Kontur permukaan klorofil-a Pengelompokan stasiun Analisis komponen utama Principal Componen Analysis, PCA.

D. Analisis Data

1. Kontur permukaan klorofil-a

Hasil dari pengukuran konsentrasi klorofil-a akan diplotkan kedalam peta lokasi pengambilan sampel dengan menggunakan program surfer 8, yaitu dengan menggunakan interpolasi terhadap nilai klorofil-a yang terdapat pada masing- masing stasiun. Hasil interpolasi kemudian disajikan dalam bentuk kontur secara horizontal kemudian ditumpuk overlay dengan peta estuari Sungai Brantas.

2. Pengelompokan stasiun

Stasiun-stasiun pengamatan dikelompokkan berdasarkan kesamaan parameter biologi perairan klorofil-a atau yang mempunyai kemiripan karakteristik kemudian dilakukan analisa mengenai faktor-faktor penyebab terjadinya kemiripan tersebut. Untuk mengelompokkan stasiun pengamatan ini digunakan analisis kelompok Cluster Analysis dengan metode jarak Euclidean dan single linkage menggunakan program komputer MINITAB 14 for Windows. Pengelompokan stasiun berdasarkan kesamaan nilai klorofil-a menggunakan rumus sebagai berikut Bengen, 2000 : Keterangan : dx,y : Jarak antara pengamatan stasiun x dan y Xi : Nilai parameter i pada stasiun ke-X Yi : Nilai parameter i pada stasiun ke-Y

3. Analisis komponen utama Principal Componen Analysis, PCA.

Untuk menentukan variasi parameter fisika, kimia, dan biologi perairan dengan kandungan klorofil-a digunakan suatu pendekatan analisis statistika multivariabel yang didasarkan pada Analisis Komponen Utama Principal Componen Analysis, PCA. Analisis Komponen Utama merupakan suatu pendekatan analisis statistik multivariable yang dapat digunakan untuk mengintrepetasi hasil pengukuran parameter-parameter terkait. Melalui analisis komponen utama ini dapat diketahui variabel atau parameter fisika-kimia yang mencirikan pada setiap stasiun d x,y =   Yi Xi 2 pengamatan. PCA pada dasarnya merupakan tehnik statistika mulitivariabel yang terkait dengan struktur internal dari suatu matriks. PCA adalah metode untuk memecah atau membagi suatu metrik persamaan menjadi axis-axis sumbu faktorial. Axis-axis faktorial yang diperoleh mempresentasikan kombinasi linear dari variable-variable asal Bengen, 2000. Setiap sumbu berkorespondensi dengan akar ciri dari matrik. Akar ciri membantu mengkuantifikasi bagian informasi yang dijelaskan oleh setiap sumbu. Dari akar ciri dapat ditentukan jumlah sumbu yang dievaluasi. Akar ciri dari matrik persamaan diubah menjadi turunan kelas dimana sumbu komponen PCA yang berkoresponden ditampilkan secara lebih besar berturut-turut untuk memperkecil jumlah variasi dalam matrik.

4. Regresi linear sederhana