PENGGUNAAN PARAMETER MORFOMETRIK UNTUK PENDUGAAN UMUR SIAMANG SUMATERA (Hylobates syndactylus syndactylus Raffles, 1821) FIFIN NOPIANSYAH

PENGGUNAAN PARAMETER MORFOMETRIK UNTUK PENDUGAAN UMUR SIAMANG SUMATERA (Hylobates syndactylus syndactylus Raffles, 1821)

FIFIN NOPIANSYAH

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821) adalah karya saya sendiri dan belum diajukan dalam bentuk apapun kepada perguruan tinggi apapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.

Bogor, Desember 2007

Fifin Nopiansyah NIM E051054125

RINGKASAN FIFIN NOPIANSYAH. Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821). Dibimbing oleh YANTO SANTOSA dan ABDUL HARIS MUSTARI. Umur merupakan salah satu parameter yang penting untuk diketahui dalam pengelolaan suatu populasi karena berkaitan dengan kelestarian suatu spesies. Apabila umur telah diketahui maka struktur umur, umur matang seksual, angka kematian, angka kelahiran, fekunditas, umur spesifik dan kecenderungan pertumbuhan populasi dapat ditentukan. Pedugaan umur siamang sumatera dapat dilakukan melalui beberapa teknik, salah satu teknik yang mungkin lebih baik daripada teknik yang lain. Dalam menduga umur, beberapa teknik kadangkala menimbulkan dampak negatif sehingga dapat menyakiti bahkan dapat menyebabkan kematian. Untuk itu dilakukan pendekatan dalam pendugaan umur yang meminimalkan dampak negatif dan memberikan tingkat ketelitian yang baik yaitu melalui pengukuran bagian-bagian tubuh (morfometrik) siamang sumatera yang diduga berhubungan dengan umur. Penelitian ini bertujuan untuk mengindentifikasi bagian-bagian tubuh siamang sumatera (Hylobates syndactylus syndactylus) yang dapat dijadikan pendekatan dalam menduga umur dan merumuskan model matematika yang menggambarkan hubungan antara parameter morfometrik dengan umurnya. Parameter morfometrik yang diukur yaitu: panjang badan dan kepala, panjang lengan, panjang kaki, panjang cranial, tinggi cranial, lebar cranial, lingkar dada (LD), lebar bahu, panjang telapak tangan (PTT), lebar telapak tangan, panjang telapak kaki, lebar telapak kaki, lingkar kepala, dan lingkar muka (LM). Pengukuran dilakukan terhadap 40 ekor siamang sumatera yang hidup, terdiri atas 24 ekor jantan dan 16 ekor betina dari umur 1-15 tahun. Hasil analisis statistik regresi linear berganda dengan metode stepwise menunjukkan bahwa parameter morfometrik siamang sumatera jantan umur 1-15 tahun yang paling menentukan dalam menduga umur adalah lingkar muka dengan model matematika Umur = -14.546 + 0.801 LM, sedangkan untuk umur 1-6 tahun adalah panjang telapak tangan dengan model matematika Umur = -2.091 + 0.496 PTT. Pada siamang sumatera betina umur 2-14 tahun adalah lingkar dada dengan model matematika Umur = -15.328 + 0.533 LD, sedangkan untuk umur 2-6 tahun adalah lingkar dada dengan model matematika Umur = -15.676 + 0.489 LD. Bila digabungkan antara siamang sumatera jantan dan betina umur 1-15 tahun, parameter yang paling menentukan umur adalah lingkar dada dengan model matematika Umur = -5.331 + 0.312 LD.

ABSTRACT FIFIN NOPIANSYAH. Application of Morphometric Parameters to Estimate the Age of Siamang Sumatra (Hylobates syndactylus syndactylus Raffles, 1821). Under direction of YANTO SANTOSA and ABDUL HARIS MUSTARI. Understanding of wildlife age is an important aspect to indentify its age structure. Age structure is one of the demografic parameters which is important to be studied for population management purposes. One of age estimation technique can be approached from organs size (morfometric). This research was carried out from May to August 2007 at Cikananga Animal Rescue Center, West Java and Kalaweit Center, West Sumatera. This research used 14 parameters and 40 sample of siamang sumatra (Hylobates syndactylus syndactylus Raffles, 1821), consist of 24 males and 16 females. Statistical analysis resulted (multiple linear regression with stepwise method) high correlation between age (Y) with the face circumference (LM) through regression formula Age = -14.546 + 0.801 LM for male (1-15 years), the hands lenght (PTT) with Age = -2.091 + 0.496 PTT for male (1-6 years), the chest circumference (LD) with Age = -15.328 + 0.533 LD for female (2-14 years), the chest circumference with Age = -15.676 + 0.489 LD for female (2-6 years) and the chest circumference Age = -5.331 + 0.312 LD for both male and female (1-15 years). Keywords: siamang sumatra, morfometric, age.

© Hak cipta milik IPB tahun 2007 Hak cipta dilindungi Undang-undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah. b. Pengutipan tidak merugikan kepentingan yang wajar IPB. 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB.

PENGGUNAAN PARAMETER MORFOMETRIK UNTUK PENDUGAAN UMUR SIAMANG SUMATERA (Hylobates syndactylus syndactylus Raffles, 1821)

FIFIN NOPIANSYAH

Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Profesi pada Sub Program Studi Konservasi Keanekaragaman Hayati Program Studi Ilmu Pengetahuan Kehutanan

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007

Judul Tesis

:

Nama NIM

: :

Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821) Fifin Nopiansyah E051054125

Disetujui Komisi Pembimbing

Dr. Ir. H. Yanto Santosa, DEA. Ketua

Dr. Ir. Abdul Haris Mustari, M.Sc.F. Anggota

Diketahui

Ketua Program Studi Ilmu Pengetahuan Kehutanan

Dr. Ir. Rinekso Soekmadi, M.Sc.F.

Tanggal Ujian: 18 Desember 2007

Dekan Sekolah Pascasarjana

Prof. Dr. Ir. Khairil A. Notodiputro, M.S.

Tanggal Lulus:

Penguji Luar Komisi pada Ujian Tesis: Dr. Ir. Agus Priono Kartono, M.Si.

PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Mei 2007 adalah pendugaan umur siamang sumatera dengan judul “Penggunaan Parameter Morfometrik untuk Pendugaan Umur Siamang Sumatera (Hylobates syndactylus syndactylus Raffles, 1821)” yang dilakukan di dua lokasi yaitu Program Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera (KPS) Pulau Marak, Kabupaten Pesisir Selatan, Provinsi Sumatera Barat dan Pusat Penyelamatan Satwa Cikananga (PPSC), Kabupaten Sukabumi, Provinsi Jawa Barat. Terima kasih dan penghargaan penulis ucapkan kepada: 1. Bapak Dr. Ir. H. Yanto Santosa, DEA. dan Bapak Dr. Ir. Abdul Haris Mustari, M.Sc.F. selaku pembimbing yang telah memberikan arahan selama penelitian. 2. Manajer KPS, Manajer PPSC, Kepala BKSDA Sumatera Barat, Kepala BKSDA Jawa Barat, Kepala BTN. Siberut beserta staf yang telah membantu dan memfasilitasi penelitian. 3. Teman-teman seangkatan pada Magister Profesional Konservasi Biodiversitas (Abdul Muin, Mamat Rahmat, Agustinus Kris, Nico Sinaga, Sandi Kusuma, Diyah Kartikasari, Amin Suprayitno, Elisa Iswandono, Zeth Parinding, Tri Satyatama, Supartono, Erna Ristianti, Utin dan Vitriana Yulalita) yang telah memberi semangat dan dorongan selama proses belajar. 4. Ayah, mamak, mertua dan saudaraku, (H.M. Ayib Kenawas, BBA, Hj. Siti Rohma, Zainul, Miswarni, Nesi Novita, M.Kes, Malhanzaldi, SH, Rispa, SH, Lukmedi, Lizwar, Yudis dan Ade) atas segala doa dan kasih sayangnya. 5. Istri dan putraku tercinta (Saridayani, S.Hut dan M. Gilbran Firdiansyah) atas kasih, pengorbanan dan dukungannya selama penulis menjalani studi, sehingga mengurangi hari-hari kebersamaan kita. Tanpa pengertian dan dukungan keluarga tercinta mustahil studi ini dapat terselesaikan dengan baik. Selain itu tesis ini dapat terselesaikan juga atas dukungan dan dorongan berbagai pihak yang tidak dapat penulis sebutkan satu per satu, untuk itu penulis menyampaikan terimakasih dan penghargaan yang sebesar-besarnya. Semoga karya ilmiah ini bermanfaat.

Bogor, Desember 2007

Fifin Nopiansyah

RIWAYAT HIDUP Penulis dilahirkan di Baturaja, Provinsi Sumatera Selatan pada tanggal 24 November 1977 dari ayah H.M. Ayib Kenawas, BBA. dan ibu Hj. Siti Rohma. Penulis merupakan putra ketiga dari lima bersaudara. Pendidikan dasar penulis selesaikan di Sekolah Dasar No. 151 Palembang dan Sekolah Menengah Pertama No. 22 Palembang hingga tahun 1992, kemudian penulis melanjutkan ke Sekolah Kehutanan Menengah Atas (SKMA) Pekanbaru dan lulus tahun 1995. Tahun 1998 melanjutkan pendidikan di Jurusan Teknologi Hasil Hutan Fakultas Kehutanan, Universitas Muhamaddiyah Sumatera Barat dan lulus pada tahun 2002. Tahun 2006 diterima sebagai mahasiswa S2 Sekolah Pascasarjana IPB pada Program Studi Ilmu Pengetahuan Kehutanan (IPK) Sub Program Studi Konservasi Biodiversitas atas biaya Departemen Kehutanan. Penulis bekerja sejak tamat SKMA Pekanbaru dan ditempatkan di Kantor Wilayah Kehutanan Provinsi Sumatera Barat pada tahun 1996, kemudian dimutasi ke Taman Nasional Siberut Departemen Kehutanan pada tahun 1997 sampai sekarang.

DAFTAR ISI Halaman DAFTAR TABEL ................................... ........................................................

ix

DAFTAR GAMBAR .............................. ........................................................

x

DAFTAR LAMPIRAN ........................... ........................................................

xi

PENDAHULUAN Latar Belakang .............................. ........................................................ Tujuan Penelitian ........................... ........................................................ Hipotesis......................... ............... ........................................................ Manfaat Penelitian ......... ............... ........................................................ Perumusan Masalah ....... ............... ........................................................ Kerangka Pemikiran ....... ............... ........................................................

1 3 4 4 4 5

TINJAUAN PUSTAKA Bio-Ekologi Siamang Sumatera ..... ........................................................ Sistematika ............................... ........................................................ Morfologi ................................. ........................................................ Habitat dan Perilaku ................. ........................................................ Perkembangan Metode Pendugaan Umur ............................................... Pendugaan Umur Melalui Gigi Geligi .............................................. Pendugaan Umur Melalui Struktur Fisiologi .................................... Pendugaan Umur Melalui Ukuran Tubuh ......................................... Parameter Morfometrik yang Berkaitan dengan Umur Siamang Sumatera......................................... ........................................................ Karakteristik Lokasi Penelitian ...... ........................................................ Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera................................... ........................................................ Pusat Penyelamatan Satwa Cikananga .............................................. METODE PENELITIAN Tempat dan Waktu ......................... ........................................................ Bahan dan Alat ............................... ........................................................ Parameter yang Diukur .................. ........................................................ Pengambilan Data .......................... ........................................................ Pembagian Umur di Lapangan . ........................................................ Teknik Pengukuran Tubuh ....... ........................................................ Pengolahan Data ............................ ........................................................ HASIL DAN PEMBAHASAN Riwayat Siamang Sumatera Sebagai Objek Penelitian ........................... Karakteristik Morfometrik Siamang Sumatera ....................................... Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Jantan .............. ........................................................ Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Jantan ....................... ........................................................ Pendugaan Umur Siamang Sumatera Jantan (1-15 Tahun) ..............

vii

8 8 8 10 11 12 14 15 16 19 19 21 23 23 23 23 24 24 26 29 30 38 38 41

Halaman Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun) ................ 43 Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Betina .............. ........................................................ 45 Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Betina ....................... ........................................................ 45 Pendugaan Umur Siamang Sumatera Betina (2-14 Tahun) .............. 47 Pendugaan Umur Siamang Sumatera Betina (2-6 Tahun) ................ 50 Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera......................................... ........................................................ 51 Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera................................... ........................................................ 51 Pendugaan Umur Siamang Sumatera (1-15 Tahun).......................... 53 Aplikasi pada Manajemen Populasi ........................................................ 55 SIMPULAN DAN SARAN .................... ........................................................

57

DAFTAR PUSTAKA ............................. ........................................................

58

LAMPIRAN ............................................ ........................................................

61

viii

DAFTAR TABEL Halaman 1 Daftar pergantian gigi seri kambing.... ........................................................

13

2 Pembagian umur siamang sumatera yang diukur di lapangan .....................

24

3 Asal siamang sumatera yang dijadikan objek penelitian .............................

29

4 Pembagian siamang sumatera yang diukur di lapangan berdasarkan kelas umur .................................... ............... ........................................................

30

5 Karakteristik panjang badan siamang sumatera berdasarkan kelas umur ....

32

6 Karakteristik panjang lengan siamang sumatera berdasarkan kelas umur ...

33

7 Karakteristik panjang kaki siamang sumatera berdasarkan kelas umur.......

34

8 Karakteristik lingkar kepala dan lingkar muka siamang sumatera berdasarkan kelas umur .................... ............... ........................................................

34

9 Karakteristik panjang, tinggi dan lebar cranial siamang sumatera berdasarkan kelas umur ....... ............... ........................................................

34

10 Karakteristik lingkar dada dan lebar bahu siamang sumatera berdasarkan kelas umur ......................... ............... ........................................................

35

11 Karakteristik panjang dan lebar telapak tangan siamang sumatera berdasarkan kelas umur ..... ............... ........................................................

36

12 Karakteristik panjang dan lebar telapak kaki siamang sumatera berdasarkan kelas umur ..... ............... ........................................................

37

13 Rata-rata ukuran tubuh siamang sumatera .................................................

37

14 KMO dan Bartlett's Test untuk data siamang sumatera jantan ..................

38

15 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera jantan ................................. ............... ........................................................ 40 16 ANOVA untuk menduga umur siamang sumatera jantan..........................

40

17 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera jantan ................................. ............... ........................................................

40

18 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan .......... ........................................................ 41 19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan ... ............... ........................................................

41

20 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan .......... ........................................................ 42 21 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun................................. 44

ix

Halaman 22 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun ..........................................

44

23 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun................................. 44 24 KMO dan Bartlett's Test (tes I) untuk data siamang sumatera betina .......

45

25 KMO dan Bartlett's Test (tes IV) untuk data siamang sumatera betina .....

45

26 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera betina ................................. ............... ........................................................ 46 27 ANOVA untuk menduga umur siamang sumatera betina..........................

46

28 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera betina ................................. ............... ........................................................

47

29 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina .......... ........................................................ 48 30 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina ... ............... ........................................................

48

31 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina .......... ........................................................ 48 32 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun................................. 50 33 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun ..........................................

50

34 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun................................. 50 35 KMO dan Bartlett's Test untuk data siamang sumatera .............................

52

36 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera ............................ ............... ........................................................

52

37 ANOVA untuk menduga umur siamang sumatera ....................................

52

38 Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera ............................ ............... ........................................................

52

39 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera..... ............... ........................................................ 53 40 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera .............. ............... ........................................................

53

41 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera..... ............... ........................................................ 54

x

DAFTAR GAMBAR Halaman 1 Kerangka pemikiran penelitian ........... ........................................................

7

2 Peta penyebaran H. syndactylus syndactylus ...............................................

9

3 Bagan gigi seri kambing dan ruminansia lainnya ........................................

13

4 Barisan anuli pada gigi rusa yang menandakan perkiraan umur..................

14

5 Siamang sumatera di KSP Pulau Marak dan PPSC Sukabumi ....................

20

6 Pengukuran siamang sumatera di lapangan .................................................

31

7 Ukuran bagian tubuh siamang sumatera yang dijadikan parameter morfometrik untuk menduga umur ............... ........................................................

32

8 Ukuran bagian tubuh siamang sumatera jantan yang dijadikan parameter morfometrik untuk menduga umur ..... ........................................................

35

9 Ukuran bagian tubuh siamang sumatera betina yang dijadikan parameter morfometrik untuk menduga umur ..... ........................................................

36

10 Komponen Plot dalam Rotated Space untuk data siamang sumatera Jantan ................................................ ........................................................

39

11 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera jantan .......... ........................................................

42

12 Komponen Plot dalam Rotated Space (tes IV) untuk data siamang sumatera betina ................................. ........................................................

45

13 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera betina .......... ........................................................

48

14 Komponen Plot dalam Rotated Space untuk data siamang sumatera ........

51

15 Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera..................... ........................................................

54

xi

DAFTAR LAMPIRAN Halaman 1 Data ukuran tubuh siamang sumatera jantan ..............................................

61

2 Data ukuran tubuh siamang sumatera betina ..............................................

62

3 Data ukuran tubuh siamang sumatera jantan dan betina .............................

63

4 Hasil output uji validasi parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................................................

64

5 Hasil output uji reliabilitas parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................................................

65

6 Hasil output uji persyaratan regresi linear ganda pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................. ........................................................

66

7 Ringkasan hasil analisis linearitas garis regresi dan simpulannya berdasarkan tingkat alpha ................................ ........................................................

68

8 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ........

69

9 Hasil output analisis regresi parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ........

70

10 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan ..... ........................................................

72

11 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan umur 1-6 tahun .....................................

75

12 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina .......

78

13 Hasil output analisis regresi parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina .......

81

14 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina ..... ........................................................

83

15 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina umur 2-6 tahun .....................................

86

16 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) .................

89

xii

Halaman 17 Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ........

90

18 Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ................ ........................................................

93

19 Pendugaan umur siamang sumatera berdasarkan model matematik .........

96

20 Parameter morfometrik kerangka Hylobates sp .......................................

98

21 Parameter morfometrik (a) telapak kaki dan (b) telapak tangan Hylobates sp. .................... ............... ........................................................

99

22 Parameter morfometrik tengkorak (cranial) Hylobates sp. ......................

99

23 Peta lokasi penelitian Kalaweit Program Sumatera dan Pusat Penyelamatan Satwa Cikananga ...... ....................................................... . 100

xiii

1

PENDAHULUAN Latar Belakang Pengelolaan satwaliar pada dasarnya merupakan pengelolaan terhadap populasi yang terdapat dalam suatu kawasan sebagai bagian dari suatu ekosistem yang menggunakan prinsip-prinsip ekologi sebagai konsep dasarnya. Pengelolaan satwaliar juga berarti mengamati fluktuasi komponen-komponen lingkungan dan dapat mengatur parameter populasi guna menyusun strategi yang tepat bagi pengelolaan (Alikodra 1997). Menurut Caughley (1977), populasi merupakan unit biologi pada level ekologi yang terintegrasi, berbicara tentang nisbah kelamin (sex ratio), laju kematian (natality rate), laju kelahiran (mortality rate) dan struktur umur. Parameter populasi (seks rasio, tingkat kematian, kelahiran, dan struktur umur) merupakan komponen penting dalam mempelajari perkembangan populasi satwaliar. Disamping sebagai indikator kuantitatif dari pertumbuhan populasi (Dajoz 1971; Barbault 1981; Gaillard 1988 dalam Santosa 1993), pengetahuan tentang parameter populasi juga merupakan data dasar dalam mengelola satwaliar (Bailey 1984). Studi kuantitatif terhadap populasi satwaliar relatif banyak dilakukan sejak tahun 1930 (Lincoln 1930; Leopold 1933 dalam Santosa 1995). Pada umumnya penelitian-penelitian tersebut banyak diarahkan untuk mengetahui ukuran populasi (Otis et al. 1978 dalam Santosa 1995). Mengingat betapa pentingnya data dan informasi tentang demografi populasi, sejak tahun 1980, penelitian-penelitian tentang demografi satwaliar berkembang pesat (Lincoln 1930; Leopold 1933; Gailard 1988 dalam Santosa 1993). Studi-studi tentang dinamika populasi sangat tergantung dari kemampuan mengenali umur individu. Apabila umur telah diketahui maka struktur umur, umur matang seksual, angka kematian, angka kelahiran, fekunditas, umur spesifik dan kecenderungan pertumbuhan populasi dapat ditentukan. Parameter populasi dan kondisi fisiologi penting untuk diketahui dalam pelestarian jenis satwa, hal ini untuk menciptakan kestabilan populasi (Caughley 1977).

