12 ketelitian 5 cm dan diukur nilai redoks potensialnya dengan menggunakan ORP
Meter TOA RM-10P.
2.4.2 Analisis Data
Analisis ini dilakukan menggunakan program MINITAB 14 Iriawan dan Astuti 2006, yaitu MANOVA, korelasi, regresi, cluster, dan uji komponen utama
Principal Component Analyze;PCA pada data fenotipe rumput laut, data kualitas air, data ketebalan lumpur, dan ORP lumpur dari 12 titik sampling.
2.4.2.1 Analisis Data Fenotipe Gracilaria spp.
MANOVA digunakan untuk melihat adanya perbedaan keragaman interpopulasi dengan kisaran tingkat keyakinan 65-95 Steel and Torrie 1991.
Selanjutnya, hubungan saling mempengaruhi antar parameter fenotipe kemudian dianalisis dengan menggunakan metode korelasi, dan jika hasil uji memiliki
korelasi yang kuat dan signifikan pearson correlatin mendekati 1, p0,05, maka dilanjutkan dengan analisis regresi. Cluster observasi dilakukan pada data
fenotipe rumput laut untuk melihat struktur interpopulasinya berdasarkan perbedaan salinitas, dalam hal ini semua parameter fenotipe rumput laut dijadikan
sebagai variabel pada cluster. Cluster observasi data fenotipe Gracilaria ditampilkan dalam bentuk dendogram yang dapat menunjukkan tingkat
keseragaman fenotipe similarity index. Data karakteristik fenotipe Gracilaria spp. dianalisis dengan metode diskriminasi kelompok sampel populasi dengan
representasi dendogram untuk mengkaji hubungan antar variabel fenotipe rumput laut, di mana parameter salinitas pada titik sampling di tambak sebagai peubah
kelompok rumput laut. Derajat perbedaan interpopulasi dianalisis dengan menggunakan metode statistik multivariabel. Analisis diskriminan digunakan
untuk mendeskripsikan perbedaan kelompok individu berdasarkan karakter fenotipe yang diamati dan perbedaan kualitas air berdasarkan salinitas, serta
mendeterminasi variabel yang paling mencirikan perbedaan antar kelompok. Pendugaan variabel yang memberikan pengaruh paling kuat terhadap karakteristik
populasi dapat digunakan sebagai indikator fenotipe penentu seleksi. Analisis komponen utama dilakukan pada data fenotipe untuk menggambarkan hubungan
saling mempengaruhi antar parameter dalam bentuk diagram PCA.
13
2.4.2.2 Analisis Data Kualitas Air
MANOVA digunakan untuk melihat adanya perbedaan keragaman kualitas air dengan kisaran tingkat keyakinan 65-95 Steel and Torrie 1991.
Selanjutnya, hubungan saling mempengaruhi antar parameter kualitas air dianalisis dengan menggunakan metode korelasi, dan jika hasil uji memiliki
korelasi yang kuat dan signifikan pearson correlatin mendekati 1, p0,05, maka dilanjutkan dengan analisis regresi. Cluster variabel dilakukan pada data kualitas
air, dalam hal ini semua parameter kualitas air dijadikan sebagai variabel pada cluster. Data kualitas air dianalisis dengan metode diskriminasi parameter kualitas
air dengan representasi dendogram untuk mengkaji hubungan antar variabel kualitas air di tiap titik sampling, di mana parameter salinitas pada titik sampling
di tambak sebagai peubah kelompok rumput laut. Analisis komponen utama dilakukan pada data kualitas air untuk menggambarkan hubungan saling
mempengaruhi antar parameter dalam bentuk diagram PCA.
2.4.2.3 Analisis Hubungan Kualitas Air terhadap Fenotipe Gracilaria spp.
