-penelitian tersebut banyak diarahkan untuk mengetahui ukuran populasi
(Otis et al. 1978 dalam Santosa 1995). Mengingat betapa pentingnya data dan
informasi tentang demografi populasi, sejak tahun 1980, penelitian-penelitian
tentang demografi satwaliar berkembang pesat (Lincoln 1930; Leopold 1933;
Gailard 1988 dalam Santosa 1993).
Studi-studi tentang dinamika populasi sangat tergantung dari kemampuan
mengenali umur individu. Apabila umur telah diketahui maka struktur umur,
umur matang seksual, angka kematian, angka kelahiran, fekunditas, umur spesifik
dan kecenderungan pertumbuhan populasi dapat ditentukan. Parameter populasi
dan kondisi fisiologi penting untuk diketahui dalam pelestarian jenis satwa, hal ini
untuk menciptakan kestabilan populasi (Caughley 1977).
2
Struktur umur merupakan perbandingan jumlah individu di dalam berbagai

kelas umur dari suatu populasi, perbandingan tersebut dapat juga dibedakan
menurut jenis kelaminnya. Pengetahuan tentang struktur umur penting diketahui
untuk melihat pertumbuhan dan dinamika populasi suatu satwaliar (Brower dan
Zar 1977). Menurut Alikodra (2002), struktur umur dapat dipergunakan untuk
menilai keberhasilan pengembangan satwa liar, sehingga dapat dipergunakan pula
untuk menilai prospek kelestarian satwa liar. Pertumbuhan populasi satwaliar
dapat diketahui dari cohort atau satu gugus individu yang dianggap berasal dari
kelas umur yang sama (Brower dan Zar 1977), tetapi perhitungannya bersifat
simulasi dan perkiraan umur satwaliar harus diketahui (Caughley 1977).
Pengetahuan tentang pertumbuhan populasi satwaliar kadangkala terkendala
dalam upaya menentukan umurnya. Pedugaan umur satwaliar di lapangan sulit
untuk dilakukan, kecuali untuk satwa yang berada di penangkaran. Pertama,
karena sulitnya menangkap sejumlah satwaliar untuk menjadi sampel penelitian
(Alikodra 1997). Kedua, sifat antogonistik satwaliar juga akan menambah
sulitnya pendugaan umur di lapangan, sehingga hasil pendugaan umur di lapangan
lebih bersifat perkiraan.
Terdapat beberapa teknik untuk menduga umur satwa, semua teknik dalam
pendugaan umur dapat mempunyai kesalahan, beberapa teknik mungkin lebih
baik daripada yang lain (Caughley 1977). Pendugaan kelas umur siamang di
lapangan dapat dilakukan karena kekhasan yang dimiliki fase pertumbuhannya
(Gittins dan Raemaekers 1980). Selain itu, metode pendugaan umur dapat
dilakukan melalui gigi geligi (Caughley 1977), tetapi metode ini mempunyai
kelemahan dapat merusak atau menyakiti satwa sehingga beresiko pada kematian.
Selanjutnya menurut Caughley (1977), ukuran-ukuran bagian tubuh dapat
dijadikan tanda-tanda untuk menduga umur.
Siamang sumatera merupakan salah satu primata yang dilindungi oleh
Peraturan Pemerintah (PP) Republik Indonesia No. 7 Tahun 1999 tentang
Pengawetan Tumbuhan dan Satwa yang menyatakan bahwa semua spesies dalam
famili Hylobatidae dilindungi. Pelestarian terhadap primata ini dilakukan untuk
menjaga keanekaragaman plasma nuftahnya, untuk itu penangkapan di alam tidak
diperbolehkan kecuali dengan ijin khusus dan guna keperluan khusus seperti
3
penelitian. Di dunia internasional siamang juga dilindungi, IUCN (International

Union for Conservation of Nature and Nature Resources) memasukan siamang
dalam Daftar Merah (red data books) dengan status genting (endangered), begitu
juga CITES (Convention on International Trade in Endangered Species)
memasukannya ke dalam Appendix I.
Keberadaan siamang sangat berperan penting dalam ekosistem, pertama
membantu proses pertumbuhan tanaman (regenerasi dan suksesi hutan) dengan
memakan daun dan buah, kedua siamang juga berperan sebagai polinator dan
penyebar biji tumbuh-tumbuhan, sehingga pada umumnya primata memainkan
peran sebagai spesies kunci (key species) dalam sebuah ekosistem (Cowlishaw
dan Dunbar 2000). Peran penting dari spesies kunci adalah bila terjadi kepunahan
pada spesies tersebut, maka dapat menyebabkan gangguan dalam ekosistem yang
akan menyebabkan hilangnya beberapa spesies lain.
Sehubungan dengan hal-hal di atas dan hasil penelusuran pustaka bahwa
penelitian siamang sumatera banyak dilakukan pada aspek penyebaran, bio-
ekologi, habitat, perilaku dan reproduksi serta belum adanya literatur pendugaan
umur siamang sumatera berdasarkan ukuran-ukuran bagian tubuhnya, maka
penelitian mengenai pendugaan umur siamang sumatera melalui ukuran bagian-
bagian tubuh (morfometrik) sangatlah penting. Penelitian ini, disamping berguna
untuk mendukung upaya-upaya menjaga keberadaan dan fungsi siamang sumatera
di alam juga bermanfaat bagi pengembangan pengetahuan tentang satwaliar di
Indonesia.
Tujuan Penelitian
Penelitian ini bertujuan untuk:

1. Mengindentifikasi bagian-bagian tubuh siamang sumatera yang dapat
dijadikan dasar bagi pendugaan umur.
2. Merumuskan model matematika yang menggambarkan hubungan antara
parameter morfometrik dengan umur siamang sumatera.
4
Hipotesis
Hipotesa yang diuji dalam penelitian ini adalah:

H0 : Tidak terdapat hubungan antara parameter morfometrik siamang sumatera
dengan umurnya.
H1 : Paling sedikit terdapat satu parameter morfometrik siamang sumatera yang
mempengaruhi umurnya.
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat, yaitu:

1. Menjadi pegangan dalam pendugaan umur siamang sumatera di lapangan.
2. Menjadi pedoman dalam pengelolaan populasi siamang sumatera, khususnya
menyangkut monitoring populasi.
3. Memberikan kontribusi bagi pusat-pusat penyelamatan satwaliar (PPS) dan
Balai Konservasi Sumber Daya Alam (BKSDA) berupa kemudahan untuk
menduga umur siamang sumatera sewaktu penyitaan dan penerimaan satwa.
Perumusan Masalah
Umur merupakan salah satu parameter yang penting untuk diketahui dalam
pengelolaan suatu populasi karena berkaitan dengan kelestarian suatu spesies
yaitu untuk mengetahui struktur umur sehingga dapat dipergunakan untuk menilai
keberhasilan perkembangbiakkan satwaliar (Alikodra 2002).
Pendugaan umur siamang sumatera dapat dilakukan karena kekhasan pada
fase pertumbuhannya (Gittins dan Raemaekers 1980), tetapi hasil pendugaan akan
lebih bersifat perkiraan kasar bahkan cukup besar rentangnya (Semiadi dan
Nugraha 2005) karena umur terbagi dalam kelas-kelas umur. Gigi banyak
digunakan sebagai parameter dalam pendugaan umur karena gigi mengalami fase
pertumbuhan yang mengikuti perkembangan umur sebagai indikator telah
dewasanya tubuh. Kendala dalam pendugaan umur melalui gigi yaitu satwa harus
dalam kondisi terbius, tetapi cara ini tetap belum akan memberikan hasil yang
akurat. Hasil yang akurat bila dilakukan dengan cara merusak (destructive) yaitu
5
mencabut gigi geraham (molar) guna menghitung garis lapisan tahun gigi
(Semiadi dan Nugraha 2005).
Berdasarkan kelemahan-kelemahan pendugaan umur di atas, maka
dibutuhkan metode pendugaan umur dengan tingkat ketelitian yang cukup baik
dan tidak menyakiti satwaliar, untuk itu pendekatan melalui ukuran bagian-bagian
tubuh dapat dijadikan acuan dalam menduga umur siamang sumatera. Hal ini
sejalan dengan pendapat Frandson (1992) bahwa pertumbuhan tubuh hewan akan
mengikuti perkembangan tulangnya karena tulang memberikan bentuk pada tubuh
dan menurut pendapat Giles (1981) bahwa ukuran tubuh akan berkembang sesuai
dengan bertambahnya umur hingga pada suatu titik akan mencapai kematangan
dan tidak akan membesar lagi.
Dengan demikian, rumusan permasalahan dalam penelitian ini ditujukan
untuk menjawab pertanyaan-pertanyaan sebagai berikut:
1. Apakah terdapat hubungan antara parameter morfometrik siamang sumatera
dengan umurnya?
2. Sejauhmana keeratan hubungan antara parameter morfometrik siamang
sumatera dengan umurnya?
3. Bagaimana model matematika yang terbentuk untuk dapat menjelaskan umur
siamang sumatera?
Kerangka Pemikiran
Bertolak dari kelemahan-kelemahan dalam pendugaan umur satwaliar yang

biasa dilakukan, maka perlu dicari parameter morfometrik siamang sumatera yang
dapat dijadikan parameter penduga umur. Parameter morfometrik yang
digunakan merupakan bagian-bagian tubuh yang mudah terlihat dan mudah
diukur.
Bagian-bagian tubuh siamang sumatera yang diduga mempunyai hubungan
dengan umur yaitu lengan, bagian tubuh ini merupakan salah satu ciri khas famili
Hylobatidae. Seperti pada spesies-spesies dalam famili Hylobatidae, siamang
mempunyai pola bergerak yang khusus dan spektakuler dengan cara berayun dari
satu cabang ke cabang lain menggunakan lengannya (brachiation). Brachiation
merupakan evolusi siamang dalam memanfaatkan ruang untuk memperoleh
6
makanan, dengan kemampuan ini siamang dapat menjangkau bagian-bagian

pohon yang dihindari oleh monyet-monyet lain (Lekagul dan McNeely 1977).
Pola bergerak dengan brachiation mempengaruhi seluruh kerangka tubuh, dalam
brachiation dibutuhkan otot-otot yang kuat dan lengan menjadi lebih efektif,
sehingga famili Hylobatidae mempunyai ukuran lengan lebih panjang daripada
semua jenis primata (Young 1981).
Ciri khas lain dari famili Hylobatidae terdapat pada kaki dan tangannya. Jari
jemarinya yang panjang memungkinkan untuk berpegangan dengan kuat ketika
melakukan brachiation dan dengan bentuk telapak kaki yang lebih mendukung
pola bergerak secara brachiation dibandingkan berjalan (bipedals). Tangan-
tangan dan bentuk telapak kaki ini merupakan organ untuk menggenggam yang
efisien. Spesialisasi dalam brachiation turut mempengaruhi rongga dada famili
Hylobatidae yang lebih besar dari kera-kera lain (kecuali pada ape dan manusia)
(Young 1981). Sejalan dengan pendapat di atas menurut Hoeve (1992), rongga
dada yang lebar ini memberi keleluasaan bergerak bagi lengan.
Bagian tubuh siamang sumatera yang juga diduga mempunyai hubungan
dengan umur adalah kepala. Bagian kepala merupakan bagian vital dari satwaliar,
menurut Frandson (1992) banyak pengamatan yang menunjukkan adanya
perbedaan antar spesies terutama pada bagian kepala, perbedaan ini tergantung
pada variasi pars fasialis kranium.
Keberadaan pusat penyelamatan satwaliar memungkinkan untuk
memperoleh sejumlah siamang sumatera yang dapat dijadikan objek penelitian.
Di pusat penyelamatan, umur siamang sumatera telah diketahui sehingga tidak
perlu dilakukan analisis awal untuk menduga umurnya. Pendugaan parameter
morfometrik yang paling menentukan umur akan menggunakan perhitungan
secara statistikal.
Asumsi-asumsi yang dikembangkan dalam penelitian ini adalah:
1. Siamang sumatera yang menjadi objek penelitian di pusat penyelamatan
berasal dari lingkungan yang sama sehingga mempunyai pertumbuhan yang
sama dan tidak mengalami malnutrisi.
2. Jumlah bulan dari umur siamang sumatera tidak mempengaruhi umur.
7
3. Model matematika untuk menduga umur akan terbatas sesuai ketersediaan

tingkatan umur siamang sumatera yang dijadikan objek penelitian.
Secara skematis, kerangka pemikiran yang menjelaskan penelitian ini
disajikan pada Gambar 1.
Permasalahan-permasalahan dalam
Pendugaan Umur Siamang Sumatera
Pendugaan Umur Melalui

Ukuran Bagian-bagian Tubuh
Indentifikasi Peubah
Penciri Umur
Pemilihan Satwa KU
yang telah diketahui
Pengukuran Parameter
Morfometrik
Model Matematika
Validasi
Gambar 1 Kerangka pemikiran penelitian.

8
TINJAUAN PUSTAKA
Bio-ekologi Siamang Sumatera
Sistematika
Famili Hylobatidae dikelompokkan dalam tiga marga berdasarkan jumlah

kromosomnya, yaitu marga Hylobates yang memiliki 44 kromosom, marga
Symphalangus dengan 50 kromosom dan marga Nomascus dengan 52 kromosom
(Lekagul dan McNeely 1977). Marga Hylobates dibagi lagi menjadi tiga
submarga dengan tujuh spesies yaitu submarga Hylobates dengan spesies H. lar
(Miller 1903), H. agilis (Cuvier 1821), H. moloch (Audebert 1798), H. muelleri
(Martin 1841) dan H. pileatus (Gray 1861); submarga Bunopithecus dengan
spesies H. hoolock (Harlan 1834) dan submarga Brachitanytes dengan spesies H.
klossii (Miller 1903). Marga Symphalangus hanya memiliki satu spesies yaitu H.
syndactilus (Raffles 1821) dan marga Nomascus yang juga hanya memiliki satu
spesies yaitu H. concolor (Harlan 1826).
Terdapat 8 spesies famili Hylobatidae di Paparan Sunda yaitu H.
syndactilus, H. agilis, H. lar di Pulau Sumatera, H. klosii yang endemik di
Kepulauan Mentawai dan H. moloch dijumpai di Pulau Jawa, serta H. agilis dan
H. muelleri dijumpai di Pulau Kalimantan. H. syndactilus terdiri dari 2 subspesies
yaitu H. syndactylus continentis (Thomas 1908) yang terdapat di Semenanjung
Malaya dan H. syndactylus syndactylus terdapat di hutan-hutan sepanjang Bukit
Barisan dan Sumatera bagian timur (Chivers 1977). Penyebaran siamang
sumatera lebih lanjut ditunjukkan pada Gambar 2.
Siamang sumatera secara taksonomi diklasifikasikan ke dalam dunia
Animalia, filum Chordata, subfilum Vertebrata, kelas Mamalia, ordo Primata,
famili Hylobatidae, genus Symphalangus, spesies Hylobates syndactylus Raffles,
1821 dan subspesies H. syndactylus syndactylus Raffles, 1821.
Morfologi
Siamang merupakan jenis primata tak berekor dan mempunyai ukuran tubuh
terbesar dibandingkan dengan jenis lain dari famili Hylobatidae. Individu jantan
dewasa memiliki berat badan 10-12 kg sedangkan betina sedikit lebih kecil.
9
Siamang mempunyai panjang badan mencapai 90 cm dengan warna rambut hitam

polos seperti lutung tetapi tidak berjambul dikepalanya. Siamang mempunyai
kantong suara ditenggorokan yang berukuran sebesar kepalanya sendiri (PPA
1978). Kantong suara (laryngeal sac) yang dimiliki siamang sangat berguna
untuk membantu memperkeras suaranya (Chivers 1977).
Penyebaran H. syndactylus
Gambar 2 Peta penyebaran H. syndactylus syndactylus (Groves 1970; Chivers

1974; Marshall dan Marshall 1975; Wilson dan Wilson 1978).
Secara umum siamang dikenal juga sebagai gibbon, berbeda tetapi serupa
dalam bentuk tubuh. Siamang mempunyai kulit yang tebal, berambut kasar dan
semua berwarna hitam pekat kecuali disekitar mulut dan dagu yang berwarna
lebih muda. Rambut lengan bawah tumbuh menuju siku seperti pada ape besar
dan manusia. Mata berwarna gelap, mempunyai kemampuan membedakan warna
dan kurang dalam earlobes. Siamang juga mempunyai bantalan duduk (ischial
callosities) yang umumnya ditemukan di monyet bukan pada ape. Jantan
mempunyai garis preputal yang mencolok berupa rambut-rambut hitam sepanjang
15 cm (Napier dan Napier 1967). Siamang diketahui juga mempunyai
kemampuan untuk merubah (berbalik) arah ketika berada di udara.
Selanjutnya Napier dan Napier (1967) menuliskan bahwa panjang badan
siamang jantan dari kepala hingga badan berkisar antara 46,8–84,6 cm dengan
berat berkisar 9,5–12,7 kg, sedangkan panjang badan siamang betina dari kepala
10
hingga badan berkisar pada 46–63 cm dengan berat berkisar 9–11,6 kg. Tangan
mempunyai formula dijital yaitu 3.2.4.5.1. Susunan gigi siamang adalah 2/2 1/1
2/2 3/3 = 32. Kapasitas kepala 125 cc atau berkisar antara 100-152 cc. Berat otak
siamang dewasa adalah 121,7 gram (Harvey et al. 1987). Selanjutnya Napier dan
Napier (1986) menyatakan bahwa terdapat sedikit perbedaan pada ukuran tubuh
(dimorphism) antara jantan dan betina pada famili Hylobatidae.
Siamang mempunyai lengan yang panjang dengan rata-rata 230–243% dari
panjang tubuhnya. Tangan siamang juga panjang dengan telapak yang kurang
luas dibandingkan ape, begitu juga dengan kakinya yang panjang dengan jari kaki
pertama lebih panjang dan kuat. Tangan digunakan untuk berpegangan pada
waktu berayun di dahan atau berpindah dari dahan ke dahan. Kakinya dipakai
untuk memegang ranting dan makanan sambil berayun. Ciri khas lain dari
siamang adalah jari-jari tangan kedua dan ketiga dipertautkan oleh selaput seolah-
olah keduanya bersatu (Chivers 1977). Indeks intermembral adalah 147, indeks
ini merupakan perbandingan dari panjang kaki dengan panjang tangan (Myers dan
Sheffield 1996).
Habitat dan Perilaku
Habitat utama siamang adalah hutan hujan tropika dan hutan pegunungan di
bawah 2.000 m di atas permukaan laut, tetapi lebih umum dijumpai pada hutan
dataran rendah (Napier dan Napier 1967). Siamang termasuk ke dalam primata
arboreal, sebagian besar hidupnya tergantung pada tajuk yang tinggi dan saling
bersambungan. Tajuk pohon yang saling bersatu membantu siamang untuk
berpindah dalam mencari makanan dan sebagai tempat berlindung dari pemangsa.
Siamang hidup dalam kelompok-kelompok sosial terkecil, terdiri dari jantan
dan betina dewasa dengan 1-4 ekor anaknya. Pada tempat yang alami, ukuran
kelompok siamang rata-rata 4 ekor (Gittin dan Raemaekers 1980). Pasangan
siamang merupakan pasangan monogami dan hidup dengan pola kelompok
dengan sistem kekerabatan yang menggunakan daerah teritori spesifik dimana
home range seluas 15–30 ha (Chivers 1977).
Matang seksual dicapai siamang di alam pada umur 7-8 tahun baik jantan
maupun betina (Napier dan Napier 1986), sedangkan menurut Geissmann (1986)
11
dalam Nowak (1999) matang seksual di alam pada umur 8-9 tahun dan di
penangkaran pada umur 4-6 tahun baik jantan maupun betina. Periode gestation
(kehamilan) adalah 230-235 hari dengan berat anak saat lahir sekitar 6 ons.
Betina biasanya melahirkan setiap 2–3 tahun sekali dengan satu anak, tetapi
kelahiran kembar mungkin terjadi. Betina jarang melahirkan lebih dari 10 kali
selama hidupnya (Preuschoft 1990). Masa hidup siamang antara 30-40 tahun
(Napier dan Napier 1986), sedangkan menurut Chiver (1977) sepasang siamang
yang hidup di alam liar diketahui berumur sekitar 25 tahun. Di penangkaran
spesimen siamang diketahui sampai berumur 40 tahun (Marvin 1995 dalam
Nowak 1999).
Siamang termasuk hewan omnivora dengan komposisi pakan 43% daun
(38% daun muda dan 5% daun tua), 36% buah (22% Ficus sp. dan 14% lainnya),
6% bunga, 15% serangga dan binatang kecil lainnya (Gittin dan Reamakers 1980).
Siamang sumatera merupakan primata frugivorous dibandingkan saudaranya di
semenanjung malaya. Chivers (1977) melaporkan bahwa siamang menghabiskan
waktu 5,5 jam untuk kegiatan makan atau kira-kira 52% dari waktu efektifnya.
Perkembangan Metode Pendugaan Umur
Pendugaan umur mamalia dapat dilakukan dengan berbagai teknik, salah

satu dari beberapa teknik dapat diaplikasikan untuk menduga umur spesies yang
diteliti. Tanda-tanda untuk menduga umur satwaliar dapat terlihat dari
pertumbuhan gigi geligi, hilangnya gigi geligi, ukuran tubuh, pengelompokkan
frekuensi ukuran, derajat penyatuan epifiseal, berat lensa mata, pertumbuhan
tahunan lingkar cakar, tanduk, gigi dan tulang serta jumlah placental atau goresan-
goresan ovarian pada betina (Caughley 1977).
Selanjutnya menurut Caughley (1977), indikator penduga umur dapat
dikelompokkan sebagai berikut:
a. Tanda-tanda individu (misalnya: pemberian tanda pengenal pada hewan muda
yang diketahui datanya).
b. Indikasi morfologikal.
- Karakter yang berubah terus-menerus sesuai umur (misalnya: berat lensa
mata dan hilangnya gigi geligi).
12
- Karakter yang berubah sesuai lompatan tahun.

1) Anual quanta (misalnya: pertumbuhan lingkar pada tanduk, gigi dan
sisik).
2) Non anual quanta (misalnya: fase-fase plumage dan pertumbuhan gigi
geligi).
Literatur yang membahas pendugaan umur siamang sumatera masih
terbatas, hal ini terlihat dari sulitnya memperoleh literatur sesuai pokok bahasan.
Pendugaan umur siamang sumatera di lapangan dapat dilakukan melalui
pendekatan- pendekatan sebagai berikut:
Pendugaan Umur Melalui Gigi Geligi
Penggunaan parameter gigi telah banyak dilakukan dalam pendugaan umur.