2

Struktur umur merupakan perbandingan jumlah individu di dalam berbagai kelas umur dari suatu populasi, perbandingan tersebut dapat juga dibedakan menurut jenis kelaminnya. Pengetahuan tentang struktur umur penting diketahui untuk melihat pertumbuhan dan dinamika populasi suatu satwaliar (Brower dan Zar 1977). Menurut Alikodra (2002), struktur umur dapat dipergunakan untuk menilai keberhasilan pengembangan satwa liar, sehingga dapat dipergunakan pula untuk menilai prospek kelestarian satwa liar. Pertumbuhan populasi satwaliar dapat diketahui dari cohort atau satu gugus individu yang dianggap berasal dari kelas umur yang sama (Brower dan Zar 1977), tetapi perhitungannya bersifat simulasi dan perkiraan umur satwaliar harus diketahui (Caughley 1977). Pengetahuan tentang pertumbuhan populasi satwaliar kadangkala terkendala dalam upaya menentukan umurnya. Pedugaan umur satwaliar di lapangan sulit untuk dilakukan, kecuali untuk satwa yang berada di penangkaran. Pertama, karena sulitnya menangkap sejumlah satwaliar untuk menjadi sampel penelitian (Alikodra 1997).

Kedua, sifat antogonistik satwaliar juga akan menambah

sulitnya pendugaan umur di lapangan, sehingga hasil pendugaan umur di lapangan lebih bersifat perkiraan. Terdapat beberapa teknik untuk menduga umur satwa, semua teknik dalam pendugaan umur dapat mempunyai kesalahan, beberapa teknik mungkin lebih baik daripada yang lain (Caughley 1977). Pendugaan kelas umur siamang di lapangan dapat dilakukan karena kekhasan yang dimiliki fase pertumbuhannya (Gittins dan Raemaekers 1980).

Selain itu, metode pendugaan umur dapat

dilakukan melalui gigi geligi (Caughley 1977), tetapi metode ini mempunyai kelemahan dapat merusak atau menyakiti satwa sehingga beresiko pada kematian. Selanjutnya menurut Caughley (1977), ukuran-ukuran bagian tubuh dapat dijadikan tanda-tanda untuk menduga umur. Siamang sumatera merupakan salah satu primata yang dilindungi oleh Peraturan Pemerintah (PP) Republik Indonesia No. 7 Tahun 1999 tentang Pengawetan Tumbuhan dan Satwa yang menyatakan bahwa semua spesies dalam famili Hylobatidae dilindungi. Pelestarian terhadap primata ini dilakukan untuk menjaga keanekaragaman plasma nuftahnya, untuk itu penangkapan di alam tidak diperbolehkan kecuali dengan ijin khusus dan guna keperluan khusus seperti

3

penelitian. Di dunia internasional siamang juga dilindungi, IUCN (International Union for Conservation of Nature and Nature Resources) memasukan siamang dalam Daftar Merah (red data books) dengan status genting (endangered), begitu juga CITES (Convention on International Trade in Endangered Species) memasukannya ke dalam Appendix I. Keberadaan siamang sangat berperan penting dalam ekosistem, pertama membantu proses pertumbuhan tanaman (regenerasi dan suksesi hutan) dengan memakan daun dan buah, kedua siamang juga berperan sebagai polinator dan penyebar biji tumbuh-tumbuhan, sehingga pada umumnya primata memainkan peran sebagai spesies kunci (key species) dalam sebuah ekosistem (Cowlishaw dan Dunbar 2000). Peran penting dari spesies kunci adalah bila terjadi kepunahan pada spesies tersebut, maka dapat menyebabkan gangguan dalam ekosistem yang akan menyebabkan hilangnya beberapa spesies lain. Sehubungan dengan hal-hal di atas dan hasil penelusuran pustaka bahwa penelitian siamang sumatera banyak dilakukan pada aspek penyebaran, bioekologi, habitat, perilaku dan reproduksi serta belum adanya literatur pendugaan umur siamang sumatera berdasarkan ukuran-ukuran bagian tubuhnya, maka penelitian mengenai pendugaan umur siamang sumatera melalui ukuran bagianbagian tubuh (morfometrik) sangatlah penting. Penelitian ini, disamping berguna untuk mendukung upaya-upaya menjaga keberadaan dan fungsi siamang sumatera di alam juga bermanfaat bagi pengembangan pengetahuan tentang satwaliar di Indonesia.

Tujuan Penelitian Penelitian ini bertujuan untuk: 1. Mengindentifikasi bagian-bagian tubuh siamang sumatera yang dapat dijadikan dasar bagi pendugaan umur. 2. Merumuskan model matematika yang menggambarkan hubungan antara parameter morfometrik dengan umur siamang sumatera.

4

Hipotesis Hipotesa yang diuji dalam penelitian ini adalah: H0 :

Tidak terdapat hubungan antara parameter morfometrik siamang sumatera dengan umurnya.

H1 :

Paling sedikit terdapat satu parameter morfometrik siamang sumatera yang mempengaruhi umurnya.

Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberikan manfaat, yaitu: 1. Menjadi pegangan dalam pendugaan umur siamang sumatera di lapangan. 2. Menjadi pedoman dalam pengelolaan populasi siamang sumatera, khususnya menyangkut monitoring populasi. 3. Memberikan kontribusi bagi pusat-pusat penyelamatan satwaliar (PPS) dan Balai Konservasi Sumber Daya Alam (BKSDA) berupa kemudahan untuk menduga umur siamang sumatera sewaktu penyitaan dan penerimaan satwa.

Perumusan Masalah Umur merupakan salah satu parameter yang penting untuk diketahui dalam pengelolaan suatu populasi karena berkaitan dengan kelestarian suatu spesies yaitu untuk mengetahui struktur umur sehingga dapat dipergunakan untuk menilai keberhasilan perkembangbiakkan satwaliar (Alikodra 2002). Pendugaan umur siamang sumatera dapat dilakukan karena kekhasan pada fase pertumbuhannya (Gittins dan Raemaekers 1980), tetapi hasil pendugaan akan lebih bersifat perkiraan kasar bahkan cukup besar rentangnya (Semiadi dan Nugraha 2005) karena umur terbagi dalam kelas-kelas umur.

Gigi banyak

digunakan sebagai parameter dalam pendugaan umur karena gigi mengalami fase pertumbuhan yang mengikuti perkembangan umur sebagai indikator telah dewasanya tubuh. Kendala dalam pendugaan umur melalui gigi yaitu satwa harus dalam kondisi terbius, tetapi cara ini tetap belum akan memberikan hasil yang akurat. Hasil yang akurat bila dilakukan dengan cara merusak (destructive) yaitu

5

mencabut gigi geraham (molar) guna menghitung garis lapisan tahun gigi (Semiadi dan Nugraha 2005). Berdasarkan kelemahan-kelemahan pendugaan umur di atas, maka dibutuhkan metode pendugaan umur dengan tingkat ketelitian yang cukup baik dan tidak menyakiti satwaliar, untuk itu pendekatan melalui ukuran bagian-bagian tubuh dapat dijadikan acuan dalam menduga umur siamang sumatera. Hal ini sejalan dengan pendapat Frandson (1992) bahwa pertumbuhan tubuh hewan akan mengikuti perkembangan tulangnya karena tulang memberikan bentuk pada tubuh dan menurut pendapat Giles (1981) bahwa ukuran tubuh akan berkembang sesuai dengan bertambahnya umur hingga pada suatu titik akan mencapai kematangan dan tidak akan membesar lagi. Dengan demikian, rumusan permasalahan dalam penelitian ini ditujukan untuk menjawab pertanyaan-pertanyaan sebagai berikut: 1. Apakah terdapat hubungan antara parameter morfometrik siamang sumatera dengan umurnya? 2. Sejauhmana keeratan hubungan antara parameter morfometrik siamang sumatera dengan umurnya? 3. Bagaimana model matematika yang terbentuk untuk dapat menjelaskan umur siamang sumatera?

Kerangka Pemikiran Bertolak dari kelemahan-kelemahan dalam pendugaan umur satwaliar yang biasa dilakukan, maka perlu dicari parameter morfometrik siamang sumatera yang dapat dijadikan parameter penduga umur.

Parameter morfometrik yang

digunakan merupakan bagian-bagian tubuh yang mudah terlihat dan mudah diukur. Bagian-bagian tubuh siamang sumatera yang diduga mempunyai hubungan dengan umur yaitu lengan, bagian tubuh ini merupakan salah satu ciri khas famili Hylobatidae. Seperti pada spesies-spesies dalam famili Hylobatidae, siamang mempunyai pola bergerak yang khusus dan spektakuler dengan cara berayun dari satu cabang ke cabang lain menggunakan lengannya (brachiation). Brachiation merupakan evolusi siamang dalam memanfaatkan ruang untuk memperoleh

6

makanan, dengan kemampuan ini siamang dapat menjangkau bagian-bagian pohon yang dihindari oleh monyet-monyet lain (Lekagul dan McNeely 1977). Pola bergerak dengan brachiation mempengaruhi seluruh kerangka tubuh, dalam brachiation dibutuhkan otot-otot yang kuat dan lengan menjadi lebih efektif, sehingga famili Hylobatidae mempunyai ukuran lengan lebih panjang daripada semua jenis primata (Young 1981). Ciri khas lain dari famili Hylobatidae terdapat pada kaki dan tangannya. Jari jemarinya yang panjang memungkinkan untuk berpegangan dengan kuat ketika melakukan brachiation dan dengan bentuk telapak kaki yang lebih mendukung pola bergerak secara brachiation dibandingkan berjalan (bipedals).

Tangan-

tangan dan bentuk telapak kaki ini merupakan organ untuk menggenggam yang efisien. Spesialisasi dalam brachiation turut mempengaruhi rongga dada famili Hylobatidae yang lebih besar dari kera-kera lain (kecuali pada ape dan manusia) (Young 1981). Sejalan dengan pendapat di atas menurut Hoeve (1992), rongga dada yang lebar ini memberi keleluasaan bergerak bagi lengan. Bagian tubuh siamang sumatera yang juga diduga mempunyai hubungan dengan umur adalah kepala. Bagian kepala merupakan bagian vital dari satwaliar, menurut Frandson (1992) banyak pengamatan yang menunjukkan adanya perbedaan antar spesies terutama pada bagian kepala, perbedaan ini tergantung pada variasi pars fasialis kranium. Keberadaan

pusat

penyelamatan

satwaliar

memungkinkan

untuk

memperoleh sejumlah siamang sumatera yang dapat dijadikan objek penelitian. Di pusat penyelamatan, umur siamang sumatera telah diketahui sehingga tidak perlu dilakukan analisis awal untuk menduga umurnya. Pendugaan parameter morfometrik yang paling menentukan umur akan menggunakan perhitungan secara statistikal. Asumsi-asumsi yang dikembangkan dalam penelitian ini adalah: 1. Siamang sumatera yang menjadi objek penelitian di pusat penyelamatan berasal dari lingkungan yang sama sehingga mempunyai pertumbuhan yang sama dan tidak mengalami malnutrisi. 2. Jumlah bulan dari umur siamang sumatera tidak mempengaruhi umur.

7

3. Model matematika untuk menduga umur akan terbatas sesuai ketersediaan tingkatan umur siamang sumatera yang dijadikan objek penelitian. Secara skematis, kerangka pemikiran yang menjelaskan penelitian ini disajikan pada Gambar 1. Permasalahan-permasalahan dalam Pendugaan Umur Siamang Sumatera

Pendugaan Umur Melalui Ukuran Bagian-bagian Tubuh

Indentifikasi Peubah Penciri Umur

Pemilihan Satwa KU yang telah diketahui

Pengukuran Parameter Morfometrik

Model Matematika

Validasi

Gambar 1 Kerangka pemikiran penelitian.

8

TINJAUAN PUSTAKA

Bio-ekologi Siamang Sumatera Sistematika Famili Hylobatidae dikelompokkan dalam tiga marga berdasarkan jumlah kromosomnya, yaitu marga Hylobates yang memiliki 44 kromosom, marga Symphalangus dengan 50 kromosom dan marga Nomascus dengan 52 kromosom (Lekagul dan McNeely 1977).

Marga Hylobates dibagi lagi menjadi tiga

submarga dengan tujuh spesies yaitu submarga Hylobates dengan spesies H. lar (Miller 1903), H. agilis (Cuvier 1821), H. moloch (Audebert 1798), H. muelleri (Martin 1841) dan H. pileatus (Gray 1861); submarga Bunopithecus dengan spesies H. hoolock (Harlan 1834) dan submarga Brachitanytes dengan spesies H. klossii (Miller 1903). Marga Symphalangus hanya memiliki satu spesies yaitu H. syndactilus (Raffles 1821) dan marga Nomascus yang juga hanya memiliki satu spesies yaitu H. concolor (Harlan 1826). Terdapat 8 spesies famili Hylobatidae di Paparan Sunda yaitu H. syndactilus, H. agilis, H. lar di Pulau Sumatera, H. klosii yang endemik di Kepulauan Mentawai dan H. moloch dijumpai di Pulau Jawa, serta H. agilis dan H. muelleri dijumpai di Pulau Kalimantan. H. syndactilus terdiri dari 2 subspesies yaitu H. syndactylus continentis (Thomas 1908) yang terdapat di Semenanjung Malaya dan H. syndactylus syndactylus terdapat di hutan-hutan sepanjang Bukit Barisan dan Sumatera bagian timur (Chivers 1977).

Penyebaran siamang

sumatera lebih lanjut ditunjukkan pada Gambar 2. Siamang sumatera secara taksonomi diklasifikasikan ke dalam dunia Animalia, filum Chordata, subfilum Vertebrata, kelas Mamalia, ordo Primata, famili Hylobatidae, genus Symphalangus, spesies Hylobates syndactylus Raffles, 1821 dan subspesies H. syndactylus syndactylus Raffles, 1821. Morfologi Siamang merupakan jenis primata tak berekor dan mempunyai ukuran tubuh terbesar dibandingkan dengan jenis lain dari famili Hylobatidae. Individu jantan dewasa memiliki berat badan 10-12 kg sedangkan betina sedikit lebih kecil.

9

Siamang mempunyai panjang badan mencapai 90 cm dengan warna rambut hitam polos seperti lutung tetapi tidak berjambul dikepalanya. Siamang mempunyai kantong suara ditenggorokan yang berukuran sebesar kepalanya sendiri (PPA 1978). Kantong suara (laryngeal sac) yang dimiliki siamang sangat berguna untuk membantu memperkeras suaranya (Chivers 1977).

Penyebaran H. syndactylus Gambar 2 Peta penyebaran H. syndactylus syndactylus (Groves 1970; Chivers 1974; Marshall dan Marshall 1975; Wilson dan Wilson 1978). Secara umum siamang dikenal juga sebagai gibbon, berbeda tetapi serupa dalam bentuk tubuh. Siamang mempunyai kulit yang tebal, berambut kasar dan semua berwarna hitam pekat kecuali disekitar mulut dan dagu yang berwarna lebih muda. Rambut lengan bawah tumbuh menuju siku seperti pada ape besar dan manusia. Mata berwarna gelap, mempunyai kemampuan membedakan warna dan kurang dalam earlobes. Siamang juga mempunyai bantalan duduk (ischial callosities) yang umumnya ditemukan di monyet bukan pada ape.

Jantan

mempunyai garis preputal yang mencolok berupa rambut-rambut hitam sepanjang 15 cm (Napier dan Napier 1967).

Siamang diketahui juga mempunyai

kemampuan untuk merubah (berbalik) arah ketika berada di udara. Selanjutnya Napier dan Napier (1967) menuliskan bahwa panjang badan siamang jantan dari kepala hingga badan berkisar antara 46,8–84,6 cm dengan berat berkisar 9,5–12,7 kg, sedangkan panjang badan siamang betina dari kepala

10

hingga badan berkisar pada 46–63 cm dengan berat berkisar 9–11,6 kg. Tangan mempunyai formula dijital yaitu 3.2.4.5.1. Susunan gigi siamang adalah 2/2 1/1 2/2 3/3 = 32. Kapasitas kepala 125 cc atau berkisar antara 100-152 cc. Berat otak siamang dewasa adalah 121,7 gram (Harvey et al. 1987). Selanjutnya Napier dan Napier (1986) menyatakan bahwa terdapat sedikit perbedaan pada ukuran tubuh (dimorphism) antara jantan dan betina pada famili Hylobatidae. Siamang mempunyai lengan yang panjang dengan rata-rata 230–243% dari panjang tubuhnya. Tangan siamang juga panjang dengan telapak yang kurang luas dibandingkan ape, begitu juga dengan kakinya yang panjang dengan jari kaki pertama lebih panjang dan kuat. Tangan digunakan untuk berpegangan pada waktu berayun di dahan atau berpindah dari dahan ke dahan. Kakinya dipakai untuk memegang ranting dan makanan sambil berayun.

Ciri khas lain dari

siamang adalah jari-jari tangan kedua dan ketiga dipertautkan oleh selaput seolaholah keduanya bersatu (Chivers 1977). Indeks intermembral adalah 147, indeks ini merupakan perbandingan dari panjang kaki dengan panjang tangan (Myers dan Sheffield 1996). Habitat dan Perilaku Habitat utama siamang adalah hutan hujan tropika dan hutan pegunungan di bawah 2.000 m di atas permukaan laut, tetapi lebih umum dijumpai pada hutan dataran rendah (Napier dan Napier 1967). Siamang termasuk ke dalam primata arboreal, sebagian besar hidupnya tergantung pada tajuk yang tinggi dan saling bersambungan.

Tajuk pohon yang saling bersatu membantu siamang untuk

berpindah dalam mencari makanan dan sebagai tempat berlindung dari pemangsa. Siamang hidup dalam kelompok-kelompok sosial terkecil, terdiri dari jantan dan betina dewasa dengan 1-4 ekor anaknya. Pada tempat yang alami, ukuran kelompok siamang rata-rata 4 ekor (Gittin dan Raemaekers 1980). Pasangan siamang merupakan pasangan monogami dan hidup dengan pola kelompok dengan sistem kekerabatan yang menggunakan daerah teritori spesifik dimana home range seluas 15–30 ha (Chivers 1977). Matang seksual dicapai siamang di alam pada umur 7-8 tahun baik jantan maupun betina (Napier dan Napier 1986), sedangkan menurut Geissmann (1986)

11

dalam Nowak (1999) matang seksual di alam pada umur 8-9 tahun dan di penangkaran pada umur 4-6 tahun baik jantan maupun betina. Periode gestation (kehamilan) adalah 230-235 hari dengan berat anak saat lahir sekitar 6 ons. Betina biasanya melahirkan setiap 2–3 tahun sekali dengan satu anak, tetapi kelahiran kembar mungkin terjadi. Betina jarang melahirkan lebih dari 10 kali selama hidupnya (Preuschoft 1990). Masa hidup siamang antara 30-40 tahun (Napier dan Napier 1986), sedangkan menurut Chiver (1977) sepasang siamang yang hidup di alam liar diketahui berumur sekitar 25 tahun. Di penangkaran spesimen siamang diketahui sampai berumur 40 tahun (Marvin 1995 dalam Nowak 1999). Siamang termasuk hewan omnivora dengan komposisi pakan 43% daun (38% daun muda dan 5% daun tua), 36% buah (22% Ficus sp. dan 14% lainnya), 6% bunga, 15% serangga dan binatang kecil lainnya (Gittin dan Reamakers 1980). Siamang sumatera merupakan primata frugivorous dibandingkan saudaranya di semenanjung malaya. Chivers (1977) melaporkan bahwa siamang menghabiskan waktu 5,5 jam untuk kegiatan makan atau kira-kira 52% dari waktu efektifnya.

Perkembangan Metode Pendugaan Umur Pendugaan umur mamalia dapat dilakukan dengan berbagai teknik, salah satu dari beberapa teknik dapat diaplikasikan untuk menduga umur spesies yang diteliti.

Tanda-tanda untuk menduga umur satwaliar dapat terlihat dari

pertumbuhan gigi geligi, hilangnya gigi geligi, ukuran tubuh, pengelompokkan frekuensi ukuran, derajat penyatuan epifiseal, berat lensa mata, pertumbuhan tahunan lingkar cakar, tanduk, gigi dan tulang serta jumlah placental atau goresangoresan ovarian pada betina (Caughley 1977). Selanjutnya menurut Caughley (1977), indikator penduga umur dapat dikelompokkan sebagai berikut: a. Tanda-tanda individu (misalnya: pemberian tanda pengenal pada hewan muda yang diketahui datanya). b. Indikasi morfologikal. -

Karakter yang berubah terus-menerus sesuai umur (misalnya: berat lensa mata dan hilangnya gigi geligi).

