Professional Documents
Culture Documents
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
Fifin Nopiansyah
NIM E051054125
RINGKASAN
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
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
Dr. Ir. Rinekso Soekmadi, M.Sc.F. Prof. Dr. Ir. Khairil A. Notodiputro, M.S.
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.
Fifin Nopiansyah
RIWAYAT HIDUP
Halaman
vii
Halaman
viii
DAFTAR TABEL
Halaman
ix
Halaman
x
DAFTAR GAMBAR
Halaman
xi
DAFTAR LAMPIRAN
Halaman
xii
Halaman
xiii
1
PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Hipotesis
Manfaat Penelitian
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
Permasalahan-permasalahan dalam
Pendugaan Umur Siamang Sumatera
Indentifikasi Peubah
Penciri Umur
Pemilihan Satwa KU
yang telah diketahui
Pengukuran Parameter
Morfometrik
Model Matematika
Validasi
TINJAUAN PUSTAKA
Sistematika
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
Penyebaran H. syndactylus
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 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.
1–1.5 tahun
9 bulan
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).
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.
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
perbandingan dari panjang kaki dengan panjang tangan, informasi ini sangat
bermanfaat untuk mengindentifikasi sistem lokomosi primata (Myers dan
Sheffield 1996).
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
METODE PENELITIAN
Pengambilan Data
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
keterangan:
Y = umur siamang (tahun)
b0 = nilai intersep
b1 = nilai koefisien regresi parameter morfometrik ke-1
b2 = nilai koefisien regresi parameter morfometrik ke-2
b14 = nilai koefisien regresi parameter morfometrik ke-14
X1 = parameter morfometrik ke-1 (cm)
X2 = parameter morfometrik ke-2 (cm)
X14 = parameter morfometrik ke-14 (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
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
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
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)
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.
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)
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
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)
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.
Tabel 14 KMO dan Bartlett's Test untuk data siamang sumatera jantan
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
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:
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
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
Tabel 19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera jantan
Sum of
Model df Mean Square F Sig.
Squares
1 Regression 168,286 1 168,286 35,483 0,000(a)
Residual 104,339 22 4,743
Total 272,625 23
42
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
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
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
Y = -2,091 + 0,496 X7
Tabel 22 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera jantan hingga umur 6 tahun
Sum of
Model df Mean Square F Sig.
Squares
1 Regression 16,902 1 16,902 344,726 0,003(a)
Residual 0,098 2 0,049
Total 17,000 3
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
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
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
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:
Sum of
Model df Mean Square F Sig.
Squares
1 Regression 147,914 14 10,565 6,933 0,290(a)
Residual 1,524 1 1,524
Total 149,438 15
47
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
Tabel 30 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera betina
Sum of
Model df Mean Square F Sig.
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
Regression Studentized Deleted
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
Gambar 13 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk
menduga umur siamang sumatera betina.
44,90% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model
matematika ini.
Pada Gambar 13, Grafik Scatterplot menunjukkan bahwa titik-titik yang
digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu.
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
homoskedastisitas. Hasil ini menunjukkan bahwa model matematika layak
digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar
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
Tabel 33 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera betina hingga umur 6 tahun
Sum of
Model df Mean Square F Sig.
Squares
1 Regression 8,659 1 8,659 1160,333 0,019(a)
Residual 0,007 1 0,007
Total 8,667 2
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.
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
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.
Tabel 36 Model rekapitulasi analisis regresi untuk menduga umur siamang
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
Y = -5,331 + 0,312 X5
Tabel 40 ANOVA analisis regresi dengan metode stepwise untuk menduga umur
siamang sumatera
Sum of
Model df Mean Square F Sig.
Squares
1 Regression 222,397 1 222,397 41,940 0,000(a)
Residual 201,503 38 5,303
Total 423,900 39
54
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
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
1.0
Regression Studentized Deleted
2 0.8
Expected Cum Prob
(Press) Residual
0.6
0 0.4
0.2
-2
0.0
Gambar 15 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk
menduga umur siamang sumatera.
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).
Simpulan
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
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
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
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
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
Catatan: Correlations
Catatan:
Bila nilai Pearson correlation pada kolom Xa > 0,500 maka parameter
morfometrik dinyatakan sahih.
65
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
morfometrik untuk menduga umur siamang sumatera (H. syndactylus
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
Squares df Mean Square F Sig.