Gigi merupakan salah satu organ tubuh yang paling aktif dipakai, perubahan
bentuk permukaan gigi dapat mengindikasikan kualitas pakan yang dikonsumsi
serta umur satwa tersebut. Gigi juga mengalami fase pertumbuhan awal, lewat
gigi susunya yang akan lepas saat memasuki umur tertentu dan digantikan dengan
gigi tetap, sehingga dapat menjadi indikator dari telah dewasanya anggota tubuh.
Peralihan gigi susu ke gigi permanen dan tinggi relatif mahkota gigi (crown
heights; sebagai indikator tingkat keausan) dapat dipakai sebagai indikator umur
pada kelompok kelelawar, karnivora, ungulata dan rodensia (Semiadi dan
Nugraha 2005).
Sosroamidjojo (1975) dalam Mukhtar (1996) mengungkapkan bahwa pada
satwa ruminansia, umur dapat diketahui dengan mengamati pergantian gigi seri
yang terdapat hanya pada rahang bawah, seperti disajikan pada Tabel 1 dan
Gambar 3.
Tabel 1 Daftar pergantian gigi seri kambing
Umur (Tahun) Gigi Seri yang Berganti
1-1,5 Gigi seri dalam (I1) berganti
1,5-2 Gigi seri tengah dalam (I2) berganti
2,5-3 Gigi seri tengah luar (I3) berganti
3-4 Gigi seri luar (I4) berganti
Sumber: Sosroamidjojo (1975) dalam Mukhtar (1996)

13
1–1.5 tahun
9 bulan
1.5-2 tahun 2-3 tahun
3-4 tahun tua
Gambar 3 Bagan gigi seri kambing dan ruminansia lainnya (Sumber:

Sumoprastowo 1994 dan Sosroamidjojo 1975 dalam Mukhtar 1996).
Selanjutnya menurut Semiadi dan Nugraha (2005), tingkat keausan gigi

sangat spesifik terhadap habitat dan jenis mamalia sehingga generalisasi pola
keausan gigi kurang tepat diterapkan. Indentifikasi umur dengan mengamati pola
keausan gigi dapat dilakukan pada satwa hidup lewat pembiusan terlebih dahulu.
Gigi kemudian dicermati pola keausannya atau ditempeli dengan pasta cetakan
yang akan mengeras setelah waktu tertentu. Pola keausan yang terbentuk dalam
pasta gel yang akan mengeras kemudian diukur atau dikaji dan dibandingkan
dengan standar yang ada.
Pendugaan umur satwaliar secara lebih akurat berbasiskan pada gigi harus
dilakukan secara destructive (merusak) dengan cara mencabut gigi geraham
(molar) guna menghitung lapisan garis tahunan gigi. Biasanya dentin dan
14
cementum terakumulasi di bagian bawah badan gigi yang disebut annuli,

membentuk suatu baris garis yang diasumsikan terbentuk setiap tahun. Pada
mamalia daerah tropika, diindikasikan terbentuknya annuli ini berkaitan erat
dengan musim penghujan, dimana kaya dengan hijauan pakan. Apabila terdapat
periode dimana musim kemarau panjang, maka jarak lapisan annuli cenderung
melebar. Mengingat prosedur indentifikasi lapisan annuli mengharuskan gigi
dicabut, maka pekerjaan ini hanya dilakukan pada satwa mati yang tidak terpakai
lagi (Semiadi dan Nugraha 2005).
Gambar 4 Barisan anuli pada gigi rusa yang menandakan perkiraan umur. Tanda
panah menunjukkan lapisan tahunan, dimulai dari paling atas. Dalam
foto ini rusa diperkirakan berumur 11 tahun (sumber: Anonimous
dalam Semiadi dan Nugraha 2005).
Pendugaan Umur Melalui Struktur Fisiologi
Pendugaan umur melalui struktur fisiologi didasarkan pada penampakan

kasat mata oleh peneliti karena mamalia mempunyai kekhasan dalam fase
pertumbuhannya. Pendugaan umur ini dilakukan dalam kelompok-kelompok
umur yang disebut kelas umur. Menurut Gittins dan Raemaekers (1980),
berdasarkan fase pertumbuhannya siamang dapat dikelompokkan dalam lima
kelas umur yaitu:
1. Bayi (infant), mulai lahir sampai berumur 2-3 tahun dengan ukuran tubuh
yang sangat kecil. Pada tahun pertama digendong dan dibawa oleh induknya,
sedangkan pada tahun kedua digendong dan dibawa induk jantan.
15
2. Anak (juvenile-1), berumur kira-kira 2-4 tahun, badannya kecil dan melakukan
perjalanan sendiri, tetapi cenderung untuk selalu dekat dengan induknya.
3. Muda atau remaja (juvenile-2), berumur kira-kira 4-6 tahun, ukuran badannya
sedang dan sering melakukan perjalanan sendiri dan mencari makan sendiri.
4. Sub dewasa (sub-adult), yaitu mulai dari umur 6 tahun. Ukuran badannya
hampir sama dengan ukuran dewasa dan tetap tinggal di dalam kelompok,
tetapi sering memisahkan diri dan belum matang secara seksual.
5. Dewasa (adult), yaitu mempunyai ukuran badan yang maksimal dengan selalu
hidup berpasang-pasangan serta selalu dekat dengan anaknya.
Pendugaan Umur Melalui Ukuran Tubuh
Semua benda hidup disusun oleh satuan terkecil yang disebut sel, apabila
terjadi peningkatan jumlah sel maka akan mengalami satu atau lebih kekhususan
fungsi. Istilah anatomi digunakan untuk menunjukkan ilmu yang mempelajari
bentuk dan struktur semua organisme makhluk hidup. Pengertian mengenai
struktur organisme makhluk hidup biasanya disertai dengan fungsinya, sedangkan
ilmu yang mempelajari fungsi tubuh secara lengkap dan fungsi semua bagian-
bagian tubuhnya seperti sistem, organ, jaringan, sel dan komponen sel disebut
fisiologi (Frandson 1992).
Kelompok sel yang berkembang mengalami fungsi khusus disebut jaringan.
Bermacam-macam jaringan bergabung membentuk kelompok dan mempunyai
fungsi tertentu, yang disebut organ. Sekelompok organ yang berperan dalam
suatu kegiatan tertentu akan membentuk suatu sistem (Giles 1981).
Selanjutnya menurut Giles (1981), masuknya sel dalam sistem berkaitan
dengan perwujudan fungsi kehidupan. Fungsi tersebut mencakup pertumbuhan
(peningkatan ukuran), metabolisme (pemanfaatan makanan), respon terhadap
stimulus, kontraksi (pemendekan ke satu arah) dan reproduksi (pembentukan
individu baru dari spesies yang sama). Proses perkembangan sel menjadi jaringan
tertentu memerlukan waktu. Pembelahan sel baik melalui mitosis atau miosis
mengalami suatu interfase dan panjangnya bervariasi. Pada satu masa tertentu
pembentukan jaringan ini akan terhenti dan terbentuk satu jaringan khusus.
16
Menurut Frandson (1992), skeleton hewan yang dibentuk oleh tulang

merupakan suatu struktur yang hidup. Tulang mempunyai vasa darah, vasa
limfatik dan nervus; dapat menjadi sasaran penyakit, mampu memperbaiki diri
terhadap perubahan dengan adanya suatu stres. Kira-kira sepertiga berat tulang
terdiri dari atas kerangka organik yang berupa jaringan fibrosa dan sel-sel.
Senyawa organik terutama adalah kollogen dan polisakarid yang disebut
glikosaminaglikan (GAGS), yang mengandung khodroitin sulfat. Bahan tersebut
menyebabkan sifat elastis dan keras pada tulang, sedang dua pertiganya terdiri
dari komponen anorganik (garam kalsium dan fosfat) yang terdeposit pada
kerangka organik.
Selanjutnya menurut Frandson (1992), bahwa pengetahuan tentang tulang
yang membentuk kerangka atau skeleton tubuh disebut osteologi. Tulang
merupakan salah satu jaringan pengikat yang terbentuk dari sel pembentuk tulang
(osteoblast) yang tampilannya mudah dilihat.
Morfologi merupakan ilmu yang mempelajari bentuk pada spesies dalam
populasi khususnya polimorfolisme (Campbell dan Lack 1985), sedangkan
morfometri adalah pengukuran bentuk tubuh yang dilakukan pada spesies.
Pengukuran panjang tulang-tulang mempunyai ketelitian yang lebih baik dalam
pendugaan umur dibandingkan dengan pengukuran terhadap bobot badan.
Pertambahan panjang dari ukuran-ukuran tubuh bisa dijadikan dasar untuk
pendugaan umur lebih lanjut (Caughley 1977). Keragaman ukuran tubuh hewan
disebabkan oleh faktor genetik dan lingkungan (Mansjoer et al. 1989).
Parameter Morfometrik yang Berkaitan dengan Umur Siamang Sumatera
Ukuran morfologikal merupakan pertumbuhan panjang hewan yang mudah

dilihat dengan mata (Giles 1981). Parameter morfometrik yang digunakan
merupakan bagian-bagian tubuh yang mudah terlihat dan mudah diukur,
morfometrik ini mengikuti bentuk kerangka siamang. Sesuai dengan pendapat
Frandson (1992) bahwa tulang-tulang merupakan pembentuk kerangka tubuh
sehingga dapat memberikan kekerasan dan bentuk tubuh. Berikut dijelaskan
bagian-bagian tubuh yang diukur karena diduga mempunyai hubungan erat
dengan umur, sebagai berikut:
17
1. Badan dan Kepala

Siamang tergolong dalam vertebrata karena mempunyai kolom vertebral.
Struktur ini tersusun atas tulang-tulang yang tidak berpasangan dan ireguler
(vertebrae) terletak pada bidang median dan hanya satu struktur yang tampak.
Perkembangan kolom vertebral tidak dipengaruhi oleh ukuran-ukuran lainnya
(Fradson 1992).
Kepala menjadi penting karena merupakan tempat beradanya otak,
dimana otak menjadi tempat mengolah informasi yang berasal dari indera-
indera primata. Salah satu kemajuan dari primata dari hewan lain adalah
ukuran otak yang lebih besar. Perbandingan antara ukuran tubuh dengan berat
otak memungkinkan untuk membedakan antara primata (Myers dan Sheffield
1996).
2. Dada dan Bahu

Kebiasaan melakukan brachiation berpengaruh pada seluruh kerangka
tubuh famili Hylobatidae (Young 1981). Spesialisasi dalam brachiation
mempengaruhi rongga dada famili hylobatidae yang lebih besar dari kera-kera
lain, dimana rongga dada yang lebar dan tulang belikat (skapula) di belakang
membuat pusat gaya berat lebih ke tengah tubuh apabila hewan ini berdiri
tegak dan memberi keleluasaan gerak bagi lengan (Hoeve 1992).
3. Lengan dan Tangan

Lengan merupakan salah satu pembentuk anggota badan yang tersusun
dari beberapa tulang yang merupakan bagian anggota tulang depan
(ekstremitas pektoralis). Ekstremitas pektoralis terdiri dari tulang belikat
(scapula), tulang lengan atas (humerus), dua tulang lengan bawah (radius dan
ulna), tulang carpus, tulang metacarpus dan tulang-tulang jari (digiti).
Humerus merupakan tulang panjang yang ujung atasnya bersendi dengan
scapula membentuk persendian bahu, dimana tonjolan yang terbentuk disebut
titik atau kedudukan bahu. Radius dan ulna merupakan tulang yang besar
pada lengan bawah dan ulna yang kecil. Radius merupakan tulang panjang
yang terletak di sisi medial lengan bawah yang dapat langsung diraba di
bawah kulit. Tulang radius kemudian dilanjutkan tulang carpus, tulang
metacarpus dan tulang-tulang jari (digiti).
18
Pada semua spesies, perkembangan radius sangat baik sedangkan ulna

mempunyai perkembangan yang bervariasi tergantung pada spesies hewan
(Fradson 1992). Berdasarkan hal di atas maka radius lebih dapat dijadikan
parameter ukuran tubuh daripada ulna.
Parameter pendugaan umur adalah panjang humerus, radius dan panjang
telapak tangan yang apabila digabungkan maka dapat menjadi parameter
panjang tangan. Panjang telapak tangan merupakan gabungan antara tulang
carpus, tulang metacarpus dan digiti yang terpanjang.
Pengetahuan tentang perbandingan panjang lengan primata akan sangat
penting untuk mengetahui tipe pergerakan dan prilaku primata. Tipe-tipe
pergerakan yang digunakan primata akan menunjukkan jenis-jenis habitat
yang mendukung hidupnya. Telapak tangan siamang yang lebih sempit
dibandingkan dari famili Pongidae dan Hominidae dikarenakan penyesuaian
dalam melakukan brachiation, sesuai dengan pendapat Hoeve (1992) bahwa
tangan siamang sangat panjang dan langsing dengan jari-jari yang panjang dan
agak melengkung seperti kait
4. Kaki dan Telapak Kaki

Selain tangan, kaki merupakan salah satu pembentuk anggota badan,
dimana tangan tersusun dari beberapa tulang yang merupakan bagian anggota
tulang depan (ekstremitas pelvikalis). Ekstremitas pelvikalis terdiri dari tulang
pinggul (ilium), tulang paha (femur), dua tulang kaki bawah (tibia dan fibula),
astralagus, metacarpus dan digiti.
Femur merupakan tulang yang bulat, berpangkal pada persendian
pinggul dan memanjang sampai persendian lutut. Tibia dan fibula, setara
dengan radius dan ulna pada ekstremitas anterior. Tibia merupakan tulang
yang besar dan terletak di sebelah medial, mempunyai ujung proksimal yang
melekat pada persendian lutut. Metacarpus dan digiti sama dengan
ekstremitas anterior.
Parameter morfometrik untuk menduga umur adalah panjang femur dan
tibia yang apabila digabungkan menjadi parameter panjang kaki. Panjang
telapak tangan merupakan gabungan antara tulang carpus, tulang metacarpus
dan digiti yang terpanjang. Sedangkan indeks intermembral merupakan
19
perbandingan dari panjang kaki dengan panjang tangan, informasi ini sangat
bermanfaat untuk mengindentifikasi sistem lokomosi primata (Myers dan
Sheffield 1996).
Karakteristik Lokasi Penelitian
Penelitian pengukuran morfometrik siamang dilaksanakan di dua lokasi,

yaitu Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera
(KPS) dan Pusat Penyelamatan Satwa Cikananga (PPSC).
Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera
KPS merupakan kegiatan konservasi eksitu yang bertujuan untuk

mendukung konservasi insitu yang bekerjasama Direktorat Jenderal Perlindungan
Hutan dan Konservasi Alam (Ditjen PHKA) Departemen Kehutanan, dimana
dalam implementasinya dilapangan selalu berkoordinasi dengan BKSDA
Sumatera Barat sebagai unit pelaksana teknis Ditjen PHKA di daerah. Tujuan
utama dari KPS adalah untuk menyelamatkan, merehabilitasi, mensejahterakan
dan mengembalikan kembali owa dan siamang yang berasal dari Sumatera ke
habitatnya.
KPS berada di Pulau Marak dengan luas sekitar 1.000 ha, sebuah pulau di
Kanagarian Sungai Pinang, Kecamatan Batang Terusan, Kabupaten Pesisir
Selatan, Provinsi Sumatera Barat. KPS dapat dijangkau dari Kota Padang dengan
speed boat bertenaga 40 daya kuda sekitar 1 jam atau perjalanan melalui darat
dapat ditempuh sekitar 30 km melalui Nagari Sungai Pinang, tetapi jalan yang
masih belum bagus, berkelok-kelok dan mendaki serta belum tersedianya
transportasi umum menyebabkan perjalanan lebih lama dan kurang nyaman.
Pada awal berdirinya bulan Juli tahun 2003, KPS telah merehabilitasi
sebanyak 122 ekor gibbon (H. agilis dan H. syndactylus). Selain jenis-jenis dari
gibbon, KSP dapat juga merawat beberapa primata lain seperti beruk endemik dari
Mentawai (Macaca pagaensis). Fasilitas pendukung yang tersedia yaitu 55 unit
kandang (rehabilitasi, karantina, sosialisasi dan sanctuary), klinik satwa, asrama,
gudang buah dan sarana transportasi. Pada bulan Juli 2007 KPS telah mendapat
hak siar Radio Kalaweit pada gelombang 87.6 FM. Pelaksana di KPS terdiri dari
20
1 orang manajer, 1 orang administrasi, 2 orang tenaga medis, 8 orang animal

keeper, 1 orang dokter hewan, 1 orang bidang volunteer dan ditambah 2 orang
counterpart dari BKSDA.
Gambar 5 Siamang sumatera di KSP Pulau Marak dan PPSC Sukabumi.
Kandang-kandang satwa terbuat dari kawat besi dengan tiang dari kayu,
bentuk kandang segitiga dengan ukuran 6m x 6m x 6m. Di dalam kandang
terdapat sejumlah kayu panjang dan ban bekas mobil yang digantung sebagai
tempat bergelayutan (mainan) satwa. Kandang-kandang terdiri dari:
a. Kandang karantina. Di kandang ini dilakukan proses untuk mengindentifikasi
dan mengobati penyakit yang di derita siamang. Pemeriksaan dilakukan baik
kondisi fisik dan non fisik, pemeriksaan darah (Hepatitis A, B dan C;
Tuberculosis/TBC; Herpes simplex), meminimalkan stres, mengadaptasi
makanan dan pemeriksaan parasit.
b. Sanctuary. Satwa yang tidak dimungkinkan untuk lepasliarkan ke alam akan
ditempatkan dalam kandang-kandang ini, misalnya siamang yang bentuk
fisiknya abnormal (tangan atau kaki yang patah adan buntung) serta siamang
yang terkena penyakit Herpes maupun TBC. Kandang sanctuary bertujuan
untuk mensejahterakan siamang-siamang tersebut.
c. Sosialisasi. Siamang yang telah dinyatakan sehat akan ditempatkan di
kandang sosialisasi. Dalam kandang ini, siamang ditempatkan untuk
mendapatkan pasangan masing-masing dan selalu dipantau setiap
perkembangan dan tingkah lakunya. Siamang yang betul-betul bebas dari
penyakit dan siamang yang telah remaja ditempatkan dalam satu kandang,
21
dimana beberapa kandang dihubungkan dengan terowongan sehingga siamang

bisa berkontak visual dan fisik. Pengamatan dilakukan dengan intensif,
apabila siamang telah menemukan pasangan maka dipindahkan ke kandang
rehabilitasi.
d. Rehabilitasi. Kandang ini ditujukan untuk proses utama yaitu “meliarkan”
siamang, di kandang ini kontak antar siamang dihindarkan begitu juga kontak
dengan manusia diminimalkan.
Pemberian makanan dilakukan dua kali sehari yaitu sekitar pukul 7.30 dan
15.00 WIB. Kombinasi makanan adalah pisang, wortel, buncis, tomat dan
mentimun, sedangkan telur sebagai sumber protein diberikan seminggu sekali.
Siamang yang sakit diberikan makanan yang lebih “eksklusif” seperti apel, sawo,
pir dan multivitamin dengan tujuan mengembalikan vitalitas tubuh dan
mempercepat kesembuhan.
Pembersihan kandang dilakukan satu kali seminggu dan sebulan sekali
dilakukan penyemprotan desifektan. Pengawasan terhadap kesehatan siamang
dilakukan tenaga medis sedangkan siamang yang sakit diperiksa oleh dokter
hewan yang bekerjasama dengan Balai Vertereiner Departemen Peternakan.
Pusat Penyelamatan Satwa Cikananga
PPSC didirikan oleh Yayasan Gibbon yang merupakan lembaga swadaya

masyarakat yang menyalurkan dana dari para donatur internasional untuk program
konservasi di Indonesia, khususnya dalam penyelamatan satwaliar. Yayasan
Gibbon bekerjasama dengan PHKA untuk membangun PPS dalam rangka
penyelamatan satwa-satwa yang dilindungi, sebagai salah satu bentuk peran
keanggotaan Indonesia dalam konvensi internasional perlindungan hewan dan
tumbuhan (Convention on Internasional Trade for Endanger Spesies/CITES).
Terdapat tujuh PPS yang beroperasi di Indonesia yaitu di Tegal Alur di Jakarta
yang sudah berhenti beroperasi, Cikananga di Sukabumi, Gadog di Ciawi-Bogor,
Petung Sewu di Malang, Bali, Yogyakarta dan Tasikoki di Sulawesi.
PPSC diresmikan pada tanggal 1 Nopember 2003 pada lahan seluas 14,9 ha
terletak 36 km di selatan Kabupaten Sukabumi, Provinsi Jawa Barat, tepatnya di
Kampung Cikananga, Desa Cisitu Kecamatan Nyalindung. Fasilitas PPSC
22
terbilang lengkap, karena memiliki gedung perkantoran, laboratorium, klinik

hewan dan tempat penginapan. Sejak 2001 hingga 2005 hewan yang
diselamatkan oleh PPSC mencapai 3.433 ekor, tapi sekarang tinggal 1.142 ekor
karena telah di translokasi ataupun dilepasliarkan.
Pertengahan bulan April 2006 Departemen Kehutanan dalam hal ini Ditjen
PHKA memutus hubungan kerjasama dengan Yayasan Gibbon dan pelarangan
yayasan ini melakukan kegiatan apapun yang terkait konservasi sumberdaya alam
di Indonesia. Hal ini berdampak pada upaya penyelamatan satwaliar Indonesia
yang saat ini berada di PPSC, dengan pendanaan yang terbatas satwa menjadi
kurang terurus dan suplai makanan terbatas.
23
METODE PENELITIAN
Lokasi dan Waktu
Penelitian ini dilaksanakan di Pusat Rehabilitasi Siamang dan Owa Kalaweit

Program Sumatera, Pulau Marak, Kabupaten Pesisir Selatan, Provinsi Sumatera
Barat dan Pusat Penyelamatan Satwa Cikananga, Kabupaten Sukabumi, Provinsi
Jawa Barat (peta lokasi pada Lampiran 23 dan 24) selama 4 bulan yaitu dari bulan
Mei hingga Agustus 2007.
Bahan dan Alat
Objek penelitian adalah siamang sumatera (Hylobates syndactylus

syndactylus), dimana untuk selanjutnya dalam tesis ini disebut sebagai siamang.
Bahan kimia yang digunakan adalah Ketamil injection, Ilium Xylazil-20 injection,
dan sebagai antidotnya Atipamezole Reverzine injection. Alat yang digunakan
adalah meteran, caliper (jangka sorong), timbangan, sarung tangan, masker,
suntikan 1 ml, kapas, kamera dijital, komputer dan alat tulis.
Parameter yang Diukur
Parameter morfometrik yang diukur untuk menduga umur adalah panjang

badan dan kepala, panjang lengan, panjang kaki, panjang cranial, tinggi cranial,
lebar cranial, lingkar dada, lebar bahu, panjang telapak tangan, lebar telapak
tangan, panjang telapak kaki, lebar telapak kaki, lingkar kepala, dan lingkar muka.
Pengambilan Data
Data-data yang digunakan dalam penelitian ini diperoleh dari hasil

pengukuran parameter morfometrik siamang (data primer) dan data-data
penunjang (data sekunder). Data primer yang diambil dikelompokkan menjadi
dua yaitu jantan dan betina, hal ini didasarkan pada adanya dimorphism ukuran
badan siamang dimana jantan memiliki ukuran tubuh yang lebih besar dibanding
betina. Data sekunder yang diambil meliputi keadaan umum lokasi pusat
penyelamatan satwa, proses rehabilitasi, jumlah individu yang sedang
direhabilitasi, asal, jenis kelamin dan umur siamang.
24
Pembagian Umur di Lapangan
Berdasarkan hasil pelaksanaan penelitian diperoleh data jumlah dan umur

siamang yang di ukur, seperti disajikan pada Tabel 2.
Tabel 2 Pembagian umur siamang sumatera yang diukur di lapangan

Jumlah Sampel (ekor)
Umur
KPS PPSC
(tahun)
♂ ♀ Jumlah ♂ ♀ Jumlah
1 1 - 1 - - -
2 1 - 1 1 - 1
3 - - - - - -
4 - - - - - -
5 1 - 1 - 1 1
6 1 - 1 1 - 1
7 1 - 1 2 - 2
8 3 1 4 4 - 4
9 5 - 5 1 - 1
10 1 2 3 2 - 2
11 1 - 1 1 - 1
12 1 1 2 1 - 1
13 - 1 1 - - -
14 1 1 2 1 1 2
15 - 1 1 - - -
Jumlah 17 7 24 14 2 16
Total 40
Tabel 2 menunjukkan hanya terdapat 15 tingkatan umur siamang yang

menjadi objek penelitian. Berdasarkan tingkatan umur tersebut, pendugaan umur
siamang jantan hanya berlaku untuk umur 1-15 tahun dan 2-14 tahun untuk
siamang betina. Apabila digabungkan antara jantan dan betina, maka pendugaan
umur hanya untuk 1-15 tahun.
Batasan lain dalam penelitian ini yaitu pengukuran hanya dilakukan pada
siamang yang diketahui umurnya dan berkondisi sehat, alasannya adalah bahwa
tidak semua siamang yang berada di pusat penyelamatan diketahui umurnya
secara pasti dan hanya dikelompokkan ke dalam kelas umur. Kondisi siamang
yang sehat merupakan prasyarat pengukuran dengan tujuan menghindari kondisi
fatal akibat pembiusan.
Teknik Pengukuran Tubuh
Data ukuran tubuh yang akurat diperoleh apabila pengukuran dilakukan saat
siamang diam, untuk itu dilakukan pembiusan pada semua siamang yang diteliti.
25
Dalam penelitian ini pembiusan berguna untuk menghindari bias hasil pengukuran
akibat perlakuan yang tidak sama. Pembiusan dilakukan oleh tenaga medis atau
paramedis yang bekerja di KPS dan PPSC untuk menghindari kesalahan
penanganan yang dapat menyebabkan kematian pada siamang.
Tujuan utama dari pembiusan adalah untuk membuat siamang mengurangi
gerakan tubuhnya yang dapat menyebabkan kecelakaan pada peneliti dan staf
yang membantu di lapangan. Pembiusan bersifat penenangan (sedatif) dan tidak
sampai pembiusan total (anastesia) sehingga pengukuran dilakukan dalam waktu
yang relatif singkat.
Untuk dapat menduga umur siamang dilakukan pengukuran terhadap
parameter morfometriknya (lihat Lampiran 20, 21 dan 22). Teknik pengukuran
parameter morfometrik siamang (satuan dalam cm), sebagai berikut:
1. Panjang badan dan kepala (PB), diukur mulai dari ujung kepala sampai ujung
tulang ekor.
2. Panjang lengan (PL) merupakan gabungan dari panjang lengan atas/humerus
dan panjang lengan bawah/radius. Panjang lengan humerus, diukur pada
pangkal humerus bagian atas sampai tonjolan bawah humerus. Panjang
lengan radius, diukur dari pangkal siku sampai pergelangan telapak tangan.
3. Panjang kaki (PK) merupakan gabungan dari panjang paha/femur dengan
panjang betis/tibia. Panjang femur, diukur dari pangkal femur sampai bawah
femur. Panjang tibia, diukur dari penonjolan tempurung lutut sampai
pergelangan telapak kaki.
4. Panjang cranial (PCr), diukur dari cranial yang paling depan sampai cranial
paling belakang.
5. Tinggi cranial (TCr), diukur mulai dari atas cranial sampai cranial bawah.
6. Lebar cranial (LbC), diukur mulai dari tepi cranial kiri sampai tepi kanan.
7. Lingkar dada (LD), diukur di sekeliling dada, bawah tulang bahu.
8. Lebar bahu (LbB), diukur dari tepi paling kiri bahu sampai tepi kanan bahu.
9. Panjang telapak tangan (PTT), diukur dari tulang metacarpus sampai ujung
jari tangan terpanjang. Pengukuran ini tanpa kuku yang disebut sine unguis
(s.u), bila dimasukkan cakar disebut cum unguis (c.u).
26
10. Lebar telapak tangan (LTT), diukur mulai dari sisi kiri sampai sisi kanan
telapak tangan di bawah tulang phalanges.
11. Panjang telapak kaki (PTK), diukur dari ujung tumit sampai ujung jari kaki
terpanjang.
12. Lebar telapak kaki (LTK), diukur mulai dari sisi kiri sampai sisi kanan telapak
kaki di bawah tulang phalanges.
13. Lingkar kepala (LK), diukur di sekeliling kepala di atas telinga.
14. Lingkar muka (LM), diukur di sekeliling muka.
Pengolahan Data
Data yang diperoleh dianalisis menggunakan pendekatan multivariate

analysis dengan metode multiple regression analysis (MRA) atau regresi linear
berganda guna menghasilkan suatu persamaan regresi. Persamaan ini dapat
menentukan parameter yang paling menentukan untuk menduga umur siamang
dan menjelaskan hubungan antara umur dengan parameter morfometriknya.
Analisis data dilakukan dengan menggunakan software SPSS 14.0 for windows
evaluation version karena melibatkan banyak variabel.
Bentuk persamaan regresi yang menghubungkan antara umur dengan
parameter morfometrik siamang, sebagai berikut (Supranto 2004):
Y = bo + b1X1 + b2X2 + … + b14X14
keterangan:
Y = umur siamang (tahun)
b0 = nilai intersep
b1 = nilai koefisien regresi parameter morfometrik ke-1
X1 = parameter morfometrik ke-1 (cm)
dalam hal ini peubah tidak bebas (Y) adalah umur siamang, sedangkan peubah
bebas (X) adalah peubah-peubah yang berasal dari hasil pengukuran morfometrik
siamang.
27
Hipotesis yang diuji adalah:

Ho: b1 = b2 =...... = b14 = 0 (semua variabel bebas X tidak ada yang mempengaruhi
variabel tidak bebas Y)
H1: b1 ≠ b2 ≠...... ≠ b14 ≠ 0 (paling sedikit ada satu variabel bebas X yang
mempengaruhi Y)
Dalam output analisis software SPSS nilai signifikan t dan F sudah dihitung
maka tidak perlu melihat nilai tabel t dan F, cukup dengan membandingkan nilai
p-valuenya. Apabila p-value ≤0,05, maka Ho ditolak dan diterima H1 atau
sebaliknya. Hal ini dinyatakan oleh Supranto (2004), korelasi yang tinggi
ditandai oleh rasio t yang tidak nyata (rasio t < t tabel).
Adapun langkah-langkah yang dilakukan dalam analisis data adalah sebagai
berikut:
a. Uji validasi (kesahihan) dan Uji realibilitas (keandalan). Menurut
Sudarmanto (2005) bahwa Uji validasi dilakukan untuk mengetahui apakah
alat ukur yang telah disusun dapat digunakan untuk mengukur apa yang
hendak diukur secara tepat. Uji realibilitas dimaksudkan untuk mengetahui
sejauh mana konsistensi hasil pengukuran yang dilakukan. Kesahihan
dinyatakan bila koefisien > 0,50, sedangkan keandalan dinyatakan bila
koefisien alpha hitung > 0,50 atau sebaliknya.
b. Uji linearitas garis regresi. Menurut Sudarmanto (2005) bahwa uji ini
digunakan untuk mengambil keputusan dalam memilih model regresi yang
akan digunakan. Uji ini berkaitan dengan suatu pembuktian apakan model
garis regresi linera yang ditetapkan benar-benar sesuai dengan keadaannya
atau tidak. Kriteria pengujian untuk menyatakan kelinearan garis regresi
adalah jika Signifikasi > 0,50 (alpha 5%) atau sebaliknya.
c. Analisis faktor. Analisis ini dilakukan untuk mengetahui kelayakan ke-14
parameter morfometrik untuk diproses lebih lanjut dalam regresi. Kelayakan
tersebut dapat dilihat dari besarnya nilai K-M-O MSA (Kaiser–Meyer-Olkin
Measure of Sampling Adequacy), apabila nilai K-M-O MSA >0,50 (alpha 5%)
maka kumpulan parameter dapat diproses lebih lanjut.
28
d. Uji kelayakan menggunakan analisis regresi. Agar analisis regresi dapat

digunakan, maka harus memenuhi 3 asumsi yaitu kenormalan, independensi
dan homogenitas variansi.
e. Analisis regresi dengan semua peubah. Analisis ini dilakukan untuk
mengetahui apakah parameter morfometrik yang dianalisis mempengaruhi
umur, hal ini dapat dianalisis dari nilai p-value <0,05.
f. Analisis regresi dengan metode stepwise (regresi bertahap). Pembuatan
model matematika dengan memasukkan semua parameter morfometrik yang
berkorelasi tinggi membuat persamaan tidak nyata karena diantara parameter
akan saling menghilangkan. Menurut Supranto (2004) apabila terjadi
parameter morfometrik saling berkorelasi (multikolinearitas) maka bisa
dilakukan pendekatan dengan metode stepwise. Selain itu, metode ini dapat
langsung mengetahui parameter morfometrik yang paling menentukan.
HASIL DAN PEMBAHASAN
Riwayat Siamang Sumatera Sebagai Objek Penelitian
Pengukuran parameter morfometrik dilakukan terhadap 40 ekor siamang

yang hidup, terdiri dari 24 ekor siamang jantan dan 16 ekor siamang betina.
Siamang yang diukur berumur antara 1-15 tahun dan dapat dikelompokkan ke
dalam 4 kelas umur (KU), yaitu KU I (1-4 tahun), KU II (5-6), KU III (7-8 tahun),
dan KU IV (9 tahun ke atas), seperti ditunjukkan pada Tabel 4.
Siamang yang direhabilitasi/diselamatkan di KPS dan PPSC merupakan
satwa titipan BKSDA sebagai unit pelaksana teknis dari Departemen Kehutanan.
Status satwa titipan dikarenakan siamang merupakan satwa yang dilindungi dalam
PP No. 7 Tahun 1999 tentang Pengawetan Tumbuhan dan Satwa yang
menyatakan bahwa semua famili Hylobatidae dilindungi.
Secara umum, siamang yang diterima KSP dan PPSC berasal dari hasil
penegakan hukum atau sitaan BKSDA, penyerahan oleh masyarakat dan serahan
dari lembaga lain atau translokasi. Translokasi merupakan mutasi siamang antar
lembaga konservasi ek situ. Asal siamang dari translokasi banyak terdapat di
KSP karena lembaga ini secara khusus merehabilitasi siamang dan owa yang akan
dilepasliarkan.
Tabel 3 Asal siamang sumatera yang dijadikan objek penelitian
No Asal Siamang Sumatera Jumlah (ekor) %

1 Sitaan BKSDA 3 7,5
2 Serahan masyarakat 6 15
3 Serahan dari lembaga lain (translokasi) 28 70
4 Lahir di pusat rehabilitasi/ penyelamatan 3 7,5
Total 40 100
Tabel 3 menunjukkan bahwa 70% siamang berasal dari translokasi dan

sebagian kecil yang lahir atau berasal dari pusat rehabilitasi/penyelamatan.
Persentase ini menunjukkan bahwa hanya beberapa ekor siamang yang diketahui
umurnya dengan pasti, sedangkan umur siamang yang lain merupakan hasil
pendugaan oleh tenaga ahli dari lembaga yang bersangkutan.
30
Tabel 4 Pembagian siamang sumatera yang diukur di lapangan berdasarkan kelas

umur
Umur Jumlah Sampel (ekor)
Kelas Umur Total
(tahun) ♂ % ♀ %
1 1 2,5 - - 1 2,5
2 I 1 2,5 1 2,5 2 5
3 (Bayi dan Anak) - - - - - -
4 - - - - - -
5 II 1 2,5 1 2,5 2 5
6 (Muda/Remaja) 1 2,5 1 2,5 2 5
7 III 1 2,5 2 5 3 7,5
8 (Sub Dewasa) 4 10 4 10 8 20
9 5 12,5 1 2,5 6 15
10 3 7,5 2 5 5 12,5
11 1 2,5 1 2,5 2 5
12 IV 2 5 1 2,5 3 7,5
13 (Dewasa) 1 2,5 - - 1 2,5
14 2 5 2 5 4 10
15 1 2,5 - - 1 2,5
Jumlah 24 60 16 40 40 ekor 100%
Tabel 4 menunjukkan bahwa hanya terdapat 15 tingkatan umur siamang

yang diperoleh dari penelitian ini. Sesuai dengan batasan penelitian maka model
matematika yang terbentuk hanya dapat menduga umur sesuai tingkatan umur
yang dianalisis. Apabila dipisahkan antara jantan dan betina, pendugaan umur
siamang jantan hanya berlaku untuk umur 1-15 tahun dan 2-14 tahun untuk
siamang betina. Apabila digabungkan antara jantan dan betina, maka pendugaan
umur hanya berlaku sampai 15 tahun. Hal ini berarti pendugaan umur di atas 15
tahun pada siamang jantan dan gabungan antara jantan dan betina serta 14 tahun
untuk siamang betina dinyatakan tidak valid.
Karakteristik Morfometrik Siamang Sumatera
Rata-rata panjang badan dan kepala (PB) siamang dari umur 1-15 tahun
adalah 48,59 cm, nilai minimumnya 19 cm pada umur 1 tahun dan maksimum
pada umur 9 tahun sebesar 64 cm (Tabel 5). Rata-rata PB siamang jantan 48,16
cm dan rata-rata PB siamang betina 49,23 cm. Gambar 7 menunjukkan bahwa
ukuran PB siamang meningkat pesat dari umur 1-6 tahun atau pada kelas KU I
dan II, hasil ini sesuai dengan masa pertumbuhan makhluk hidup yang tinggi di
masa bayi dan remaja kemudian lebih stabil hingga umur 15. Hasil pengukuran
parameter morfometrik siamang disajikan pada Lampiran 1, 2 dan 3.
31
Gambar 6 Pengukuran siamang sumatera di lapangan.
Menurut Napier dan Napier (1967) rata-rata PB siamang jantan adalah 53,30
cm atau berkisar 46,80-84,60 cm, sedangkan rata-rata PB siamang betina adalah
54,20 cm atau berkisar 46,00-63,00 cm dengan persentase perbandingan PB antara
jantan dan betina adalah 101,69%. Rata-rata PB siamang jantan dewasa 50,49 cm
atau berkisar 35,60-64,00 cm, sedangkan rata-rata PB siamang betina adalah
51,30 cm atau berkisar 45,20–58,50 cm dengan persentase perbandingan PB
antara jantan dan betina adalah 101,60%. Apabila rata-rata PB di atas
dibandingkan, maka hasil PB dalam penelitian ini mempunyai nilai yang lebih
kecil, tetapi jika persentase perbandingan PB antara jantan dan betina
dibandingkan maka nilai perbandingan hasil kedua penelitian ini hampir sama.
Hasil perbandingan yang hampir sama ini menunjukkan bahwa teknik pengukuran
PB dalam penelitian ini telah benar, sedangkan perbedaan nilai rata-rata PB dapat
disebabkan oleh perbedaan dari jumlah dan tingkatan umur siamang yang teliti.
Apabila PB siamang dibandingkan dengan PB bekantan (Nasalis lavartus),
maka ukuran badan siamang lebih pendek. Pada KU bayi, bekantan mempunyai
PB sekitar 32 cm dan pada KU dewasa yang mempunyai ukuran badan yang lebih
tinggi dimana jantan mempunyai PB 65,50 cm dan betina 56,25 cm, sedangkan
siamang jantan dewasa mempunyai PB rata-rata 46,81 cm dan betina dewasa
51,30 cm. Ukuran tubuh siamang yang lebih pendek ini dimungkinkan karena
berat badan bekantan yang jantan dewasa sekitar 20 kg dan betina dewasa 10 kg
(Bennet dan Sebastian 1988 dalam Bismarck 1994) sedangkan siamang jantan
dewasa mempunyai berat sekitar 10-12 kg dan betina mempunyai ukuran sedikit
lebih kecil (PPA 1978).
32
Tabel 5 Karakteristik panjang badan siamang sumatera berdasarkan kelas umur
Umur Jumlah Sampel Panjang Badan

No Kelas Umur
(tahun) (ekor) (cm)
1 Bayi dan anak 1-4 3 19,00–35,10
2 Muda/remaja 5-6 4 44,50–53,40
3 Sub dewasa 7-8 11 42,40–57,50
4 Dewasa 9 ke atas 22 35,60–64,00
Jumlah 40
80
70 PL
PB
LD
60
Ukuran bagian tubuh (cm)
PK
LK
50
LM
LbB
40
PTT
PTK
30
PCr
TCr
20
LbC
LTK
10 LTT
0
1 2 5 6 7 8 9 10 11 12 13 14 15
Umur (tahun)
Gambar 7 Ukuran bagian tubuh siamang sumatera yang dijadikan parameter

morfometrik untuk menduga umur.
Panjang Lengan (PL) siamang rata-rata 56,34 cm, PL merupakan gabungan

dari panjang humerus, radius dan carpus. Rata-rata PL siamang jantan adalah
56,45 cm sedangkan rata-rata PL siamang betina adalah 56,19 cm. Pada Gambar
7 disajikan ukuran PL siamang yang meningkat pesat dari umur 1-6 tahun, hasil
ini sama dengan peningkatan ukuran PB, selanjutnya ukuran PL lebih stabil tetapi
pada umur 11-13 tahun terjadi fluktuasi.
Menurut Nowak (1999) PL siamang dapat mencapai 150 cm, sedangkan
dalam penelitian ini PL terpanjang sebesar 67,60 cm pada siamang jantan berumur
14 tahun. Perbedaan yang cukup besar ini terjadi karena perbedaan tingkatan
umur dan jumlah siamang yang dijadikan objek penelitian. Pada Gambar 7
ditunjukkan ukuran PL siamang umur 13 hingga 15 tahun masih meningkat.
Lengan merupakan salah satu penciri famili Hylobatidae, dimana lengan-
lengan dari jenis-jenis famili ini sangat panjang yaitu 230-243% dari panjang
33
tubuhnya (Lekagul dan McNeely 1977). Berdasarkan hasil perbandingan,

diperoleh PL siamang 115,89% dari PBnya. Perbedaan terjadi karena penelitian
ini menggunakan ukuran panjang tubuh yang merupakan gabungan badan dan
kepala, sedangkan hasil penelitian dalam Lekagul dan McNeely (1977) hanya
menggunakan ukuran panjang badan tanpa ukuran panjang kepala.
Tabel 6 Karakteristik panjang lengan siamang sumatera berdasarkan kelas umur
Umur Jumlah Sampel Panjang Lengan

No Kelas Umur
(tahun) (ekor) (cm)
1 Bayi dan anak 1-4 3 18,00–37,70
2 Muda/remaja 5-6 4 53,90–64,50
3 Sub dewasa 7-8 11 48,90–66,60
4 Dewasa 9 ke atas 22 46,80–67,60
Jumlah 40
Panjang Kaki (PK) siamang rata-rata 42,79 cm, PK merupakan gabungan

dari panjang femur dan tibia. Rata-rata PK siamang jantan adalah 42,55 cm
sedangkan rata-rata PK siamang betina adalah 43,15 cm. PK terpendek adalah
14,90 cm pada bayi siamang jantan umur 1 tahun sedangkan PK terpanjang adalah
51,00 cm pada siamang jantan umur 15 tahun (Tabel 7).
Apabila dibandingkan antara rata-rata PL dengan PK, diketahui bahwa
lengan siamang jantan lebih panjang daripada kakinya yaitu 0,76% begitu pula
dengan siamang betina yaitu 0,77% atau PL siamang 3/4 lebih panjang dari
PKnya. Hasil ini sesuai dengan penelitian dalam Lekagul dan McNeely (1977)
bahwa PL famili Hylobatidae lebih panjang sekitar 2/3-3/4 PKnya. Panjangnya
lengan siamang dibandingkan kakinya menandakan siamang lebih banyak
menggunakan lengan dalam melakukan pergerakan. Hasil perbandingan PL dan
PK diketahui bahwa indeks intermembral siamang yaitu 131,44. Menurut Napier
dan Napier (1967), apabila primata mempunyai nilai indeks intermembral dari
100-150 maka dikategorikan sebagai primata yang bergerak dengan cara
brachiation.
34
Tabel 7 Karakteristik panjang kaki siamang sumatera berdasarkan kelas umur
Umur Jumlah Sampel Panjang Kaki

No Kelas Umur
(tahun) (ekor) (cm)
1 Bayi dan anak 1-4 3 14,90–29,20
2 Muda/remaja 5-6 4 40,30–47,10
3 Sub dewasa 7-8 11 37,80–49,30
4 Dewasa 9 ke atas 22 39,80–51,00
Jumlah 40
Lingkar kepala (LK), lingkar muka (LM), panjang cranial (PCr), tinggi
cranial (TCr) dan lebar cranial (LbC) merupakan morfometrik yang diukur di
bagian kepala. Rata-rata LK siamang adalah 31,163 cm, rata-rata LM adalah
29,79 cm, rata-rata PCr adalah 10,03 cm, rata-rata TCr adalah 8,25 dan rata-rata
LbC adalah 7,59 cm. Kepala merupakan bagian dari evolusi makhluk hidup,
kepala adalah tempat terletaknya otak dan volume otak dapat menjadi pembeda
antara makhluk hidup. Pada Gambar 7 ditunjukkan bahwa terjadi peningkatan
ukuran bagian kepala siamang hingga berumur 15 tahun.
Tabel 8 Karakteristik lingkar kepala dan lingkar muka siamang sumatera

berdasarkan kelas umur
Umur Jumlah Sampel Lingkar Kepala Lingkar Muka

No Kelas Umur
(tahun) (ekor) (cm) (cm)
1 Bayi dan anak 1-4 3 21,30-27,10 18,20-25,20
2 Muda/remaja 5-6 4 30,10-31,60 28,60-29,30
3 Sub dewasa 7-8 11 28,10-33,00 27,10-33,50
4 Dewasa 9 ke atas 22 30,10-34,90 28,40-32,90
Jumlah 40
Tabel 9 Karakteristik panjang, tinggi dan lebar cranial siamang sumatera

Umur Jumlah Cranial (cm)

No Kelas Umur
(tahun) Sampel Panjang Tinggi Lebar
1 Bayi dan anak 1-4 3 6,31-7,93 5,22-7,29 5,28-6,89
2 Muda/remaja 5-6 4 8,94-9,40 7,04-8,60 6,95-8,06
3 Sub dewasa 7-8 11 8,20-12,20 7,63-9,64 6,48-8,87
4 Dewasa 9 ke atas 22 8,62-12,20 7,01-11,10 6,98-8,94
Jumlah 40
Lingkar dada (LD) siamang rata-rata 45,84 cm dengan rata-rata LD siamang

jantan 46,36 cm sedangkan siamang betina 45,07 cm. Rata-rata lebar bahu (LbB)
adalah 15,28 cm. Pada Gambar 7, 8 dan 9 ditunjukkan bahwa hingga umur 6
35
tahun morfometrik siamang masih menunjukkan peningkatan, selanjutnya hingga

umur 15 tahun LD masih menunjukkan peningkatan sedangkan LbB lebih
berfluktuasi. Apabila LbB siamang dibandingkan dengan LbB bekantan pada
semua KU, maka bekantan mempunyai ukuran yang lebih besar dimana ukuran
LbB bekatan KU I adalah sekitar 12,00 cm, KU II sekitar 14,00 cm, KU III adalah
14,00-16,67 cm dan KU adalah IV 17,89-26,10 cm (Bismarck 1994).
Tabel 10 Karakteristik lingkar dada dan lebar bahu siamang sumatera

Umur Jumlah Sampel Lingkar Dada Lebar Bahu
No Kelas Umur
(tahun) (ekor) (cm) (cm)
1 Bayi dan anak 1-4 3 16,90-36,10 5,60-11,80
2 Muda/remaja 5-6 4 42,40-49,20 12,80-17,90
3 Sub dewasa 7-8 11 39,10-53,10 9,30-17,80
4 Dewasa 9 ke atas 22 41,90-56,50 10,40-25,00
Jumlah 40
80
PL
70 PB
LD
60
Ukuran bagian tubuh (cm )
PK
LK
50
LM
LbB
40
PTT
30 PTK
PCr
20 TCr
LbC
10 LTK
LTT
0
1 2 5 6 7 8 9 10 11 12 13 14 15
Umur (tahun)
Gambar 8 Ukuran bagian tubuh siamang sumatera jantan yang dijadikan

parameter morfometrik untuk menduga umur.
Panjang telapak tangan (PTT) berkisar dari 6,63 cm pada umur 1 tahun dan
19,30 cm pada usia 14 tahun, peningkatan PTT ini hampir tiga kali lipat. Lebar
telapak tangan (LTT) berkisar dari 1,34 cm pada umur 1 tahun dan 4,12 cm pada
usia dewasa, peningkatan ukuran organ ini lebih dari tiga kali lipat. Hampir sama
dengan ukuran tubuh yang lain, ukuran PTT dan LTT meningkat pesat hingga
umur 6 tahun, selanjutnya hingga umur ke 15 tahun PTT dan LTT cenderung
stabil seperti yang ditunjukkkan pada Gambar 7.
36
Tabel 11 Karakteristik panjang dan lebar telapak tangan siamang sumatera

Umur Jumlah Sampel Telapak Tangan (cm)

No Kelas Umur
(tahun) (ekor) Panjang Lebar
1 Bayi dan anak 1-4 3 6,63-12,90 1,34-2,49
2 Muda/remaja 5-6 4 14,10-16,70 2,91-3,25
3 Sub dewasa 7-8 11 14,70-18,20 2,71-3,35
4 Dewasa 9 ke atas 22 14,40-19,30 2,05-4,12
Jumlah 40
Panjang telapak kaki (PTK) berkisar dari 6,20 cm pada umur 1 tahun dan
18,70 cm pada usia 15 tahun, peningkatan PTK ini tiga kali lipat. Lebar telapak
kaki (LTK) berkisar dari 1,33 cm pada umur 1 tahun dan 6,20 cm pada usia
dewasa, peningkatan ukuran organ ini hampir lima kali lipat. Rata-rata PTK
adalah 15,646 cm dan PTT adalah 15,723, hasil rata-rata menunjukkan bahwa
telapak tangan lebih panjang dibandingkan telapa kaki. Hasil ini disebabkan
siamang lebih banyak menggunakan tangan untuk menggenggam cabang pohon
dalam bergerak daripada kaki yang sekali-sekali digunakan untuk menggenggam
dan berjalan di cabang-cabang pohon.
70
PL
PB
60
LD
Ukuran bagian tubuh (cm )
PK
50
LK
LM
40
LbB
PTT
30
PTK
PCr
20
TCr
LbC
10
LTK
LTT
0
2 5 6 7 8 9 10 11 12 14
Umur (tahun)
Gambar 9 Ukuran bagian tubuh siamang sumatera betina yang dijadikan

parameter morfometrik untuk menduga umur.
37
Tabel 12 Karakteristik panjang dan lebar telapak kaki siamang sumatera

Umur Jumlah Sampel Telapak Kaki (cm)

No Kelas Umur
(tahun) (ekor) Panjang Lebar
1 Bayi dan anak 1-4 3 6,20-12,57 1,33-2,72
2 Muda/remaja 5-6 4 13,70-17,20 3,26-3,52
3 Sub dewasa 7-8 11 13,20-18,90 2,83-4,42
4 Dewasa 9 ke atas 22 14,80-18,70 2,91-6,20
Jumlah 40
Pada Gambar 7, 8 dan 9 ditunjukkan bahwa morfometrik siamang

meningkat secara signifikan hingga umur 6 tahun kemudian pada tahun
berikutnya lebih stabil. Hasil ini sesuai dengan pendapat Bertalanffy (1939)
dalam Jachman (1984) yang menyatakan bahwa vertebrata mempunyai
pertumbuhan ukuran morfologikal yang linear sejalan dengan peningkatan umur
dan pernyataan Giles (1981) bahwa ukuran tubuh akan berkembang sesuai dengan
bertambahnya umur hingga pada suatu titik akan mencapai kematangan dan tidak
akan membesar lagi. Dalam penelitian ini tidak diketahui pada usia berapa
pertumbuhan siamang akan stabil karena terbatasnya umur sampel yang diteliti,
tetapi menurut Young (1981) pertumbuhan pada gibbon berlanjut hingga pada
umur 9 tahun.
Tabel 13 Rata-rata ukuran tubuh siamang sumatera
Parameter Rata-rata Morfometrik Siamang Sumatera (cm) Selisih Morfometrik

Morfometrik ♂ ♀ ♂ dan ♀ ♂ dan ♀
PB 48,163 49,225 48,588 -1,063
PCr 9,485 9,096 9,33 0,388
TCr 8,260 8,229 8,248 0,032
LbC 7,699 7,435 7,594 0,264
LD 46,358 45,069 45,843 1,290
LbB 14,975 15,744 14,713 -0,769
PTT 15,618 15,881 15,723 -0,264
LTT 3,013 2,921 2,976 0,092
PTK 15,857 15,330 15,646 0,527
LTK 3,593 3,656 3,619 -0,065
LK 31,213 31,088 31,163 0,125
LM 29,567 30,144 29,798 -0,577
PL 56,447 56,188 56,343 0,260
PK 42,546 43,150 42,788 -0,604
Rata-rata morfometrik siamang pada Tabel 13 menunjukkan bahwa betina

mempunyai morfometrik yang lebih besar dibandingkan jantan pada 6 parameter
morfometrik yaitu PB, LbB, PTT, LTK, LM dan PK. Selisih morfometrik antara
38
jantan dan betina yang ditunjukkan pada Tabel 13 tidak besar, sehingga dapat
disimpulkan bahwa seksual dimorphism pada siamang tidak terlalu terlihat. Hasil
ini sesuai dengan pendapat Napier dan Napier (1986) yang menyatakan bahwa
terdapat sedikit perbedaan ukuran tubuh antara jantan dan betina pada famili
Hylobatidae.