12

-

Karakter yang berubah sesuai lompatan tahun. 1) Anual quanta (misalnya: pertumbuhan lingkar pada tanduk, gigi dan sisik). 2) Non anual quanta (misalnya: fase-fase plumage dan pertumbuhan gigi geligi). Literatur yang membahas pendugaan umur siamang sumatera masih

terbatas, hal ini terlihat dari sulitnya memperoleh literatur sesuai pokok bahasan. Pendugaan umur siamang sumatera di lapangan dapat dilakukan melalui pendekatan- pendekatan sebagai berikut: Pendugaan Umur Melalui Gigi Geligi Penggunaan parameter gigi telah banyak dilakukan dalam pendugaan umur. Gigi merupakan salah satu organ tubuh yang paling aktif dipakai, perubahan bentuk permukaan gigi dapat mengindikasikan kualitas pakan yang dikonsumsi serta umur satwa tersebut. Gigi juga mengalami fase pertumbuhan awal, lewat gigi susunya yang akan lepas saat memasuki umur tertentu dan digantikan dengan gigi tetap, sehingga dapat menjadi indikator dari telah dewasanya anggota tubuh. Peralihan gigi susu ke gigi permanen dan tinggi relatif mahkota gigi (crown heights; sebagai indikator tingkat keausan) dapat dipakai sebagai indikator umur pada kelompok kelelawar, karnivora, ungulata dan rodensia (Semiadi dan Nugraha 2005). Sosroamidjojo (1975) dalam Mukhtar (1996) mengungkapkan bahwa pada satwa ruminansia, umur dapat diketahui dengan mengamati pergantian gigi seri yang terdapat hanya pada rahang bawah, seperti disajikan pada Tabel 1 dan Gambar 3. Tabel 1 Daftar pergantian gigi seri kambing Umur (Tahun)

Gigi Seri yang Berganti

1-1,5

Gigi seri dalam (I1) berganti

1,5-2

Gigi seri tengah dalam (I2) berganti

2,5-3

Gigi seri tengah luar (I3) berganti

3-4

Gigi seri luar (I4) berganti

Sumber: Sosroamidjojo (1975) dalam Mukhtar (1996)

13

9 bulan

1.5-2 tahun

3-4 tahun

1–1.5 tahun

2-3 tahun

tua

Gambar 3 Bagan gigi seri kambing dan ruminansia lainnya (Sumber: Sumoprastowo 1994 dan Sosroamidjojo 1975 dalam Mukhtar 1996). Selanjutnya menurut Semiadi dan Nugraha (2005), tingkat keausan gigi sangat spesifik terhadap habitat dan jenis mamalia sehingga generalisasi pola keausan gigi kurang tepat diterapkan. Indentifikasi umur dengan mengamati pola keausan gigi dapat dilakukan pada satwa hidup lewat pembiusan terlebih dahulu. Gigi kemudian dicermati pola keausannya atau ditempeli dengan pasta cetakan yang akan mengeras setelah waktu tertentu. Pola keausan yang terbentuk dalam pasta gel yang akan mengeras kemudian diukur atau dikaji dan dibandingkan dengan standar yang ada. Pendugaan umur satwaliar secara lebih akurat berbasiskan pada gigi harus dilakukan secara destructive (merusak) dengan cara mencabut gigi geraham (molar) guna menghitung lapisan garis tahunan gigi.

Biasanya dentin dan

14

cementum terakumulasi di bagian bawah badan gigi yang disebut annuli, membentuk suatu baris garis yang diasumsikan terbentuk setiap tahun. Pada mamalia daerah tropika, diindikasikan terbentuknya annuli ini berkaitan erat dengan musim penghujan, dimana kaya dengan hijauan pakan. Apabila terdapat periode dimana musim kemarau panjang, maka jarak lapisan annuli cenderung melebar.

Mengingat prosedur indentifikasi lapisan annuli mengharuskan gigi

dicabut, maka pekerjaan ini hanya dilakukan pada satwa mati yang tidak terpakai lagi (Semiadi dan Nugraha 2005).

Gambar 4 Barisan anuli pada gigi rusa yang menandakan perkiraan umur. Tanda panah menunjukkan lapisan tahunan, dimulai dari paling atas. Dalam foto ini rusa diperkirakan berumur 11 tahun (sumber: Anonimous dalam Semiadi dan Nugraha 2005). Pendugaan Umur Melalui Struktur Fisiologi Pendugaan umur melalui struktur fisiologi didasarkan pada penampakan kasat mata oleh peneliti karena mamalia mempunyai kekhasan dalam fase pertumbuhannya.

Pendugaan umur ini dilakukan dalam kelompok-kelompok

umur yang disebut kelas umur.

Menurut Gittins dan Raemaekers (1980),

berdasarkan fase pertumbuhannya siamang dapat dikelompokkan dalam lima kelas umur yaitu: 1. Bayi (infant), mulai lahir sampai berumur 2-3 tahun dengan ukuran tubuh yang sangat kecil. Pada tahun pertama digendong dan dibawa oleh induknya, sedangkan pada tahun kedua digendong dan dibawa induk jantan.

15

2. Anak (juvenile-1), berumur kira-kira 2-4 tahun, badannya kecil dan melakukan perjalanan sendiri, tetapi cenderung untuk selalu dekat dengan induknya. 3. Muda atau remaja (juvenile-2), berumur kira-kira 4-6 tahun, ukuran badannya sedang dan sering melakukan perjalanan sendiri dan mencari makan sendiri. 4. Sub dewasa (sub-adult), yaitu mulai dari umur 6 tahun. Ukuran badannya hampir sama dengan ukuran dewasa dan tetap tinggal di dalam kelompok, tetapi sering memisahkan diri dan belum matang secara seksual. 5. Dewasa (adult), yaitu mempunyai ukuran badan yang maksimal dengan selalu hidup berpasang-pasangan serta selalu dekat dengan anaknya. Pendugaan Umur Melalui Ukuran Tubuh Semua benda hidup disusun oleh satuan terkecil yang disebut sel, apabila terjadi peningkatan jumlah sel maka akan mengalami satu atau lebih kekhususan fungsi. Istilah anatomi digunakan untuk menunjukkan ilmu yang mempelajari bentuk dan struktur semua organisme makhluk hidup.

Pengertian mengenai

struktur organisme makhluk hidup biasanya disertai dengan fungsinya, sedangkan ilmu yang mempelajari fungsi tubuh secara lengkap dan fungsi semua bagianbagian tubuhnya seperti sistem, organ, jaringan, sel dan komponen sel disebut fisiologi (Frandson 1992). Kelompok sel yang berkembang mengalami fungsi khusus disebut jaringan. Bermacam-macam jaringan bergabung membentuk kelompok dan mempunyai fungsi tertentu, yang disebut organ. Sekelompok organ yang berperan dalam suatu kegiatan tertentu akan membentuk suatu sistem (Giles 1981). Selanjutnya menurut Giles (1981), masuknya sel dalam sistem berkaitan dengan perwujudan fungsi kehidupan. Fungsi tersebut mencakup pertumbuhan (peningkatan ukuran), metabolisme (pemanfaatan makanan), respon terhadap stimulus, kontraksi (pemendekan ke satu arah) dan reproduksi (pembentukan individu baru dari spesies yang sama). Proses perkembangan sel menjadi jaringan tertentu memerlukan waktu. Pembelahan sel baik melalui mitosis atau miosis mengalami suatu interfase dan panjangnya bervariasi. Pada satu masa tertentu pembentukan jaringan ini akan terhenti dan terbentuk satu jaringan khusus.

16

Menurut Frandson (1992), skeleton hewan yang dibentuk oleh tulang merupakan suatu struktur yang hidup.

Tulang mempunyai vasa darah, vasa

limfatik dan nervus; dapat menjadi sasaran penyakit, mampu memperbaiki diri terhadap perubahan dengan adanya suatu stres. Kira-kira sepertiga berat tulang terdiri dari atas kerangka organik yang berupa jaringan fibrosa dan sel-sel. Senyawa organik terutama adalah kollogen dan polisakarid yang disebut glikosaminaglikan (GAGS), yang mengandung khodroitin sulfat. Bahan tersebut menyebabkan sifat elastis dan keras pada tulang, sedang dua pertiganya terdiri dari komponen anorganik (garam kalsium dan fosfat) yang terdeposit pada kerangka organik. Selanjutnya menurut Frandson (1992), bahwa pengetahuan tentang tulang yang membentuk kerangka atau skeleton tubuh disebut osteologi.

Tulang

merupakan salah satu jaringan pengikat yang terbentuk dari sel pembentuk tulang (osteoblast) yang tampilannya mudah dilihat. Morfologi merupakan ilmu yang mempelajari bentuk pada spesies dalam populasi khususnya polimorfolisme (Campbell dan Lack 1985), sedangkan morfometri adalah pengukuran bentuk tubuh yang dilakukan pada spesies. Pengukuran panjang tulang-tulang mempunyai ketelitian yang lebih baik dalam pendugaan umur dibandingkan dengan pengukuran terhadap bobot badan. Pertambahan panjang dari ukuran-ukuran tubuh bisa dijadikan dasar untuk pendugaan umur lebih lanjut (Caughley 1977). Keragaman ukuran tubuh hewan disebabkan oleh faktor genetik dan lingkungan (Mansjoer et al. 1989).

Parameter Morfometrik yang Berkaitan dengan Umur Siamang Sumatera Ukuran morfologikal merupakan pertumbuhan panjang hewan yang mudah dilihat dengan mata (Giles 1981).

Parameter morfometrik yang digunakan

merupakan bagian-bagian tubuh yang mudah terlihat dan mudah diukur, morfometrik ini mengikuti bentuk kerangka siamang. Sesuai dengan pendapat Frandson (1992) bahwa tulang-tulang merupakan pembentuk kerangka tubuh sehingga dapat memberikan kekerasan dan bentuk tubuh.

Berikut dijelaskan

bagian-bagian tubuh yang diukur karena diduga mempunyai hubungan erat dengan umur, sebagai berikut:

17

1. Badan dan Kepala Siamang tergolong dalam vertebrata karena mempunyai kolom vertebral. Struktur ini tersusun atas tulang-tulang yang tidak berpasangan dan ireguler (vertebrae) terletak pada bidang median dan hanya satu struktur yang tampak. Perkembangan kolom vertebral tidak dipengaruhi oleh ukuran-ukuran lainnya (Fradson 1992). Kepala menjadi penting karena merupakan tempat beradanya otak, dimana otak menjadi tempat mengolah informasi yang berasal dari inderaindera primata. Salah satu kemajuan dari primata dari hewan lain adalah ukuran otak yang lebih besar. Perbandingan antara ukuran tubuh dengan berat otak memungkinkan untuk membedakan antara primata (Myers dan Sheffield 1996). 2. Dada dan Bahu Kebiasaan melakukan brachiation berpengaruh pada seluruh kerangka tubuh famili Hylobatidae (Young 1981).

Spesialisasi dalam brachiation

mempengaruhi rongga dada famili hylobatidae yang lebih besar dari kera-kera lain, dimana rongga dada yang lebar dan tulang belikat (skapula) di belakang membuat pusat gaya berat lebih ke tengah tubuh apabila hewan ini berdiri tegak dan memberi keleluasaan gerak bagi lengan (Hoeve 1992). 3. Lengan dan Tangan Lengan merupakan salah satu pembentuk anggota badan yang tersusun dari beberapa tulang yang merupakan bagian anggota tulang depan (ekstremitas pektoralis).

Ekstremitas pektoralis terdiri dari tulang belikat

(scapula), tulang lengan atas (humerus), dua tulang lengan bawah (radius dan ulna), tulang carpus, tulang metacarpus dan tulang-tulang jari (digiti). Humerus merupakan tulang panjang yang ujung atasnya bersendi dengan scapula membentuk persendian bahu, dimana tonjolan yang terbentuk disebut titik atau kedudukan bahu. Radius dan ulna merupakan tulang yang besar pada lengan bawah dan ulna yang kecil. Radius merupakan tulang panjang yang terletak di sisi medial lengan bawah yang dapat langsung diraba di bawah kulit.

Tulang radius kemudian dilanjutkan tulang carpus, tulang

metacarpus dan tulang-tulang jari (digiti).

18

Pada semua spesies, perkembangan radius sangat baik sedangkan ulna mempunyai perkembangan yang bervariasi tergantung pada spesies hewan (Fradson 1992). Berdasarkan hal di atas maka radius lebih dapat dijadikan parameter ukuran tubuh daripada ulna. Parameter pendugaan umur adalah panjang humerus, radius dan panjang telapak tangan yang apabila digabungkan maka dapat menjadi parameter panjang tangan. Panjang telapak tangan merupakan gabungan antara tulang carpus, tulang metacarpus dan digiti yang terpanjang. Pengetahuan tentang perbandingan panjang lengan primata akan sangat penting untuk mengetahui tipe pergerakan dan prilaku primata. Tipe-tipe pergerakan yang digunakan primata akan menunjukkan jenis-jenis habitat yang mendukung hidupnya.

Telapak tangan siamang yang lebih sempit

dibandingkan dari famili Pongidae dan Hominidae dikarenakan penyesuaian dalam melakukan brachiation, sesuai dengan pendapat Hoeve (1992) bahwa tangan siamang sangat panjang dan langsing dengan jari-jari yang panjang dan agak melengkung seperti kait 4. Kaki dan Telapak Kaki Selain tangan, kaki merupakan salah satu pembentuk anggota badan, dimana tangan tersusun dari beberapa tulang yang merupakan bagian anggota tulang depan (ekstremitas pelvikalis). Ekstremitas pelvikalis terdiri dari tulang pinggul (ilium), tulang paha (femur), dua tulang kaki bawah (tibia dan fibula), astralagus, metacarpus dan digiti. Femur merupakan tulang yang bulat, berpangkal pada persendian pinggul dan memanjang sampai persendian lutut. Tibia dan fibula, setara dengan radius dan ulna pada ekstremitas anterior. Tibia merupakan tulang yang besar dan terletak di sebelah medial, mempunyai ujung proksimal yang melekat pada persendian lutut.

Metacarpus dan digiti sama dengan

ekstremitas anterior. Parameter morfometrik untuk menduga umur adalah panjang femur dan tibia yang apabila digabungkan menjadi parameter panjang kaki. Panjang telapak tangan merupakan gabungan antara tulang carpus, tulang metacarpus dan digiti yang terpanjang.

Sedangkan indeks intermembral merupakan

19

perbandingan dari panjang kaki dengan panjang tangan, informasi ini sangat bermanfaat untuk mengindentifikasi sistem lokomosi primata (Myers dan Sheffield 1996).

Karakteristik Lokasi Penelitian Penelitian pengukuran morfometrik siamang dilaksanakan di dua lokasi, yaitu Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera (KPS) dan Pusat Penyelamatan Satwa Cikananga (PPSC). Pusat Rehabilitasi Siamang dan Owa Yayasan Kalaweit Program Sumatera KPS merupakan kegiatan konservasi eksitu yang bertujuan untuk mendukung konservasi insitu yang bekerjasama Direktorat Jenderal Perlindungan Hutan dan Konservasi Alam (Ditjen PHKA) Departemen Kehutanan, dimana dalam implementasinya dilapangan selalu berkoordinasi dengan BKSDA Sumatera Barat sebagai unit pelaksana teknis Ditjen PHKA di daerah. Tujuan utama dari KPS adalah untuk menyelamatkan, merehabilitasi, mensejahterakan dan mengembalikan kembali owa dan siamang yang berasal dari Sumatera ke habitatnya. KPS berada di Pulau Marak dengan luas sekitar 1.000 ha, sebuah pulau di Kanagarian Sungai Pinang, Kecamatan Batang Terusan, Kabupaten Pesisir Selatan, Provinsi Sumatera Barat. KPS dapat dijangkau dari Kota Padang dengan speed boat bertenaga 40 daya kuda sekitar 1 jam atau perjalanan melalui darat dapat ditempuh sekitar 30 km melalui Nagari Sungai Pinang, tetapi jalan yang masih belum bagus, berkelok-kelok dan mendaki serta belum tersedianya transportasi umum menyebabkan perjalanan lebih lama dan kurang nyaman. Pada awal berdirinya bulan Juli tahun 2003, KPS telah merehabilitasi sebanyak 122 ekor gibbon (H. agilis dan H. syndactylus). Selain jenis-jenis dari gibbon, KSP dapat juga merawat beberapa primata lain seperti beruk endemik dari Mentawai (Macaca pagaensis). Fasilitas pendukung yang tersedia yaitu 55 unit kandang (rehabilitasi, karantina, sosialisasi dan sanctuary), klinik satwa, asrama, gudang buah dan sarana transportasi. Pada bulan Juli 2007 KPS telah mendapat hak siar Radio Kalaweit pada gelombang 87.6 FM. Pelaksana di KPS terdiri dari

20

1 orang manajer, 1 orang administrasi, 2 orang tenaga medis, 8 orang animal keeper, 1 orang dokter hewan, 1 orang bidang volunteer dan ditambah 2 orang counterpart dari BKSDA.

Gambar 5 Siamang sumatera di KSP Pulau Marak dan PPSC Sukabumi. Kandang-kandang satwa terbuat dari kawat besi dengan tiang dari kayu, bentuk kandang segitiga dengan ukuran 6m x 6m x 6m. Di dalam kandang terdapat sejumlah kayu panjang dan ban bekas mobil yang digantung sebagai tempat bergelayutan (mainan) satwa. Kandang-kandang terdiri dari: a. Kandang karantina. Di kandang ini dilakukan proses untuk mengindentifikasi dan mengobati penyakit yang di derita siamang. Pemeriksaan dilakukan baik kondisi fisik dan non fisik, pemeriksaan darah (Hepatitis A, B dan C; Tuberculosis/TBC; Herpes simplex), meminimalkan stres, mengadaptasi makanan dan pemeriksaan parasit. b. Sanctuary. Satwa yang tidak dimungkinkan untuk lepasliarkan ke alam akan ditempatkan dalam kandang-kandang ini, misalnya siamang yang bentuk fisiknya abnormal (tangan atau kaki yang patah adan buntung) serta siamang yang terkena penyakit Herpes maupun TBC. Kandang sanctuary bertujuan untuk mensejahterakan siamang-siamang tersebut. c. Sosialisasi.

Siamang yang telah dinyatakan sehat akan ditempatkan di

kandang sosialisasi. mendapatkan

Dalam kandang ini, siamang ditempatkan untuk

pasangan

masing-masing

dan

selalu

dipantau

setiap

perkembangan dan tingkah lakunya. Siamang yang betul-betul bebas dari penyakit dan siamang yang telah remaja ditempatkan dalam satu kandang,

21

dimana beberapa kandang dihubungkan dengan terowongan sehingga siamang bisa berkontak visual dan fisik.

Pengamatan dilakukan dengan intensif,

apabila siamang telah menemukan pasangan maka dipindahkan ke kandang rehabilitasi. d. Rehabilitasi. Kandang ini ditujukan untuk proses utama yaitu “meliarkan” siamang, di kandang ini kontak antar siamang dihindarkan begitu juga kontak dengan manusia diminimalkan. Pemberian makanan dilakukan dua kali sehari yaitu sekitar pukul 7.30 dan 15.00 WIB.

Kombinasi makanan adalah pisang, wortel, buncis, tomat dan

mentimun, sedangkan telur sebagai sumber protein diberikan seminggu sekali. Siamang yang sakit diberikan makanan yang lebih “eksklusif” seperti apel, sawo, pir dan multivitamin dengan tujuan mengembalikan vitalitas tubuh dan mempercepat kesembuhan. Pembersihan kandang dilakukan satu kali seminggu dan sebulan sekali dilakukan penyemprotan desifektan. Pengawasan terhadap kesehatan siamang dilakukan tenaga medis sedangkan siamang yang sakit diperiksa oleh dokter hewan yang bekerjasama dengan Balai Vertereiner Departemen Peternakan. Pusat Penyelamatan Satwa Cikananga PPSC didirikan oleh Yayasan Gibbon yang merupakan lembaga swadaya masyarakat yang menyalurkan dana dari para donatur internasional untuk program konservasi di Indonesia, khususnya dalam penyelamatan satwaliar.

