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