Siamang Sumatera Jantan
Sebelum dilakukan analisis, data parameter morfometrik perlu di uji

kevaliditasan dan reliabilitasnya. Hasil uji menunjukkan bahwa parameter
morfometrik yang digunakan dalam penelitian ini valid dan reliabel dengan nilai
koefisien korelasi pada uji validitas dan koefisien alpha hitung pada uji reliabilitas
lebih besar dari 0,500 (Lampiran 4 dan 5). Dengan demikian semua parameter
morfometrik yang digunakan untuk menduga umur siamang dapat digunakan dan
dipercaya untuk mengumpulkan data yang diperlukan.
Pada uji linearitas garis regresi, diperoleh hasil semua parameter
morfometrik berbentuk linear kecuali pada parameter lebar bahu dan panjang
telapak tangan yang ditunjukkan oleh nilai signifikasi lebih besar dari 0,05 atau
alpha (Lampiran 6 dan 7). Apabila garis yang diperoleh berbentuk linear maka
disimpulkan bahwa parameter dapat digunakan untuk memprediksi umur siamang.
Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera

Jantan
Data-data hasil pengukuran selanjutnya di analisis faktor. Analisis
dilakukan untuk mengetahui apakah parameter layak untuk diproses lebih lanjut
ke dalam regresi. Kelayakan tersebut dapat dilihat dari besarnya nilai K-M-O
MSA, apabila nilai K-M-O MSA lebih besar dari 0,500 maka parameter
morfometrik dapat diproses lebih lanjut.
Tabel 14 KMO dan Bartlett's Test untuk data siamang sumatera jantan
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,862

Approx. Chi-Square 516,817
Bartlett's Test of Sphericity Df 91
Sig. 0,000
39
Component Plot in Rotated Space
X10
0.9
X8
X3 X1
X5
0.6
X6 X2
X11
X13
X4 X7
X9
0.3
Component 2
X14 X12
0.0
-0.3
-0.6
-0.9
-0.9 -0.6 -0.3 0.0 0.3 0.6 0.9
Component 1
Gambar 10 Komponen Plot dalam Rotated Space untuk data siamang sumatera
jantan.
Pada Tabel 14 ditunjukkan nilai K-M-O MSA adalah 0,862 atau lebih besar
dari 0,50 dengan nilai signifikasi 0,000, maka ditafsirkan bahwa data-data hasil
pengukuran morfometrik siamang jantan dapat diproses lebih lanjut dalam regresi.
Pada Tabel Anti-image Matrices pada ruang korelasi anti-image (Lampiran 8)
ditunjukkan tidak terdapat nilai yang berinisial a (MSA) yang lebih kecil dari
0,50, sehingga tidak ada parameter yang harus dikeluarkan dari persamaan. Pada
Gambar 10 disajikan bahwa semua parameter morfometrik berkumpul dalam satu
ruang yang menandakan bahwa dari semua parameter dapat diwakili oleh satu
parameter saja. Model matematik yang terbentuk dari parameter morfometrik
siamang jantan untuk menduga umur yaitu:
Y = - 12,101 + 0,115 X1 + 0,437 X2 – 1,935 X3 – 2,804 X4 + 0,392 X5 + 0,212

X6 – 1,658 X7 – 6,214 X8 + 2,028 X9 + 0,829 X10 + 0,363 X11 + 1,753 X12 +
0,049 X13 – 0,674 X14
Pada Tabel 15 disajikan nilai koefisien determinasi (R2) dari model

matematik di atas sangat tinggi sebesar 0,849 atau 84,90% yang berarti bahwa
sumbangan parameter morfometrik terhadap umur sangat besar dan dapat
digunakan menjadi model matematik. Tetapi melalui uji t (Tabel 17) ditunjukkan
bahwa dari semua parameter yang dimasukkan dalam model regresi hanya
parameter lingkar muka (X12) yang berpengaruh signifikan dengan nilai signifikasi
<0,05. Melalui nilai-nilai tersebut, model matematika di atas diindikasikan
memiliki masalah multikolinearitas antar parameter morfometrik.
40
Tabel 15 Model rekapitulasi analisis regresi untuk menduga umur siamang

sumatera jantan
Adjusted Std. Error of Sig. F Durbin-
Model R R Square
R Square the Estimate Change Watson
1 0,921(a) 0,849 0,613 2,141 0,029 1,054
Tabel 16 ANOVA untuk menduga umur siamang sumatera jantan
Sum of
Model df Mean Square F Sig.
Squares
1 Regression 231,366 14 16,526 3,605 0,029(a)
Residual 41,259 9 4,584
Total 272,625 23
Tabel 17 Kofisien-kofisien analisis regresi untuk menduga umur siamang

sumatera jantan
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) -12,101 11,373 -1,064 0,315
X1 0,115 0,206 0,340 0,561 0,589
X2 0,437 1,130 0,157 0,387 0,708
X3 -1,935 1,612 -0,640 -1,200 0,261
X4 -2,804 1,958 -0,673 -1,432 0,186
X5 0,392 0,202 1,057 1,938 0,085
X6 0,212 0,302 0,240 0,702 0,501
X7 -1,658 0,777 -1,395 -2,135 0,062
X8 -6,214 2,827 -1,056 -2,198 0,055
X9 2,028 0,949 1,825 2,137 0,061
X10 0,829 1,060 0,248 0,783 0,454
X11 0,363 0,635 0,329 0,571 0,582
X12 1,753 0,741 1,720 2,366 0,042
X13 0,049 0,332 0,178 0,149 0,885
X14 -0,674 0,608 -1,718 -1,109 0,296
Pada Tabel 15 ditunjukkan bahwa nilai Durbin-Watson (DW) yang

diperoleh dari pengujian adalah 1,054. Rietveld dan Sunaryanto (1994) dalam
Sudarmanto (2005) menyatakan apabila nilai DW mendekati angka 2, maka dapat
dinyatakan bahwa data pengamatan tidak memiliki autokorelasi, bila sebaliknya
maka dinyatakan memiliki autokorelasi. Dari nilai DW model matematika di atas
yang menjauhi nilai 2 berarti antar parameter morfometrik memiliki autokorelasi,
hasil ini menunjukkan bahwa model matematika belum layak digunakan untuk
menduga umur siamang jantan.
41
Pendugaan Umur Siamang Sumatera Jantan (1-15 Tahun)
Untuk memperoleh parameter morfometrik yang paling menentukan dalam

menduga umur siamang jantan maka dilakukan pengurangan parameter yang
berkorelasi tinggi terhadap faktor umur dengan tujuan untuk mendapatkan satu
persamaan regresi yang paling baik. Berdasarkan hasil analisis statistik yang
menghasilkan model matematika di atas yang ternyata memiliki masalah
multikolinearitas dan autokorelasi antar parameter maka dilakukan analisis
statistik regresi linear berganda dengan metode stepwise. Hasil analisis dengan
metode stepwise diperoleh parameter yang paling menentukan untuk menduga
umur siamang jantan, sebagai berikut :
Y = - 14,546 + 0,801 X12
Pada Tabel 18 ditunjukkan nilai R2 dari model matematika di atas sebesar

0,617 yang berarti bahwa pengaruh X12 (lingkar muka atau LM) terhadap umur
cukup kuat sehingga dapat digunakan menjadi model matematika. Pada Tabel 19
ditunjukkan nilai Fhitung sebesar 35,483 dengan df1 = 1 dan df2 = 22, berdasarkan
tabel F pada tingkat alpha 5% dengan df di atas maka diketahui Ftabel sebesar 4,30,
karena Fhitung > Ftabel yaitu 35,483 > 4,30 dapat disimpulkan bahwa secara
signifikan dan positif terdapat pengaruh LM terhadap umur. Analisis terhadap
kemungkinan kesalahan untuk menerima H1 adalah sebesar 0,00% sebagaimana
ditunjukkan pada sig. F change pada model rekapitulasi (Tabel 18).
Tabel 18 Model rekapitulasi analisis regresi dengan metode stepwise untuk

menduga umur siamang sumatera jantan
Adjusted Sig. F Std. Error of the

Model R R Square
R Square Change Estimate
1 0,786(a) 0,617 0,600 0,000 2,178
Tabel 19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera jantan
Sum of
Squares
1 Regression 168,286 1 168,286 35,483 0,000(a)
Residual 104,339 22 4,743
Total 272,625 23
42
Tabel 20 Koefisien-koefisien analisis regresi dengan metode stepwise untuk

menduga umur siamang sumatera jantan
B Std. Error Beta
1 (Constant) -14,546 3,999 -3,638 0,001
X12 0,801 0,134 0,786 5,957 0,000
Melalui uji t (Tabel 20) ditunjukkan bahwa lingkar muka berpengaruh

sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-
nilai di atas, maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas. Hasil ini sesuai dengan Gambar 10 yang menunjukkan bahwa
dari semua parameter yang diukur hanya dapat diwakili satu parameter saja karena
terdapat masalah multikolinearitas.
Scatterplot Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y Dependent Variable: Y
2 1.0
Regression Studentized Deleted
0.8
Expected Cum Prob
(Press) Residual
0.6
0
0.4
0.2
-2
0.0
-4 -2 0 0.0 0.2 0.4 0.6 0.8 1.0
Regression Standardized Predicted Value Observed Cum Prob
Gambar 11 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk
menduga umur siamang jantan.
Dari nilai R2 pada Tabel 18 yang berarti 61,70% umur siamang jantan dapat
dijelaskan oleh parameter lingkar muka, sedangkan sisanya sebesar 38,30%
dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika
ini.
Pada Gambar 11, Grafik Scatterplot menunjukkan bahwa titik-titik yang
digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu.
Melalui grafik ini ditunjukkan bahwa model matematika diindikasikan tidak
memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut varian
residual dari satu pengamatan ke pengamatan yang lain adalah tetap atau
43
homoskedastisitas. Hasil ini menunjukkan bahwa model matematika layak

digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar
muka. Melalui Grafik Normal P-P Plot pada Gambar 11, diketahui bahwa titik-
titik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut membentuk
garis diagonal, sehingga dapat dikatakan model matematika yang ada memenuhi
asumsi normalitas.
Dari model matematika dapat dijelaskan bahwa pertambahan umur
berbanding lurus positif dengan pertambahan lingkar muka. Harga koefisien
konstanta = -14,546 yang berarti apabila ukuran lingkar muka sama dengan nol,
maka umur akan sebesar -14,546%. Harga koefisien b12 = 0,801 yang berarti
apabila pengukuran lingkar muka mengalami kenaikan sebesar satu cm, maka
umur akan meningkat sebesar 0,801 tahun.
Hasil analisis di atas menunjukkan bahwa lingkar muka merupakan
parameter yang paling menentukan dalam menduga umur siamang jantan dari 1-
15 tahun. Hasil ini sesuai dengan pendapat Frandson (1992) yang menyatakan
bahwa banyak pengamatan yang menunjukkan adanya perbedaan antar spesies
terutama pada bagian kepala dan tergantung dari variasi pada pars fasialis
kranium.
Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun)
Berdasarkan Gambar 8 dilakukan analisis statistik untuk memperoleh

parameter yang paling menentukan dalam menduga umur siamang jantan hingga
umur 6 tahun. Hasil analisis menghasilkan model matematika sebagai berikut:
Y = -2,091 + 0,496 X7
Pada Tabel 21 disajikan nilai R2 dari model matematika di atas sebesar

0,994 yang berarti bahwa pengaruh panjang telapak tangan (X7) terhadap umur
sangat besar sehingga dapat digunakan menjadi model matematika. Pada Tabel
30 disajikan nilai Fhitung sebesar 344,726 dan Ftabel sebesar 18,51, karena Fhitung >
Ftabel maka hasilnya disimpulkan bahwa secara signifikan dan positif terdapat
pengaruh panjang telapak tangan terhadap umur siamang jantan hingga umur 6
tahun.
44

menduga umur siamang sumatera jantan hingga umur 6 tahun
Adjusted R Std. Error of
Model R R Square Sig. F Change
Square the Estimate
1 0,997(a) 0,994 0,991 0,221 0,003
siamang sumatera jantan hingga umur 6 tahun
Sum of
Squares
1 Regression 16,902 1 16,902 344,726 0,003(a)
Residual 0,098 2 0,049
Total 17,000 3

menduga umur siamang sumatera jantan hingga umur 6 tahun
B Std. Error Beta
1 (Constant) -2,091 0,321 -6,516 0,023
X7 0,496 0,027 0,997 18,567 0,003
Melalui uji t (Tabel 23) ditunjukkan bahwa panjang telapak tangan

berpengaruh sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05.
Melalui nilai-nilai di atas, maka model matematika diindikasikan tidak memiliki
masalah multikolinearitas. Nilai R2 model matematika di atas sebesar 0,994 yang
berarti bahwa 99,40% umur dapat dijelaskan oleh parameter panjang telapak
tangan, sedangkan sisanya sebesar 0,60% dijelaskan oleh faktor lain yang tidak
dapat dijelaskan dalam model matematika ini.
Hasil analisis di atas menunjukkan bahwa parameter morfometrik yang
paling menentukan untuk menduga umur siamang jantan hingga umur 6 tahun
adalah panjang telapak tangan. Hasil ini sesuai dengan pendapat Young (1981)
yang menyatakan tangan-tangan famili hylobates merupakan kekhususan untuk
melakukan brachiation dengan jari jempol yang pendek dan metacarpal yang
panjang. Hasil ini berbeda dengan parameter penduga umur siamang jantan umur
1-15 tahun dimana parameter yang menentukan adalah lingkar muka.
45

Siamang Sumatera Betina

Betina
Hasil analisis faktor pada Tabel 24, ditunjukkan nilai K-M-O MSA adalah
0,713 atau lebih besar dari 0,50 dengan nilai signifikasi 0,000, maka semua
parameter morfometrik siamang betina yang diukur dapat diproses lebih lanjut
dalam regresi. Pada Tabel Anti-image Matrices ruang korelasi anti-image (Tes I
pada Lampiran 12), terdapat nilai yang berinisial a (MSA) yang lebih kecil dari
0,50 yaitu X6 (lebar bahu) dan X3 (tinggi cranial) sehingga parameter tersebut
harus dikeluarkan dari regresi awal. Selanjutnya dilakukan analisis faktor lanjutan
sampai tidak ditemukan nilai korelasi anti-image yang berinisial a (MSA) yang
tidak lebih kecil dari 0,50.
Tabel 24 KMO dan Bartlett's Test (tes I) untuk data siamang sumatera betina

Bartlett's Test of Sphericity Df 91
Sig. 0,000
Tabel 25 KMO dan Bartlett's Test (tes IV) untuk data siamang sumatera betina
Bartlett's Test of Sphericity df 55
Sig. 0,000
Gambar 12 Komponen Plot dalam Rotated Space (tes IV) untuk data siamang
sumatera betina.
46
Parameter yang dikeluarkan dari tes secara berurutan adalah lebar bahu,
lebar telapak tangan dan tinggi cranial (Tes IV pada Lampiran 12) dan diperoleh
nilai K-M-O MSA sebesar 0,807 atau lebih besar dari 0,50 dengan nilai signifikasi
0,000, maka semua parameter morfometrik siamang betina yang tersisa dapat
diproses lebih lanjut dalam regresi (Tabel 25). Pada Gambar 12 disajikan bahwa
semua parameter morfometrik berkumpul dalam satu ruang yang menandakan
bahwa dari semua parameter dapat diwakili oleh satu parameter saja. Model
matematik yang terbentuk dari 14 parameter sebagai berikut:
Y = 20,648 + 0,237 X1 – 4,747 X2 – 1,291 X3 – 1,947 X4 + 0,460 X5 – 0,197 X6 +

0,135 X7 – 0,540 X8 + 0,967 X9 + 0,669 X10 – 1,211 X11 + 1,139 X12 – 0,160
X13 + 0,498 X14
Pada Tabel 26 disajikan nilai R2 dari model matematika sangat tinggi

sebesar 0,990, berarti bahwa sumbangan parameter morfometrik terhadap umur
sangat besar dan dapat digunakan menjadi model matematika. Tetapi melalui uji t
(Tabel 28) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam
model regresi tidak ada yang signifikan yang ditunjukkan dengan nilai signifikasi
>0,05. Melalui nilai-nilai di atas, model matematika diindikasikan memiliki
masalah multikolinearitas antar parameter morfometrik.

sumatera betina
Adjusted R Std. Error of Durbin-
Square the Estimate Watson
1 0,995(a) 0,990 0,847 1,234 0,290 2,152
Tabel 27 ANOVA untuk menduga umur siamang sumatera betina
Sum of
Squares
1 Regression 147,914 14 10,565 6,933 0,290(a)
Residual 1,524 1 1,524
Total 149,438 15
47
Tabel 28 Koefisien-koefisien analisis regresi untuk menduga umur siamang

sumatera betina
Standardized
Unstandardized Coefficients
Model Coefficients t Sig.
B Std. Error Beta
1 (Constant) 20,648 11,204 1,843 0,317
X1 0,237 0,147 0,428 1,616 0,353
X2 -4,747 1,662 -0,790 -2,856 0,214
X3 -1,291 0,927 -0,301 -1,393 0,396
X4 -1,947 1,784 -0,302 -1,091 0,472
X5 0,460 0,200 0,640 2,298 0,261
X6 -0,197 0,072 -0,461 -2,739 0,223
X7 0,135 0,941 0,047 0,144 0,909
X8 -0,540 1,736 -0,060 -0,311 0,808
X9 0,967 0,658 0,376 1,471 0,380
X10 0,669 0,945 0,144 0,709 0,608
X11 -1,211 0,617 -0,632 -1,964 0,300
X12 1,139 0,492 0,831 2,315 0,260
X13 -0,160 0,227 -0,294 -0,703 0,610
X14 0,498 0,373 0,679 1,336 0,409
Pendugaan Umur Siamang Sumatera Betina (2-14 Tahun)
Untuk memperoleh parameter morfometrik yang paling menentukan dalam

menduga umur siamang betina, maka dilakukan pengurangan parameter
morfometrik yang berkorelasi tinggi terhadap umur dengan tujuan untuk
mendapatkan satu persamaan regresi yang paling baik. Hasil analisis dengan
metode stepwise diperoleh model matematika, sebagai berikut:
Y = - 15,328 + 0,533 X5
Pada Tabel 29 disajikan nilai R2 dari model matematika sebesar 0,551 yang
berarti bahwa pengaruh X5 (lingkar dada) terhadap umur dapat digunakan menjadi
model matematika. Pada Tabel 30 disajikan nilai Fhitung sebesar 17,161 dengan
df1 = 1 dan df2 = 14, berdasarkan tabel F pada tingkat alpha 5% dengan df di atas
maka diketahui Ftabel sebesar 4,60. Karena Fhitung > Ftabel yaitu 17,161 > 4,60 maka
hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh
lingkar dada terhadap umur. Analisis terhadap kemungkinan kesalahan untuk
menerima H1 adalah sebesar 0,1% sebagaimana ditunjukkan pada sig. F change
pada model rekapitulasi (Tabel 29).
48

menduga umur siamang sumatera betina
Adjusted R Std. Error of the
Square Estimate
1 0,742(a) 0,551 0,519 2,190 0,001
siamang sumatera betina
Sum of
Squares
1 Regression 82,298 1 82,298 17,161 0,001(a)
Residual 67,139 14 4,796
Total 149,438 15
1.0
0.8
Expected Cum Prob
(Press) Residual
0.6
0.4
-1
0.2
-2
0.0
-2 -1 0 1 0.0 0.2 0.4 0.6 0.8 1.0
menduga umur siamang sumatera betina.
Tabel 31 Kofisien-kofisien analisis regresi dengan metode stepwise untuk

menduga umur siamang sumatera betina
B Std. Error Beta
1 (Constant) -15,328 5,823 -2,632 0,020
X5 0,533 0,129 0,742 4,143 0,001
Melalui uji t (Tabel 31) ditunjukkan bahwa parameter lingkar dada

berpengaruh signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui
nilai-nilai di atas, maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas. Dari nilai R2 pada Tabel 29 yang berarti 55,10% umur siamang
betina dapat dijelaskan oleh parameter lingkar dada, sedangkan sisanya sebesar
49
44,90% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model
matematika ini.
Melalui grafik ini dapat disimpulkan model matematika diindikasikan tidak
memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut,
varian residual dari satu pengamatan ke pengamatan lain adalah tetap atau
dada. Selanjutnya pada Grafik Normal P-P Plot Gambar 13, diketahui bahwa
titik-titik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut
membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada
memenuhi asumsi normalitas.
Dari model matematika dapat dijelaskan bahwa bahwa pertambahan umur
berbanding lurus positif dengan pertambahan lingkar dada. Harga koefisien
konstanta = -15,328 yang berarti apabila ukuran lingkar dada sama dengan nol,
maka umur akan sebesar -15,328%. Harga koefisien b5 = 0,533 yang berarti
apabila ukuran lingkar dada mengalami kenaikan sebesar satu cm, maka umur
akan meningkat sebesar 0,533 tahun.
Hasil analisis di atas menunjukkan bahwa lingkar dada merupakan
parameter yang paling menentukan untuk menduga umur siamang betina umur 2-
14 tahun. Parameter ini dimungkinkan karena siamang betina mempunyai
tonjolan pada dada sehingga memberikan bentuk yang lebih besar dibandingkan
siamang jantan dan menurut Napier dan Napier (1986) hanya dada-dada monyet-
monyet dunia tua dan ape yang menunjukkan kesamaan dengan dada manusia,
meskipun kurang pada konsentrasi jaringan lemak dan tonjolan keluarnya.
Pendapat ini sejalan dengan pendapat Bertalanffy (1939) dalam Jachman (1984)
bahwa vertebrata mempunyai pertumbuhan ukuran morfologikal yang linier
dengan peningkatan umur.
50
Pendugaan Umur Siamang Sumatera Betina (2-6 Tahun)
Berdasarkan Gambar 9 dilakukan analisis untuk menentukan parameter

morfometrik guna menduga umur siamang betina hingga umur 6 tahun. Hasil
analisis menghasilkan model matematika sebagai berikut:
Y = -15,676 + 0,489 X5

0,999 yang berarti bahwa pengaruh lingkar dada (X5) terhadap umur sangat besar
sehingga dapat digunakan menjadi model matematika. Pada Tabel 33 disajikan
nilai Fhitung sebesar 1160,333 dan Ftabel sebesar 161,45, karena Fhitung > Ftabel maka
hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh
lingkar dada terhadap umur siamang betina hingga umur 6 tahun.

menduga umur siamang sumatera betina hingga umur 6 tahun
Adjusted R Std. Error of
Square the Estimate
1 1,000(a) 0,999 0,998 0,086 0,019
siamang sumatera betina hingga umur 6 tahun
Sum of
Squares
1 Regression 8,659 1 8,659 1160,333 0,019(a)
Residual 0,007 1 0,007
Total 8,667 2

menduga umur siamang sumatera betina hingga umur 6 tahun
B Std. Error Beta
1 (Constant) -15,676 0,590 -26,591 0,024
X5 0,489 0,014 1,000 34,064 0,019
Melalui uji t (Tabel 34) ditunjukkan bahwa lingkar dada berpengaruh cukup
signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-nilai di
atas maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas. Dari nilai R2 model matematika di atas sebesar 0,999 berarti
bahwa 99,90% umur dapat dijelaskan oleh parameter lingkar dada, sedangkan
51
sisanya sebesar 0,10% dijelaskan oleh faktor lain yang tidak dapat dijelaskan
dalam model matematika ini.
Hasil analisis di atas menunjukkan bahwa parameter morfometrik yang
paling menentukan untuk menduga umur siamang betina hingga 6 tahun yaitu
lingkar dada. Parameter ini sama dengan hasil parameter untuk menduga umur
siamang betina umur 2-14 tahun.

Siamang Sumatera
Menurut Lekagul dan McNeely (1977) dalam Nowak (1999), gibbon tidak
memiliki perbedaan seks (sexual dimorphism) yang jelas pada ukuran badan,
tengkorak dan gigi seperti yang biasa ditemukan pada ape besar. Berdasarkan
pada pernyataan di atas, maka dilakukan analisis untuk menentukan umur siamang
yang menggabungkan parameter morfometrik jantan dan betina.
Pada Tabel 35 ditunjukkan nilai K-M-O MSA adalah 0,916 atau lebih besar
dari 0,50 dengan nilai signifikasi 0,000 maka kumpulan parameter morfometrik
siamang dapat diproses lebih lanjut dalam regresi. Sedangkan pada Tabel Anti-
image Matrices ruang korelasi anti-image (Lampiran 16) ditunjukkan nilai yang
berinisial a (MSA) tidak ada yang lebih kecil dari 0,50 sehingga tidak ada
parameter yang harus dikeluarkan dalam persamaan. Pada Gambar 14 disajikan
semua parameter morfometrik berkumpul dalam satu ruang yang menandakan
bahwa dari semua parameter yang diukur dapat diwakili oleh satu parameter saja.
Gambar 14 Komponen Plot dalam Rotated Space untuk data siamang sumatera.
52
Tabel 35 KMO dan Bartlett's Test untuk data siamang sumatera

Bartlett's Test of Sphericity df 91
Sig. 0,000
Model matematika yang terbentuk adalah:
Y = - 3,232 + 0,037 X1 – 0,010 X2 – 0,625 X3 – 2,320 X4 + 0,360 X5 – 0,134 X6

– 0,747 X7 – 1,558 X8 + 0,979 X9 + 0,051 X10 + 0,257 X11 + 0,522 X12 –
0,013 X13 – 0,076 X14
Pada Tabel 36 disajikan nilai R2 dari model matematika di atas cukup tinggi
sebesar 0,685, berarti sumbangan parameter morfometrik terhadap umur cukup
besar dan dapat digunakan menjadi model matematika. Tetapi melalui uji t (Tabel
38) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam model
regresi hanya parameter lingkar dada (X5) yang berpengaruh signifikan dengan
nilai signifikasi <0,05. Melalui nilai-nilai di atas, model matematika ini
diindikasikan memiliki masalah multikolinearitas antar parameter.
sumatera
Adjusted R Std. Error of Sig. F Durbin-
Model R R Square
Square the Estimate Change Watson
1 0,827(a) 0,685 0,508 2,312 0,002 1,048
Tabel 37 ANOVA untuk menduga umur siamang sumatera

Sum of
Squares
1 Regression 290,219 14 20,730 3,877 0,002(a)
Residual 133,681 25 5,347
Total 423,900 39
Tabel 38 Kofisien-kofisien analisis regresi untuk menduga umur siamang

sumatera
B Std. Error Beta
1 (Constant) -3,232 8,475 -0,381 0,706
X1 0,037 0,122 0,096 0,303 0,764
X2 -0,010 0,752 -0,003 -0,013 0,990
X3 -0,625 0,667 -0,187 -0,938 0,357
X4 -2,320 1,310 -0,503 -1,771 0,089
X5 0,360 0,145 0,837 2,484 0,020
X6 -0,134 0,173 -0,141 -0,771 0,448
X7 -0,747 0,559 -0,528 -1,336 0,194
53
X8 -1,558 1,436 -0,237 -1,085 0,288

X9 0,979 0,641 0,746 1,527 0,139
X10 0,051 0,770 0,014 0,066 0,948
X11 0,257 0,465 0,203 0,552 0,586
X12 0,522 0,370 0,472 1,413 0,170
X13 -0,013 0,195 -0,040 -0,066 0,948
X14 -0,076 0,287 -0,167 -0,265 0,793
Pada Tabel 36 ditunjukkan bahwa nilai DW yang diperoleh dalam pengujian

adalah 1,048 yang berarti nilai ini menjauhi angka 2 sehingga model matematika
diduga memiliki autokorelasi, maka model matematika belum layak digunakan
untuk menduga umur siamang.
Pendugaan Umur Siamang Sumatera (1-15 Tahun)
Hasil analisis dengan metode stepwise diperoleh parameter yang paling

menentukan untuk menduga umur siamang, sebagai berikut :
Y = -5,331 + 0,312 X5

0.525 yang berarti bahwa pengaruh lingkar dada (X5) terhadap umur cukup besar
sehingga dapat digunakan menjadi model matematika. Pada Tabel 40 disajikan
nilai Fhitung sebesar 41,940 dengan df1 = 1 dan df2 = 38, berdasarkan tabel F pada
tingkat alpha 5% dengan df di atas diketahui Ftabel sebesar 4,098. Karena Fhitung >
Ftabel yaitu 41,940 > 4,098 dapat disimpulkan bahwa secara signifikan dan positif
terdapat pengaruh lingkar dada terhadap umur.

menduga umur siamang sumatera
Adjusted R Std. Error of the

Model R R Square
Square Estimate
1 0,724(a) 0,525 0,512 2,303
siamang sumatera
Sum of
Squares
1 Regression 222,397 1 222,397 41,940 0,000(a)
Residual 201,503 38 5,303
Total 423,900 39
54

menduga umur siamang sumatera
B Std. Error Beta
1 (Constant) -5,331 2,235 -2,385 0,022
X5 0,312 0,048 0,724 6,476 0,000
Melalui uji t pada Tabel 41 ditunjukkan bahwa lingkar dada berpengaruh

sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-
nilai di atas maka model matematika diindikasikan tidak memiliki masalah
multikolinearitas.
Dari nilai R2 model matematika di atas sebesar 0,525 yang berarti 52,50%
umur dapat dijelaskan oleh parameter lingkar dada, sedangkan sisanya sebesar
47,50% dapat dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model
matematika ini.
1.0
2 0.8
Expected Cum Prob
(Press) Residual
0.6
0 0.4
0.2
-2
0.0
-4 -3 -2 -1 0 1 2 0.0 0.2 0.4 0.6 0.8 1.0
menduga umur siamang sumatera.