Yayasan

Gibbon bekerjasama dengan PHKA untuk membangun PPS dalam rangka penyelamatan satwa-satwa yang dilindungi, sebagai salah satu bentuk peran keanggotaan Indonesia dalam konvensi internasional perlindungan hewan dan tumbuhan (Convention on Internasional Trade for Endanger Spesies/CITES). Terdapat tujuh PPS yang beroperasi di Indonesia yaitu di Tegal Alur di Jakarta yang sudah berhenti beroperasi, Cikananga di Sukabumi, Gadog di Ciawi-Bogor, Petung Sewu di Malang, Bali, Yogyakarta dan Tasikoki di Sulawesi. PPSC diresmikan pada tanggal 1 Nopember 2003 pada lahan seluas 14,9 ha terletak 36 km di selatan Kabupaten Sukabumi, Provinsi Jawa Barat, tepatnya di Kampung Cikananga, Desa Cisitu Kecamatan Nyalindung.

Fasilitas PPSC

22

terbilang lengkap, karena memiliki gedung perkantoran, laboratorium, klinik hewan dan tempat penginapan.

Sejak 2001 hingga 2005 hewan yang

diselamatkan oleh PPSC mencapai 3.433 ekor, tapi sekarang tinggal 1.142 ekor karena telah di translokasi ataupun dilepasliarkan. Pertengahan bulan April 2006 Departemen Kehutanan dalam hal ini Ditjen PHKA memutus hubungan kerjasama dengan Yayasan Gibbon dan pelarangan yayasan ini melakukan kegiatan apapun yang terkait konservasi sumberdaya alam di Indonesia. Hal ini berdampak pada upaya penyelamatan satwaliar Indonesia yang saat ini berada di PPSC, dengan pendanaan yang terbatas satwa menjadi kurang terurus dan suplai makanan terbatas.

23

METODE PENELITIAN Lokasi dan Waktu Penelitian ini dilaksanakan di Pusat Rehabilitasi Siamang dan Owa Kalaweit Program Sumatera, Pulau Marak, Kabupaten Pesisir Selatan, Provinsi Sumatera Barat dan Pusat Penyelamatan Satwa Cikananga, Kabupaten Sukabumi, Provinsi Jawa Barat (peta lokasi pada Lampiran 23 dan 24) selama 4 bulan yaitu dari bulan Mei hingga Agustus 2007. Bahan dan Alat Objek penelitian adalah siamang sumatera (Hylobates syndactylus syndactylus), dimana untuk selanjutnya dalam tesis ini disebut sebagai siamang. Bahan kimia yang digunakan adalah Ketamil injection, Ilium Xylazil-20 injection, dan sebagai antidotnya Atipamezole Reverzine injection. Alat yang digunakan adalah meteran, caliper (jangka sorong), timbangan, sarung tangan, masker, suntikan 1 ml, kapas, kamera dijital, komputer dan alat tulis. Parameter yang Diukur Parameter morfometrik yang diukur untuk menduga umur adalah panjang badan dan kepala, panjang lengan, panjang kaki, panjang cranial, tinggi cranial, lebar cranial, lingkar dada, lebar bahu, panjang telapak tangan, lebar telapak tangan, panjang telapak kaki, lebar telapak kaki, lingkar kepala, dan lingkar muka. Pengambilan Data Data-data yang digunakan dalam penelitian ini diperoleh dari hasil pengukuran parameter morfometrik siamang (data primer) dan data-data penunjang (data sekunder). Data primer yang diambil dikelompokkan menjadi dua yaitu jantan dan betina, hal ini didasarkan pada adanya dimorphism ukuran badan siamang dimana jantan memiliki ukuran tubuh yang lebih besar dibanding betina.

Data sekunder yang diambil meliputi keadaan umum lokasi pusat

penyelamatan satwa, proses rehabilitasi, jumlah individu yang sedang direhabilitasi, asal, jenis kelamin dan umur siamang.

24

Pembagian Umur di Lapangan Berdasarkan hasil pelaksanaan penelitian diperoleh data jumlah dan umur siamang yang di ukur, seperti disajikan pada Tabel 2. Tabel 2 Pembagian umur siamang sumatera yang diukur di lapangan Umur (tahun) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Jumlah Total

Jumlah Sampel (ekor) ♂ 1 1 1 1 1 3 5 1 1 1 1 17

KPS ♀ 1 2 1 1 1 1 7

Jumlah 1 1 1 1 1 4 5 3 1 2 1 2 1 24

♂ 1 1 2 4 1 2 1 1 1 14

PPSC ♀ 1 1 2

Jumlah 1 1 1 2 4 1 2 1 1 2 16

40

Tabel 2 menunjukkan hanya terdapat 15 tingkatan umur siamang yang menjadi objek penelitian. Berdasarkan tingkatan umur tersebut, pendugaan umur siamang jantan hanya berlaku untuk umur 1-15 tahun dan 2-14 tahun untuk siamang betina. Apabila digabungkan antara jantan dan betina, maka pendugaan umur hanya untuk 1-15 tahun. Batasan lain dalam penelitian ini yaitu pengukuran hanya dilakukan pada siamang yang diketahui umurnya dan berkondisi sehat, alasannya adalah bahwa tidak semua siamang yang berada di pusat penyelamatan diketahui umurnya secara pasti dan hanya dikelompokkan ke dalam kelas umur. Kondisi siamang yang sehat merupakan prasyarat pengukuran dengan tujuan menghindari kondisi fatal akibat pembiusan. Teknik Pengukuran Tubuh Data ukuran tubuh yang akurat diperoleh apabila pengukuran dilakukan saat siamang diam, untuk itu dilakukan pembiusan pada semua siamang yang diteliti.

25 Dalam penelitian ini pembiusan berguna untuk menghindari bias hasil pengukuran akibat perlakuan yang tidak sama. Pembiusan dilakukan oleh tenaga medis atau paramedis yang bekerja di KPS dan PPSC untuk menghindari kesalahan penanganan yang dapat menyebabkan kematian pada siamang. Tujuan utama dari pembiusan adalah untuk membuat siamang mengurangi gerakan tubuhnya yang dapat menyebabkan kecelakaan pada peneliti dan staf yang membantu di lapangan. Pembiusan bersifat penenangan (sedatif) dan tidak sampai pembiusan total (anastesia) sehingga pengukuran dilakukan dalam waktu yang relatif singkat. Untuk dapat menduga umur siamang dilakukan pengukuran terhadap parameter morfometriknya (lihat Lampiran 20, 21 dan 22). Teknik pengukuran parameter morfometrik siamang (satuan dalam cm), sebagai berikut: 1. Panjang badan dan kepala (PB), diukur mulai dari ujung kepala sampai ujung tulang ekor. 2. Panjang lengan (PL) merupakan gabungan dari panjang lengan atas/humerus dan panjang lengan bawah/radius. Panjang lengan humerus, diukur pada pangkal humerus bagian atas sampai tonjolan bawah humerus.

Panjang

lengan radius, diukur dari pangkal siku sampai pergelangan telapak tangan. 3. Panjang kaki (PK) merupakan gabungan dari panjang paha/femur dengan panjang betis/tibia. Panjang femur, diukur dari pangkal femur sampai bawah femur.

Panjang tibia, diukur dari penonjolan tempurung lutut sampai

pergelangan telapak kaki. 4. Panjang cranial (PCr), diukur dari cranial yang paling depan sampai cranial paling belakang. 5. Tinggi cranial (TCr), diukur mulai dari atas cranial sampai cranial bawah. 6. Lebar cranial (LbC), diukur mulai dari tepi cranial kiri sampai tepi kanan. 7. Lingkar dada (LD), diukur di sekeliling dada, bawah tulang bahu. 8. Lebar bahu (LbB), diukur dari tepi paling kiri bahu sampai tepi kanan bahu. 9. Panjang telapak tangan (PTT), diukur dari tulang metacarpus sampai ujung jari tangan terpanjang. Pengukuran ini tanpa kuku yang disebut sine unguis (s.u), bila dimasukkan cakar disebut cum unguis (c.u).

26 10. Lebar telapak tangan (LTT), diukur mulai dari sisi kiri sampai sisi kanan telapak tangan di bawah tulang phalanges. 11. Panjang telapak kaki (PTK), diukur dari ujung tumit sampai ujung jari kaki terpanjang. 12. Lebar telapak kaki (LTK), diukur mulai dari sisi kiri sampai sisi kanan telapak kaki di bawah tulang phalanges. 13. Lingkar kepala (LK), diukur di sekeliling kepala di atas telinga. 14. Lingkar muka (LM), diukur di sekeliling muka.

Pengolahan Data Data yang diperoleh dianalisis menggunakan pendekatan multivariate analysis dengan metode multiple regression analysis (MRA) atau regresi linear berganda guna menghasilkan suatu persamaan regresi.

Persamaan ini dapat

menentukan parameter yang paling menentukan untuk menduga umur siamang dan menjelaskan hubungan antara umur dengan parameter morfometriknya. Analisis data dilakukan dengan menggunakan software SPSS 14.0 for windows evaluation version karena melibatkan banyak variabel. Bentuk persamaan regresi yang menghubungkan antara umur dengan parameter morfometrik siamang, sebagai berikut (Supranto 2004): Y = bo + b1X1 + b2X2 + … + b14X14 keterangan: Y = b0 = b1 = b2 = b14 = X1 = X2 = X14 =

umur siamang (tahun) nilai intersep nilai koefisien regresi parameter morfometrik ke-1 nilai koefisien regresi parameter morfometrik ke-2 nilai koefisien regresi parameter morfometrik ke-14 parameter morfometrik ke-1 (cm) parameter morfometrik ke-2 (cm) parameter morfometrik ke-14 (cm)

dalam hal ini peubah tidak bebas (Y) adalah umur siamang, sedangkan peubah bebas (X) adalah peubah-peubah yang berasal dari hasil pengukuran morfometrik siamang.

27 Hipotesis yang diuji adalah: Ho: b1 = b2 =...... = b14 = 0 (semua variabel bebas X tidak ada yang mempengaruhi variabel tidak bebas Y) H1: b1 ≠ b2 ≠...... ≠ b14 ≠ 0 (paling sedikit ada satu variabel bebas X yang mempengaruhi Y) Dalam output analisis software SPSS nilai signifikan t dan F sudah dihitung maka tidak perlu melihat nilai tabel t dan F, cukup dengan membandingkan nilai p-valuenya.

Apabila p-value ≤0,05, maka Ho ditolak dan diterima H1 atau

sebaliknya.

Hal ini dinyatakan oleh Supranto (2004), korelasi yang tinggi

ditandai oleh rasio t yang tidak nyata (rasio t < t tabel). Adapun langkah-langkah yang dilakukan dalam analisis data adalah sebagai berikut: a. Uji validasi (kesahihan) dan Uji realibilitas (keandalan).

Menurut

Sudarmanto (2005) bahwa Uji validasi dilakukan untuk mengetahui apakah alat ukur yang telah disusun dapat digunakan untuk mengukur apa yang hendak diukur secara tepat. Uji realibilitas dimaksudkan untuk mengetahui sejauh mana konsistensi hasil pengukuran yang dilakukan.

Kesahihan

dinyatakan bila koefisien > 0,50, sedangkan keandalan dinyatakan bila koefisien alpha hitung > 0,50 atau sebaliknya. b. Uji linearitas garis regresi.

Menurut Sudarmanto (2005) bahwa uji ini

digunakan untuk mengambil keputusan dalam memilih model regresi yang akan digunakan. Uji ini berkaitan dengan suatu pembuktian apakan model garis regresi linera yang ditetapkan benar-benar sesuai dengan keadaannya atau tidak.

Kriteria pengujian untuk menyatakan kelinearan garis regresi

adalah jika Signifikasi > 0,50 (alpha 5%) atau sebaliknya. c. Analisis faktor. Analisis ini dilakukan untuk mengetahui kelayakan ke-14 parameter morfometrik untuk diproses lebih lanjut dalam regresi. Kelayakan tersebut dapat dilihat dari besarnya nilai K-M-O MSA (Kaiser–Meyer-Olkin Measure of Sampling Adequacy), apabila nilai K-M-O MSA >0,50 (alpha 5%) maka kumpulan parameter dapat diproses lebih lanjut.

28 d. Uji kelayakan menggunakan analisis regresi.

Agar analisis regresi dapat

digunakan, maka harus memenuhi 3 asumsi yaitu kenormalan, independensi dan homogenitas variansi. e. Analisis regresi dengan semua peubah.

Analisis ini dilakukan untuk

mengetahui apakah parameter morfometrik yang dianalisis mempengaruhi umur, hal ini dapat dianalisis dari nilai p-value <0,05. f.

Analisis regresi dengan metode stepwise (regresi bertahap).

Pembuatan

model matematika dengan memasukkan semua parameter morfometrik yang berkorelasi tinggi membuat persamaan tidak nyata karena diantara parameter akan saling menghilangkan.

Menurut

Supranto (2004) apabila terjadi

parameter morfometrik saling berkorelasi (multikolinearitas) maka bisa dilakukan pendekatan dengan metode stepwise. Selain itu, metode ini dapat langsung mengetahui parameter morfometrik yang paling menentukan.

HASIL DAN PEMBAHASAN Riwayat Siamang Sumatera Sebagai Objek Penelitian Pengukuran parameter morfometrik dilakukan terhadap 40 ekor siamang yang hidup, terdiri dari 24 ekor siamang jantan dan 16 ekor siamang betina. Siamang yang diukur berumur antara 1-15 tahun dan dapat dikelompokkan ke dalam 4 kelas umur (KU), yaitu KU I (1-4 tahun), KU II (5-6), KU III (7-8 tahun), dan KU IV (9 tahun ke atas), seperti ditunjukkan pada Tabel 4. Siamang yang direhabilitasi/diselamatkan di KPS dan PPSC merupakan satwa titipan BKSDA sebagai unit pelaksana teknis dari Departemen Kehutanan. Status satwa titipan dikarenakan siamang merupakan satwa yang dilindungi dalam PP No. 7 Tahun 1999 tentang Pengawetan Tumbuhan dan Satwa yang menyatakan bahwa semua famili Hylobatidae dilindungi. Secara umum, siamang yang diterima KSP dan PPSC berasal dari hasil penegakan hukum atau sitaan BKSDA, penyerahan oleh masyarakat dan serahan dari lembaga lain atau translokasi. Translokasi merupakan mutasi siamang antar lembaga konservasi ek situ. Asal siamang dari translokasi banyak terdapat di KSP karena lembaga ini secara khusus merehabilitasi siamang dan owa yang akan dilepasliarkan. Tabel 3 Asal siamang sumatera yang dijadikan objek penelitian No 1 2 3 4

Asal Siamang Sumatera Sitaan BKSDA Serahan masyarakat Serahan dari lembaga lain (translokasi) Lahir di pusat rehabilitasi/ penyelamatan Total

Jumlah (ekor)

%

3 6 28 3

7,5 15 70 7,5

40

100

Tabel 3 menunjukkan bahwa 70% siamang berasal dari translokasi dan sebagian kecil yang lahir atau berasal dari pusat rehabilitasi/penyelamatan. Persentase ini menunjukkan bahwa hanya beberapa ekor siamang yang diketahui umurnya dengan pasti, sedangkan umur siamang yang lain merupakan hasil pendugaan oleh tenaga ahli dari lembaga yang bersangkutan.

30 Tabel 4 Pembagian siamang sumatera yang diukur di lapangan berdasarkan kelas umur Umur (tahun) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Kelas Umur I (Bayi dan Anak) II (Muda/Remaja) III (Sub Dewasa)

IV (Dewasa)

Jumlah

♂

Jumlah Sampel (ekor) % ♀ %

Total

1 1 1 1 1 4 5 3 1 2 1 2 1

2,5 2,5 2,5 2,5 2,5 10 12,5 7,5 2,5 5 2,5 5 2,5

1 1 1 2 4 1 2 1 1 2 -

2,5 2,5 2,5 5 10 2,5 5 2,5 2,5 5 -

1 2 2 2 3 8 6 5 2 3 1 4 1

2,5 5 5 5 7,5 20 15 12,5 5 7,5 2,5 10 2,5

24

60

16

40

40 ekor

100%

Tabel 4 menunjukkan bahwa hanya terdapat 15 tingkatan umur siamang yang diperoleh dari penelitian ini. Sesuai dengan batasan penelitian maka model matematika yang terbentuk hanya dapat menduga umur sesuai tingkatan umur yang dianalisis. Apabila dipisahkan antara jantan dan betina, pendugaan umur siamang jantan hanya berlaku untuk umur 1-15 tahun dan 2-14 tahun untuk siamang betina. Apabila digabungkan antara jantan dan betina, maka pendugaan umur hanya berlaku sampai 15 tahun. Hal ini berarti pendugaan umur di atas 15 tahun pada siamang jantan dan gabungan antara jantan dan betina serta 14 tahun untuk siamang betina dinyatakan tidak valid.

Karakteristik Morfometrik Siamang Sumatera Rata-rata panjang badan dan kepala (PB) siamang dari umur 1-15 tahun adalah 48,59 cm, nilai minimumnya 19 cm pada umur 1 tahun dan maksimum pada umur 9 tahun sebesar 64 cm (Tabel 5). Rata-rata PB siamang jantan 48,16 cm dan rata-rata PB siamang betina 49,23 cm. Gambar 7 menunjukkan bahwa ukuran PB siamang meningkat pesat dari umur 1-6 tahun atau pada kelas KU I dan II, hasil ini sesuai dengan masa pertumbuhan makhluk hidup yang tinggi di masa bayi dan remaja kemudian lebih stabil hingga umur 15. Hasil pengukuran parameter morfometrik siamang disajikan pada Lampiran 1, 2 dan 3.

31

Gambar 6 Pengukuran siamang sumatera di lapangan. Menurut Napier dan Napier (1967) rata-rata PB siamang jantan adalah 53,30 cm atau berkisar 46,80-84,60 cm, sedangkan rata-rata PB siamang betina adalah 54,20 cm atau berkisar 46,00-63,00 cm dengan persentase perbandingan PB antara jantan dan betina adalah 101,69%. Rata-rata PB siamang jantan dewasa 50,49 cm atau berkisar 35,60-64,00 cm, sedangkan rata-rata PB siamang betina adalah 51,30 cm atau berkisar 45,20–58,50 cm dengan persentase perbandingan PB antara jantan dan betina adalah 101,60%.

Apabila rata-rata PB di atas

dibandingkan, maka hasil PB dalam penelitian ini mempunyai nilai yang lebih kecil, tetapi jika persentase perbandingan PB antara jantan dan betina dibandingkan maka nilai perbandingan hasil kedua penelitian ini hampir sama. Hasil perbandingan yang hampir sama ini menunjukkan bahwa teknik pengukuran PB dalam penelitian ini telah benar, sedangkan perbedaan nilai rata-rata PB dapat disebabkan oleh perbedaan dari jumlah dan tingkatan umur siamang yang teliti. Apabila PB siamang dibandingkan dengan PB bekantan (Nasalis lavartus), maka ukuran badan siamang lebih pendek. Pada KU bayi, bekantan mempunyai PB sekitar 32 cm dan pada KU dewasa yang mempunyai ukuran badan yang lebih tinggi dimana jantan mempunyai PB 65,50 cm dan betina 56,25 cm, sedangkan siamang jantan dewasa mempunyai PB rata-rata 46,81 cm dan betina dewasa 51,30 cm. Ukuran tubuh siamang yang lebih pendek ini dimungkinkan karena berat badan bekantan yang jantan dewasa sekitar 20 kg dan betina dewasa 10 kg (Bennet dan Sebastian 1988 dalam Bismarck 1994) sedangkan siamang jantan dewasa mempunyai berat sekitar 10-12 kg dan betina mempunyai ukuran sedikit lebih kecil (PPA 1978).

