Kesimpulan Model Regresi Data Mangsa dan SVL Sebelum Diresampel

BAB V PENUTUP

2.6. Kesimpulan

Berdasarkan pembahasan di atas dapat ditarik kesimpulan sebagai berikut: 1. terdapat hubungan antara keterbatasan mangsa terhadap SVL komodo dengan model regresi x y 0999 , 4 4316 , 51 dan R 2 =97,41 2. terdapat hubungan keterbatasan mangsa dengan berat badan komodo dengan model regresi x z 471 , 2 1285 , 5 dan R 2 =42,42. 2.7. Saran Saran yang dapat diberikan penulis adalah bagi petugas TNK Taman Nasional Komodo sebaiknya mengadakan patroli untuk mengurangi perburuan liar terhadap rusa timor yang merupakan salah satu mangsa komodo yang dapat mempengaruhi bentuk morfologi komodo. Selain itu mengembangbiakkan mangsa lain selain Rusa Timor. 27 DAFTAR PUSTAKA [1] Chatterjee, S. dan Price, B. 1991. Regression Analysis By Example. Second Edition. John Wiley Sons,Inc. [2] Efron,B and Tibshirani R. J. 1993. An Introduction to the Bootstraps. Chapman and HallInc,New York. [3] Macaques-Moose.1977. Encyclopedia of The World Animal World. Baybooks pty ltd, Sydney. [4] Sari, Dewi Ika .1996. Hetroskedastik pada Model Regresi Linier. Skripsi mahasisiwa, Universitas Sebelas Maret, Surakarta. [5] Sembiring, R.K. 1995.Analisis Regresi . Penerbit ITB, Bandung [6] Tim S Jessop.2008. Ringkasan Penelitian Ekologi Biawak Komodo Di Balai Taman Nasional Komodo Indonesia, pada tahun 2002-2006. http:id.wikipedia.orgwikiekologi komodo. [7] .2007. Komodo Dragon.http:en.wikipedia.orgwikikomodo_dragon [8] Venables, W.N. dan Ripley, B. D. 1994. Modern Applied Statistics with S- PLUS. Springeer-Verlag,Inc. 28 LAMPIRAN Lampiran 1. Data tahun, jumlah mangsa, SVL, dan berat badan Tahun x mangsa x mangsa pembulatan y SVL z beratbdn 1994 8,8 9 90,22 18,30 2002 6,4 7 80,14 11,52 2003 5,2 6 75,25 9,94 2004 8,3 9 86,02 15,93 Lampiran 2. Output Program SPSS, dan S-Plus 3.2 pada Data SVL dan Mangsa  OUTPUT SPSS

a. Model Regresi Data Mangsa dan SVL Sebelum Diresampel

Tabel 1. Model Regresi Linear Sederhana V ariables Enter edRe m ove d b X a , Enter Model 1 V ariables Entered V ariables Remov ed Method A ll requested variables entered. a. Dependent V ariable: Y b. Model Sum m ary ,964 a ,930 ,895 2,12838 Model 1 R R Square A djusted R Square Std. Error of the Estimate Predictors: Constant, X a. ANOV A b 120,397 1 120,397 26,578 ,036 a 9,060 2 4,530 129,457 3 Regression Residual Total Model 1 Sum of Squares df Mean Square F Sig. Predictors: Constant, X a. Dependent Variable: Y b. Coe fficients a 50,177 6,437 7,794 ,016 4,223 ,819 ,964 5,155 ,036 Cons tant X Model 1 B Std. Error Unstandardiz ed Coef f icients Beta Standardized Coef f icients t Sig. Dependent Variable: Y a.

b. Uji Kenormalan