Y * X2 Between (Combined) 405.900 35 11.597 2.577 .184
Groups Linearity 94.715 1 94.715 21.048 .010
Deviation from Linearity 311.185 34 9.153 2.034 .258
Within Groups 18.000 4 4.500
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X3 Between (Combined) 411.400 37 11.119 1.779 .425
Groups Linearity 60.255 1 60.255 9.641 .090
Deviation from Linearity 351.145 36 9.754 1.561 .467
Within Groups 12.500 2 6.250
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X4 Between (Combined) 400.900 34 11.791 2.563 .148
Groups Linearity 105.226 1 105.226 22.875 .005
Deviation from Linearity 295.674 33 8.960 1.948 .236
Within Groups 23.000 5 4.600
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X5 Between (Combined) 417.400 37 11.281 3.471 .249
Groups Linearity 222.397 1 222.397 68.430 .014
Deviation from Linearity 195.003 36 5.417 1.667 .446
Within Groups 6.500 2 3.250
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X6 Between (Combined) 389.317 30 12.977 3.377 .030
Groups Linearity 58.464 1 58.464 15.215 .004
Deviation from Linearity 330.852 29 11.409 2.969 .045
Within Groups 34.583 9 3.843
Total 423.900 39
67
Lanjutan
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X7 Between (Combined) 399.400 28 14.264 6.404 .001
Groups Linearity 167.508 1 167.508 75.208 .000
Deviation from Linearity 231.892 27 8.589 3.856 .011
Within Groups 24.500 11 2.227
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X8 Between (Combined) 387.900 31 12.513 2.781 .066
Groups Linearity 81.166 1 81.166 18.037 .003
Deviation from Linearity 306.734 30 10.224 2.272 .113
Within Groups 36.000 8 4.500
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X9 Between (Combined) 331.400 28 11.836 1.407 .281
Groups Linearity 191.325 1 191.325 22.752 .001
Deviation from Linearity 140.075 27 5.188 .617 .851
Within Groups 92.500 11 8.409
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X10 Between (Combined) 404.400 34 11.894 3.050 .107
Groups Linearity 74.192 1 74.192 19.024 .007
Deviation from Linearity 330.208 33 10.006 2.566 .148
Within Groups 19.500 5 3.900
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X11 Between (Combined) 334.233 26 12.855 1.864 .120
Groups Linearity 176.975 1 176.975 25.658 .000
Deviation from Linearity 157.258 25 6.290 .912 .595
Within Groups 89.667 13 6.897
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X12 Between (Combined) 340.233 29 11.732 1.402 .295
Groups Linearity 216.020 1 216.020 25.819 .000
Deviation from Linearity 124.213 28 4.436 .530 .909
Within Groups 83.667 10 8.367
Total 423.900 39
68
Lanjutan
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X13 Between (Combined) 419.400 37 11.335 5.038 .179
Groups Linearity 172.412 1 172.412 76.627 .013
Deviation from Linearity 246.988 36 6.861 3.049 .277
Within Groups 4.500 2 2.250
Total 423.900 39
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y * X14 Between (Combined) 397.900 33 12.058 2.783 .101
Groups Linearity 192.919 1 192.919 44.520 .001
Deviation from Linearity 204.981 32 6.406 1.478 .331
Within Groups 26.000 6 4.333
Total 423.900 39
Anti-image Matrices
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
Descriptive Statistics
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
b. Dependent Variable: Y
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
a. Predictors: (Constant), X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12, X9, X13
b. Dependent Variable: Y
71
Lanjutan
a
Coefficients
Unstandardized Standardized
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
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
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
Regression Standardized Predicted Value Observed Cum Prob
72
Descriptive Statistics
Model Summaryb
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 .786a .617 .600 2.178 .617 35.483 1 22 .000 .504
a. Predictors: (Constant), X12
b. Dependent Variable: Y
ANOVA b
Sum of
Model Squares df Mean Square F Sig.
1 Regression 168.286 1 168.286 35.483 .000a
Residual 104.339 22 4.743
Total 272.625 23
a. Predictors: (Constant), X12
b. Dependent Variable: Y
Coefficients a
Unstandardized Standardized
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
a. Dependent Variable: Y
Variables Entered/Removed a
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X12 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
a. Dependent Variable: Y
73
Lanjutan
Correlations
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
b. Dependent Variable: Y
74
Lanjutan
Residuals Statistics a
Histogram
Dependent Variable: Y
4
Frequency
Mean =2.5E-16
0 Std. Dev. =0.978
N =24
-2 0 2
1.0 2
Regression Studentized Deleted
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
Descriptive Statistics
Correlations
Lanjutan
Variables Entered/Removed a
Variables Variables
Model Entered Removed Method
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).
a. Dependent Variable: Y
Model Summaryd
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 .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
a. Predictors: (Constant), X7
b. Predictors: (Constant), X7, X11
c. Predictors: (Constant), X7, X11, X9
d. Dependent Variable: Y
Residuals Statistics a
ANOVA d
Sum of
Model Squares df Mean Square F Sig.
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
Residual .000 1 .000
Total 17.000 3
3 Regression 17.000 3 5.667 . .c
Residual .000 0 .