32 Tabel 5 Karakteristik panjang badan siamang sumatera berdasarkan kelas umur No 1 2 3 4

Kelas Umur Bayi dan anak Muda/remaja Sub dewasa Dewasa

Umur (tahun)

Jumlah Sampel (ekor)

Panjang Badan (cm)

1-4 5-6 7-8 9 ke atas

3 4 11 22

19,00–35,10 44,50–53,40 42,40–57,50 35,60–64,00

Jumlah

40

80 PL

70

Ukuran bagian tubuh (cm)

PB LD

60

PK LK

50

LM LbB

40

PTT PTK

30

PCr TCr

20

LbC LTK

10

LTT

0 1

2

5

6

7

8

9

10

11

12

13

14

15

Umur (tahun)

Gambar 7 Ukuran bagian tubuh siamang sumatera yang dijadikan parameter morfometrik untuk menduga umur. Panjang Lengan (PL) siamang rata-rata 56,34 cm, PL merupakan gabungan dari panjang humerus, radius dan carpus. Rata-rata PL siamang jantan adalah 56,45 cm sedangkan rata-rata PL siamang betina adalah 56,19 cm. Pada Gambar 7 disajikan ukuran PL siamang yang meningkat pesat dari umur 1-6 tahun, hasil ini sama dengan peningkatan ukuran PB, selanjutnya ukuran PL lebih stabil tetapi pada umur 11-13 tahun terjadi fluktuasi. Menurut Nowak (1999) PL siamang dapat mencapai 150 cm, sedangkan dalam penelitian ini PL terpanjang sebesar 67,60 cm pada siamang jantan berumur 14 tahun. Perbedaan yang cukup besar ini terjadi karena perbedaan tingkatan umur dan jumlah siamang yang dijadikan objek penelitian.

Pada Gambar 7

ditunjukkan ukuran PL siamang umur 13 hingga 15 tahun masih meningkat. Lengan merupakan salah satu penciri famili Hylobatidae, dimana lenganlengan dari jenis-jenis famili ini sangat panjang yaitu 230-243% dari panjang

33 tubuhnya (Lekagul dan McNeely 1977).

Berdasarkan hasil perbandingan,

diperoleh PL siamang 115,89% dari PBnya. Perbedaan terjadi karena penelitian ini menggunakan ukuran panjang tubuh yang merupakan gabungan badan dan kepala, sedangkan hasil penelitian dalam Lekagul dan McNeely (1977) hanya menggunakan ukuran panjang badan tanpa ukuran panjang kepala. Tabel 6 Karakteristik panjang lengan siamang sumatera berdasarkan kelas umur No 1 2 3 4

Kelas Umur Bayi dan anak Muda/remaja Sub dewasa Dewasa Jumlah

Umur (tahun)

Jumlah Sampel (ekor)

Panjang Lengan (cm)

1-4 5-6 7-8 9 ke atas

3 4 11 22

18,00–37,70 53,90–64,50 48,90–66,60 46,80–67,60

40

Panjang Kaki (PK) siamang rata-rata 42,79 cm, PK merupakan gabungan dari panjang femur dan tibia. Rata-rata PK siamang jantan adalah 42,55 cm sedangkan rata-rata PK siamang betina adalah 43,15 cm. PK terpendek adalah 14,90 cm pada bayi siamang jantan umur 1 tahun sedangkan PK terpanjang adalah 51,00 cm pada siamang jantan umur 15 tahun (Tabel 7). Apabila dibandingkan antara rata-rata PL dengan PK, diketahui bahwa lengan siamang jantan lebih panjang daripada kakinya yaitu 0,76% begitu pula dengan siamang betina yaitu 0,77% atau PL siamang 3/4 lebih panjang dari PKnya. Hasil ini sesuai dengan penelitian dalam Lekagul dan McNeely (1977) bahwa PL famili Hylobatidae lebih panjang sekitar 2/3-3/4 PKnya. Panjangnya lengan siamang dibandingkan kakinya menandakan siamang lebih banyak menggunakan lengan dalam melakukan pergerakan. Hasil perbandingan PL dan PK diketahui bahwa indeks intermembral siamang yaitu 131,44. Menurut Napier dan Napier (1967), apabila primata mempunyai nilai indeks intermembral dari 100-150 maka dikategorikan sebagai primata yang bergerak dengan cara brachiation.

34 Tabel 7 Karakteristik panjang kaki siamang sumatera berdasarkan kelas umur No 1 2 3 4

Kelas Umur Bayi dan anak Muda/remaja Sub dewasa Dewasa

Umur (tahun)

Jumlah Sampel (ekor)

Panjang Kaki (cm)

1-4 5-6 7-8 9 ke atas

3 4 11 22

14,90–29,20 40,30–47,10 37,80–49,30 39,80–51,00

Jumlah

40

Lingkar kepala (LK), lingkar muka (LM), panjang cranial (PCr), tinggi cranial (TCr) dan lebar cranial (LbC) merupakan morfometrik yang diukur di bagian kepala. Rata-rata LK siamang adalah 31,163 cm, rata-rata LM adalah 29,79 cm, rata-rata PCr adalah 10,03 cm, rata-rata TCr adalah 8,25 dan rata-rata LbC adalah 7,59 cm. Kepala merupakan bagian dari evolusi makhluk hidup, kepala adalah tempat terletaknya otak dan volume otak dapat menjadi pembeda antara makhluk hidup. Pada Gambar 7 ditunjukkan bahwa terjadi peningkatan ukuran bagian kepala siamang hingga berumur 15 tahun. Tabel 8

No 1 2 3 4

Karakteristik lingkar kepala dan lingkar muka siamang sumatera berdasarkan kelas umur Kelas Umur

Bayi dan anak Muda/remaja Sub dewasa Dewasa

Umur (tahun)

Jumlah Sampel (ekor)

Lingkar Kepala (cm)

Lingkar Muka (cm)

1-4 5-6 7-8 9 ke atas

3 4 11 22

21,30-27,10 30,10-31,60 28,10-33,00 30,10-34,90

18,20-25,20 28,60-29,30 27,10-33,50 28,40-32,90

Jumlah

Tabel 9

No 1 2 3 4

40

Karakteristik panjang, tinggi dan lebar cranial siamang sumatera berdasarkan kelas umur Kelas Umur

Bayi dan anak Muda/remaja Sub dewasa Dewasa Jumlah

Umur (tahun)

Jumlah Sampel

Panjang

Cranial (cm) Tinggi

Lebar

1-4 5-6 7-8 9 ke atas

3 4 11 22

6,31-7,93 8,94-9,40 8,20-12,20 8,62-12,20

5,22-7,29 7,04-8,60 7,63-9,64 7,01-11,10

5,28-6,89 6,95-8,06 6,48-8,87 6,98-8,94

40

Lingkar dada (LD) siamang rata-rata 45,84 cm dengan rata-rata LD siamang jantan 46,36 cm sedangkan siamang betina 45,07 cm. Rata-rata lebar bahu (LbB) adalah 15,28 cm. Pada Gambar 7, 8 dan 9 ditunjukkan bahwa hingga umur 6

35 tahun morfometrik siamang masih menunjukkan peningkatan, selanjutnya hingga umur 15 tahun LD masih menunjukkan peningkatan sedangkan LbB lebih berfluktuasi. Apabila LbB siamang dibandingkan dengan LbB bekantan pada semua KU, maka bekantan mempunyai ukuran yang lebih besar dimana ukuran LbB bekatan KU I adalah sekitar 12,00 cm, KU II sekitar 14,00 cm, KU III adalah 14,00-16,67 cm dan KU adalah IV 17,89-26,10 cm (Bismarck 1994). Tabel 10 No 1 2 3 4

Karakteristik lingkar dada dan lebar bahu siamang sumatera berdasarkan kelas umur Kelas Umur

Bayi dan anak Muda/remaja Sub dewasa Dewasa

Umur (tahun)

Jumlah Sampel (ekor)

Lingkar Dada (cm)

Lebar Bahu (cm)

1-4 5-6 7-8 9 ke atas

3 4 11 22

16,90-36,10 42,40-49,20 39,10-53,10 41,90-56,50

5,60-11,80 12,80-17,90 9,30-17,80 10,40-25,00

Jumlah

40

80 PL PB

70 Ukuran bagian tubuh (cm )

LD 60

PK LK

50

LM LbB

40

PTT PTK

30

PCr TCr

20

LbC 10

LTK LTT

0 1

2

5

6

7

8

9

10

11

12

13

14

15

Umur (tahun)

Gambar 8 Ukuran bagian tubuh siamang sumatera jantan yang dijadikan parameter morfometrik untuk menduga umur. Panjang telapak tangan (PTT) berkisar dari 6,63 cm pada umur 1 tahun dan 19,30 cm pada usia 14 tahun, peningkatan PTT ini hampir tiga kali lipat. Lebar telapak tangan (LTT) berkisar dari 1,34 cm pada umur 1 tahun dan 4,12 cm pada usia dewasa, peningkatan ukuran organ ini lebih dari tiga kali lipat. Hampir sama dengan ukuran tubuh yang lain, ukuran PTT dan LTT meningkat pesat hingga umur 6 tahun, selanjutnya hingga umur ke 15 tahun PTT dan LTT cenderung stabil seperti yang ditunjukkkan pada Gambar 7.

36 Tabel 11 Karakteristik panjang dan lebar telapak tangan siamang sumatera berdasarkan kelas umur No 1 2 3 4

Kelas Umur Bayi dan anak Muda/remaja Sub dewasa Dewasa

Umur (tahun)

Jumlah Sampel (ekor)

1-4 5-6 7-8 9 ke atas

3 4 11 22

Jumlah

Telapak Tangan (cm) Panjang Lebar 6,63-12,90 14,10-16,70 14,70-18,20 14,40-19,30

1,34-2,49 2,91-3,25 2,71-3,35 2,05-4,12

40

Panjang telapak kaki (PTK) berkisar dari 6,20 cm pada umur 1 tahun dan 18,70 cm pada usia 15 tahun, peningkatan PTK ini tiga kali lipat. Lebar telapak kaki (LTK) berkisar dari 1,33 cm pada umur 1 tahun dan 6,20 cm pada usia dewasa, peningkatan ukuran organ ini hampir lima kali lipat. Rata-rata PTK adalah 15,646 cm dan PTT adalah 15,723, hasil rata-rata menunjukkan bahwa telapak tangan lebih panjang dibandingkan telapa kaki. Hasil ini disebabkan siamang lebih banyak menggunakan tangan untuk menggenggam cabang pohon dalam bergerak daripada kaki yang sekali-sekali digunakan untuk menggenggam dan berjalan di cabang-cabang pohon. 70 PL PB

60 Ukuran bagian tubuh (cm )

LD PK

50

LK LM

40

LbB PTT

30

PTK PCr

20

TCr LbC

10

LTK LTT

0 2

5

6

7

8

9

10

11

12

14

Umur (tahun)

Gambar 9 Ukuran bagian tubuh siamang sumatera betina yang dijadikan parameter morfometrik untuk menduga umur.

37 Tabel 12

No 1 2 3 4

Karakteristik panjang dan lebar telapak kaki siamang sumatera berdasarkan kelas umur Kelas Umur

Bayi dan anak Muda/remaja Sub dewasa Dewasa Jumlah

Umur (tahun)

Jumlah Sampel (ekor)

1-4 5-6 7-8 9 ke atas

3 4 11 22

Telapak Kaki (cm) Panjang Lebar 6,20-12,57 13,70-17,20 13,20-18,90 14,80-18,70

1,33-2,72 3,26-3,52 2,83-4,42 2,91-6,20

40

Pada Gambar 7, 8 dan 9 ditunjukkan bahwa morfometrik siamang meningkat secara signifikan hingga umur 6 tahun kemudian pada tahun berikutnya lebih stabil.

Hasil ini sesuai dengan pendapat Bertalanffy (1939)

dalam Jachman (1984) yang menyatakan bahwa vertebrata mempunyai pertumbuhan ukuran morfologikal yang linear sejalan dengan peningkatan umur dan pernyataan Giles (1981) bahwa ukuran tubuh akan berkembang sesuai dengan bertambahnya umur hingga pada suatu titik akan mencapai kematangan dan tidak akan membesar lagi.

Dalam penelitian ini tidak diketahui pada usia berapa

pertumbuhan siamang akan stabil karena terbatasnya umur sampel yang diteliti, tetapi menurut Young (1981) pertumbuhan pada gibbon berlanjut hingga pada umur 9 tahun. Tabel 13 Rata-rata ukuran tubuh siamang sumatera Parameter Morfometrik PB PCr TCr LbC LD LbB PTT LTT PTK LTK LK LM PL PK

Rata-rata Morfometrik Siamang Sumatera (cm) ♂ ♀ ♂ dan ♀ 48,163 49,225 48,588 9,485 9,096 9,33 8,260 8,229 8,248 7,699 7,435 7,594 46,358 45,069 45,843 14,975 15,744 14,713 15,618 15,881 15,723 3,013 2,921 2,976 15,857 15,330 15,646 3,593 3,656 3,619 31,213 31,088 31,163 29,567 30,144 29,798 56,447 56,188 56,343 42,546 43,150 42,788

Selisih Morfometrik ♂ dan ♀ -1,063 0,388 0,032 0,264 1,290 -0,769 -0,264 0,092 0,527 -0,065 0,125 -0,577 0,260 -0,604

Rata-rata morfometrik siamang pada Tabel 13 menunjukkan bahwa betina mempunyai morfometrik yang lebih besar dibandingkan jantan pada 6 parameter morfometrik yaitu PB, LbB, PTT, LTK, LM dan PK. Selisih morfometrik antara

38 jantan dan betina yang ditunjukkan pada Tabel 13 tidak besar, sehingga dapat disimpulkan bahwa seksual dimorphism pada siamang tidak terlalu terlihat. Hasil ini sesuai dengan pendapat Napier dan Napier (1986) yang menyatakan bahwa terdapat sedikit perbedaan ukuran tubuh antara jantan dan betina pada famili Hylobatidae.

Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Jantan Sebelum dilakukan analisis, data parameter morfometrik perlu di uji kevaliditasan dan reliabilitasnya.

Hasil uji menunjukkan bahwa parameter

morfometrik yang digunakan dalam penelitian ini valid dan reliabel dengan nilai koefisien korelasi pada uji validitas dan koefisien alpha hitung pada uji reliabilitas lebih besar dari 0,500 (Lampiran 4 dan 5). Dengan demikian semua parameter morfometrik yang digunakan untuk menduga umur siamang dapat digunakan dan dipercaya untuk mengumpulkan data yang diperlukan. Pada uji linearitas garis regresi, diperoleh hasil semua parameter morfometrik berbentuk linear kecuali pada parameter lebar bahu dan panjang telapak tangan yang ditunjukkan oleh nilai signifikasi lebih besar dari 0,05 atau alpha (Lampiran 6 dan 7). Apabila garis yang diperoleh berbentuk linear maka disimpulkan bahwa parameter dapat digunakan untuk memprediksi umur siamang. Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Jantan Data-data hasil pengukuran selanjutnya di analisis faktor.

Analisis

dilakukan untuk mengetahui apakah parameter layak untuk diproses lebih lanjut ke dalam regresi. Kelayakan tersebut dapat dilihat dari besarnya nilai K-M-O MSA, apabila nilai K-M-O MSA lebih besar dari 0,500 maka parameter morfometrik dapat diproses lebih lanjut. Tabel 14 KMO dan Bartlett's Test untuk data siamang sumatera jantan Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity Df Sig.

0,862 516,817 91 0,000

39 Component Plot in Rotated Space

X10 0.9

X3

Component 2

X8 X1 X5

X6 X2

0.6

X11 X4 X7 X9

0.3

X13

X14 X12

0.0

-0.3

-0.6

-0.9

-0.9

-0.6

-0.3

0.0

0.3

0.6

0.9

Component 1

Gambar 10 Komponen Plot dalam Rotated Space untuk data siamang sumatera jantan. Pada Tabel 14 ditunjukkan nilai K-M-O MSA adalah 0,862 atau lebih besar dari 0,50 dengan nilai signifikasi 0,000, maka ditafsirkan bahwa data-data hasil pengukuran morfometrik siamang jantan dapat diproses lebih lanjut dalam regresi. Pada Tabel Anti-image Matrices pada ruang korelasi anti-image (Lampiran 8) ditunjukkan tidak terdapat nilai yang berinisial a (MSA) yang lebih kecil dari 0,50, sehingga tidak ada parameter yang harus dikeluarkan dari persamaan. Pada Gambar 10 disajikan bahwa semua parameter morfometrik berkumpul dalam satu ruang yang menandakan bahwa dari semua parameter dapat diwakili oleh satu parameter saja. Model matematik yang terbentuk dari parameter morfometrik siamang jantan untuk menduga umur yaitu: Y = - 12,101 + 0,115 X1 + 0,437 X2 – 1,935 X3 – 2,804 X4 + 0,392 X5 + 0,212 X6 – 1,658 X7 – 6,214 X8 + 2,028 X9 + 0,829 X10 + 0,363 X11 + 1,753 X12 + 0,049 X13 – 0,674 X14 Pada Tabel 15 disajikan nilai koefisien determinasi (R2) dari model matematik di atas sangat tinggi sebesar 0,849 atau 84,90% yang berarti bahwa sumbangan parameter morfometrik terhadap umur sangat besar dan dapat digunakan menjadi model matematik. Tetapi melalui uji t (Tabel 17) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam model regresi hanya parameter lingkar muka (X12) yang berpengaruh signifikan dengan nilai signifikasi <0,05.

Melalui nilai-nilai tersebut, model matematika di atas diindikasikan

memiliki masalah multikolinearitas antar parameter morfometrik.

40 Tabel 15

Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera jantan

Model

R

R Square

1

0,921(a)

0,849

Adjusted R Square 0,613

Std. Error of the Estimate 2,141

Sig. F Change 0,029

DurbinWatson 1,054

Tabel 16 ANOVA untuk menduga umur siamang sumatera jantan Model 1

Regression Residual Total

Tabel 17

df 14 9 23

Mean Square 16,526 4,584

F 3,605

Sig. 0,029(a)

Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera jantan

Model 1

Sum of Squares 231,366 41,259 272,625

(Constant) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Unstandardized Coefficients B Std. Error -12,101 11,373 0,115 0,206 0,437 1,130 -1,935 1,612 -2,804 1,958 0,392 0,202 0,212 0,302 -1,658 0,777 -6,214 2,827 2,028 0,949 0,829 1,060 0,363 0,635 1,753 0,741 0,049 0,332 -0,674 0,608

Standardized Coefficients Beta 0,340 0,157 -0,640 -0,673 1,057 0,240 -1,395 -1,056 1,825 0,248 0,329 1,720 0,178 -1,718

t -1,064 0,561 0,387 -1,200 -1,432 1,938 0,702 -2,135 -2,198 2,137 0,783 0,571 2,366 0,149 -1,109

Sig. 0,315 0,589 0,708 0,261 0,186 0,085 0,501 0,062 0,055 0,061 0,454 0,582 0,042 0,885 0,296

Pada Tabel 15 ditunjukkan bahwa nilai Durbin-Watson (DW) yang diperoleh dari pengujian adalah 1,054. Rietveld dan Sunaryanto (1994) dalam Sudarmanto (2005) menyatakan apabila nilai DW mendekati angka 2, maka dapat dinyatakan bahwa data pengamatan tidak memiliki autokorelasi, bila sebaliknya maka dinyatakan memiliki autokorelasi. Dari nilai DW model matematika di atas yang menjauhi nilai 2 berarti antar parameter morfometrik memiliki autokorelasi, hasil ini menunjukkan bahwa model matematika belum layak digunakan untuk menduga umur siamang jantan.

41

Pendugaan Umur Siamang Sumatera Jantan (1-15 Tahun) Untuk memperoleh parameter morfometrik yang paling menentukan dalam menduga umur siamang jantan maka dilakukan pengurangan parameter yang berkorelasi tinggi terhadap faktor umur dengan tujuan untuk mendapatkan satu persamaan regresi yang paling baik. Berdasarkan hasil analisis statistik yang menghasilkan model matematika di atas yang ternyata memiliki masalah multikolinearitas dan autokorelasi antar parameter maka dilakukan analisis statistik regresi linear berganda dengan metode stepwise. Hasil analisis dengan metode stepwise diperoleh parameter yang paling menentukan untuk menduga umur siamang jantan, sebagai berikut : Y = - 14,546 + 0,801 X12 Pada Tabel 18 ditunjukkan nilai R2 dari model matematika di atas sebesar 0,617 yang berarti bahwa pengaruh X12 (lingkar muka atau LM) terhadap umur cukup kuat sehingga dapat digunakan menjadi model matematika. Pada Tabel 19 ditunjukkan nilai Fhitung sebesar 35,483 dengan df1 = 1 dan df2 = 22, berdasarkan tabel F pada tingkat alpha 5% dengan df di atas maka diketahui Ftabel sebesar 4,30, karena Fhitung > Ftabel yaitu 35,483 > 4,30 dapat disimpulkan bahwa secara signifikan dan positif terdapat pengaruh LM terhadap umur. Analisis terhadap kemungkinan kesalahan untuk menerima H1 adalah sebesar 0,00% sebagaimana ditunjukkan pada sig. F change pada model rekapitulasi (Tabel 18). Tabel 18

Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan

Model

R

R Square

1

0,786(a)

0,617

Adjusted R Square 0,600

Sig. F Change 0,000

Std. Error of the Estimate 2,178

Tabel 19 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan Model 1

Regression Residual Total

Sum of Squares 168,286 104,339 272,625

df 1 22 23

Mean Square 168,286 4,743

F 35,483

Sig. 0,000(a)

42 Tabel 20 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan Unstandardized Coefficients B Std. Error -14,546 3,999 0,801 0,134

Model 1

(Constant) X12

Standardized Coefficients Beta

t

Sig.