Melalui grafik ini ditunjukkan bahwa model matematika diindikasikan tidak
memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut varian
residual dari satu pengamatan ke pengamatan lain adalah tetap atau
55
dada. Selanjutnya pada Grafik Normal P-P Plot Gambar 15, diketahui bahwa
titik-titik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut
membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada
memenuhi asumsi normalitas.
Dari model matematika dapat dijelaskan bahwa pertambahan umur siamang
berbanding lurus positif dengan pertambahan lingkar dada. Harga koefisien
konstanta = -5,331 berarti apabila ukuran lingkar dada sama dengan nol, maka
umur akan sebesar -5,331 tahun. Harga koefisien b5 = 0,312 yang berarti apabila
ukuran lingkar dada mengalami kenaikan sebesar 1 cm, maka umur akan
meningkat sebesar 0,312 tahun.
Hasil analisis di atas menunjukkan bahwa lingkar dada merupakan
parameter yang paling menentukan untuk menduga umur siamang dari 1-15 tahun.
Hasil ini sesuai dengan pendapat Young (1981) yang menyatakan bahwa
kebiasaan melakukan brachiation berpengaruh pada seluruh kerangka tubuh.
Spesialisasi dalam brachiation mempengaruhi rongga dada famili hylobatidae
yang lebih besar dari kera-kera lain, dimana rongga dada yang lebar dan tulang
belikat (skapula) di belakang membuat pusat gaya berat lebih ke tengah tubuh
apabila hewan ini berdiri tegak dan memberi keleluasaan gerak bagi lengan
(Hoeve 1992).
Aplikasi pada Manajemen Populasi
Untuk mencapai tujuan jangka panjang dari konservasi strategi dibutuhkan

taktik-taktik konservasi jangka pendek. Taktik kunci dalam strategi konservasi
primata yaitu sistem-sistem perlindungan kawasan, pemanfaatan yang
berkelanjutan dan penangkaran (Colinsaw dan Dunbar 2000).
Aplikasi dari diketahuinya parameter morfometrik yang paling menentukan
untuk menduga umur siamang dalam strategi konservasi primata adalah
memberikan perhatian khusus pada siamang yang berumur 4-6 tahun dalam
kawasan-kawasan konservasi eksitu karena telah memasuki masa matang seksual,
misalnya mencoba ‘perjodohan’ antara jantan dan betina untuk kepentingan
perkembangbiakkan. Siamang di alam merupakan satwa monogami, untuk itu
56
‘perjodohan’ di kandang perlu dipantau dengan ketat karena ketidakcocokan

pasangan berakibat kematian pada pasangan.
Konservasi eksitu berperan dalam mendukung konservasi insitu berupa
restocking, reintroduksi dan introduksi satwaliar ke alam untuk mendukung
populasi yang ada. Pentingnya ‘perjodohan’ di pusat-pusat rehabilitasi berlanjut
saat pelepasliaran siamang di alam. Pelepasliaran dilakukan secara berpasangan
dengan harapan terjadi perkembangbiakkan di alam, bila tanpa pasangan maka
akan sangat sulit bagi siamang untuk mendapatkan pasangannya sendiri di alam
karena sistem perkawinan yang monogami dan sistem mempertahankan teritori.
Untuk mencapai manfaat dari hasil penelitian ini dan memudahkan aplikasi
di lapangan, maka dibuat tabel pendugaan umur siamang sumatera berdasarkan
pada model matematika guna menduga umur sesuai dengan parameter yang paling
menentukan (Lampiran 19).
SIMPULAN DAN SARAN
Simpulan
1. Parameter morfometrik yang paling menentukan untuk menduga umur

siamang sumatera jantan dari umur 1-15 tahun adalah lingkar muka dengan
model matematika Umur = -14.546 + 0.801 LM, sedangkan untuk umur 1-6
tahun adalah panjang telapak tangan dengan model matematika Umur =
-2.091 + 0.496 PTT.
siamang sumatera betina dari umur 2-14 tahun adalah lingkar dada dengan
model matematika Umur = -15.328 + 0.533 LD, sedangkan untuk umur 2-6
tahun adalah lingkar dada dengan model matematika Umur = -15.676
+ 0.489 LD.
siamang sumatera dari umur 1-15 tahun adalah lingkar dada dengan model
matematika Umur = -5.331 + 0.312 LD.
Saran
Perlu dilakukan penelitian lanjutan, terutama mengukur morfometrik
siamang sumatera yang umurnya belum tercakup dalam penelitian ini. Model-
model matematika di atas sebaiknya harus selalu diperbaharui dengan
menambahkan data-data baru tentang morfometrik siamang sumatera sesuai
dengan umur yang telah ada.
DAFTAR PUSTAKA
Alikodra HS. 1997. Teknik Pengelolaan Satwa Liar dalam Rangka

Mempertahankan Keanekaragaman Hayati Indonesia. Bogor.
Alikodra HS. 2002. Pengelolaan Satwa Liar: Jilid 1. Bogor: Yayasan Penerbit
Fakultas Kehutanan.
Bailey JA. 1984. Principles of Wildlife Management. New York: John Wiley &
Sons Ltd.
Bismarck M. 1994. Analisis Geometri Tubuh Bekantan (Nasalis lavartus). Buletin
Penelitian Hutan 561:41-52.
Brower EJ, Zar JH. 1977. Field and Laboratory Methods for General Ecology.
Iowa: Wm. c. Brown Company Publishers.
Campbell J, Lack E. 1985. A Dictionary of Birds. Vermilion: Buteo Books.
Caughley G. 1977. Analysis of Vertebrata Populations. London: John Wiley &
Sons Ltd.
Chivers DJ. 1977. The Lesser Apes. In Primate Conservation. London: Acad
Press.
Cowlishaw G, Dunbar R. 2000. Primate Conservation Biology. London:
University of Chicago Press.
Frandson RD. 1992. Anatomi dan Fisiologi Ternak. Srigandono B, Praseno K,
penerjemah; Soedarsono, editor. Ed ke-4. Yogyakarta: Gadjah Mada
University Press.
Giles RH. 1981. Wildlfe Management Techniques: Edisi Ketiga. Dehra Dun-India:
Natraj Publishers.
Gittin SP, Raemaekers JJ. 1980. Malayan Forest Primates: Siamang, Lar, and
Agile Gibbons. New York: Plenum Press.
Harvey PH, Martin RD, Clutton-Brock TH. 1987. Life Histories in Comparative
Perpective. Di dalam: Myers LB, Sheffield R, editor. The Pictorial Guide to
The Living Primates. Pogonias Press. East Hampton, New york. 1996. hlm
216.
Hoeve V. 1992. Ensiklopedia Indonesia Seri Fauna-Mamalia. Jakarta: Ichtiar
Baru.
Jachman H. 1984. An Ecology of Elephant in the Kasungu National Park:
Malawi. Rotterdam: Neth. J. of Zoo.
Lekagul B, McNeely JA. 1977. Mammals of Thailand. Bangkok: Kurushapa
Ladprao Press.
Mansjoer I, Mansjoer SS, Sajithi D. 1989. Studi Banding Sifat-sifat Biologis
Ayam Kampung, Ayam Pelung dan Ayam Bangkok [laporan penelitian].
Bogor: Fakultas Peternakan, Institut Pertanian Bogor.
59
Mukhtar AS. 1996. Studi Dinamika Populasi Rusa dalam Menunjang Taman Buru
Pulau Moyo: Provinsi Nusa Tenggara Timur [disertasi]. Bogor: Program
Pascasarjana, Institut Pertanian Bogor.
Myers LB, Sheffield R. 1996. The Pictorial Guide to Living Primates. East
Hampton, New York: Pogonias Press.
Napier JR, Napier PH. 1967. A Hand Book of Living Primates: Morphology,
Ecology, and Behaviour of Non Human Primates. London: Academic Press.
Napier JR, Napier PH. 1986. The Natural History of The Primates.
Massachusetts: The MIT Press.
Nowak MR. 1999. Mammals of The World. Sixth Edition. Volume I. Baltimore
and London: The John Hopkins University Press.
Preuschoft H. 1990. Lesser Apes or Gibbon: Grzimek's Encyclopedia of
Mammals. V:2. New York: McGraw-Hill Inc.
[PPA] Perlindungan dan Pelestarian Alam. 1978. Mamalia di Indonesia:
Pedoman Inventarisasi Satwa. Bogor: Direktorat Jenderal Kehutanan.
Santosa Y. 1993. Strategi Kuantitatif untuk Pendugaan Beberapa Parameter
Demografi dan Kuota Pemanenan Populasi Satwaliar Berdasarkan Perilaku:
Studi Kasus Terhadap Populasi Kera Ekor Panjang (Macaca fascicularis) di
Pulau Tinjil [laporan penelitian]. Bogor: Fakultas Kehutanan, Institut
Pertanian Bogor.
Santosa Y. 1995. Teknik Pengukuran Keanekaragaman Satwaliar. Di dalam:
Bahan Kuliah Pelatihan Teknik Pengukuran dan Monitoring Biodiversity di
Hutan Tropika Indonesi. Bogor: Fakultas Kehutanan, Institut Pertanian
Bogor.
Semiadi G, Nugraha TP. 2005. Panduan Pengamatan Reproduksi pada Mamalia
Liar. Bogor: LIPI.
Sudarmanto RG. 2005. Analisis Regresi Linear Ganda dengan SPSS. Yogyakarta:
Graha Ilmu.
Supranto J. 2004. Analisis Multivariat: Arti dan Interpretasi. Jakarta: PT Rineka
Cipta.
Young JZ. 1981. The Life of Vertebrates: Third Edition. Oxford: Clarendon Press.
LAMPIRAN
61
Lampiran 1 Data ukuran tubuh siamang jantan
No Umur PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PT PK
1 1 19.00 6.31 5.22 5.28 16.90 7.30 6.63 1.37 6.20 1.47 21.30 18.20 18.00 14.90
2 2 23.50 7.35 6.60 6.05 20.20 5.60 7.84 1.34 7.35 1.33 24.30 20.40 22.10 17.00
3 5 44.50 8.94 7.90 7.86 43.60 12.80 14.10 3.08 14.90 3.26 30.10 29.20 53.90 40.80
4 6 53.40 9.37 8.34 8.06 49.20 17.90 16.50 3.25 17.20 3.26 31.50 28.90 64.50 46.00
5 7 53.80 9.54 8.08 7.69 48.50 11.70 15.20 2.95 15.20 2.83 31.20 30.80 63.90 46.90
6 8 47.40 9.01 8.95 7.05 48.90 13.50 16.30 2.96 15.50 3.35 28.40 27.80 48.90 37.80
7 8 54.00 12.20 8.06 7.92 47.10 16.40 16.80 3.30 18.00 4.01 32.40 28.90 62.90 49.30
8 8 53.90 9.47 8.87 8.87 53.10 16.60 18.20 3.08 18.90 3.61 32.90 31.10 66.60 48.80
9 8 49.00 9.62 7.83 7.72 44.10 17.30 18.00 3.03 17.80 3.66 30.90 31.40 61.70 47.70
10 9 64.00 11.02 10.10 8.40 56.50 25.00 17.05 4.12 16.82 5.40 34.50 31.50 60.60 44.00
11 9 48.00 9.28 8.38 7.32 46.10 14.50 14.40 3.49 15.30 4.15 32.00 29.50 58.10 42.30
12 9 44.40 9.36 8.96 8.94 48.60 14.80 16.10 2.96 16.70 3.27 32.40 32.20 61.80 47.30
13 9 49.30 9.42 7.22 7.30 45.90 14.40 16.10 3.22 15.20 4.90 31.40 29.60 58.90 45.60
14 9 49.70 8.81 8.65 7.46 41.90 12.80 14.40 2.93 14.90 3.29 30.10 29.30 53.50 40.80
15 10 45.10 9.88 8.24 7.89 51.60 16.40 17.10 3.29 17.10 4.30 34.10 30.60 58.50 45.30
16 10 47.50 9.33 7.96 7.31 46.90 13.60 16.00 3.00 16.20 3.16 31.80 30.50 56.60 43.40
17 10 50.30 9.54 8.15 7.46 44.60 14.80 18.00 3.08 17.60 3.52 31.20 31.20 56.20 44.50
18 11 61.50 12.20 11.10 8.61 53.30 19.80 17.40 3.61 18.70 6.20 34.50 30.30 64.40 43.40
19 12 53.20 9.43 9.27 7.72 51.90 14.30 17.30 2.73 17.20 4.13 31.80 31.60 63.50 47.00
20 12 35.60 8.62 7.34 7.33 48.00 12.40 14.60 2.82 14.80 3.14 30.10 30.20 46.83 39.80
21 13 46.20 9.35 7.36 7.63 48.80 19.90 16.00 2.99 15.10 3.20 32.20 30.90 58.40 44.40
22 14 52.30 9.11 8.14 8.21 50.80 16.40 15.90 3.22 17.10 3.45 30.20 31.40 60.30 46.40
23 14 55.00 10.16 8.98 7.90 53.30 16.20 19.30 3.22 18.10 3.68 34.90 31.90 67.60 46.70
24 15 55.30 10.32 8.55 8.80 52.80 15.00 15.60 3.27 18.70 3.65 34.90 32.20 67.00 51.00
Rata-rata 48.16 9.49 8.26 7.70 46.36 14.96 15.62 3.01 15.86 3.60 31.21 29.57 56.45 42.55
Min 19.00 6.31 5.22 5.28 16.90 5.60 6.63 1.34 6.20 1.33 21.30 18.20 18.00 14.90
Max 64.00 12.20 11.10 8.94 56.50 25.00 19.30 4.12 18.90 6.20 34.90 32.20 67.60 51.00
keterangan
PB : panjang badan
PCr : panjang cranial
TCr : tinggi cranial
LbC : lebar cranial
LD : lingkar dada
LbB : lebar bahu
PTT : panjang telapak tangan
LTT : lebar telapak tangan
PTK : panjang telapak kaki
LTK : lebar telapak kaki
LK : lingkar kepala
LM : lingkar muka
PL : panjang lengan
PK : panjang kaki
62
Lampiran 2 Data ukuran tubuh siamang betina
No Umur PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PT PK

1 2 35.10 7.93 7.29 6.89 36.10 11.80 12.90 2.49 12.57 2.72 27.10 25.20 37.70 29.20
2 5 52.00 9.24 7.04 6.95 42.40 12.80 15.50 2.91 13.70 3.35 31.10 28.60 57.10 40.30
3 6 49.20 9.40 8.60 7.59 44.20 15.10 16.70 3.08 15.10 3.52 31.60 29.30 60.60 47.10
4 7 57.50 9.53 9.40 8.02 45.00 17.00 16.30 .3.35 15.00 4.20 33.00 33.50 57.50 43.50
5 7 42.40 8.43 7.63 6.48 39.10 15.10 14.90 2.78 13.20 3.08 28.10 27.10 54.20 41.60
6 8 50.30 8.90 8.87 6.95 40.60 14.80 15.50 2.80 15.31 4.42 30.80 29.20 58.30 43.20
7 8 43.20 8.20 9.02 8.30 49.50 17.80 14.70 3.11 15.80 3.78 32.60 29.60 52.90 42.00
8 8 48.20 8.96 8.93 7.39 40.10 9.30 16.40 3.12 16.20 3.36 30.10 29.60 56.50 43.20
9 8 50.60 9.65 8.68 7.65 46.30 13.40 15.20 2.71 15.10 3.41 30.90 32.40 56.50 42.30
10 9 50.10 9.83 8.32 7.97 48.20 15.40 16.10 3.35 16.60 4.09 33.30 32.90 60.00 47.10
11 10 58.50 9.15 7.01 7.75 45.60 14.80 16.40 3.24 15.50 4.20 30.90 28.40 57.30 42.20
12 10 45.20 9.34 8.22 7.36 49.60 13.40 16.90 3.05 16.60 3.36 31.60 29.10 52.40 45.20
13 11 49.90 8.96 8.00 6.98 46.10 19.10 17.20 2.57 16.80 3.23 30.60 31.40 55.20 45.70
14 12 50.60 9.36 8.44 7.75 50.10 17.60 16.40 2.05 16.10 5.45 32.80 32.50 60.10 44.70
15 14 51.70 9.51 8.65 7.62 51.40 11.30 17.20 3.22 15.90 3.44 31.40 32.40 64.70 47.50
16 14 53.10 9.17 7.56 7.31 46.80 10.40 15.80 2.90 15.80 2.91 31.50 31.10 58.00 45.60
Rata-rata 49.22 9.10 8.23 7.44 45.07 15.74 15.88 2.92 15.33 3.66 31.09 30.14 56.19 43.15
Min 35.10 7.93 7.01 6.48 36.10 9.30 12.90 2.05 12.57 2.72 27.10 25.20 37.70 29.20
Max 58.50 9.83 9.40 8.30 51.40 41.90 17.20 3.35 16.80 5.45 33.30 33.50 64.70 47.50
63
Lampiran 3 Data ukuran tubuh siamang jantan dan betina
No Umur PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PL PK
1 1 19.00 6.31 5.22 5.28 16.90 7.30 6.63 1.37 6.20 1.47 21.30 18.20 18.00 14.90
2 2 23.50 7.35 6.60 6.05 20.20 5.60 7.84 1.34 7.35 1.33 24.30 20.40 22.10 17.00
3 2 35.10 7.93 7.29 6.89 36.10 11.80 12.90 2.49 12.57 2.72 27.10 25.20 37.70 29.20
4 5 44.50 8.94 7.90 7.86 43.60 12.80 14.10 3.08 14.90 3.26 30.10 29.20 53.90 40.80
5 5 52.00 9.24 7.04 6.95 42.40 12.80 15.50 2.91 13.70 3.35 31.10 28.60 57.10 40.30
6 6 53.40 9.37 8.34 8.06 49.20 17.90 16.50 3.25 17.20 3.26 31.50 28.90 64.50 46.00
7 6 49.20 9.40 8.60 7.59 44.20 15.10 16.70 3.08 15.10 3.52 31.60 29.30 60.60 47.10
8 7 53.80 9.54 8.08 7.69 48.50 11.70 15.20 2.95 15.20 2.83 31.20 30.80 63.90 46.90
9 7 57.50 9.53 9.40 8.02 45.00 17.00 16.30 3.35 15.00 4.20 33.00 33.50 57.50 43.50
10 7 42.40 8.43 7.63 6.48 39.10 15.10 14.90 2.78 13.20 3.08 28.10 27.10 54.20 41.60
11 8 47.40 9.01 8.95 7.05 48.90 13.50 16.30 2.96 15.50 3.35 28.40 27.80 48.90 37.80
12 8 54.00 12.20 8.06 7.92 47.10 16.40 16.80 3.30 18.00 4.01 32.40 28.90 62.90 49.30
13 8 53.90 9.47 8.87 8.87 53.10 16.60 18.20 3.08 18.90 3.61 32.90 31.10 66.60 48.80
14 8 49.00 9.62 7.83 7.72 44.10 17.30 18.00 3.03 17.80 3.66 30.90 31.40 61.70 47.70
15 8 50.30 8.90 8.87 6.95 40.60 14.80 15.50 2.80 15.31 4.42 30.80 29.20 58.30 43.20
16 8 43.20 8.20 9.02 8.30 49.50 17.80 14.70 3.11 15.80 3.78 32.60 29.60 52.90 42.00
17 8 48.20 8.96 8.93 7.39 40.10 9.30 16.40 3.12 16.20 3.36 30.10 29.60 56.50 43.20
18 8 50.60 9.65 8.68 7.65 46.30 13.40 15.20 2.71 15.10 3.41 30.90 32.40 56.50 42.30
19 9 64.00 11.02 10.1 8.40 56.50 25.00 17.05 4.12 16.82 5.40 34.50 31.50 60.60 44.00
20 9 48.00 9.28 8.38 7.32 46.10 14.50 14.40 3.49 15.30 4.15 32.00 29.50 58.10 42.30
21 9 44.40 9.36 8.96 8.94 48.60 14.80 16.10 2.96 16.70 3.27 32.40 32.20 61.80 47.30
22 9 49.30 9.42 7.22 7.30 45.90 14.40 16.10 3.22 15.20 4.90 31.40 29.60 58.90 45.60
23 9 49.70 8.81 8.65 7.46 41.90 12.80 14.40 2.93 14.90 3.29 30.10 29.30 53.50 40.80
24 9 50.10 9.83 8.32 7.97 48.20 15.40 16.10 3.35 16.60 4.09 33.30 32.90 60.00 47.10
25 10 45.10 9.88 8.24 7.89 51.60 16.40 17.10 3.29 17.10 4.30 34.10 30.60 58.50 45.30
26 10 47.50 9.33 7.96 7.31 46.90 13.60 16.00 3.00 16.20 3.16 31.80 30.50 56.60 43.40
27 10 50.30 9.54 8.15 7.46 44.60 14.80 18.00 3.08 17.60 3.52 31.20 31.20 56.20 44.50
28 10 58.50 9.15 7.01 7.75 45.60 14.80 16.40 3.24 15.50 4.20 30.90 28.40 57.30 42.20
29 10 45.20 9.34 8.22 7.36 49.60 13.40 16.90 3.05 16.60 3.36 31.60 29.10 52.40 45.20
30 11 61.50 12.20 11.10 8.61 53.30 19.80 17.40 3.61 18.70 6.20 34.50 30.30 64.40 43.40
31 11 49.90 8.96 8.00 6.98 46.10 19.10 17.20 2.57 16.80 3.23 30.60 31.40 55.20 45.70
32 12 53.20 9.43 9.27 7.72 51.90 14.30 17.30 2.73 17.20 4.13 31.80 31.60 63.50 47.00
33 12 35.60 8.62 7.34 7.33 48.00 12.40 14.60 2.82 14.80 3.14 30.10 30.20 46.83 39.80
34 12 50.60 9.36 8.44 7.75 50.10 17.60 16.40 2.05 16.10 5.45 32.80 32.50 60.10 44.70
35 13 46.20 9.35 7.36 7.63 48.80 19.90 16.00 2.99 15.10 3.20 32.20 30.90 58.40 44.40
36 14 52.30 9.11 8.14 8.21 50.80 16.40 15.90 3.22 17.10 3.45 30.20 31.40 60.30 46.40
37 14 55.00 10.16 8.98 7.90 53.30 16.20 19.30 3.22 18.10 3.68 34.90 31.90 67.60 46.70
38 14 51.70 9.51 8.65 7.62 51.40 11.30 17.20 3.22 15.90 3.44 31.40 32.40 64.70 47.50
39 14 53.10 9.17 7.56 7.31 46.80 10.40 15.80 2.90 15.80 2.91 31.50 31.10 58.00 45.60
40 15 55.30 10.32 8.55 8.80 52.80 15.00 15.60 3.27 18.70 3.65 34.90 32.20 67.00 51.00
Rata-rata 48.59 9.33 8.25 7.59 45.84 14.71 15.72 2.98 15.65 3.62 31.16 29.80 56.34 42.79
Min 19.00 6.31 5.22 5.28 16.90 5.60 6.63 1.34 6.20 1.33 21.30 18.20 18.00 14.90
Max 64.00 12.20 11.10 8.94 56.50 41.90 19.30 4.12 18.90 6.20 34.90 33.50 67.70 51.00
64
Lampiran 4 Hasil output uji validasi parameter morfometrik siamang sumatera

(H. syndactylus syndactylus Raffles, 1821)
Catatan: Correlations
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Xa