Total 17.000 3
a. Predictors: (Constant), X7
b. Predictors: (Constant), X7, X11
c. Predictors: (Constant), X7, X11, X9
d. Dependent Variable: Y
77
Lanjutan
Coefficientsa
Unstandardized Standardized
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
a. Dependent Variable: Y
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
a. Predictors in the Model: (Constant), X7
b. Predictors in the Model: (Constant), X7, X11
c. Predictors in the Model: (Constant), X7, X11, X9
d. Dependent Variable: Y
78
Anti-image Matrices
Lanjutan
Anti-image Matrices
Anti-image Matrices
Lanjutan
Anti-image Matrices
X4 X11
0.9
X5
X9 X2
0.3
Component 2
X14
X1 X13
X7
0.0
-0.3
-0.6
-0.9
Component 1
81
Descriptive Statistics
Model Summaryb
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 .995a .990 .847 1.234 .990 6.933 14 1 .290 2.152
a. Predictors: (Constant), X14, X6, X10, X3, X8, X5, X1, X2, X9, X4, X7, X11, X12, X13
b. Dependent Variable: Y
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 147.914 14 10.565 6.933 .290a
Residual 1.524 1 1.524
Total 149.438 15
a. Predictors: (Constant), X14, X6, X10, X3, X8, X5, X1, X2, X9, X4, X7, X11, X12, X13
b. Dependent Variable: Y
Coefficients(a)
Unstandardized Standardized
Coefficients Coefficients
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
Residuals Statistics a
Histogram
Dependent Variable: Y
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
Descriptive Statistics
Correlations
Lanjutan
Variables Entered/Removed a
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X5 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
a. Dependent Variable: Y
Model Summary b
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 82.298 1 82.298 17.161 .001a
Residual 67.139 14 4.796
Total 149.438 15
a. Predictors: (Constant), X5
b. Dependent Variable: Y
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -15.328 5.823 -2.632 .020
X5 .533 .129 .742 4.143 .001
a. Dependent Variable: Y
Excluded Variablesb
Collinearity
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
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
a. Predictors in the Model: (Constant), X5
b. Dependent Variable: Y
85
Lanjutan
Residuals Statisticsa
Histogram
Dependent Variable: Y
4
Frequency
Mean =-3.05E-16
0 Std. Dev. =0.966
N =16
-2 -1 0 1 2 3
1.0
Regression Studentized Deleted
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
Descriptive Statistics
Correlations
Lanjutan
Variables Entered/Removed a
Variables Variables
Model Entered Removed Method
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).
a. Dependent Variable: Y
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
Model Squares df Mean Square F Sig.
1 Regression 8.659 1 8.659 1160.333 .019a
Residual .007 1 .007
Total 8.667 2
2 Regression 8.667 2 4.333 . .b
Residual .000 0 .
Total 8.667 2
a. Predictors: (Constant), X5
b. Predictors: (Constant), X5, X10
c. Dependent Variable: Y
a
Coefficients
Unstandardized Standardized
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
a.Dependent Variable: Y
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
a. Predictors in the Model: (Constant), X5
b. Predictors in the Model: (Constant), X5, X10
c. Dependent Variable: Y
Residuals Statistics a
Anti-image Matrices
Descriptive Statistics
Variables Entered/Removed b
Variables Variables
Model Entered Removed Method
1 X14, X3,
X6, X2,
X10, X8,
X4, X1, . Enter
X12, X7,
X5, X11,a
X9, X13
a. All requested variables entered.
b. Dependent Variable: Y
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
Model Squares df Mean Square F Sig.
1 Regression 290.219 14 20.730 3.877 .002a
Residual 133.681 25 5.347
Total 423.900 39
a. Predictors: (Constant), X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11, X9, X13
b. Dependent Variable: Y
91
Lanjutan
a
Coefficient Correlations
Coefficients(a)
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
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
Histogram
Dependent Variable: Y
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
Descriptive Statistics
Correlations
Lanjutan
Variables Entered/Removed a
Variables Variables
Model Entered Removed Method
1 Stepwise
(Criteria:
Probabilit
y-of-
F-to-enter
X5 . <= .050,
Probabilit
y-of-
F-to-remo
ve >= .
100).
a. Dependent Variable: Y
Model Summary b
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 222.397 1 222.397 41.940 .000a
Residual 201.503 38 5.303
Total 423.900 39
a. Predictors: (Constant), X5
b. Dependent Variable: Y
Coefficients a
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -5.331 2.235 -2.385 .022
X5 .312 .048 .724 6.476 .000
a. Dependent Variable: Y
Excluded Variables b
Collinearity
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
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
a. Predictors in the Model: (Constant), X5
b. Dependent Variable: Y
95
Lanjutan
a
Residuals Statistics
Histogram
Dependent Variable: Y
10
8
Frequency
Mean =-1.64E-15
0 Std. Dev. =0.987
N =40
-2 -1 0 1 2 3
1.0
Regression Studentized Deleted
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
Regression Standardized Predicted Value Observed Cum Prob
96
PR + PH = PL
PH
PB LD
PF
PF + PT = PK
PT
Lampiran 21 Parameter morfometrik (a) telapak kaki dan (b) telapak tangan
Hylobates sp.
PTK PTT
LTK
LTT
(a) (b)
LbC PCr
TCr
100
Lokasi Kalaweit
Program Sumatera
Sumatera
Barat
Kabupaten
Sukabumi
Jawa Barat