-3,638 5,957

0,786

0,001 0,000

Melalui uji t (Tabel 20) ditunjukkan bahwa lingkar muka berpengaruh sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilainilai di atas, maka model matematika diindikasikan tidak memiliki masalah multikolinearitas. Hasil ini sesuai dengan Gambar 10 yang menunjukkan bahwa dari semua parameter yang diukur hanya dapat diwakili satu parameter saja karena terdapat masalah multikolinearitas. Scatterplot

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y 1.0

0.8

Expected Cum Prob

Regression Studentized Deleted (Press) Residual

2

0

0.6

0.4

0.2 -2

0.0 -4

-2

0

Regression Standardized Predicted Value

Gambar 11

0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang jantan.

Dari nilai R2 pada Tabel 18 yang berarti 61,70% umur siamang jantan dapat dijelaskan oleh parameter lingkar muka, sedangkan sisanya sebesar 38,30% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika ini. Pada Gambar 11, Grafik Scatterplot menunjukkan bahwa titik-titik yang digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu. Melalui grafik ini ditunjukkan bahwa model matematika diindikasikan tidak memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut varian residual dari satu pengamatan ke pengamatan yang lain adalah tetap atau

43 homoskedastisitas.

Hasil ini menunjukkan bahwa model matematika layak

digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar muka. Melalui Grafik Normal P-P Plot pada Gambar 11, diketahui bahwa titiktitik menyebar disekitar garis diagonal. Penyebaran titik-titik tersebut membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada memenuhi asumsi normalitas. Dari model matematika dapat dijelaskan bahwa pertambahan umur berbanding lurus positif dengan pertambahan lingkar muka.

Harga koefisien

konstanta = -14,546 yang berarti apabila ukuran lingkar muka sama dengan nol, maka umur akan sebesar -14,546%. Harga koefisien b12 = 0,801 yang berarti apabila pengukuran lingkar muka mengalami kenaikan sebesar satu cm, maka umur akan meningkat sebesar 0,801 tahun. Hasil analisis di atas menunjukkan bahwa lingkar muka merupakan parameter yang paling menentukan dalam menduga umur siamang jantan dari 115 tahun. Hasil ini sesuai dengan pendapat Frandson (1992) yang menyatakan bahwa banyak pengamatan yang menunjukkan adanya perbedaan antar spesies terutama pada bagian kepala dan tergantung dari variasi pada pars fasialis kranium. Pendugaan Umur Siamang Sumatera Jantan (1-6 Tahun) Berdasarkan Gambar 8 dilakukan analisis statistik untuk memperoleh parameter yang paling menentukan dalam menduga umur siamang jantan hingga umur 6 tahun. Hasil analisis menghasilkan model matematika sebagai berikut: Y = -2,091 + 0,496 X7 Pada Tabel 21 disajikan nilai R2 dari model matematika di atas sebesar 0,994 yang berarti bahwa pengaruh panjang telapak tangan (X7) terhadap umur sangat besar sehingga dapat digunakan menjadi model matematika. Pada Tabel 30 disajikan nilai Fhitung sebesar 344,726 dan Ftabel sebesar 18,51, karena Fhitung > Ftabel maka hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh panjang telapak tangan terhadap umur siamang jantan hingga umur 6 tahun.

44 Tabel 21 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun Model

R

R Square

1

0,997(a)

0,994

Adjusted R Square 0,991

Std. Error of the Estimate 0,221

Sig. F Change 0,003

Tabel 22 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun Model 1

Regression Residual Total

Sum of Squares 16,902 0,098 17,000

df

Mean Square

F

Sig.

1 2 3

16,902 0,049

344,726

0,003(a)

Tabel 23 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera jantan hingga umur 6 tahun Model 1

(Constant) X7

Unstandardized Coefficients B Std. Error -2,091 0,321 0,496 0,027

Standardized Coefficients Beta 0,997

t

Sig.

-6,516 18,567

0,023 0,003

Melalui uji t (Tabel 23) ditunjukkan bahwa panjang telapak tangan berpengaruh sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-nilai di atas, maka model matematika diindikasikan tidak memiliki masalah multikolinearitas. Nilai R2 model matematika di atas sebesar 0,994 yang berarti bahwa 99,40% umur dapat dijelaskan oleh parameter panjang telapak tangan, sedangkan sisanya sebesar 0,60% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika ini. Hasil analisis di atas menunjukkan bahwa parameter morfometrik yang paling menentukan untuk menduga umur siamang jantan hingga umur 6 tahun adalah panjang telapak tangan. Hasil ini sesuai dengan pendapat Young (1981) yang menyatakan tangan-tangan famili hylobates merupakan kekhususan untuk melakukan brachiation dengan jari jempol yang pendek dan metacarpal yang panjang. Hasil ini berbeda dengan parameter penduga umur siamang jantan umur 1-15 tahun dimana parameter yang menentukan adalah lingkar muka.

45

Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Betina Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Betina Hasil analisis faktor pada Tabel 24, ditunjukkan nilai K-M-O MSA adalah 0,713 atau lebih besar dari 0,50 dengan nilai signifikasi 0,000, maka semua parameter morfometrik siamang betina yang diukur dapat diproses lebih lanjut dalam regresi. Pada Tabel Anti-image Matrices ruang korelasi anti-image (Tes I pada Lampiran 12), terdapat nilai yang berinisial a (MSA) yang lebih kecil dari 0,50 yaitu X6 (lebar bahu) dan X3 (tinggi cranial) sehingga parameter tersebut harus dikeluarkan dari regresi awal. Selanjutnya dilakukan analisis faktor lanjutan sampai tidak ditemukan nilai korelasi anti-image yang berinisial a (MSA) yang tidak lebih kecil dari 0,50. Tabel 24 KMO dan Bartlett's Test (tes I) untuk data siamang sumatera betina Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity Df Sig.

0,713 154,019 91 0,000

Tabel 25 KMO dan Bartlett's Test (tes IV) untuk data siamang sumatera betina Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity df Sig.

0,807 131,928 55 0,000

Gambar 12 Komponen Plot dalam Rotated Space (tes IV) untuk data siamang sumatera betina.

46 Parameter yang dikeluarkan dari tes secara berurutan adalah lebar bahu, lebar telapak tangan dan tinggi cranial (Tes IV pada Lampiran 12) dan diperoleh nilai K-M-O MSA sebesar 0,807 atau lebih besar dari 0,50 dengan nilai signifikasi 0,000, maka semua parameter morfometrik siamang betina yang tersisa dapat diproses lebih lanjut dalam regresi (Tabel 25). Pada Gambar 12 disajikan bahwa semua parameter morfometrik berkumpul dalam satu ruang yang menandakan bahwa dari semua parameter dapat diwakili oleh satu parameter saja. Model matematik yang terbentuk dari 14 parameter sebagai berikut: Y = 20,648 + 0,237 X1 – 4,747 X2 – 1,291 X3 – 1,947 X4 + 0,460 X5 – 0,197 X6 + 0,135 X7 – 0,540 X8 + 0,967 X9 + 0,669 X10 – 1,211 X11 + 1,139 X12 – 0,160 X13 + 0,498 X14 Pada Tabel 26 disajikan nilai R2 dari model matematika sangat tinggi sebesar 0,990, berarti bahwa sumbangan parameter morfometrik terhadap umur sangat besar dan dapat digunakan menjadi model matematika. Tetapi melalui uji t (Tabel 28) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam model regresi tidak ada yang signifikan yang ditunjukkan dengan nilai signifikasi >0,05.

Melalui nilai-nilai di atas, model matematika diindikasikan memiliki

masalah multikolinearitas antar parameter morfometrik. Tabel 26

Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera betina

Model

R

R Square

1

0,995(a)

0,990

Adjusted R Square 0,847

Std. Error of the Estimate 1,234

Sig. F Change 0,290

DurbinWatson 2,152

Tabel 27 ANOVA untuk menduga umur siamang sumatera betina Model 1

Regression Residual Total

Sum of Squares 147,914 1,524 149,438

df 14 1 15

Mean Square 10,565 1,524

F

Sig.

6,933

0,290(a)

47 Tabel 28 Koefisien-koefisien analisis regresi untuk menduga umur siamang sumatera betina Unstandardized Coefficients

Model 1

(Constant) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

B 20,648 0,237 -4,747 -1,291 -1,947 0,460 -0,197 0,135 -0,540 0,967 0,669 -1,211 1,139 -0,160 0,498

Std. Error 11,204 0,147 1,662 0,927 1,784 0,200 0,072 0,941 1,736 0,658 0,945 0,617 0,492 0,227 0,373

Standardized Coefficients Beta 0,428 -0,790 -0,301 -0,302 0,640 -0,461 0,047 -0,060 0,376 0,144 -0,632 0,831 -0,294 0,679

t 1,843 1,616 -2,856 -1,393 -1,091 2,298 -2,739 0,144 -0,311 1,471 0,709 -1,964 2,315 -0,703 1,336

Sig. 0,317 0,353 0,214 0,396 0,472 0,261 0,223 0,909 0,808 0,380 0,608 0,300 0,260 0,610 0,409

Pendugaan Umur Siamang Sumatera Betina (2-14 Tahun) Untuk memperoleh parameter morfometrik yang paling menentukan dalam menduga umur siamang betina, maka dilakukan pengurangan parameter morfometrik yang berkorelasi tinggi terhadap umur dengan tujuan untuk mendapatkan satu persamaan regresi yang paling baik. Hasil analisis dengan metode stepwise diperoleh model matematika, sebagai berikut: Y = - 15,328 + 0,533 X5 Pada Tabel 29 disajikan nilai R2 dari model matematika sebesar 0,551 yang berarti bahwa pengaruh X5 (lingkar dada) terhadap umur dapat digunakan menjadi model matematika. Pada Tabel 30 disajikan nilai Fhitung sebesar 17,161 dengan df1 = 1 dan df2 = 14, berdasarkan tabel F pada tingkat alpha 5% dengan df di atas maka diketahui Ftabel sebesar 4,60. Karena Fhitung > Ftabel yaitu 17,161 > 4,60 maka hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh lingkar dada terhadap umur. Analisis terhadap kemungkinan kesalahan untuk menerima H1 adalah sebesar 0,1% sebagaimana ditunjukkan pada sig. F change pada model rekapitulasi (Tabel 29).

48 Tabel 29

Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina

Model

R

R Square

1

0,742(a)

0,551

Adjusted R Square 0,519

Std. Error of the Estimate 2,190

Sig. F Change 0,001

Tabel 30 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina Sum of Squares 82,298 67,139 149,438

Model 1

Regression Residual Total

df

Mean Square 1 14 15

F

82,298 4,796

Sig.

17,161

Scatterplot

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y

0,001(a)

0.8

Expected Cum Prob

Regression Studentized Deleted (Press) Residual

1.0 2

1

0

-1

0.6

0.4

0.2

-2

0.0 -2

-1

0

1

Regression Standardized Predicted Value

Gambar 13

0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera betina.

Tabel 31 Kofisien-kofisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina Model 1

(Constant) X5

Unstandardized Coefficients B Std. Error -15,328 5,823 0,533 0,129

Standardized Coefficients Beta 0,742

t -2,632 4,143

Sig. 0,020 0,001

Melalui uji t (Tabel 31) ditunjukkan bahwa parameter lingkar dada berpengaruh signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-nilai di atas, maka model matematika diindikasikan tidak memiliki masalah multikolinearitas. Dari nilai R2 pada Tabel 29 yang berarti 55,10% umur siamang betina dapat dijelaskan oleh parameter lingkar dada, sedangkan sisanya sebesar

49 44,90% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika ini. Pada Gambar 13, Grafik Scatterplot menunjukkan bahwa titik-titik yang digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu. Melalui grafik ini dapat disimpulkan model matematika diindikasikan tidak memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut, varian residual dari satu pengamatan ke pengamatan lain adalah tetap atau homoskedastisitas.

Hasil ini menunjukkan bahwa model matematika layak

digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar dada. Selanjutnya pada Grafik Normal P-P Plot Gambar 13, diketahui bahwa titik-titik menyebar disekitar garis diagonal.

Penyebaran titik-titik tersebut

membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada memenuhi asumsi normalitas. Dari model matematika dapat dijelaskan bahwa bahwa pertambahan umur berbanding lurus positif dengan pertambahan lingkar dada.

Harga koefisien

konstanta = -15,328 yang berarti apabila ukuran lingkar dada sama dengan nol, maka umur akan sebesar -15,328%. Harga koefisien b5 = 0,533 yang berarti apabila ukuran lingkar dada mengalami kenaikan sebesar satu cm, maka umur akan meningkat sebesar 0,533 tahun. Hasil analisis di atas menunjukkan bahwa lingkar dada merupakan parameter yang paling menentukan untuk menduga umur siamang betina umur 214 tahun.

Parameter ini dimungkinkan karena siamang betina mempunyai

tonjolan pada dada sehingga memberikan bentuk yang lebih besar dibandingkan siamang jantan dan menurut Napier dan Napier (1986) hanya dada-dada monyetmonyet dunia tua dan ape yang menunjukkan kesamaan dengan dada manusia, meskipun kurang pada konsentrasi jaringan lemak dan tonjolan keluarnya. Pendapat ini sejalan dengan pendapat Bertalanffy (1939) dalam Jachman (1984) bahwa vertebrata mempunyai pertumbuhan ukuran morfologikal yang linier dengan peningkatan umur.

50

Pendugaan Umur Siamang Sumatera Betina (2-6 Tahun) Berdasarkan Gambar 9 dilakukan analisis untuk menentukan parameter morfometrik guna menduga umur siamang betina hingga umur 6 tahun. Hasil analisis menghasilkan model matematika sebagai berikut: Y = -15,676 + 0,489 X5 Pada Tabel 32 disajikan nilai R2 dari model matematika di atas sebesar 0,999 yang berarti bahwa pengaruh lingkar dada (X5) terhadap umur sangat besar sehingga dapat digunakan menjadi model matematika. Pada Tabel 33 disajikan nilai Fhitung sebesar 1160,333 dan Ftabel sebesar 161,45, karena Fhitung > Ftabel maka hasilnya disimpulkan bahwa secara signifikan dan positif terdapat pengaruh lingkar dada terhadap umur siamang betina hingga umur 6 tahun. Tabel 32 Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun Model

R

R Square

1

1,000(a)

0,999

Adjusted R Square 0,998

Std. Error of the Estimate 0,086

Sig. F Change 0,019

Tabel 33 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun Model 1

Regression Residual Total

Sum of Squares 8,659 0,007 8,667

df

Mean Square

F

Sig.

1 1 2

8,659 0,007

1160,333

0,019(a)

Tabel 34 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera betina hingga umur 6 tahun Model 1

(Constant) X5

Unstandardized Coefficients B Std. Error -15,676 0,590 0,489 0,014

Standardized Coefficients Beta 1,000

t

Sig.

-26,591 34,064

0,024 0,019

Melalui uji t (Tabel 34) ditunjukkan bahwa lingkar dada berpengaruh cukup signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilai-nilai di atas

maka

model

matematika

diindikasikan

tidak

memiliki

masalah

multikolinearitas. Dari nilai R2 model matematika di atas sebesar 0,999 berarti bahwa 99,90% umur dapat dijelaskan oleh parameter lingkar dada, sedangkan

51 sisanya sebesar 0,10% dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika ini. Hasil analisis di atas menunjukkan bahwa parameter morfometrik yang paling menentukan untuk menduga umur siamang betina hingga 6 tahun yaitu lingkar dada. Parameter ini sama dengan hasil parameter untuk menduga umur siamang betina umur 2-14 tahun.

Analisis Parameter Morfometrik yang Berkorelasi dengan Umur Siamang Sumatera Analisis Pengaruh Parameter terhadap Pendugaan Umur Siamang Sumatera Menurut Lekagul dan McNeely (1977) dalam Nowak (1999), gibbon tidak memiliki perbedaan seks (sexual dimorphism) yang jelas pada ukuran badan, tengkorak dan gigi seperti yang biasa ditemukan pada ape besar. Berdasarkan pada pernyataan di atas, maka dilakukan analisis untuk menentukan umur siamang yang menggabungkan parameter morfometrik jantan dan betina. Pada Tabel 35 ditunjukkan nilai K-M-O MSA adalah 0,916 atau lebih besar dari 0,50 dengan nilai signifikasi 0,000 maka kumpulan parameter morfometrik siamang dapat diproses lebih lanjut dalam regresi. Sedangkan pada Tabel Antiimage Matrices ruang korelasi anti-image (Lampiran 16) ditunjukkan nilai yang berinisial a (MSA) tidak ada yang lebih kecil dari 0,50 sehingga tidak ada parameter yang harus dikeluarkan dalam persamaan. Pada Gambar 14 disajikan semua parameter morfometrik berkumpul dalam satu ruang yang menandakan bahwa dari semua parameter yang diukur dapat diwakili oleh satu parameter saja.

Gambar 14 Komponen Plot dalam Rotated Space untuk data siamang sumatera.

52 Tabel 35 KMO dan Bartlett's Test untuk data siamang sumatera Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity df Sig.

0,916 720,100 91 0,000

Model matematika yang terbentuk adalah: Y = - 3,232 + 0,037 X1 – 0,010 X2 – 0,625 X3 – 2,320 X4 + 0,360 X5 – 0,134 X6 – 0,747 X7 – 1,558 X8 + 0,979 X9 + 0,051 X10 + 0,257 X11 + 0,522 X12 – 0,013 X13 – 0,076 X14 Pada Tabel 36 disajikan nilai R2 dari model matematika di atas cukup tinggi sebesar 0,685, berarti sumbangan parameter morfometrik terhadap umur cukup besar dan dapat digunakan menjadi model matematika. Tetapi melalui uji t (Tabel 38) ditunjukkan bahwa dari semua parameter yang dimasukkan dalam model regresi hanya parameter lingkar dada (X5) yang berpengaruh signifikan dengan nilai signifikasi <0,05.

Melalui nilai-nilai di atas, model matematika ini

diindikasikan memiliki masalah multikolinearitas antar parameter. Tabel 36 Model rekapitulasi analisis regresi untuk menduga umur siamang sumatera Model

R

R Square

1

0,827(a)

0,685

Adjusted R Square 0,508

Std. Error of the Estimate 2,312

Sig. F Change 0,002

DurbinWatson 1,048

Tabel 37 ANOVA untuk menduga umur siamang sumatera Model 1

Regression Residual Total

Tabel 38

df 14 25 39

Mean Square 20,730 5,347

F 3,877

Sig. 0,002(a)

Kofisien-kofisien analisis regresi untuk menduga umur siamang sumatera

Model 1

Sum of Squares 290,219 133,681 423,900

(Constant) X1 X2 X3 X4 X5 X6 X7

Unstandardized Coefficients B Std. Error -3,232 8,475 0,037 0,122 -0,010 0,752 -0,625 0,667 -2,320 1,310 0,360 0,145 -0,134 0,173 -0,747 0,559

Standardized Coefficients Beta 0,096 -0,003 -0,187 -0,503 0,837 -0,141 -0,528

t -0,381 0,303 -0,013 -0,938 -1,771 2,484 -0,771 -1,336

Sig. 0,706 0,764 0,990 0,357 0,089 0,020 0,448 0,194

53 X8 X9 X10 X11 X12 X13 X14

-1,558 0,979 0,051 0,257 0,522 -0,013 -0,076

1,436 0,641 0,770 0,465 0,370 0,195 0,287

-0,237 0,746 0,014 0,203 0,472 -0,040 -0,167

-1,085 1,527 0,066 0,552 1,413 -0,066 -0,265

0,288 0,139 0,948 0,586 0,170 0,948 0,793

Pada Tabel 36 ditunjukkan bahwa nilai DW yang diperoleh dalam pengujian adalah 1,048 yang berarti nilai ini menjauhi angka 2 sehingga model matematika diduga memiliki autokorelasi, maka model matematika belum layak digunakan untuk menduga umur siamang. Pendugaan Umur Siamang Sumatera (1-15 Tahun) Hasil analisis dengan metode stepwise diperoleh parameter yang paling menentukan untuk menduga umur siamang, sebagai berikut : Y = -5,331 + 0,312 X5 Pada Tabel 39 disajikan nilai R2 dari model matematika di atas sebesar 0.525 yang berarti bahwa pengaruh lingkar dada (X5) terhadap umur cukup besar sehingga dapat digunakan menjadi model matematika. Pada Tabel 40 disajikan nilai Fhitung sebesar 41,940 dengan df1 = 1 dan df2 = 38, berdasarkan tabel F pada tingkat alpha 5% dengan df di atas diketahui Ftabel sebesar 4,098. Karena Fhitung > Ftabel yaitu 41,940 > 4,098 dapat disimpulkan bahwa secara signifikan dan positif terdapat pengaruh lingkar dada terhadap umur. Tabel 39

Model rekapitulasi analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera

Model

R

R Square

1

0,724(a)

0,525

Adjusted R Square 0,512

Std. Error of the Estimate 2,303

Tabel 40 ANOVA analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera Model 1

Regression Residual Total

Sum of Squares 222,397 201,503 423,900

df

Mean Square

F

Sig.