X1 Pearson C 1 .794* .689* .701* .802* .646* .822* .789* .810* .720* .817* .776* .881* .811* .918*
Sig. (1-taile . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X2 Pearson C .794* 1 .660* .684* .723* .614* .710* .731* .772* .715* .797* .628* .753* .702* .805*
Sig. (1-taile .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X3 Pearson C .689* .660* 1 .697* .685* .570* .628* .635* .684* .681* .698* .632* .636* .564* .715*
Sig. (1-taile .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X4 Pearson C .701* .684* .697* 1 .820* .616* .671* .707* .820* .575* .837* .755* .780* .750* .824*
Sig. (1-taile .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X5 Pearson C .802* .723* .685* .820* 1 .687* .863* .781* .903* .664* .895* .864* .874* .873* .941*
Sig. (1-taile .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X6 Pearson C .646* .614* .570* .616* .687* 1 .633* .631* .642* .708* .689* .571* .601* .578* .716*
Sig. (1-taile .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X7 Pearson C .822* .710* .628* .671* .863* .633* 1 .730* .923* .625* .823* .840* .893* .900* .924*
Sig. (1-taile .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X8 Pearson C .789* .731* .635* .707* .781* .631* .730* 1 .760* .633* .783* .669* .762* .741* .821*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X9 Pearson C .810* .772* .684* .820* .903* .642* .923* .760* 1 .636* .870* .843* .903* .917* .942*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X10 Pearson C .720* .715* .681* .575* .664* .708* .625* .633* .636* 1 .730* .585* .632* .568* .722*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X11 Pearson C .817* .797* .698* .837* .895* .689* .823* .783* .870* .730* 1 .861* .882* .858* .931*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X12 Pearson C .776* .628* .632* .755* .864* .571* .840* .669* .843* .585* .861* 1 .871* .897* .904*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X13 Pearson C .881* .753* .636* .780* .874* .601* .893* .762* .903* .632* .882* .871* 1 .962* .969*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000
Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X14 Pearson C .811* .702* .564* .750* .873* .578* .900* .741* .917* .568* .858* .897* .962* 1 .949*
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 Valid
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
Xa Pearson C .918* .805* .715* .824* .941* .716* .924* .821* .942* .722* .931* .904* .969* .949* 1
Sig. (1-taile .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .
N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
**.Correlation is significant at the 0.01 level (1-tailed).
Catatan:
Bila nilai Pearson correlation pada kolom Xa > 0,500 maka parameter
morfometrik dinyatakan sahih.
65
Lampiran 5 Hasil output uji reliabilitas parameter morfometrik siamang sumatera

Case Processing Summary
N %
Cases Valid 40 100.0
Excluded a 0 .0
Total 40 100.0
a. Listwise deletion based on all
variables in the procedure.
Reliability Statistics
Cronbach's
Alpha N of Items
.908 3
Catatan:
Bila nilai Cronbach’s Alpha > 0,500 maka parameter morfometrik dinyatakan
andal.
66
Lampiran 6 Hasil output uji persyaratan regresi linear ganda pada parameter
syndactylus Raffles, 1821)
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X1 Between (Combined) 413.900 37 11.186 2.237 .357
Groups Linearity 126.557 1 126.557 25.311 .037
Deviation from Linearity 287.343 36 7.982 1.596 .460
Within Groups 10.000 2 5.000
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
67
Lanjutan
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Deviation from Linearity 140.075 27 5.188 .617 .851
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
68
Lanjutan
ANOVA Table
Sum of
Total 423.900 39
ANOVA Table
Sum of
Total 423.900 39
Lampiran 7 Ringkasan hasil analisis linearitas garis regresi dan simpulannya

berdasarkan tingkat alpha
Keterangan Signifikasi Alpha Kondisi Simpulan
Y * X1 0,460 0,05 S>A Linear
Y * X2 0,258 0,05 S>A Linear
Y * X3 0,467 0,05 S>A Linear
Y * X4 0,236 0,05 S>A Linear
Y * X5 0,446 0,05 S>A Linear
Y * X6 0,045 0,05 S<A Non linear
Y * X7 0,011 0,05 S<A Non linear
Y * X8 0,113 0,05 S>A Linear
Y * X9 0,851 0,05 S>A Linear
Y * X10 0,148 0,05 S>A Linear
Y * X11 0,595 0,05 S>A Linear
Y * X12 0,909 0,05 S>A Linear
Y * X13 0,277 0,05 S>A Linear
Y * X14 0,331 0,05 S>A Linear
69
Lampiran 8 Hasil output analisis faktor parameter morfometrik untuk menduga

umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)
jantan
KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .862
Bartlett's Test of Approx. Chi-Square 516.817

Sphericity df 91
Sig. .000
Anti-image Matrices
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Anti-image CovX1 .046 -.017 -.023 .020 .002 -.023 .006 -.018 -.001 .013 .015 .000 -.011 .000
X2 -.017 .102 -.025 .008 .021 -.021 9E-005 .009 -.003 -.023 -.045 .032 .016 -.013
X3 -.023 -.025 .059 -.034 -.022 .040 -.004 .003 -.008 -.036 .015 -.021 -.008 .015
X4 .020 .008 -.034 .076 .003 -.058 .034 .014 -.017 .026 -.009 .001 -.003 -.005
X5 .002 .021 -.022 .003 .057 -.013 -.007 -.016 .003 .010 -.015 .001 .005 -.006
X6 -.023 -.021 .040 -.058 -.013 .143 -.035 -.040 .012 -.028 .008 -.005 -.002 .010
X7 .006 9E-005 -.004 .034 -.007 -.035 .039 .017 -.021 -.003 .003 -.009 -.005 .002
X8 -.018 .009 .003 .014 -.016 -.040 .017 .073 -.007 -.041 -.011 -.002 .005 -.003
X9 -.001 -.003 -.008 -.017 .003 .012 -.021 -.007 .023 .005 -.003 .008 .004 -.005
X10 .013 -.023 -.036 .026 .010 -.028 -.003 -.041 .005 .168 -.012 .009 .003 -.005
X11 .015 -.045 .015 -.009 -.015 .008 .003 -.011 -.003 -.012 .051 -.021 -.015 .010
X12 .000 .032 -.021 .001 .001 -.005 -.009 -.002 .008 .009 -.021 .032 .010 -.011
X13 -.011 .016 -.008 -.003 .005 -.002 -.005 .005 .004 .003 -.015 .010 .012 -.007
X14 .000 -.013 .015 -.005 -.006 .010 .002 -.003 -.005 -.005 .010 -.011 -.007 .007
Anti-image Co X1 .911a -.256 -.436 .343 .038 -.285 .148 -.307 -.021 .154 .304 .003 -.471 .015
X2 -.256 .835a -.326 .087 .281 -.170 .001 .103 -.056 -.173 -.619 .569 .468 -.502
X3 -.436 -.326 .773a -.504 -.380 .438 -.087 .046 -.230 -.357 .281 -.476 -.321 .736
X4 .343 .087 -.504 .854a .043 -.557 .624 .185 -.397 .233 -.146 .012 -.091 -.211
X5 .038 .281 -.380 .043 .946a -.145 -.152 -.254 .088 .103 -.275 .035 .177 -.290
X6 -.285 -.170 .438 -.557 -.145 .859a -.469 -.389 .214 -.182 .092 -.081 -.037 .301
X7 .148 .001 -.087 .624 -.152 -.469 .866a .309 -.714 -.032 .058 -.262 -.214 .101
X8 -.307 .103 .046 .185 -.254 -.389 .309 .928a -.163 -.372 -.184 -.034 .182 -.139
X9 -.021 -.056 -.230 -.397 .088 .214 -.714 -.163 .898a .076 -.074 .283 .239 -.393
X10 .154 -.173 -.357 .233 .103 -.182 -.032 -.372 .076 .935a -.125 .122 .069 -.135
X11 .304 -.619 .281 -.146 -.275 .092 .058 -.184 -.074 -.125 .852a -.535 -.612 .520
X12 .003 .569 -.476 .012 .035 -.081 -.262 -.034 .283 .122 -.535 .831a .511 -.722
X13 -.471 .468 -.321 -.091 .177 -.037 -.214 .182 .239 .069 -.612 .511 .831a -.772
X14 .015 -.502 .736 -.211 -.290 .301 .101 -.139 -.393 -.135 .520 -.722 -.772 .777a
a.Measures of Sampling Adequacy(MSA)
Rotated Component Matrix a
Component
1 2
X1 .646 .699
X2 .451 .791
X3 .401 .786
X4 .763 .478
X5 .794 .547
X6 .454 .758
X7 .812 .479
X8 .608 .721
X9 .840 .498
X10 .306 .892
X11 .747 .593
X12 .902 .360
X13 .869 .455
X14 .918 .358
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
70
Lampiran 9 Hasil output analisis regresi pada parameter morfometrik untuk

menduga umur siamang sumatera (H. syndactylus syndactylus
Raffles, 1821) jantan
Descriptive Statistics
Mean Std. Deviation N

Y 9.13 3.443 24
X1 48.16 10.135 24
X2 9.4850 1.23462 24
X3 8.2604 1.13872 24
X4 7.6992 .82594 24
X5 46.358 9.2917 24
X6 14.975 3.9064 24
X7 15.6175 2.89725 24
X8 3.0129 .58480 24
X9 15.857 3.0981 24
X10 3.5925 1.02826 24
X11 31.213 3.1208 24
X12 29.567 3.3787 24
X13 56.45 12.409 24
X14 42.546 8.7702 24
Variables Entered/Removed b
Variables Variables
Model Entered Removed Method
1 X14, X3,
X6, X2,
X10, X4,
X11, X8, . Enter
X7, X1, X5,
X12,aX9,
X13
a. All requested variables entered.
b. Dependent Variable: Y
b
Model Summary
Change Statistics
Adjusted Std. Error of R Square Durbin-
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change Watson
1 .921a .849 .613 2.141 .849 3.605 14 9 .029 1.054
a. Predictors: (Constant), X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12, X9, X13
ANOVA b
Sum of
Model Squares df Mean Square F Sig.
1 Regression 231.366 14 16.526 3.605 .029a
Residual 41.259 9 4.584
Total 272.625 23
71
Lanjutan
a
Coefficients
Coefficients Coefficients % Confidence Interval for Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Lower BoundUpper BoundZero-order Partial Part Tolerance VIF
1 (Constant-12.101 11.373 -1.064 .315 -37.829 13.628
X1 .115 .206 .340 .561 .589 -.351 .582 .591 .184 .073 .046 21.870
X2 .437 1.130 .157 .387 .708 -2.118 2.992 .505 .128 .050 .102 9.758
X3 -1.935 1.612 -.640 -1.200 .261 -5.581 1.712 .482 -.371 -.156 .059 16.904
X4 -2.804 1.958 -.673 -1.432 .186 -7.234 1.625 .591 -.431 -.186 .076 13.124
X5 .392 .202 1.057 1.938 .085 -.066 .849 .753 .543 .251 .057 17.693
X6 .212 .302 .240 .702 .501 -.471 .895 .525 .228 .091 .143 6.980
X7 -1.658 .777 -1.395 -2.135 .062 -3.415 .099 .675 -.580 -.277 .039 25.406
X8 -6.214 2.827 -1.056 -2.198 .055 -12.609 .180 .590 -.591 -.285 .073 13.710
X9 2.028 .949 1.825 2.137 .061 -.119 4.175 .703 .580 .277 .023 43.365
X10 .829 1.060 .248 .783 .454 -1.568 3.226 .498 .252 .101 .168 5.955
X11 .363 .635 .329 .571 .582 -1.075 1.800 .726 .187 .074 .051 19.725
X12 1.753 .741 1.720 2.366 .042 .077 3.429 .786 .619 .307 .032 31.444
X13 .049 .332 .178 .149 .885 -.701 .800 .673 .050 .019 .012 85.062
X14 -.674 .608 -1.718 -1.109 .296 -2.049 .701 .698 -.347 -.144 .007 142.568
a.Dependent Variable: Y
Residuals Statistics a
Minimum Maximum Mean Std. Deviation N

Predicted Value .86 14.21 9.13 3.172 24
Residual -2.057 2.634 .000 1.339 24
Std. Predicted Value -2.604 1.604 .000 1.000 24
Std. Residual -.961 1.230 .000 .626 24
a. Dependent Variable: Y
Histogram
Dependent Variable: Y
4
Frequency
Mean =-5.35E-15
0 Std. Dev. =0.626
N =24
-1.0 -0.5 0.0 0.5 1.0 1.5
Regression Standardized Residual
1.0
14
12
0.8
Expected Cum Prob
10
0.6
8
Y
6
0.4
2 0.2
0
0.0
-2 0 2 0.0 0.2 0.4 0.6 0.8 1.0
72
Lampiran 10 Hasil output analisis regresi dengan metode stepwise pada

parameter morfometrik untuk menduga umur siamang sumatera
(H. syndactylus syndactylus Raffles, 1821) jantan

Y 9.13 3.443 24
X1 48.16 10.135 24
X2 9.4850 1.23462 24
X3 8.2604 1.13872 24
X4 7.6992 .82594 24
X5 46.358 9.2917 24
X6 14.975 3.9064 24
X7 15.6175 2.89725 24
X8 3.0129 .58480 24
X9 15.857 3.0981 24
X10 3.5925 1.02826 24
X11 31.213 3.1208 24
X12 29.567 3.3787 24
X13 56.45 12.409 24
X14 42.546 8.7702 24
Model Summaryb
Change Statistics
1 .786a .617 .600 2.178 .617 35.483 1 22 .000 .504
a. Predictors: (Constant), X12
ANOVA b
Sum of
1 Regression 168.286 1 168.286 35.483 .000a
Residual 104.339 22 4.743
Total 272.625 23
Coefficients a
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -14.546 3.999 -3.638 .001
X12 .801 .134 .786 5.957 .000
Variables Entered/Removed a
Variables Variables
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X12 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
73
Lanjutan
Correlations
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Pearson Correlatio Y 1.000 .591 .505 .482 .591 .753 .525 .675 .590 .703 .498 .726 .786 .673 .698
X1 .591 1.000 .841 .831 .801 .883 .802 .852 .896 .886 .787 .861 .815 .909 .851
X2 .505 .841 1.000 .752 .722 .745 .746 .739 .805 .797 .816 .829 .653 .766 .725
X3 .482 .831 .752 1.000 .752 .770 .677 .700 .739 .740 .772 .747 .656 .698 .600
X4 .591 .801 .722 .752 1.000 .851 .708 .766 .770 .874 .619 .860 .841 .874 .851
X5 .753 .883 .745 .770 .851 1.000 .782 .906 .895 .924 .734 .915 .927 .921 .909
X6 .525 .802 .746 .677 .708 .782 1.000 .748 .857 .735 .776 .772 .687 .723 .681
X7 .675 .852 .739 .700 .766 .906 .748 1.000 .815 .953 .691 .864 .902 .912 .907
X8 .590 .896 .805 .739 .770 .895 .857 .815 1.000 .850 .841 .877 .823 .849 .829
X9 .703 .886 .797 .740 .874 .924 .735 .953 .850 1.000 .704 .902 .917 .951 .949
X10 .498 .787 .816 .772 .619 .734 .776 .691 .841 .704 1.000 .761 .623 .675 .624
X11 .726 .861 .829 .747 .860 .915 .772 .864 .877 .902 .761 1.000 .892 .918 .886
X12 .786 .815 .653 .656 .841 .927 .687 .902 .823 .917 .623 .892 1.000 .926 .950
X13 .673 .909 .766 .698 .874 .921 .723 .912 .849 .951 .675 .918 .926 1.000 .976
X14 .698 .851 .725 .600 .851 .909 .681 .907 .829 .949 .624 .886 .950 .976 1.000
Sig. (1-tailed) Y . .001 .006 .008 .001 .000 .004 .000 .001 .000 .007 .000 .000 .000 .000
X1 .001 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
X2 .006 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
X3 .008 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001
X4 .001 .000 .000 .000 . .000 .000 .000 .000 .000 .001 .000 .000 .000 .000
X5 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000
X6 .004 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000
X7 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000
X8 .001 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000
X9 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000
X10 .007 .000 .000 .000 .001 .000 .000 .000 .000 .000 . .000 .001 .000 .001
X11 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000
X12 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 . .000 .000
X13 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000
X14 .000 .000 .000 .001 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 .
N Y 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X1 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X2 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X3 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X4 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X5 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X6 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X7 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X8 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X9 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X10 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X11 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X12 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X13 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
X14 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24
b
Excluded Variables
Collinearity
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 X1 -.147a -.638 .530 -.138 .336
X2 -.015a -.085 .933 -.018 .573
X3 -.058a -.325 .748 -.071 .570
X4 -.238a -.974 .341 -.208 .293
X5 .176a .491 .629 .106 .141
X6 -.027a -.145 .886 -.032 .528
X7 -.183a -.589 .562 -.128 .186
X8 -.178a -.759 .457 -.163 .322
X9 -.109a -.324 .749 -.070 .159
X10 .014a .083 .935 .018 .612
X11 .124a .417 .681 .091 .204
X13 -.386a -1.109 .280 -.235 .142
X14 -.486a -1.163 .258 -.246 .098
a. Predictors in the Model: (Constant), X12
74
Lanjutan

Predicted Value .02 11.23 9.13 2.705 24
Std. Predicted Value -3.364 .779 .000 1.000 24
Standard Error of
.445 1.591 .567 .278 24
Predicted Value
Adjusted Predicted Value -1.09 11.40 9.07 2.879 24
Residual -3.831 3.767 .000 2.130 24
Std. Residual -1.759 1.730 .000 .978 24
Stud. Residual -1.798 1.792 .010 1.010 24
Deleted Residual -4.000 4.042 .053 2.281 24
Stud. Deleted Residual -1.902 1.894 .012 1.038 24
Mahal. Distance .000 11.318 .958 2.653 24
Cook's Distance .000 .246 .037 .054 24
Centered Leverage Value .000 .492 .042 .115 24
Histogram
4
Frequency
Mean =2.5E-16
0 Std. Dev. =0.978
N =24
-2 0 2
Normal P-P Plot of Regression Standardized Residual Scatterplot
1.0 2
0.8
Expected Cum Prob
(Press) Residual
0.6
0
0.4
0.2
-2
0.0
0.0 0.2 0.4 0.6 0.8 1.0 -4 -2 0
Observed Cum Prob Regression Standardized Predicted Value

75

(H. syndactylus syndactylus Raffles, 1821) jantan umur 1-6 tahun

Y 3.50 2.380 4
X1 35.10 16.503 4
X2 7.9925 1.41879 4
X3 7.0150 1.40631 4
X4 6.8125 1.36424 4
X5 32.475 16.2967 4
X6 10.900 5.5875 4
X7 11.2675 4.78387 4
X8 2.2600 1.04738 4
X9 11.413 5.4569 4
X10 2.3300 1.07539 4
X11 26.800 4.8125 4
X12 24.175 5.7017 4
X13 39.63 23.075 4
X14 29.675 16.0128 4
Correlations

Pearson Correlat Y 1.000 .997 .990 .971 .992 .995 .935 .997 .977 .996 .960 .995 .981 .995 .992
X1 .997 1.000 .977 .952 .980 .996 .959 1.000 .980 .998 .962 .985 .970 .999 .994
X2 .990 .977 1.000 .994 .995 .976 .879 .977 .949 .975 .929 .999 .979 .972 .969
X3 .971 .952 .994 1.000 .981 .946 .832 .951 .909 .947 .885 .988 .956 .942 .936
X4 .992 .980 .995 .981 1.000 .986 .887 .981 .970 .983 .958 .998 .994 .979 .982
X5 .995 .996 .976 .946 .986 1.000 .949 .998 .993 .999 .981 .985 .984 .999 1.000
X6 .935 .959 .879 .832 .887 .949 1.000 .959 .944 .956 .925 .895 .880 .962 .953
X7 .997 1.000 .977 .951 .981 .998 .959 1.000 .983 .999 .966 .985 .973 .999 .996
X8 .977 .980 .949 .909 .970 .993 .944 .983 1.000 .989 .997 .962 .982 .989 .996
X9 .996 .998 .975 .947 .983 .999 .956 .999 .989 1.000 .975 .984 .979 1.000 .999
X10 .960 .962 .929 .885 .958 .981 .925 .966 .997 .975 1.000 .945 .978 .974 .985
X11 .995 .985 .999 .988 .998 .985 .895 .985 .962 .984 .945 1.000 .985 .981 .979
X12 .981 .970 .979 .956 .994 .984 .880 .973 .982 .979 .978 .985 1.000 .975 .983
X13 .995 .999 .972 .942 .979 .999 .962 .999 .989 1.000 .974 .981 .975 1.000 .998
X14 .992 .994 .969 .936 .982 1.000 .953 .996 .996 .999 .985 .979 .983 .998 1.000
Sig. (1-tailed) Y . .001 .005 .015 .004 .002 .033 .001 .011 .002 .020 .002 .009 .003 .004
X1 .001 . .011 .024 .010 .002 .020 .000 .010 .001 .019 .008 .015 .001 .003
X2 .005 .011 . .003 .002 .012 .060 .011 .026 .012 .036 .001 .011 .014 .016
X3 .015 .024 .003 . .009 .027 .084 .025 .045 .027 .058 .006 .022 .029 .032
X4 .004 .010 .002 .009 . .007 .057 .009 .015 .008 .021 .001 .003 .010 .009
X5 .002 .002 .012 .027 .007 . .025 .001 .004 .000 .010 .008 .008 .001 .000
X6 .033 .020 .060 .084 .057 .025 . .021 .028 .022 .038 .052 .060 .019 .024
X7 .001 .000 .011 .025 .009 .001 .021 . .008 .000 .017 .008 .014 .000 .002
X8 .011 .010 .026 .045 .015 .004 .028 .008 . .005 .002 .019 .009 .006 .002
X9 .002 .001 .012 .027 .008 .000 .022 .000 .005 . .012 .008 .011 .000 .001
X10 .020 .019 .036 .058 .021 .010 .038 .017 .002 .012 . .028 .011 .013 .007
X11 .002 .008 .001 .006 .001 .008 .052 .008 .019 .008 .028 . .007 .010 .010
X12 .009 .015 .011 .022 .003 .008 .060 .014 .009 .011 .011 .007 . .013 .009
X13 .003 .001 .014 .029 .010 .001 .019 .000 .006 .000 .013 .010 .013 . .001
X14 .004 .003 .016 .032 .009 .000 .024 .002 .002 .001 .007 .010 .009 .001 .
N Y 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X6 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X7 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X9 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X10 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X11 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X12 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X13 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
X14 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
76
Lanjutan
Variables Variables
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X7 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
2 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X11 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
3 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X9 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
Model Summaryd
Change Statistics
1 .997a .994 .991 .221 .994 344.726 1 2 .003
2 1.000b 1.000 1.000 .017 .006 352.502 1 1 .034
3 1.000c 1.000 1.000 . .000 . 1 0 . 3.255
b. Predictors: (Constant), X7, X11
c. Predictors: (Constant), X7, X11, X9
d. Dependent Variable: Y

Predicted Value 1.00 6.00 3.50 2.380 4
Residual .000 .000 .000 .000 4
Std. Residual . . . . 0
ANOVA d
Sum of
1 Regression 16.902 1 16.902 344.726 .003a
Residual .098 2 .049
Total 17.000 3
2 Regression 17.000 2 8.500 30641.524 .004b
Total 17.000 3
3 Regression 17.000 3 5.667 . .c
Residual .000 0 .
Total 17.000 3
c. Predictors: (Constant), X7, X11, X9
77
Lanjutan
Coefficientsa
Coefficients Coefficients 95% Confidence Interval for B Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Lower Bound Upper Bound Zero-order Partial Part Tolerance VIF
1 (Constant) -2.091 .321 -6.516 .023 -3.471 -.710
X7 .496 .027 .997 18.567 .003 .381 .611 .997 .997 .997 1.000 1.000
2 (Constant) -5.465 .181 -30.137 .021 -7.769 -3.161
X7 .282 .012 .568 24.428 .026 .136 .429 .997 .999 .099 .030 33.081
X11 .216 .011 .436 18.775 .034 .070 .362 .995 .999 .076 .030 33.081
3 (Constant) -5.534 .000 . . -5.534 -5.534
X7 .335 .000 .674 . . .335 .335 .997 1.000 .025 .001 726.421
X11 .216 .000 .437 . . .216 .216 .995 1.000 .076 .030 33.088
X9 -.047 .000 -.107 . . -.047 -.047 .996 -1.000 -.004 .001 698.571
Excluded Variables d
Collinearity Statistics
Partial Minimum
Model Beta In t Sig. Correlation Tolerance VIF Tolerance
1 X1 .162a .038 .976 .038 .000 3135.646 .000
X2 .356a 12.490 .051 .997 .045 22.121 .045
X3 .238a 4.205 .149 .973 .096 10.386 .096
X4 .365a 2.404 .251 .923 .037 27.142 .037
X5 .146a .134 .915 .133 .005 210.114 .005
X6 -.260a -4.289 .146 -.974 .081 12.334 .081
X8 -.102a -.252 .843 -.244 .033 30.550 .033
X9 -.078a -.039 .975 -.039 .001 698.431 .001
X10 -.061a -.211 .868 -.207 .066 15.169 .066
X11 .436a 18.775 .034 .999 .030 33.081 .030
X12 .207a .816 .564 .632 .054 18.654 .054
X13 -1.205a -.690 .616 -.568 .001 780.955 .001
X14 -.132a -.157 .901 -.155 .008 125.897 .008
2 X1 .226b . . 1.000 .000 3136.362 .000
X2 .143b . . 1.000 .001 1255.909 .001
X3 .046b . . 1.000 .008 129.897 .002
X4 -.063b . . -1.000 .004 242.618 .003
X5 -.060b . . -1.000 .005 217.575 .005
X6 .081b . . 1.000 .002 403.014 .000
X8 -.023b . . -1.000 .032 31.722 .013
X9 -.107b . . -1.000 .001 698.571 .001
X10 -.016b . . -1.000 .064 15.538 .018
X12 -.024b . . -1.000 .029 34.063 .017
X13 -.132b . . -1.000 .001 1075.085 .001
X14 -.046b . . -1.000 .008 127.231 .006
3 X1 .c . . . .000 . .000
X2 .c . . . .000 . .000
X3 .c . . . .000 . .000
X4 .c . . . .000 . .000
X5 .c . . . .000 . .000
X6 .c . . . .000 . .000
X8 .c . . . .000 . .000
X10 .c . . . .000 . .000
X12 .c . . . .000 . .000
X13 .c . . . .000 . .000
X14 .c . . . .000 . .000
b. Predictors in the Model: (Constant), X7, X11
c. Predictors in the Model: (Constant), X7, X11, X9
78

betina
Analisis Faktor (Tes I)

