Kepadatan Individu Gastropoda Pola sebaran Pemanfaatan nutrien Pemanfaatan alga Analisis Parameter Lingkungan

6. Dominansi relatif jenis DR i perbandingan antara dominansi jenis i dan dominansi seluruh jenis. 100 x D D DR i i ∑ =

b. Kepadatan Individu Gastropoda

Untuk menghitung kepadatan individu dalam hal ini Littorina spp maka dapat dilakukan dengan menggunakan persamaan : A D X i ∑ = Dimana : X = Kelimpahan Gastropoda individum 2 D i = Jumlah individu gastropoda ke i A = Satuan luas m 2

c. Pola sebaran

Untuk mengetahui pola penyebaran jenis L. neritoides digunakan Indeks Morisita d I Krebs, 1989 dengan rumus sebagai berikut: { } ∑ ∑ ∑ ∑ − − = i i i i d x x x x n I 2 2 Dimana : d I = Indeks Dispersi Morisita n = Jumlah total unit sampling Xi = Jumlah individu jenis ke-i Dengan kriteria penyebaran sebagai berikut: d I = 1: pola dispersi acak d I 1: pola dispersi seragam d I 1: pola dispersi mengelompok

d. Pemanfaatan nutrien

Untuk menghitung besarnya nutrien yang diserap oleh alga dilakukan dengan menggunakan persamaan sebagai berikut: N alga = N to – N t1 dimana : N alga = Nutrien yang dimanfaatkan oleh alga mgl, dimana nutrien dalam hal ini dibatasi hanya pada nitrat dan ortofosfat N to = Nutrien awal mgl N t1 = Nutrien pada waktu t mgl Jumlah nutrien berupa nitrat dan fosfat yang berkurang merupakan besarnya nutrien yang dimanfaatkan oleh alga.

e. Pemanfaatan alga

Untuk mengetahui persentase pemanfaatan alga oleh L. neritoides dapat dihitung dengan menggunakan persamaan : 100 x B A X = dimana : X = Persentase pemanfaatan alga A = Total luas daerah yang digerus cm 2 B = Total luas daerah yang ditumbuhi alga cm 2 Selanjutnya untuk mengetahui besarnya kontribusi mangrove berupa nutrien yang berasal dari serasah mangrove yang dimanfaatkan oleh L. neritoides dapat dihutung dengan persamaan : Y = NxX dimana : N = Nutrien nitrat dan fosfat yang dimanfaatkan oleh alga mgl X = Pemanfaatan alga oleh L. neritoides

f. Analisis Parameter Lingkungan

Untuk mendeterminasi sebaran stasiun berdasarkan karakteristik lingkungan, digunakan suatu pendekatan analisis statistik multivariabel yang didasarkan pada Analisis Komponen Utama Principal Components Análysis atau PCA. Metode ini memungkinkan suatu representasi yang lebih mudah diinterpretasikan pada struktur data yang banyak dengan hanya menarik informasi esensial Bengen 2000. Analisis statistik multivariabel ini lebih tepat digunakan karena variabelnya berupa variabel metrik dan memiliki unit pengukuran yang berbeda. Variabel yang ada seperti kualitas air pH, DO, TOM, dll, Kualitas sedimen pH, Eh , merupakan variabel yang sifatnya independen. Dengan menggunakan analisis PCA dapat dikaji hubungan antara variabel- variabel tersebut korelasi antar variabel dan dapat dilihat apakah ada pengelompokan individu stasiun berdasarkan parameter tersebut. Analisis Komponen Utama adalah suatu teknik ordinasi yang memproyeksikan dispersi matriks data multidimensional dalam suatu bidang datar, dengan cara mereduksi ruang, maka diperoleh sumbu-sumbu baru yang merepresentasikan secara optimal dari sebagian besar variabilitas data matriks multidimensional, sehingga dapat ditemukan hubungan antar variabel dan hubungannya antar obyek Legendre dan Legendre, 1983. Analisis ini membagi matriks korelasi parameter menjadi beberapa komponen, kemudian menyusun keragaman komponen bersangkutan dari yang terbesar pada sumbu komponen utama, sehingga didapatkan distribusí spasial parameter físika, kimia dan biologi pada lokasi penelitian. Data variabel físika kimia perairan yang diperoleh tidak memiliki unit pengukuran yang sama, maka sebelum dilakukan analisis terlebih dahulu dilakukan normalisasi terhadap data melalui pemusatan dan pereduksian. Dengan demikian hasil PCA tidak direalisasikan dari nilai-nilai asli karakteristik habitat tapi dari indeks sintetik yang diperoleh dari kombinasi linier nilai-nilai asli karakteristik habitat. Nilai sesudah pemusatan diperoleh dari selisih antara nilai karakteristik habitat tersebut sebagai berikut : i ij X X C − = Dimana : X i = nilai rata-rata karakteristik habitat X ij = Nilai asli karakteristik habitat C = Nilai pemusatan Sementara pereduksian merupakan hasil bagi antara parameter yang telah dipusatkan dengan nilai simpangan baku parameter tersebut sebagai berikut : Sd C R = Dimana : R = nilai reduksi C = Nilai pemusatan Sd = Nilai simpangan baku karakteristik habitat Untuk menentukan hubungan antara dua peubah di gunakan pendekatan matriks korelasi yang dihitung dari indeks sintetik sebagai berikut : B sxn = A sxn – A t nxs Dimana : B sxn = matriks korelasi rij A sxn = matriks indeks sintetis, aij A t nxs = matriks transpos A sxn Korelasi linier antara dua parameter yang dihitung dari indeks sintetiknya adalah peragam dari kedua parameter tersebut yang dinormalkan. Diantara semua indeks yang menunjukkan ragam stasiun yang maksimum. Indeks ini di sebut komponen utama pertama yang merupakan sumbu kesatu F1. Suatu proporsi tertentu dari ragam total stasiun dijelaskan oleh componen utama ini. Selanjutnya dicari komponen utama kedua F2 yang memiliki korelasi nihil dengan komponen utama pertama. Komponen utama kedua memberikan informasi terbesar sebagai pelengkap komponen utama pertama. Proses ini berlanjut terus hingga diperoleh komponen utama ke p, dimana bagian informasi yang dapat dijelaskan semakin kecil. Pada prinsipnya Analisis Komponen Utama menggunakan pengukuran jarak Euclidean jumlah kuadrat perbedaan antara individu untuk variabel yang berkoresponden pada data Bengen, 2000. Jarak Euclidean didasarkan pada rumus sebagai berikut : 2 1 2 , j i p j ij X X i i d ∑ = − = Dimana : i, i ’ = dua baris j = Indeks pada kolom bervariasi dari 1 hingga p Semakin kecil jarak Euclidean antar 2 stasiun, maka semakin mirip karakteristik físika kimia air dan substrat antar kedua stasiun tersebut dan sebaliknya semakin besar jarak Euclidean antar 2 stasiun, maka semakin berbeda karakteristik físika kimia air dan substrat antar kedua stasiun tersebut.

g. Hubungan antara Kepadatan L. neritoides dengan Kerapatan dan Penutupan Mangrove