1 38 39

222,397 5,303

41,940

0,000(a)

54 Tabel 41 Koefisien-koefisien analisis regresi dengan metode stepwise untuk menduga umur siamang sumatera Unstandardized Coefficients B Std. Error -5,331 2,235 0,312 0,048

Model 1

(Constant) X5

Standardized Coefficients Beta 0,724

t

Sig.

-2,385 6,476

0,022 0,000

Melalui uji t pada Tabel 41 ditunjukkan bahwa lingkar dada berpengaruh sangat signifikan yang ditunjukkan dengan nilai signifikasi <0,05. Melalui nilainilai di atas maka model matematika diindikasikan tidak memiliki masalah multikolinearitas. Dari nilai R2 model matematika di atas sebesar 0,525 yang berarti 52,50% umur dapat dijelaskan oleh parameter lingkar dada, sedangkan sisanya sebesar 47,50% dapat dijelaskan oleh faktor lain yang tidak dapat dijelaskan dalam model matematika ini. Scatterplot

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y

0.8

2

Expected Cum Prob

Regression Studentized Deleted (Press) Residual

1.0

0

0.6

0.4

0.2

-2 0.0

-4

-3

-2

-1

0

Regression Standardized Predicted Value

Gambar 15

1

2

0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Grafik Scatterplot dan Normal P-P Plot analisis regresi untuk menduga umur siamang sumatera.

Pada Gambar 15, Grafik Scatterplot menunjukkan bahwa titik-titik yang digambarkan pada grafik tersebut menyebar dan tidak membentuk pola tertentu. Melalui grafik ini ditunjukkan bahwa model matematika diindikasikan tidak memiliki masalah heteroskedastisitas, dengan kata lain pada model tersebut varian residual dari satu pengamatan ke pengamatan lain adalah tetap atau homoskedastisitas.

Hasil ini menunjukkan bahwa model matematika layak

digunakan untuk memprediksi umur yang didasarkan pada parameter lingkar

55 dada. Selanjutnya pada Grafik Normal P-P Plot Gambar 15, diketahui bahwa titik-titik menyebar disekitar garis diagonal.

Penyebaran titik-titik tersebut

membentuk garis diagonal, sehingga dapat dikatakan model matematika yang ada memenuhi asumsi normalitas. Dari model matematika dapat dijelaskan bahwa pertambahan umur siamang berbanding lurus positif dengan pertambahan lingkar dada.

Harga koefisien

konstanta = -5,331 berarti apabila ukuran lingkar dada sama dengan nol, maka umur akan sebesar -5,331 tahun. Harga koefisien b5 = 0,312 yang berarti apabila ukuran lingkar dada mengalami kenaikan sebesar 1 cm, maka umur akan meningkat sebesar 0,312 tahun. Hasil analisis di atas menunjukkan bahwa lingkar dada merupakan parameter yang paling menentukan untuk menduga umur siamang dari 1-15 tahun. Hasil ini sesuai dengan pendapat Young (1981) yang menyatakan bahwa kebiasaan melakukan brachiation berpengaruh pada seluruh kerangka tubuh. Spesialisasi dalam brachiation mempengaruhi rongga dada famili hylobatidae yang lebih besar dari kera-kera lain, dimana rongga dada yang lebar dan tulang belikat (skapula) di belakang membuat pusat gaya berat lebih ke tengah tubuh apabila hewan ini berdiri tegak dan memberi keleluasaan gerak bagi lengan (Hoeve 1992).

Aplikasi pada Manajemen Populasi Untuk mencapai tujuan jangka panjang dari konservasi strategi dibutuhkan taktik-taktik konservasi jangka pendek. Taktik kunci dalam strategi konservasi primata

yaitu

sistem-sistem

perlindungan

kawasan,

pemanfaatan

yang

berkelanjutan dan penangkaran (Colinsaw dan Dunbar 2000). Aplikasi dari diketahuinya parameter morfometrik yang paling menentukan untuk menduga umur siamang dalam strategi konservasi primata adalah memberikan perhatian khusus pada siamang yang berumur 4-6 tahun dalam kawasan-kawasan konservasi eksitu karena telah memasuki masa matang seksual, misalnya mencoba ‘perjodohan’ antara jantan dan betina untuk kepentingan perkembangbiakkan. Siamang di alam merupakan satwa monogami, untuk itu

56 ‘perjodohan’ di kandang perlu dipantau dengan ketat karena ketidakcocokan pasangan berakibat kematian pada pasangan. Konservasi eksitu berperan dalam mendukung konservasi insitu berupa restocking, reintroduksi dan introduksi satwaliar ke alam untuk mendukung populasi yang ada. Pentingnya ‘perjodohan’ di pusat-pusat rehabilitasi berlanjut saat pelepasliaran siamang di alam. Pelepasliaran dilakukan secara berpasangan dengan harapan terjadi perkembangbiakkan di alam, bila tanpa pasangan maka akan sangat sulit bagi siamang untuk mendapatkan pasangannya sendiri di alam karena sistem perkawinan yang monogami dan sistem mempertahankan teritori. Untuk mencapai manfaat dari hasil penelitian ini dan memudahkan aplikasi di lapangan, maka dibuat tabel pendugaan umur siamang sumatera berdasarkan pada model matematika guna menduga umur sesuai dengan parameter yang paling menentukan (Lampiran 19).

SIMPULAN DAN SARAN

Simpulan 1. Parameter morfometrik yang paling menentukan untuk menduga umur siamang sumatera jantan dari umur 1-15 tahun adalah lingkar muka dengan model matematika Umur = -14.546 + 0.801 LM, sedangkan untuk umur 1-6 tahun adalah panjang telapak tangan dengan model matematika Umur = -2.091 + 0.496 PTT. 2. Parameter morfometrik yang paling menentukan untuk menduga umur siamang sumatera betina dari umur 2-14 tahun adalah lingkar dada dengan model matematika Umur = -15.328 + 0.533 LD, sedangkan untuk umur 2-6 tahun adalah lingkar dada dengan model matematika Umur = -15.676 + 0.489 LD. 3. Parameter morfometrik yang paling menentukan untuk menduga umur siamang sumatera dari umur 1-15 tahun adalah lingkar dada dengan model matematika Umur = -5.331 + 0.312 LD.

Saran Perlu dilakukan penelitian lanjutan, terutama mengukur morfometrik siamang sumatera yang umurnya belum tercakup dalam penelitian ini. Modelmodel matematika di atas sebaiknya harus selalu diperbaharui dengan menambahkan data-data baru tentang morfometrik siamang sumatera sesuai dengan umur yang telah ada.

DAFTAR PUSTAKA Alikodra HS. 1997. Teknik Pengelolaan Satwa Liar dalam Mempertahankan Keanekaragaman Hayati Indonesia. Bogor.

Rangka

Alikodra HS. 2002. Pengelolaan Satwa Liar: Jilid 1. Bogor: Yayasan Penerbit Fakultas Kehutanan. Bailey JA. 1984. Principles of Wildlife Management. New York: John Wiley & Sons Ltd. Bismarck M. 1994. Analisis Geometri Tubuh Bekantan (Nasalis lavartus). Buletin Penelitian Hutan 561:41-52. Brower EJ, Zar JH. 1977. Field and Laboratory Methods for General Ecology. Iowa: Wm. c. Brown Company Publishers. Campbell J, Lack E. 1985. A Dictionary of Birds. Vermilion: Buteo Books. Caughley G. 1977. Analysis of Vertebrata Populations. London: John Wiley & Sons Ltd. Chivers DJ. 1977. The Lesser Apes. In Primate Conservation. London: Acad Press. Cowlishaw G, Dunbar R. 2000. Primate Conservation Biology. London: University of Chicago Press. Frandson RD. 1992. Anatomi dan Fisiologi Ternak. Srigandono B, Praseno K, penerjemah; Soedarsono, editor. Ed ke-4. Yogyakarta: Gadjah Mada University Press. Giles RH. 1981. Wildlfe Management Techniques: Edisi Ketiga. Dehra Dun-India: Natraj Publishers. Gittin SP, Raemaekers JJ. 1980. Malayan Forest Primates: Siamang, Lar, and Agile Gibbons. New York: Plenum Press. Harvey PH, Martin RD, Clutton-Brock TH. 1987. Life Histories in Comparative Perpective. Di dalam: Myers LB, Sheffield R, editor. The Pictorial Guide to The Living Primates. Pogonias Press. East Hampton, New york. 1996. hlm 216. Hoeve V. 1992. Ensiklopedia Indonesia Seri Fauna-Mamalia. Jakarta: Ichtiar Baru. Jachman H. 1984. An Ecology of Elephant in the Kasungu National Park: Malawi. Rotterdam: Neth. J. of Zoo. Lekagul B, McNeely JA. 1977. Mammals of Thailand. Bangkok: Kurushapa Ladprao Press. Mansjoer I, Mansjoer SS, Sajithi D. 1989. Studi Banding Sifat-sifat Biologis Ayam Kampung, Ayam Pelung dan Ayam Bangkok [laporan penelitian]. Bogor: Fakultas Peternakan, Institut Pertanian Bogor.

59

Mukhtar AS. 1996. Studi Dinamika Populasi Rusa dalam Menunjang Taman Buru Pulau Moyo: Provinsi Nusa Tenggara Timur [disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor. Myers LB, Sheffield R. 1996. The Pictorial Guide to Living Primates. East Hampton, New York: Pogonias Press. Napier JR, Napier PH. 1967. A Hand Book of Living Primates: Morphology, Ecology, and Behaviour of Non Human Primates. London: Academic Press. Napier JR, Napier PH. 1986. The Natural History of The Primates. Massachusetts: The MIT Press. Nowak MR. 1999. Mammals of The World. Sixth Edition. Volume I. Baltimore and London: The John Hopkins University Press. Preuschoft H. 1990. Lesser Apes or Gibbon: Grzimek's Encyclopedia of Mammals. V:2. New York: McGraw-Hill Inc. [PPA] Perlindungan dan Pelestarian Alam. 1978. Mamalia di Indonesia: Pedoman Inventarisasi Satwa. Bogor: Direktorat Jenderal Kehutanan. Santosa Y. 1993. Strategi Kuantitatif untuk Pendugaan Beberapa Parameter Demografi dan Kuota Pemanenan Populasi Satwaliar Berdasarkan Perilaku: Studi Kasus Terhadap Populasi Kera Ekor Panjang (Macaca fascicularis) di Pulau Tinjil [laporan penelitian]. Bogor: Fakultas Kehutanan, Institut Pertanian Bogor. Santosa Y. 1995. Teknik Pengukuran Keanekaragaman Satwaliar. Di dalam: Bahan Kuliah Pelatihan Teknik Pengukuran dan Monitoring Biodiversity di Hutan Tropika Indonesi. Bogor: Fakultas Kehutanan, Institut Pertanian Bogor. Semiadi G, Nugraha TP. 2005. Panduan Pengamatan Reproduksi pada Mamalia Liar. Bogor: LIPI. Sudarmanto RG. 2005. Analisis Regresi Linear Ganda dengan SPSS. Yogyakarta: Graha Ilmu. Supranto J. 2004. Analisis Multivariat: Arti dan Interpretasi. Jakarta: PT Rineka Cipta. Young JZ. 1981. The Life of Vertebrates: Third Edition. Oxford: Clarendon Press.

LAMPIRAN

61

Lampiran 1 Data ukuran tubuh siamang jantan No

Umur

PB

PCr

TCr

LbC

LD

LbB

PTT

LTT

PTK

LTK

LK

LM

PT

PK

1

1

19.00

6.31

5.22

5.28

16.90

7.30

6.63

1.37

6.20

1.47

21.30

18.20

18.00

14.90

2

2

23.50

7.35

6.60

6.05

20.20

5.60

7.84

1.34

7.35

1.33

24.30

20.40

22.10

17.00

3

5

44.50

8.94

7.90

7.86

43.60

12.80

14.10

3.08

14.90

3.26

30.10

29.20

53.90

40.80

4

6

53.40

9.37

8.34

8.06

49.20

17.90

16.50

3.25

17.20

3.26

31.50

28.90

64.50

46.00

5

7

53.80

9.54

8.08

7.69

48.50

11.70

15.20

2.95

15.20

2.83

31.20

30.80

63.90

46.90

6

8

47.40

9.01

8.95

7.05

48.90

13.50

16.30

2.96

15.50

3.35

28.40

27.80

48.90

37.80

7

8

54.00

12.20

8.06

7.92

47.10

16.40

16.80

3.30

18.00

4.01

32.40

28.90

62.90

49.30

8

8

53.90

9.47

8.87

8.87

53.10

16.60

18.20

3.08

18.90

3.61

32.90

31.10

66.60

48.80

9

8

49.00

9.62

7.83

7.72

44.10

17.30

18.00

3.03

17.80

3.66

30.90

31.40

61.70

47.70

10

9

64.00

11.02

10.10

8.40

56.50

25.00

17.05

4.12

16.82

5.40

34.50

31.50

60.60

44.00

11

9

48.00

9.28

8.38

7.32

46.10

14.50

14.40

3.49

15.30

4.15

32.00

29.50

58.10

42.30

12

9

44.40

9.36

8.96

8.94

48.60

14.80

16.10

2.96

16.70

3.27

32.40

32.20

61.80

47.30

13

9

49.30

9.42

7.22

7.30

45.90

14.40

16.10

3.22

15.20

4.90

31.40

29.60

58.90

45.60

14

9

49.70

8.81

8.65

7.46

41.90

12.80

14.40

2.93

14.90

3.29

30.10

29.30

53.50

40.80

15

10

45.10

9.88

8.24

7.89

51.60

16.40

17.10

3.29

17.10

4.30

34.10

30.60

58.50

45.30

16

10

47.50

9.33

7.96

7.31

46.90

13.60

16.00

3.00

16.20

3.16

31.80

30.50

56.60

43.40

17

10

50.30

9.54

8.15

7.46

44.60

14.80

18.00

3.08

17.60

3.52

31.20

31.20

56.20

44.50

18

11

61.50

12.20

11.10

8.61

53.30

19.80

17.40

3.61

18.70

6.20

34.50

30.30

64.40

43.40

19

12

53.20

9.43

9.27

7.72

51.90

14.30

17.30

2.73

17.20

4.13

31.80

31.60

63.50

47.00

20

12

35.60

8.62

7.34

7.33

48.00

12.40

14.60

2.82

14.80

3.14

30.10

30.20

46.83

39.80

21

13

46.20

9.35

7.36

7.63

48.80

19.90

16.00

2.99

15.10

3.20

32.20

30.90

58.40

44.40

22

14

52.30

9.11

8.14

8.21

50.80

16.40

15.90

3.22

17.10

3.45

30.20

31.40

60.30

46.40

23

14

55.00

10.16

8.98

7.90

53.30

16.20

19.30

3.22

18.10

3.68

34.90

31.90

67.60

46.70

24

15

55.30

10.32

8.55

8.80

52.80

15.00

15.60

3.27

18.70

3.65

34.90

32.20

67.00

51.00

Rata-rata

48.16

9.49

8.26

7.70

46.36

14.96

15.62

3.01

15.86

3.60

31.21

29.57

56.45

42.55

Min

19.00

6.31

5.22

5.28

16.90

5.60

6.63

1.34

6.20

1.33

21.30

18.20

18.00

14.90

Max

64.00

12.20

11.10

8.94

56.50

25.00

19.30

4.12

18.90

6.20

34.90

32.20

67.60

51.00

keterangan PB : PCr : TCr : LbC : LD : LbB : PTT : LTT : PTK : LTK : LK : LM : PL : PK :

panjang badan panjang cranial tinggi cranial lebar cranial lingkar dada lebar bahu panjang telapak tangan lebar telapak tangan panjang telapak kaki lebar telapak kaki lingkar kepala lingkar muka panjang lengan panjang kaki