Adequacy. .713

Sphericity df 91
Sig. .000
Anti-image Matrices
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Anti-image Co X1 .145 .010 .097 -.016 .056 -.009 -.050 -.058 -.004 -.026 -.026 -.043 -.038 .026
X2 .010 .133 .078 .001 .038 .132 -.060 -.005 .041 -.016 -.023 -.070 .017 -.011
X3 .097 .078 .219 -.055 .099 .090 -.055 -.035 .024 -.060 -.007 -.092 .008 -.016
X4 -.016 .001 -.055 .133 -.069 .008 .020 -.095 -.033 -.037 -.031 -.001 -.002 .022
X5 .056 .038 .099 -.069 .131 .051 -.044 .054 .004 .025 -.033 -.039 -.001 -.010
Lanjutan X6 -.009 .132 .090 .008 .051 .359 -.081 .050 .046 -.033 -.020 -.088 .063 -.034
X7 -.050 -.060 -.055 .020 -.044 -.081 .095 -.015 -.049 -.007 .031 .041 -.004 -.011
X8 -.058 -.005 -.035 -.095 .054 .050 -.015 .277 .019 .156 -.032 .044 .004 -.018
Factor Analysis 2 (Pengeliminaran parameter X6)
X9 -.004 .041 .024 -.033 .004 .046
X10 -.026 -.016 -.060 -.037 .025 -.033
-.049 .019 .156 -.036 .004 -.030 .050 -.040
-.007 .156 -.036 .246 -.072 .050 -.048 .033
X11 -.026 -.023 -.007 -.031 -.033 -.020 .031 -.032 .004 -.072 .098 -.003 .017 -.024
X12 -.043 -.070 -.092 -.001 -.039 -.088 .041 .044 -.030 .050 -.003 .079 -.017 .008
X13 -.038KMO and Bartlett's Test
.017 .008 -.002 -.001 .063 -.004 .004 .050 -.048 .017 -.017 .058 -.039
X14 .026 -.011 -.016 .022 -.010 -.034 -.011 -.018 -.040 .033 -.024 .008 -.039 .040
Anti-image Co X1 .734a .069 .545 -.116 .403 -.037 -.427 -.287 -.030 -.135 -.218 -.400 -.417 .346
Adequacy. .751
X2 .069 .723a .458 .007 .288 .601 -.533 -.025 .285 -.088 -.205 -.682 .197 -.152
X3 .545 .458 .487a -.320 .587 .321 -.382 -.143 .128 -.260 -.048 -.696 .074 -.172
Bartlett's X4
Test-.116
of .007 Approx. Chi-Square
-.320 .766 a -.525 .038 149.358
.182 -.493 -.228 -.205 -.273 -.011 -.020 .305
SphericityX5 .403 .288 df.587 -.525 .738a .235 -.395 .283 78 .026 .141 -.294 -.386 -.007 -.144
X6 -.037 .601 .321 .038 .235 .232a -.440 .159 .195 -.111 -.104 -.523 .436 -.287
Sig. .000
X7 -.427 -.533 -.382 .182 -.395 -.440 .737a -.094 -.402 -.046 .319 .476 -.050 -.181
X8 -.287 -.025 -.143 -.493 .283 .159 -.094 .522a .091 .598 -.191 .300 .033 -.170
X9 -.030 .285 .128 -.228 .026 .195 -.402 .091 .804a -.185 .032 -.268 .521 -.513
X10 -.135 -.088 -.260 -.205 .141 -.111 -.046 .598 -.185 .629a -.466 .356 -.398 .331
X11 -.218 -.205 -.048 -.273 -.294 -.104 .319 -.191 .032 -.466 .863a -.033 .230 -.378
X12 -.400 -.682 -.696 -.011 -.386 -.523 .476 .300 -.268 .356 -.033 .692a -.256 .152
X13 -.417 .197 .074 -.020 -.007 .436 -.050 .033 .521 -.398 .230 -.256 .738a -.814
X14 .346 -.152 -.172 .305 -.144 -.287 -.181 -.170 -.513 .331 -.378 .152 -.814 .755a
Analisis Faktor (Tes II - Pengeliminaran parameter X6)

Adequacy. .751

Sphericity df 78
Sig. .000
79
Lanjutan
Anti-image Matrices
X1 X2 X3 X4 X5 X7 X8 X9 X10 X11 X12 X13 X14

Anti-image Cov X1 .145 .020 .111 -.016 .060 -.065 -.058 -.003 -.027 -.027 -.062 -.046 .028
X2 .020 .209 .079 -.003 .032 -.058 -.037 .039 -.006 -.026 -.081 -.011 .003
X3 .111 .079 .244 -.063 .102 -.048 -.055 .014 -.059 -.002 -.107 -.010 -.009
X4 -.016 -.003 -.063 .134 -.075 .028 -.099 -.035 -.037 -.031 .001 -.004 .025
X5 .060 .032 .102 -.075 .139 -.043 .051 -.003 .032 -.033 -.039 -.013 -.006
X7 -.065 -.058 -.048 .028 -.043 .117 -.005 -.050 -.018 .033 .036 .016 -.025
X8 -.058 -.037 -.055 -.099 .051 -.005 .285 .013 .167 -.030 .080 -.006 -.015
X9 -.003 .039 .014 -.035 -.003 -.050 .013 .162 -.034 .007 -.026 .053 -.041
X10 -.027 -.006 -.059 -.037 .032 -.018 .167 -.034 .249 -.076 .058 -.052 .033
X11 -.027 -.026 -.002 -.031 -.033 .033 -.030 .007 -.076 .099 -.011 .026 -.028
X12 -.062 -.081 -.107 .001 -.039 .036 .080 -.026 .058 -.011 .109 -.003 .000
X13 -.046 -.011 -.010 -.004 -.013 .016 -.006 .053 -.052 .026 -.003 .072 -.045
X14 .028 .003 -.009 .025 -.006 -.025 -.015 -.041 .033 -.028 .000 -.045 .043
Anti-image Corr X1 .698a .115 .588 -.115 .424 -.494 -.285 -.023 -.140 -.223 -.493 -.445 .350
X2 .115 .854a .350 -.020 .189 -.374 -.154 .214 -.027 -.179 -.539 -.091 .028
X3 .588 .350 .532a -.351 .556 -.282 -.208 .070 -.239 -.016 -.654 -.078 -.088
X4 -.115 -.020 -.351 .747a -.549 .221 -.506 -.241 -.202 -.271 .010 -.041 .330
X5 .424 .189 .556 -.549 .765a -.334 .255 -.021 .173 -.279 -.318 -.125 -.082
X7 -.494 -.374 -.282 .221 -.334 .789a -.027 -.360 -.106 .306 .321 .175 -.357
X8 -.285 -.154 -.208 -.506 .255 -.027 .469a .062 .627 -.178 .456 -.042 -.131
X9 -.023 .214 .070 -.241 -.021 -.360 .062 .835a -.168 .053 -.199 .494 -.486
X10 -.140 -.027 -.239 -.202 .173 -.106 .627 -.168 .626a -.483 .352 -.392 .314
X11 -.223 -.179 -.016 -.271 -.279 .306 -.178 .053 -.483 .854a -.103 .308 -.428
X12 -.493 -.539 -.654 .010 -.318 .321 .456 -.199 .352 -.103 .754a -.036 .002
X13 -.445 -.091 -.078 -.041 -.125 .175 -.042 .494 -.392 .308 -.036 .767a -.799
X14 .350 .028 -.088 .330 -.082 -.357 -.131 -.486 .314 -.428 .002 -.799 .763a
Analisis Faktor (Tes III - Pengeliminaran parameter X8)

Adequacy. .747

Sphericity df 66
Sig. .000
Anti-image Matrices
X1 X2 X3 X4 X5 X7 X9 X10 X11 X12 X13 X14

Anti-image Cova X1 .158 .014 .113 -.053 .082 -.071 -.001 .013 -.037 -.063 -.051 .027
X2 .014 .214 .077 -.023 .043 -.061 .042 .027 -.031 -.091 -.012 .001
X3 .113 .077 .255 -.116 .125 -.051 .017 -.046 -.009 -.120 -.012 -.013
X4 -.053 -.023 -.116 .180 -.082 .035 -.042 .047 -.058 .049 -.008 .027
X5 .082 .043 .125 -.082 .149 -.045 -.006 .004 -.030 -.072 -.012 -.004
X7 -.071 -.061 -.051 .035 -.045 .117 -.050 -.025 .034 .048 .016 -.026
X9 -.001 .042 .017 -.042 -.006 -.050 .163 -.069 .008 -.038 .054 -.041
X10 .013 .027 -.046 .047 .004 -.025 -.069 .411 -.100 .023 -.081 .069
X11 -.037 -.031 -.009 -.058 -.030 .034 .008 -.100 .103 -.003 .026 -.031
X12 -.063 -.091 -.120 .049 -.072 .048 -.038 .023 -.003 .137 -.002 .005
X13 -.051 -.012 -.012 -.008 -.012 .016 .054 -.081 .026 -.002 .072 -.046
X14 .027 .001 -.013 .027 -.004 -.026 -.041 .069 -.031 .005 -.046 .044
Anti-image Corre X1 .679a .075 .564 -.313 .536 -.524 -.005 .052 -.290 -.426 -.477 .329
X2 .075 .849a .329 -.115 .239 -.383 .227 .090 -.212 -.533 -.098 .008
X3 .564 .329 .500a -.541 .644 -.295 .085 -.143 -.055 -.643 -.089 -.118
X4 -.313 -.115 -.541 .707a -.504 .241 -.243 .172 -.425 .314 -.072 .308
X5 .536 .239 .644 -.504 .732a -.338 -.038 .017 -.245 -.505 -.119 -.050
X7 -.524 -.383 -.295 .241 -.338 .771a -.359 -.114 .307 .375 .174 -.364
X9 -.005 .227 .085 -.243 -.038 -.359 .820a -.266 .065 -.256 .498 -.483
X10 .052 .090 -.143 .172 .017 -.114 -.266 .693a -.485 .095 -.470 .513
X11 -.290 -.212 -.055 -.425 -.245 .307 .065 -.485 .833a -.025 .306 -.463
X12 -.426 -.533 -.643 .314 -.505 .375 -.256 .095 -.025 .765a -.019 .070
X13 -.477 -.098 -.089 -.072 -.119 .174 .498 -.470 .306 -.019 .747a -.812
X14 .329 .008 -.118 .308 -.050 -.364 -.483 .513 -.463 .070 -.812 .738a
80
Lanjutan
Analisis Faktor (Tes IV - Pengeliminaran parameter X3)

Adequacy. .807

Sphericity df 55
Sig. .000
Anti-image Matrices
X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14

Anti-image Cova X1 .232 -.033 -.003 .067 -.078 -.013 .050 -.049 -.023 -.067 .049
X2 -.033 .240 .020 .009 -.056 .042 .047 -.032 -.105 -.010 .005
X4 -.003 .020 .254 -.061 .018 -.048 .037 -.088 -.013 -.020 .031
X5 .067 .009 -.061 .254 -.037 -.025 .047 -.044 -.038 -.011 .004
X7 -.078 -.056 .018 -.037 .128 -.051 -.038 .035 .044 .015 -.032
X9 -.013 .042 -.048 -.025 -.051 .164 -.067 .009 -.052 .056 -.041
X10 .050 .047 .037 .047 -.038 -.067 .419 -.104 .001 -.085 .069
X11 -.049 -.032 -.088 -.044 .035 .009 -.104 .103 -.012 .026 -.032
X12 -.023 -.105 -.013 -.038 .044 -.052 .001 -.012 .234 -.013 -.001
X13 -.067 -.010 -.020 -.011 .015 .056 -.085 .026 -.013 .073 -.047
X14 .049 .005 .031 .004 -.032 -.041 .069 -.032 -.001 -.047 .044
Anti-image CorreX1 .780a -.142 -.012 .274 -.454 -.065 .162 -.315 -.100 -.519 .483
X2 -.142 .901a .079 .038 -.316 .211 .147 -.206 -.445 -.073 .050
X4 -.012 .079 .825a -.242 .101 -.235 .114 -.542 -.052 -.144 .293
X5 .274 .038 -.242 .924a -.204 -.121 .144 -.274 -.156 -.081 .034
X7 -.454 -.316 .101 -.204 .824a -.350 -.165 .304 .254 .156 -.420
X9 -.065 .211 -.235 -.121 -.350 .813a -.257 .071 -.263 .509 -.478
X10 .162 .147 .114 .144 -.165 -.257 .667a -.498 .005 -.489 .505
X11 -.315 -.206 -.542 -.274 .304 .071 -.498 .803a -.079 .303 -.473
X12 -.100 -.445 -.052 -.156 .254 -.263 .005 -.079 .920a -.100 -.008
X13 -.519 -.073 -.144 -.081 .156 .509 -.489 .303 -.100 .729a -.832
X14 .483 .050 .293 .034 -.420 -.478 .505 -.473 -.008 -.832 .712a
Component Plot in Rotated Space
X4 X11
0.9
X5
0.6 X10 X12
X9 X2
0.3
Component 2
X14
X1 X13
X7
0.0
-0.3
-0.6
-0.9
-0.9 -0.6 -0.3 0.0 0.3 0.6 0.9
Component 1
81

Raffles, 1821) betina

Y 8.69 3.156 16
X1 49.225 5.7105 16
X2 9.0975 .52520 16
X3 8.2288 .73533 16
X4 7.4350 .48918 16
X5 45.069 4.3957 16
X6 15.744 7.3989 16
X7 15.881 1.1023 16
X8 2.9206 .34868 16
X9 15.3300 1.22634 16
X10 3.6575 .68010 16
X11 31.088 1.6484 16
X12 30.144 2.3022 16
X13 56.188 5.8045 16
X14 43.150 4.3007 16
Model Summaryb
Change Statistics
1 .995a .990 .847 1.234 .990 6.933 14 1 .290 2.152
ANOVAb
Sum of
1 Regression 147.914 14 10.565 6.933 .290a
Residual 1.524 1 1.524
Total 149.438 15
Coefficients(a)
Model t Sig.
B Std. Error Beta
1 (Constant) 20.648 11.204 1.843 .317
X1 .237 .147 .428 1.616 .353
X2 -4.747 1.662 -.790 -2.856 .214
X3 -1.291 .927 -.301 -1.393 .396
X4 -1.947 1.784 -.302 -1.091 .472
X5 .460 .200 .640 2.298 .261
X6 -.197 .072 -.461 -2.739 .223
X7 .135 .941 .047 .144 .909
X8 -.540 1.736 -.060 -.311 .808
X9 .967 .658 .376 1.471 .380
X10 .669 .945 .144 .709 .608
X11 -1.211 .617 -.632 -1.964 .300
X12 1.139 .492 .831 2.315 .260
X13 -.160 .227 -.294 -.703 .610
X14 .498 .373 .679 1.336 .409
a Dependent Variable: Y
82
Lanjutan

Predicted Value 1.55 13.69 8.69 3.140 16
Residual -.448 .453 .000 .319 16
Std. Residual -.363 .367 .000 .258 16
Histogram
4
Frequency
Mean =-3.58E-15
0 Std. Dev. =0.258
N =16
-0.25 0.00 0.25
1.0
12.5
0.8
Expected Cum Prob
10
0.6
Y
7.5
0.4
0.2
2.5
0.0
-2 -1 0 1 2 0.0 0.2 0.4 0.6 0.8 1.0

83

(H. syndactylus syndactylus Raffles, 1821) betina

Y 8.69 3.156 16
X1 49.225 5.7105 16
X2 9.0975 .52520 16
X4 7.4350 .48918 16
X5 45.069 4.3957 16
X7 15.881 1.1023 16
X9 15.3300 1.22634 16
X10 3.6575 .68010 16
X11 31.088 1.6484 16
X12 30.144 2.3022 16
X13 56.188 5.8045 16
X14 43.150 4.3007 16
Correlations
Y X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14

Pearson Correla Y 1.000 .488 .445 .261 .742 .665 .728 .245 .468 .599 .630 .719
X1 .488 1.000 .730 .384 .409 .655 .429 .450 .612 .628 .748 .594
X2 .445 .730 1.000 .403 .560 .705 .523 .360 .676 .766 .751 .714
X4 .261 .384 .403 1.000 .675 .264 .521 .489 .787 .601 .349 .366
X5 .742 .409 .560 .675 1.000 .601 .733 .385 .788 .701 .568 .689
X7 .665 .655 .705 .264 .601 1.000 .759 .301 .569 .594 .763 .867
X9 .728 .429 .523 .521 .733 .759 1.000 .364 .689 .656 .547 .773
X10 .245 .450 .360 .489 .385 .301 .364 1.000 .615 .454 .455 .321
X11 .468 .612 .676 .787 .788 .569 .689 .615 1.000 .786 .664 .705
X12 .599 .628 .766 .601 .701 .594 .656 .454 .786 1.000 .691 .700
X13 .630 .748 .751 .349 .568 .763 .547 .455 .664 .691 1.000 .884
X14 .719 .594 .714 .366 .689 .867 .773 .321 .705 .700 .884 1.000
Sig. (1-tailed) Y . .027 .042 .164 .000 .002 .001 .181 .034 .007 .004 .001
X1 .027 . .001 .071 .058 .003 .049 .040 .006 .005 .000 .008
X2 .042 .001 . .061 .012 .001 .019 .085 .002 .000 .000 .001
X4 .164 .071 .061 . .002 .162 .019 .027 .000 .007 .092 .081
X5 .000 .058 .012 .002 . .007 .001 .070 .000 .001 .011 .002
X7 .002 .003 .001 .162 .007 . .000 .129 .011 .008 .000 .000
X9 .001 .049 .019 .019 .001 .000 . .083 .002 .003 .014 .000
X10 .181 .040 .085 .027 .070 .129 .083 . .006 .039 .038 .113
X11 .034 .006 .002 .000 .000 .011 .002 .006 . .000 .002 .001
X12 .007 .005 .000 .007 .001 .008 .003 .039 .000 . .002 .001
X13 .004 .000 .000 .092 .011 .000 .014 .038 .002 .002 . .000
X14 .001 .008 .001 .081 .002 .000 .000 .113 .001 .001 .000 .
N Y 16 16 16 16 16 16 16 16 16 16 16 16
X1 16 16 16 16 16 16 16 16 16 16 16 16
X2 16 16 16 16 16 16 16 16 16 16 16 16
X4 16 16 16 16 16 16 16 16 16 16 16 16
X5 16 16 16 16 16 16 16 16 16 16 16 16
X7 16 16 16 16 16 16 16 16 16 16 16 16
X9 16 16 16 16 16 16 16 16 16 16 16 16
X10 16 16 16 16 16 16 16 16 16 16 16 16
X11 16 16 16 16 16 16 16 16 16 16 16 16
X12 16 16 16 16 16 16 16 16 16 16 16 16
X13 16 16 16 16 16 16 16 16 16 16 16 16
X14 16 16 16 16 16 16 16 16 16 16 16 16
84
Lanjutan
Variables Variables
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X5 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
Model Summary b
Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .742a .551 .519 2.190
ANOVAb
Sum of
1 Regression 82.298 1 82.298 17.161 .001a
Residual 67.139 14 4.796
Total 149.438 15
Coefficientsa
1 (Constant) -15.328 5.823 -2.632 .020
X5 .533 .129 .742 4.143 .001
Excluded Variablesb
Collinearity
Partial Statistics
1 X1 .222a 1.141 .275 .302 .832
X2 .044a .195 .848 .054 .687
X4 -.440a -1.995 .067 -.484 .544
X7 .343a 1.615 .130 .409 .639
X9 .397a 1.589 .136 .403 .463
X10 -.048a -.240 .814 -.066 .852
X11 -.306a -1.058 .309 -.282 .380
X12 .155a .602 .557 .165 .508
X13 .308a 1.474 .164 .378 .678
X14 .395a 1.705 .112 .427 .526
85
Lanjutan
Residuals Statisticsa

Predicted Value 3.91 12.06 8.69 2.342 16
Standard Error of
.548 1.277 .749 .203 16
Predicted Value
Adjusted Predicted Value 4.89 11.57 8.70 2.283 16
Residual -3.049 4.390 .000 2.116 16
Std. Residual -1.392 2.005 .000 .966 16
Stud. Residual -1.493 2.082 -.003 1.030 16
Deleted Residual -3.505 4.735 -.016 2.416 16
Mahal. Distance .000 4.163 .938 1.095 16
Cook's Distance .008 .296 .073 .079 16
Histogram
4
Frequency
Mean =-3.05E-16
0 Std. Dev. =0.966
N =16
-2 -1 0 1 2 3
1.0
0.8
Expected Cum Prob
(Press) Residual
0.6
0
0.4
-1
0.2
-2
0.0
-2 -1 0 1 0.0 0.2 0.4 0.6 0.8 1.0

86

(H. syndactylus syndactylus Raffles, 1821) betina umur 2-6 tahun

Y 4.33 2.082 3
X1 45.433 9.0578 3
X2 8.8567 .80649 3
X3 7.6433 .83787 3
X4 7.1433 .38799 3
X5 40.900 4.2532 3
X6 13.233 1.6921 3
X7 15.033 1.9425 3
X8 2.8267 .30370 3
X9 13.7900 1.26740 3
X10 3.1967 .42147 3
X11 29.933 2.4664 3
X12 27.700 2.1932 3
X13 51.800 12.3357 3
X14 38.867 9.0357 3
Correlations

Pearson Correla Y 1.000 .922 .990 .578 .747 1.000 .875 .997 .999 .942 .999 .990 .997 .995 .990
X1 .922 1.000 .968 .217 .431 .933 .620 .892 .905 .738 .937 .967 .951 .956 .857
X2 .990 .968 1.000 .456 .644 .994 .797 .977 .983 .884 .995 1.000 .998 .999 .959
X3 .578 .217 .456 1.000 .974 .554 .901 .635 .611 .819 .545 .458 .509 .494 .689
X4 .747 .431 .644 .974 1.000 .727 .975 .793 .774 .927 .720 .646 .690 .677 .834
X5 1.000 .933 .994 .554 .727 1.000 .861 .995 .998 .932 1.000 .994 .999 .997 .985
X6 .875 .620 .797 .901 .975 .861 1.000 .908 .894 .987 .856 .799 .833 .823 .935
X7 .997 .892 .977 .635 .793 .995 .908 1.000 1.000 .963 .994 .978 .988 .985 .997
X8 .999 .905 .983 .611 .774 .998 .894 1.000 1.000 .955 .997 .983 .992 .990 .995
X9 .942 .738 .884 .819 .927 .932 .987 .963 .955 1.000 .928 .885 .911 .904 .980
X10 .999 .937 .995 .545 .720 1.000 .856 .994 .997 .928 1.000 .995 .999 .998 .983
X11 .990 .967 1.000 .458 .646 .994 .799 .978 .983 .885 .995 1.000 .998 .999 .960
X12 .997 .951 .998 .509 .690 .999 .833 .988 .992 .911 .999 .998 1.000 1.000 .975
X13 .995 .956 .999 .494 .677 .997 .823 .985 .990 .904 .998 .999 1.000 1.000 .971
X14 .990 .857 .959 .689 .834 .985 .935 .997 .995 .980 .983 .960 .975 .971 1.000
Sig. (1-tailed) Y . .127 .046 .304 .231 .009 .161 .023 .013 .109 .013 .045 .026 .032 .046
X1 .127 . .081 .430 .358 .117 .287 .149 .140 .236 .114 .082 .100 .095 .172
X2 .046 .081 . .349 .277 .036 .206 .068 .059 .155 .033 .001 .019 .014 .091
X3 .304 .430 .349 . .072 .313 .143 .281 .291 .195 .316 .349 .330 .336 .258
X4 .231 .358 .277 .072 . .241 .071 .209 .218 .122 .244 .276 .258 .263 .186
X5 .009 .117 .036 .313 .241 . .170 .032 .022 .118 .003 .036 .017 .023 .055
X6 .161 .287 .206 .143 .071 .170 . .138 .148 .052 .173 .206 .187 .193 .115
X7 .023 .149 .068 .281 .209 .032 .138 . .010 .086 .035 .068 .049 .055 .023
X8 .013 .140 .059 .291 .218 .022 .148 .010 . .096 .026 .058 .039 .045 .033
X9 .109 .236 .155 .195 .122 .118 .052 .086 .096 . .122 .154 .135 .141 .063
X10 .013 .114 .033 .316 .244 .003 .173 .035 .026 .122 . .032 .014 .019 .058
X11 .045 .082 .001 .349 .276 .036 .206 .068 .058 .154 .032 . .019 .013 .090
X12 .026 .100 .019 .330 .258 .017 .187 .049 .039 .135 .014 .019 . .006 .072
X13 .032 .095 .014 .336 .263 .023 .193 .055 .045 .141 .019 .013 .006 . .077
X14 .046 .172 .091 .258 .186 .055 .115 .023 .033 .063 .058 .090 .072 .077 .
N Y 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X1 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X5 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X6 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X7 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X8 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X9 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X10 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X11 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X12 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X13 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
X14 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
87
Lanjutan
Variables Variables
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X5 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
2 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X10 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
c
Model Summary
Change Statistics
Adjusted Std. Error ofR Square Durbin-
Model R R Square R Squarethe Estimate Change F Change df1 df2 Sig. F Change Watson
1 1.000 a .999 .998 .086 .999 160.333 1 1 .019
2 1.000b 1.000 1.000 . .001 . 1 0 . 2.813
a.Predictors: (Constant), X5
b.Predictors: (Constant), X5, X10
c.Dependent Variable: Y
ANOVA c
Sum of
1 Regression 8.659 1 8.659 1160.333 .019a
Total 8.667 2
2 Regression 8.667 2 4.333 . .b
Residual .000 0 .
Total 8.667 2
c. Dependent Variable: Y
a
Coefficients
Coefficients Coefficients % Confidence Interval fo Correlations Collinearity Statistics
Mode B Std. Error Beta t Sig. Lower Bound Upper Bound Zero-order Partial Part Tolerance VIF
1 (Constan-15.676 .590 -26.591 .024 -23.166 -8.185
X5 .489 .014 1.000 34.064 .019 .307 .672 1.000 1.000 1.000 1.000 1.000
2 (Constan-27.905 .000 . . -27.905 -27.905
X5 1.905 .000 3.892 . . 1.905 1.905 1.000 1.000 .039 .000 715.456
X10 -14.286 .000 -2.892 . . -14.286 -14.286 .999 -1.000 -.029 .000 715.456
88
Lanjutan
Excluded Variables c
Collinearity Statistics
Partial Minimum
Model Beta In t Sig. Correlation Tolerance VIF Tolerance
1 X1 -.081a . . -1.000 .130 7.711 .130
X2 -.258a . . -1.000 .013 77.474 .013
X3 .035a . . 1.000 .693 1.443 .693
X4 .043a . . 1.000 .471 2.122 .471
X6 .058a . . 1.000 .259 3.860 .259
X7 .292a . . 1.000 .010 98.755 .010
X8 .417a . . 1.000 .005 201.784 .005
X9 .081a . . 1.000 .132 7.572 .132
X10 -2.892a . . -1.000 .000 9715.456 .000
X11 -.263a . . -1.000 .012 80.510 .012
X12 -.555a . . -1.000 .003 357.086 .003
X13 -.414a . . -1.000 .005 199.431 .005
X14 .171a . . 1.000 .029 33.915 .029
2 X1 .b . . . .000 -2.6E+12 .000
X2 .b . . . .000 . .000
X3 .b . . . .000 -4.8E+11 .000
X4 .b . . . .000 -7.1E+11 .000
X6 .b . . . .000 -1.3E+12 .000
X7 .b . . . .000 -2.8E+13 .000
X8 .b . . . .000 . .000
X9 .b . . . .000 -2.5E+12 .000
X11 .b . . . .000 -2.6E+13 .000
X12 .b . . . .000 . .000
X13 .b . . . .000 . .000
X14 .b . . . .000 -1.1E+13 .000
b. Predictors in the Model: (Constant), X5, X10
c. Dependent Variable: Y

Predicted Value 2.00 6.00 4.33 2.082 3
Residual .000 .000 .000 .000 3
Std. Predicted Value -1.121 .801 .000 1.000 3
Std. Residual . . . . 0
89


Adequacy. .916

Sphericity df 91
Sig. .000
Anti-image Matrices
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Anti-image C X1 .126 -.046 -.008 .011 .004 -.020 -.010 -.059 .002 -.032 .020 -.030 -.035 .019
X2 -.046 .233 -.019 .011 .017 .008 .014 -.019 -.027 -.041 -.047 .040 .001 -.001
X3 -.008 -.019 .317 -.043 -.003 .017 -.008 -.034 -.021 -.074 .013 -.046 -.015 .035
X4 .011 .011 -.043 .156 -.017 -.046 .061 -.024 -.045 .042 -.028 -.021 -.018 .014
X5 .004 .017 -.003 -.017 .111 -.032 -.010 -.032 -.014 -.003 -.020 -.022 -.001 .001
X6 -.020 .008 .017 -.046 -.032 .377 -.032 -.014 .013 -.118 -.014 .025 .019 -.008
X7 -.010 .014 -.008 .061 -.010 -.032 .081 -.008 -.040 .007 -.001 -.017 -.009 .002
X8 -.059 -.019 -.034 -.024 -.032 -.014 -.008 .265 .014 .010 -.024 .049 .019 -.023
X9 .002 -.027 -.021 -.045 -.014 .013 -.040 .014 .053 -.002 .003 .018 .010 -.017
X10 -.032 -.041 -.074 .042 -.003 -.118 .007 .010 -.002 .288 -.042 .002 -.001 .008
X11 .020 -.047 .013 -.028 -.020 -.014 -.001 -.024 .003 -.042 .093 -.035 -.012 .005
X12 -.030 .040 -.046 -.021 -.022 .025 -.017 .049 .018 .002 -.035 .113 .018 -.030
X13 -.035 .001 -.015 -.018 -.001 .019 -.009 .019 .010 -.001 -.012 .018 .035 -.025
X14 .019 -.001 .035 .014 .001 -.008 .002 -.023 -.017 .008 .005 -.030 -.025 .032
Anti-image C X1 .918a -.272 -.038 .077 .034 -.094 -.098 -.322 .024 -.167 .188 -.248 -.526 .303
X2 -.272 .949a -.070 .059 .104 .027 .101 -.076 -.244 -.158 -.318 .247 .011 -.012
X3 -.038 -.070 .939a -.192 -.015 .050 -.053 -.118 -.165 -.245 .077 -.242 -.144 .350
X4 .077 .059 -.192 .888a -.126 -.189 .539 -.120 -.496 .199 -.235 -.157 -.248 .202
X5 .034 .104 -.015 -.126 .976a -.156 -.101 -.186 -.189 -.019 -.194 -.196 -.024 .018
X6 -.094 .027 .050 -.189 -.156 .946a -.183 -.043 .095 -.358 -.072 .123 .166 -.069
X7 -.098 .101 -.053 .539 -.101 -.183 .909a -.056 -.609 .044 -.009 -.176 -.175 .042
X8 -.322 -.076 -.118 -.120 -.186 -.043 -.056 .945a .114 .038 -.154 .282 .201 -.248
X9 .024 -.244 -.165 -.496 -.189 .095 -.609 .114 .891a -.020 .043 .231 .234 -.416
X10 -.167 -.158 -.245 .199 -.019 -.358 .044 .038 -.020 .939a -.259 .008 -.014 .083
X11 .188 -.318 .077 -.235 -.194 -.072 -.009 -.154 .043 -.259 .945a -.340 -.204 .086
X12 -.248 .247 -.242 -.157 -.196 .123 -.176 .282 .231 .008 -.340 .897a .283 -.500
X13 -.526 .011 -.144 -.248 -.024 .166 -.175 .201 .234 -.014 -.204 .283 .875a -.764
X14 .303 -.012 .350 .202 .018 -.069 .042 -.248 -.416 .083 .086 -.500 -.764 .858a
90

Raffles, 1821)

Y 8.95 3.297 40
X1 48.59 8.567 40
X2 9.3300 1.02078 40
X3 8.2478 .98637 40
X4 7.5935 .71521 40
X5 45.843 7.6653 40
X6 14.713 3.4748 40
X7 15.7230 2.33126 40
X8 2.9760 .50055 40
X9 15.646 2.5115 40
X10 3.6185 .89582 40
X11 31.163 2.6063 40
X12 29.798 2.9753 40
X13 56.34 10.187 40
X14 42.788 7.2501 40
Variables Entered/Removed b
Variables Variables
1 X14, X3,
X6, X2,
X10, X8,
X4, X1, . Enter
X12, X7,
X5, X11,a
X9, X13
a. All requested variables entered.
b
Model Summary
Change Statistics
Adjusted Std. Error ofR Square Durbin-
Mode R R SquareR Square he Estimate Change F Change df1 df2 Sig. F Change Watson
1 .827a .685 .508 2.312 .685 3.877 14 25 .002 1.048
a.Predictors: (Constant), X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11, X9, X13
b.Dependent Variable: Y
ANOVA b
Sum of
1 Regression 290.219 14 20.730 3.877 .002a
Residual 133.681 25 5.347
Total 423.900 39
91
Lanjutan
a
Coefficient Correlations
Mode X14 X3 X6 X2 X10 X8 X4 X1 X12 X7 X5 X11 X9 X13

1 Correlatio X14 1.000 .350 -.069 -.012 .083 -.248 .202 .303 -.500 .042 .018 .086 -.416 -.764
X3 .350 1.000 .050 -.070 -.245 -.118 -.192 -.038 -.242 -.053 -.015 .077 -.165 -.144
X6 -.069 .050 1.000 .027 -.358 -.043 -.189 -.094 .123 -.183 -.156 -.072 .095 .166
X2 -.012 -.070 .027 1.000 -.158 -.076 .059 -.272 .247 .101 .104 -.318 -.244 .011
X10 .083 -.245 -.358 -.158 1.000 .038 .199 -.167 .008 .044 -.019 -.259 -.020 -.014
X8 -.248 -.118 -.043 -.076 .038 1.000 -.120 -.322 .282 -.056 -.186 -.154 .114 .201
X4 .202 -.192 -.189 .059 .199 -.120 1.000 .077 -.157 .539 -.126 -.235 -.496 -.248
X1 .303 -.038 -.094 -.272 -.167 -.322 .077 1.000 -.248 -.098 .034 .188 .024 -.526
X12 -.500 -.242 .123 .247 .008 .282 -.157 -.248 1.000 -.176 -.196 -.340 .231 .283
X7 .042 -.053 -.183 .101 .044 -.056 .539 -.098 -.176 1.000 -.101 -.009 -.609 -.175
X5 .018 -.015 -.156 .104 -.019 -.186 -.126 .034 -.196 -.101 1.000 -.194 -.189 -.024
X11 .086 .077 -.072 -.318 -.259 -.154 -.235 .188 -.340 -.009 -.194 1.000 .043 -.204
X9 -.416 -.165 .095 -.244 -.020 .114 -.496 .024 .231 -.609 -.189 .043 1.000 .234
X13 -.764 -.144 .166 .011 -.014 .201 -.248 -.526 .283 -.175 -.024 -.204 .234 1.000
Covarianc X14 .082 .067 -.003 -.003 .018 -.102 .076 .011 -.053 .007 .001 .011 -.077 -.043
X3 .067 .445 .006 -.035 -.126 -.113 -.168 -.003 -.060 -.020 -.001 .024 -.071 -.019
X6 -.003 .006 .030 .003 -.048 -.011 -.043 -.002 .008 -.018 -.004 -.006 .011 .006
X2 -.003 -.035 .003 .566 -.091 -.082 .058 -.025 .069 .042 .011 -.111 -.118 .002
X10 .018 -.126 -.048 -.091 .593 .042 .201 -.016 .002 .019 -.002 -.093 -.010 -.002
X8 -.102 -.113 -.011 -.082 .042 2.062 -.226 -.056 .150 -.045 -.039 -.103 .105 .056
X4 .076 -.168 -.043 .058 .201 -.226 1.716 .012 -.076 .395 -.024 -.144 -.417 -.063
X1 .011 -.003 -.002 -.025 -.016 -.056 .012 .015 -.011 -.007 .001 .011 .002 -.012
X12 -.053 -.060 .008 .069 .002 .150 -.076 -.011 .137 -.036 -.010 -.059 .055 .020
X7 .007 -.020 -.018 .042 .019 -.045 .395 -.007 -.036 .312 -.008 -.002 -.218 -.019
X5 .001 -.001 -.004 .011 -.002 -.039 -.024 .001 -.010 -.008 .021 -.013 -.018 -.001
X11 .011 .024 -.006 -.111 -.093 -.103 -.144 .011 -.059 -.002 -.013 .217 .013 -.018
X9 -.077 -.071 .011 -.118 -.010 .105 -.417 .002 .055 -.218 -.018 .013 .411 .029
X13 -.043 -.019 .006 .002 -.002 .056 -.063 -.012 .020 -.019 -.001 -.018 .029 .038
Coefficients(a)
B Std. Error Beta
1 (Constant) -3.232 8.475 -.381 .706
X1 .037 .122 .096 .303 .764
X2 -.010 .752 -.003 -.013 .990
X3 -.625 .667 -.187 -.938 .357
X4 -2.320 1.310 -.503 -1.771 .089
X5 .360 .145 .837 2.484 .020
X6 -.134 .173 -.141 -.771 .448
X7 -.747 .559 -.528 -1.336 .194
X8 -1.558 1.436 -.237 -1.085 .288
X9 .979 .641 .746 1.527 .139
X10 .051 .770 .014 .066 .948
X11 .257 .465 .203 .552 .586
X12 .522 .370 .472 1.413 .170
X13 -.013 .195 -.040 -.066 .948
X14 -.076 .287 -.167 -.265 .793
a Dependent Variable: Y
92
Lanjutan
Residuals Statisticsa

Predicted Value -.32 12.80 8.95 2.728 40
Residual -3.458 3.548 .000 1.851 40
Std. Residual -1.495 1.534 .000 .801 40
Histogram
12.5
10.0
Frequency
7.5
5.0
2.5
Mean =2.76E-15
0.0 Std. Dev. =0.801
N =40
-2 0 2
1.0
14
12 0.8
Expected Cum Prob
10
0.6
8
Y
6
0.4
0.2
2
0
0.0
-4 -3 -2 -1 0 1 2 0.0 0.2 0.4 0.6 0.8 1.0

93


Y 8.95 3.297 40
X1 48.59 8.567 40
X2 9.3300 1.02078 40
X3 8.2478 .98637 40
X4 7.5935 .71521 40
X5 45.843 7.6653 40
X6 14.713 3.4748 40
X7 15.7230 2.33126 40
X8 2.9760 .50055 40
X9 15.646 2.5115 40
X10 3.6185 .89582 40
X11 31.163 2.6063 40
X12 29.798 2.9753 40
X13 56.34 10.187 40
X14 42.788 7.2501 40
Correlations

Pearson Correla Y 1.000 .546 .473 .377 .498 .724 .371 .629 .438 .672 .418 .646 .714 .638 .675
X1 .546 1.000 .794 .689 .701 .802 .646 .822 .789 .810 .720 .817 .776 .881 .811
X2 .473 .794 1.000 .660 .684 .723 .614 .710 .731 .772 .715 .797 .628 .753 .702
X3 .377 .689 .660 1.000 .697 .685 .570 .628 .635 .684 .681 .698 .632 .636 .564
X4 .498 .701 .684 .697 1.000 .820 .616 .671 .707 .820 .575 .837 .755 .780 .750
X5 .724 .802 .723 .685 .820 1.000 .687 .863 .781 .903 .664 .895 .864 .874 .873
X6 .371 .646 .614 .570 .616 .687 1.000 .633 .631 .642 .708 .689 .571 .601 .578
X7 .629 .822 .710 .628 .671 .863 .633 1.000 .730 .923 .625 .823 .840 .893 .900
X8 .438 .789 .731 .635 .707 .781 .631 .730 1.000 .760 .633 .783 .669 .762 .741
X9 .672 .810 .772 .684 .820 .903 .642 .923 .760 1.000 .636 .870 .843 .903 .917
X10 .418 .720 .715 .681 .575 .664 .708 .625 .633 .636 1.000 .730 .585 .632 .568
X11 .646 .817 .797 .698 .837 .895 .689 .823 .783 .870 .730 1.000 .861 .882 .858
X12 .714 .776 .628 .632 .755 .864 .571 .840 .669 .843 .585 .861 1.000 .871 .897
X13 .638 .881 .753 .636 .780 .874 .601 .893 .762 .903 .632 .882 .871 1.000 .962
X14 .675 .811 .702 .564 .750 .873 .578 .900 .741 .917 .568 .858 .897 .962 1.000
Sig. (1-tailed) Y . .000 .001 .008 .001 .000 .009 .000 .002 .000 .004 .000 .000 .000 .000
X1 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
X2 .001 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
X3 .008 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
X4 .001 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
X5 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000
X6 .009 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000
X7 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000
X8 .002 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000
X9 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000
X10 .004 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000
X11 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000
X12 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000
X13 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000
X14 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .
N Y 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X1 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X2 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X3 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X4 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X5 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X6 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X7 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X8 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X9 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X10 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X11 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X12 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X13 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
X14 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
94
Lanjutan
Variables Variables
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X5 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
Model Summary b
Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .724a .525 .512 2.303
ANOVAb
Sum of
1 Regression 222.397 1 222.397 41.940 .000a
Residual 201.503 38 5.303
Total 423.900 39
Coefficients a
1 (Constant) -5.331 2.235 -2.385 .022
X5 .312 .048 .724 6.476 .000
Excluded Variables b
Collinearity
Partial Statistics
1 X1 -.096a -.507 .615 -.083 .357
X2 -.107a -.658 .515 -.108 .477
X3 -.225a -1.490 .145 -.238 .530
X4 -.291a -1.514 .139 -.241 .328
X6 -.240a -1.587 .121 -.252 .528
X7 .013a .058 .954 .010 .255
X8 -.328a -1.895 .066 -.297 .390
X9 .098a .371 .713 .061 .185
X10 -.111a -.740 .464 -.121 .560
X11 -.011a -.042 .967 -.007 .199
X12 .347a 1.594 .120 .253 .253
X13 .019a .083 .934 .014 .236
X14 .178a .771 .446 .126 .238
95
Lanjutan
a
Residuals Statistics

Predicted Value -.07 12.27 8.95 2.388 40
Standard Error of
.364 1.439 .468 .218 40
Predicted Value
Adjusted Predicted Value -.75 12.53 8.93 2.491 40
Residual -3.996 4.752 .000 2.273 40
Std. Residual -1.735 2.063 .000 .987 40
Stud. Residual -1.762 2.090 .004 1.009 40
Deleted Residual -4.193 4.876 .022 2.379 40
Mahal. Distance .000 14.256 .975 2.787 40
Cook's Distance .000 .113 .024 .031 40
Histogram
10
8
Frequency
Mean =-1.64E-15
0 Std. Dev. =0.987
N =40
-2 -1 0 1 2 3
1.0
2
0.8
Expected Cum Prob
(Press) Residual
0.6
0
0.4
0.2
-2
0.0
-4 -3 -2 -1 0 1 2 0.0 0.2 0.4 0.6 0.8 1.0
96
Lampiran 19 Pendugaan umur siamang sumatera berdasarkan model matematik
A. Pendugaan umur siamang sumatera jantan 1-15 tahun dengan model

matematika Y = -14.546 + 0.801 X12
Ukuran Lingkar Dugaan Umur

Muka (cm) (tahun)
18.2 - 19.4 0–1
19.5 - 20.6 >1–2
20.7 - 21.9 >2–3
22.0 - 23.1 >3–4
23.2 - 24.4 >4-5
24.5 - 25.6 >5-6
25.7 - 26.9 >6-7
27.0 - 28.1 >7-8
28.2 - 29.4 >8-9
29.5 - 30.6 > 9 – 10
30.7 - 31.8 > 10 - 11
31.9 - 33.1 > 11 - 12
33.2 - 34.3 > 12 - 13
34.4 - 35.6 > 13 - 14
35.7 - 36.8 > 14 - 15
B. Pendugaan umur siamang sumatera betina 2-14 tahun dengan model

matematika Y = -15.328 + 0.533 X5
Ukuran Lingkar Dugaan Umur

Dada (cm) (tahun)
28.9 - 30.6 0–1
30.7 - 32.5 >1–2
32.6 - 34.3 >2–3
34.4 - 36.2 >3–4
36.3 - 38.1 >4–5
38.2 - 40.0 >5–6
40.1 - 41.9 >6–7
42.0 - 43.7 >7–8
43.8 - 45.6 >8–9
45.7 - 47.5 > 9 – 10
47.6 - 49.4 > 10 – 11
49.5 - 51.2 > 11 – 12
51.3 - 53.1 > 12 – 13
53.2 - 55.0 > 13 – 14
55.1 - 56.9 > 14 – 15
97
C. Pendugaan umur siamang sumatera 1-15 tahun dengan model matematika

Y = -5,331 + 0,312 X5
Ukuran Dugaan Umur

Lingkar Dada (cm) (tahun)
17.1 - 20.3 0–1
20.4 - 23.4 >1–2
23.5 - 26.7 >2–3
26.8 - 29.9 >3–4
30.0 - 33.1 >4–5
33.2 - 36.3 >5–6
36.4 - 39.5 >6–7
39.6 - 42.7 >7–8
42.8 - 45.9 >8–9
46.0 - 49.1 > 9 – 10
49.2 - 52.3 > 10 – 11
52.4 - 55.5 > 11 – 12
55.6 - 58.7 > 12 – 13
58.8 - 61.9 > 13 – 14
62.0 - 65.1 > 14 – 15
98
Lampiran 20 Parameter morfometrik pada kerangka Hylobates sp. (insert kanan

atas. H. syndactylus).
Sumber: Napier, 1967

PR
PR + PH = PL
PH
PB LD
PF
PF + PT = PK
PT
Sumber: Young (1981)

99
Lampiran 21 Parameter morfometrik (a) telapak kaki dan (b) telapak tangan
Hylobates sp.
PTK PTT
LTK
LTT
(a) (b)
Lampiran 22 Parameter morfometrik tengkorak (cranial) Hylobates sp.
LbC PCr
TCr
100
Lampiran 23 Peta lokasi penelitian Kalaweit Program Sumatera dan Pusat

Penyelamatan Satwa Cikananga
Lokasi Kalaweit
Program Sumatera
Kabupaten Pesisir Selatan

Provinsi Sumatera Barat
Sumatera
Barat
Lokasi Pusat Penyelamatan

Satwa Cikananga
Provinsi Jawa Barat
Kabupaten
Sukabumi
Jawa Barat

Penggunaan Parameter Morfometrik Untuk Pendugaan Umur Siamang Sumatera (Hylobates Syndactylus Syndactylus Raffles, 1821)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Penggunaan Parameter Morfometrik Untuk Pendugaan Umur Siamang Sumatera (Hylobates Syndactylus Syndactylus Raffles, 1821)

Uploaded by

Copyright:

Available Formats

PENGGUNAAN PARAMETER MORFOMETRIK

UNTUK PENDUGAAN UMUR SIAMANG SUMATERA

Dengan ini saya menyatakan bahwa tesis Penggunaan Parameter

Bogor, Desember 2007

FIFIN NOPIANSYAH. Penggunaan Parameter Morfometrik untuk Pendugaan

FIFIN NOPIANSYAH. Application of Morphometric Parameters to Estimate

Understanding of wildlife age is an important aspect to indentify its age

Keywords: siamang sumatra, morfometric, age.

1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa

Ketua Program Studi Dekan Sekolah Pascasarjana

Tanggal Ujian: 18 Desember 2007 Tanggal Lulus:

Bogor, Desember 2007

Penulis dilahirkan di Baturaja, Provinsi Sumatera Selatan pada tanggal 24

DAFTAR TABEL ................................... ........................................................ ix

Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun) ................ 43

SIMPULAN DAN SARAN .................... ........................................................ 57

1 Daftar pergantian gigi seri kambing.... ........................................................ 13

22 ANOVA analisis regresi dengan metode stepwise untuk menduga umur

1 Kerangka pemikiran penelitian ........... ........................................................ 7

1 Data ukuran tubuh siamang sumatera jantan .............................................. 61

17 Hasil output analisis regresi pada parameter morfometrik untuk menduga

Pengelolaan satwaliar pada dasarnya merupakan pengelolaan terhadap

Struktur umur merupakan perbandingan jumlah individu di dalam berbagai

penelitian. Di dunia internasional siamang juga dilindungi, IUCN (International

Penelitian ini bertujuan untuk:

Hipotesa yang diuji dalam penelitian ini adalah:

Hasil penelitian ini diharapkan dapat memberikan manfaat, yaitu:

Bertolak dari kelemahan-kelemahan dalam pendugaan umur satwaliar yang

makanan, dengan kemampuan ini siamang dapat menjangkau bagian-bagian

3. Model matematika untuk menduga umur akan terbatas sesuai ketersediaan

Pendugaan Umur Melalui

Gambar 1 Kerangka pemikiran penelitian.

Bio-ekologi Siamang Sumatera

Famili Hylobatidae dikelompokkan dalam tiga marga berdasarkan jumlah

Siamang mempunyai panjang badan mencapai 90 cm dengan warna rambut hitam

Gambar 2 Peta penyebaran H. syndactylus syndactylus (Groves 1970; Chivers

Habitat dan Perilaku

Perkembangan Metode Pendugaan Umur

Pendugaan umur mamalia dapat dilakukan dengan berbagai teknik, salah

- Karakter yang berubah sesuai lompatan tahun.

Pendugaan Umur Melalui Gigi Geligi

Penggunaan parameter gigi telah banyak dilakukan dalam pendugaan umur.

Sumber: Sosroamidjojo (1975) dalam Mukhtar (1996)

1.5-2 tahun 2-3 tahun

3-4 tahun tua

Gambar 3 Bagan gigi seri kambing dan ruminansia lainnya (Sumber:

Selanjutnya menurut Semiadi dan Nugraha (2005), tingkat keausan gigi

cementum terakumulasi di bagian bawah badan gigi yang disebut annuli,

Pendugaan Umur Melalui Struktur Fisiologi

Pendugaan umur melalui struktur fisiologi didasarkan pada penampakan

Pendugaan Umur Melalui Ukuran Tubuh

Menurut Frandson (1992), skeleton hewan yang dibentuk oleh tulang

Parameter Morfometrik yang Berkaitan dengan Umur Siamang Sumatera

Ukuran morfologikal merupakan pertumbuhan panjang hewan yang mudah

1. Badan dan Kepala

2. Dada dan Bahu

3. Lengan dan Tangan

Pada semua spesies, perkembangan radius sangat baik sedangkan ulna

4. Kaki dan Telapak Kaki

Karakteristik Lokasi Penelitian

Penelitian pengukuran morfometrik siamang dilaksanakan di dua lokasi,

Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera

KPS merupakan kegiatan konservasi eksitu yang bertujuan untuk