62

Lampiran 2 Data ukuran tubuh siamang betina No

Umur

PB

PCr

TCr

LbC

LD

LbB

PTT

LTT

PTK

LTK

LK

LM

PT

PK

1

2

35.10

7.93

7.29

6.89

36.10

11.80

12.90

2.49

12.57

2.72

27.10

25.20

37.70

29.20

2

5

52.00

9.24

7.04

6.95

42.40

12.80

15.50

2.91

13.70

3.35

31.10

28.60

57.10

40.30

3

6

49.20

9.40

8.60

7.59

44.20

15.10

16.70

3.08

15.10

3.52

31.60

29.30

60.60

47.10

4

7

57.50

9.53

9.40

8.02

45.00

17.00

16.30

.3.35

15.00

4.20

33.00

33.50

57.50

43.50

5

7

42.40

8.43

7.63

6.48

39.10

15.10

14.90

2.78

13.20

3.08

28.10

27.10

54.20

41.60

6

8

50.30

8.90

8.87

6.95

40.60

14.80

15.50

2.80

15.31

4.42

30.80

29.20

58.30

43.20

7

8

43.20

8.20

9.02

8.30

49.50

17.80

14.70

3.11

15.80

3.78

32.60

29.60

52.90

42.00

8

8

48.20

8.96

8.93

7.39

40.10

9.30

16.40

3.12

16.20

3.36

30.10

29.60

56.50

43.20

9

8

50.60

9.65

8.68

7.65

46.30

13.40

15.20

2.71

15.10

3.41

30.90

32.40

56.50

42.30

10

9

50.10

9.83

8.32

7.97

48.20

15.40

16.10

3.35

16.60

4.09

33.30

32.90

60.00

47.10

11

10

58.50

9.15

7.01

7.75

45.60

14.80

16.40

3.24

15.50

4.20

30.90

28.40

57.30

42.20

12

10

45.20

9.34

8.22

7.36

49.60

13.40

16.90

3.05

16.60

3.36

31.60

29.10

52.40

45.20

13

11

49.90

8.96

8.00

6.98

46.10

19.10

17.20

2.57

16.80

3.23

30.60

31.40

55.20

45.70

14

12

50.60

9.36

8.44

7.75

50.10

17.60

16.40

2.05

16.10

5.45

32.80

32.50

60.10

44.70

15

14

51.70

9.51

8.65

7.62

51.40

11.30

17.20

3.22

15.90

3.44

31.40

32.40

64.70

47.50

16

14

53.10

9.17

7.56

7.31

46.80

10.40

15.80

2.90

15.80

2.91

31.50

31.10

58.00

45.60

Rata-rata

49.22

9.10

8.23

7.44

45.07

15.74

15.88

2.92

15.33

3.66

31.09

30.14

56.19

43.15

Min

35.10

7.93

7.01

6.48

36.10

9.30

12.90

2.05

12.57

2.72

27.10

25.20

37.70

29.20

Max

58.50

9.83

9.40

8.30

51.40

41.90

17.20

3.35

16.80

5.45

33.30

33.50

64.70

47.50

63

Lampiran 3 Data ukuran tubuh siamang jantan dan betina No

Umur

PB

PCr

TCr

LbC

LD

LbB

PTT

LTT

PTK

LTK

LK

LM

PL

PK 14.90

1

1

19.00

6.31

5.22

5.28

16.90

7.30

6.63

1.37

6.20

1.47

21.30

18.20

18.00

2

2

23.50

7.35

6.60

6.05

20.20

5.60

7.84

1.34

7.35

1.33

24.30

20.40

22.10

17.00

3

2

35.10

7.93

7.29

6.89

36.10

11.80

12.90

2.49

12.57

2.72

27.10

25.20

37.70

29.20

4

5

44.50

8.94

7.90

7.86

43.60

12.80

14.10

3.08

14.90

3.26

30.10

29.20

53.90

40.80

5

5

52.00

9.24

7.04

6.95

42.40

12.80

15.50

2.91

13.70

3.35

31.10

28.60

57.10

40.30

6

6

53.40

9.37

8.34

8.06

49.20

17.90

16.50

3.25

17.20

3.26

31.50

28.90

64.50

46.00

7

6

49.20

9.40

8.60

7.59

44.20

15.10

16.70

3.08

15.10

3.52

31.60

29.30

60.60

47.10

8

7

53.80

9.54

8.08

7.69

48.50

11.70

15.20

2.95

15.20

2.83

31.20

30.80

63.90

46.90

9

7

57.50

9.53

9.40

8.02

45.00

17.00

16.30

3.35

15.00

4.20

33.00

33.50

57.50

43.50

10

7

42.40

8.43

7.63

6.48

39.10

15.10

14.90

2.78

13.20

3.08

28.10

27.10

54.20

41.60

11

8

47.40

9.01

8.95

7.05

48.90

13.50

16.30

2.96

15.50

3.35

28.40

27.80

48.90

37.80

12

8

54.00

12.20

8.06

7.92

47.10

16.40

16.80

3.30

18.00

4.01

32.40

28.90

62.90

49.30

13

8

53.90

9.47

8.87

8.87

53.10

16.60

18.20

3.08

18.90

3.61

32.90

31.10

66.60

48.80

14

8

49.00

9.62

7.83

7.72

44.10

17.30

18.00

3.03

17.80

3.66

30.90

31.40

61.70

47.70

15

8

50.30

8.90

8.87

6.95

40.60

14.80

15.50

2.80

15.31

4.42

30.80

29.20

58.30

43.20

16

8

43.20

8.20

9.02

8.30

49.50

17.80

14.70

3.11

15.80

3.78

32.60

29.60

52.90

42.00

17

8

48.20

8.96

8.93

7.39

40.10

9.30

16.40

3.12

16.20

3.36

30.10

29.60

56.50

43.20

18

8

50.60

9.65

8.68

7.65

46.30

13.40

15.20

2.71

15.10

3.41

30.90

32.40

56.50

42.30

19

9

64.00

11.02

10.1

8.40

56.50

25.00

17.05

4.12

16.82

5.40

34.50

31.50

60.60

44.00

20

9

48.00

9.28

8.38

7.32

46.10

14.50

14.40

3.49

15.30

4.15

32.00

29.50

58.10

42.30

21

9

44.40

9.36

8.96

8.94

48.60

14.80

16.10

2.96

16.70

3.27

32.40

32.20

61.80

47.30

22

9

49.30

9.42

7.22

7.30

45.90

14.40

16.10

3.22

15.20

4.90

31.40

29.60

58.90

45.60

23

9

49.70

8.81

8.65

7.46

41.90

12.80

14.40

2.93

14.90

3.29

30.10

29.30

53.50

40.80

24

9

50.10

9.83

8.32

7.97

48.20

15.40

16.10

3.35

16.60

4.09

33.30

32.90

60.00

47.10

25

10

45.10

9.88

8.24

7.89

51.60

16.40

17.10

3.29

17.10

4.30

34.10

30.60

58.50

45.30

26

10

47.50

9.33

7.96

7.31

46.90

13.60

16.00

3.00

16.20

3.16

31.80

30.50

56.60

43.40

27

10

50.30

9.54

8.15

7.46

44.60

14.80

18.00

3.08

17.60

3.52

31.20

31.20

56.20

44.50

28

10

58.50

9.15

7.01

7.75

45.60

14.80

16.40

3.24

15.50

4.20

30.90

28.40

57.30

42.20

29

10

45.20

9.34

8.22

7.36

49.60

13.40

16.90

3.05

16.60

3.36

31.60

29.10

52.40

45.20

30

11

61.50

12.20

11.10

8.61

53.30

19.80

17.40

3.61

18.70

6.20

34.50

30.30

64.40

43.40

31

11

49.90

8.96

8.00

6.98

46.10

19.10

17.20

2.57

16.80

3.23

30.60

31.40

55.20

45.70

32

12

53.20

9.43

9.27

7.72

51.90

14.30

17.30

2.73

17.20

4.13

31.80

31.60

63.50

47.00

33

12

35.60

8.62

7.34

7.33

48.00

12.40

14.60

2.82

14.80

3.14

30.10

30.20

46.83

39.80

34

12

50.60

9.36

8.44

7.75

50.10

17.60

16.40

2.05

16.10

5.45

32.80

32.50

60.10

44.70

35

13

46.20

9.35

7.36

7.63

48.80

19.90

16.00

2.99

15.10

3.20

32.20

30.90

58.40

44.40

36

14

52.30

9.11

8.14

8.21

50.80

16.40

15.90

3.22

17.10

3.45

30.20

31.40

60.30

46.40

37

14

55.00

10.16

8.98

7.90

53.30

16.20

19.30

3.22

18.10

3.68

34.90

31.90

67.60

46.70

38

14

51.70

9.51

8.65

7.62

51.40

11.30

17.20

3.22

15.90

3.44

31.40

32.40

64.70

47.50

39

14

53.10

9.17

7.56

7.31

46.80

10.40

15.80

2.90

15.80

2.91

31.50

31.10

58.00

45.60

40

15

55.30

10.32

8.55

8.80

52.80

15.00

15.60

3.27

18.70

3.65

34.90

32.20

67.00

51.00

Rata-rata

48.59

9.33

8.25

7.59

45.84

14.71

15.72

2.98

15.65

3.62

31.16

29.80

56.34

42.79

Min Max

19.00

6.31

5.22

5.28

16.90

5.60

6.63

1.34

6.20

1.33

21.30

18.20

18.00

14.90

64.00

12.20

11.10

8.94

56.50

41.90

19.30

4.12

18.90

6.20

34.90

33.50

67.70

51.00

64

Lampiran 4

Hasil output uji validasi parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821) Correlations

Catatan: X1 X1 Pearson C 1 Sig. (1-taile . N 40 X2 Pearson C .794* Sig. (1-taile .000 N 40 X3 Pearson C .689* Sig. (1-taile .000 N 40 X4 Pearson C .701* Sig. (1-taile .000 N 40 X5 Pearson C .802* Sig. (1-taile .000 N 40 X6 Pearson C .646* Sig. (1-taile .000 N 40 X7 Pearson C .822* Sig. (1-taile .000 N 40 X8 Pearson C .789* Sig. (1-taile .000 N 40 X9 Pearson C .810* Sig. (1-taile .000 N 40 X10 Pearson C .720* Sig. (1-taile .000 N 40 X11 Pearson C .817* Sig. (1-taile .000 N 40 X12 Pearson C .776* Sig. (1-taile .000 N 40 X13 Pearson C .881* Sig. (1-taile .000 N 40 X14 Pearson C .811* Sig. (1-taile .000 N 40 Xa Pearson C .918* Sig. (1-taile .000 N 40

X2 .794* .000 40 1 . 40 .660* .000 40 .684* .000 40 .723* .000 40 .614* .000 40 .710* .000 40 .731* .000 40 .772* .000 40 .715* .000 40 .797* .000 40 .628* .000 40 .753* .000 40 .702* .000 40 .805* .000 40

X3 .689* .000 40 .660* .000 40 1 . 40 .697* .000 40 .685* .000 40 .570* .000 40 .628* .000 40 .635* .000 40 .684* .000 40 .681* .000 40 .698* .000 40 .632* .000 40 .636* .000 40 .564* .000 40 .715* .000 40

X4 .701* .000 40 .684* .000 40 .697* .000 40 1 . 40 .820* .000 40 .616* .000 40 .671* .000 40 .707* .000 40 .820* .000 40 .575* .000 40 .837* .000 40 .755* .000 40 .780* .000 40 .750* .000 40 .824* .000 40

X5 .802* .000 40 .723* .000 40 .685* .000 40 .820* .000 40 1 . 40 .687* .000 40 .863* .000 40 .781* .000 40 .903* .000 40 .664* .000 40 .895* .000 40 .864* .000 40 .874* .000 40 .873* .000 40 .941* .000 40

X6 .646* .000 40 .614* .000 40 .570* .000 40 .616* .000 40 .687* .000 40 1 . 40 .633* .000 40 .631* .000 40 .642* .000 40 .708* .000 40 .689* .000 40 .571* .000 40 .601* .000 40 .578* .000 40 .716* .000 40

X7 .822* .000 40 .710* .000 40 .628* .000 40 .671* .000 40 .863* .000 40 .633* .000 40 1 . 40 .730* .000 40 .923* .000 40 .625* .000 40 .823* .000 40 .840* .000 40 .893* .000 40 .900* .000 40 .924* .000 40

X8 .789* .000 40 .731* .000 40 .635* .000 40 .707* .000 40 .781* .000 40 .631* .000 40 .730* .000 40 1 . 40 .760* .000 40 .633* .000 40 .783* .000 40 .669* .000 40 .762* .000 40 .741* .000 40 .821* .000 40

X9 .810* .000 40 .772* .000 40 .684* .000 40 .820* .000 40 .903* .000 40 .642* .000 40 .923* .000 40 .760* .000 40 1 . 40 .636* .000 40 .870* .000 40 .843* .000 40 .903* .000 40 .917* .000 40 .942* .000 40

X10 .720* .000 40 .715* .000 40 .681* .000 40 .575* .000 40 .664* .000 40 .708* .000 40 .625* .000 40 .633* .000 40 .636* .000 40 1 . 40 .730* .000 40 .585* .000 40 .632* .000 40 .568* .000 40 .722* .000 40

X11 .817* .000 40 .797* .000 40 .698* .000 40 .837* .000 40 .895* .000 40 .689* .000 40 .823* .000 40 .783* .000 40 .870* .000 40 .730* .000 40 1 . 40 .861* .000 40 .882* .000 40 .858* .000 40 .931* .000 40

X12 .776* .000 40 .628* .000 40 .632* .000 40 .755* .000 40 .864* .000 40 .571* .000 40 .840* .000 40 .669* .000 40 .843* .000 40 .585* .000 40 .861* .000 40 1 . 40 .871* .000 40 .897* .000 40 .904* .000 40

X13 .881* .000 40 .753* .000 40 .636* .000 40 .780* .000 40 .874* .000 40 .601* .000 40 .893* .000 40 .762* .000 40 .903* .000 40 .632* .000 40 .882* .000 40 .871* .000 40 1 . 40 .962* .000 40 .969* .000 40

X14 .811* .000 40 .702* .000 40 .564* .000 40 .750* .000 40 .873* .000 40 .578* .000 40 .900* .000 40 .741* .000 40 .917* .000 40 .568* .000 40 .858* .000 40 .897* .000 40 .962* .000 40 1 . 40 .949* .000 40

Xa .918* .000 40 .805* .000 40 .715* .000 40 .824* .000 40 .941* .000 40 .716* .000 40 .924* .000 40 .821* .000 40 .942* .000 40 .722* .000 40 .931* .000 40 .904* .000 40 .969* .000 40 .949* .000 40 1 . 40

Valid Valid Valid

Valid Valid Valid

Valid Valid Valid

Valid Valid Valid

Valid Valid

**.Correlation is significant at the 0.01 level (1-tailed).

Catatan: Bila nilai Pearson correlation pada kolom Xa > 0,500 maka parameter morfometrik dinyatakan sahih.

65

Lampiran 5 Hasil output uji reliabilitas parameter morfometrik siamang sumatera (H. syndactylus syndactylus Raffles, 1821) Case Processing Summary N Cases

Valid Excluded Total

40 0 40

a

% 100.0 .0 100.0

a. Listwise deletion based on all variables in the procedure.

Reliability Statistics Cronbach's Alpha .908

N of Items 3

Catatan: Bila nilai Cronbach’s Alpha > 0,500 maka parameter morfometrik dinyatakan andal.

66

Lampiran 6 Hasil output uji persyaratan regresi linear ganda pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) ANOVA Table

Y * X1

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 413.900 126.557 287.343 10.000 423.900

df 37 1 36 2 39

Mean Square 11.186 126.557 7.982 5.000

F 2.237 25.311 1.596

Sig. .357 .037 .460

Mean Square 11.597 94.715 9.153 4.500

F 2.577 21.048 2.034

Sig. .184 .010 .258

Mean Square 11.119 60.255 9.754 6.250

F 1.779 9.641 1.561

Sig. .425 .090 .467

Mean Square 11.791 105.226 8.960 4.600

F 2.563 22.875 1.948

Sig. .148 .005 .236

Mean Square 11.281 222.397 5.417 3.250

F 3.471 68.430 1.667

Sig. .249 .014 .446

Mean Square 12.977 58.464 11.409 3.843

F 3.377 15.215 2.969

Sig. .030 .004 .045

ANOVA Table

Y * X2

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 405.900 94.715 311.185 18.000 423.900

df 35 1 34 4 39

ANOVA Table

Y * X3

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 411.400 60.255 351.145 12.500 423.900

df 37 1 36 2 39

ANOVA Table

Y * X4

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 400.900 105.226 295.674 23.000 423.900

df 34 1 33 5 39

ANOVA Table

Y * X5

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 417.400 222.397 195.003 6.500 423.900

df 37 1 36 2 39

ANOVA Table

Y * X6

Between Groups Within Groups Total

(Combined) Linearity Deviation from Linearity

Sum of Squares 389.317 58.464 330.852 34.583 423.900

df 30 1 29 9 39

67

Lanjutan ANOVA Table

Y * X7

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 399.400 167.508 231.892 24.500 423.900

df 28 1 27 11 39

Mean Square 14.264 167.508 8.589 2.227

F 6.404 75.208 3.856

Sig. .001 .000 .011

Mean Square 12.513 81.166 10.224 4.500

F 2.781 18.037 2.272

Sig. .066 .003 .113

Mean Square 11.836 191.325 5.188 8.409

F 1.407 22.752 .617

Sig. .281 .001 .851

Mean Square 11.894 74.192 10.006 3.900

F 3.050 19.024 2.566

Sig. .107 .007 .148

Mean Square 12.855 176.975 6.290 6.897

F 1.864 25.658 .912

Sig. .120 .000 .595

ANOVA Table

Y * X8

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 387.900 81.166 306.734 36.000 423.900

df 31 1 30 8 39

ANOVA Table

Y * X9

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 331.400 191.325 140.075 92.500 423.900

df 28 1 27 11 39

ANOVA Table

Y * X10

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 404.400 74.192 330.208 19.500 423.900

df 34 1 33 5 39

ANOVA Table

Y * X11

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 334.233 176.975 157.258 89.667 423.900

df 26 1 25 13 39

ANOVA Table

Y * X12

Between Groups Within Groups Total

(Combined) Linearity Deviation from Linearity

Sum of Squares 340.233 216.020 124.213 83.667 423.900

df 29 1 28 10 39

Mean Square 11.732 216.020 4.436 8.367

F 1.402 25.819 .530

Sig. .295 .000 .909

68

Lanjutan ANOVA Table

Y * X13

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 419.400 172.412 246.988 4.500 423.900

df 37 1 36 2 39

Mean Square 11.335 172.412 6.861 2.250

F 5.038 76.627 3.049

Sig. .179 .013 .277

Mean Square 12.058 192.919 6.406 4.333

F 2.783 44.520 1.478

Sig. .101 .001 .331

ANOVA Table

Y * X14

Between Groups

(Combined) Linearity Deviation from Linearity

Within Groups Total

Sum of Squares 397.900 192.919 204.981 26.000 423.900

df 33 1 32 6 39

Lampiran 7 Ringkasan hasil analisis linearitas garis regresi dan simpulannya berdasarkan tingkat alpha Keterangan Y * X1 Y * X2 Y * X3 Y * X4 Y * X5 Y * X6 Y * X7 Y * X8 Y * X9 Y * X10 Y * X11 Y * X12 Y * X13 Y * X14

Signifikasi 0,460 0,258 0,467 0,236 0,446 0,045 0,011 0,113 0,851 0,148 0,595 0,909 0,277 0,331

Alpha 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Kondisi S>A S>A S>A S>A S>A SA S>A S>A S>A S>A S>A S>A

Simpulan Linear Linear Linear Linear Linear Non linear Non linear Linear Linear Linear Linear Linear Linear Linear

69

Lampiran 8 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

.862

Approx. Chi-Square df Sig.

516.817 91 .000

Anti-image Matrices Anti-image CovX1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Anti-image Co X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

X1 X2 .046 -.017 -.017 .102 -.023 -.025 .020 .008 .002 .021 -.023 -.021 .006 9E-005 -.018 .009 -.001 -.003 .013 -.023 .015 -.045 .000 .032 -.011 .016 .000 -.013 .911a -.256 -.256 .835a -.436 -.326 .343 .087 .038 .281 -.285 -.170 .148 .001 -.307 .103 -.021 -.056 .154 -.173 .304 -.619 .003 .569 -.471 .468 .015 -.502

X3 -.023 -.025 .059 -.034 -.022 .040 -.004 .003 -.008 -.036 .015 -.021 -.008 .015 -.436 -.326 .773a -.504 -.380 .438 -.087 .046 -.230 -.357 .281 -.476 -.321 .736

X4 .020 .008 -.034 .076 .003 -.058 .034 .014 -.017 .026 -.009 .001 -.003 -.005 .343 .087 -.504 .854a .043 -.557 .624 .185 -.397 .233 -.146 .012 -.091 -.211

a.Measures of Sampling Adequacy(MSA) Rotated Component Matrix

a

Component 1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

2 .646 .451 .401 .763 .794 .454 .812 .608 .840 .306 .747 .902 .869 .918

.699 .791 .786 .478 .547 .758 .479 .721 .498 .892 .593 .360 .455 .358

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.

X5 .002 .021 -.022 .003 .057 -.013 -.007 -.016 .003 .010 -.015 .001 .005 -.006 .038 .281 -.380 .043 .946a -.145 -.152 -.254 .088 .103 -.275 .035 .177 -.290

X6 X7 -.023 .006 -.021 9E-005 .040 -.004 -.058 .034 -.013 -.007 .143 -.035 -.035 .039 -.040 .017 .012 -.021 -.028 -.003 .008 .003 -.005 -.009 -.002 -.005 .010 .002 -.285 .148 -.170 .001 .438 -.087 -.557 .624 -.145 -.152 .859a -.469 -.469 .866a -.389 .309 .214 -.714 -.182 -.032 .092 .058 -.081 -.262 -.037 -.214 .301 .101

X8 -.018 .009 .003 .014 -.016 -.040 .017 .073 -.007 -.041 -.011 -.002 .005 -.003 -.307 .103 .046 .185 -.254 -.389 .309 .928a -.163 -.372 -.184 -.034 .182 -.139

X9 -.001 -.003 -.008 -.017 .003 .012 -.021 -.007 .023 .005 -.003 .008 .004 -.005 -.021 -.056 -.230 -.397 .088 .214 -.714 -.163 .898a .076 -.074 .283 .239 -.393

X10 .013 -.023 -.036 .026 .010 -.028 -.003 -.041 .005 .168 -.012 .009 .003 -.005 .154 -.173 -.357 .233 .103 -.182 -.032 -.372 .076 .935a -.125 .122 .069 -.135

X11 .015 -.045 .015 -.009 -.015 .008 .003 -.011 -.003 -.012 .051 -.021 -.015 .010 .304 -.619 .281 -.146 -.275 .092 .058 -.184 -.074 -.125 .852a -.535 -.612 .520

X12 .000 .032 -.021 .001 .001 -.005 -.009 -.002 .008 .009 -.021 .032 .010 -.011 .003 .569 -.476 .012 .035 -.081 -.262 -.034 .283 .122 -.535 .831a .511 -.722

X13 -.011 .016 -.008 -.003 .005 -.002 -.005 .005 .004 .003 -.015 .010 .012 -.007 -.471 .468 -.321 -.091 .177 -.037 -.214 .182 .239 .069 -.612 .511 .831a -.772

X14 .000 -.013 .015 -.005 -.006 .010 .002 -.003 -.005 -.005 .010 -.011 -.007 .007 .015 -.502 .736 -.211 -.290 .301 .101 -.139 -.393 -.135 .520 -.722 -.772 .777a

70

Lampiran 9

Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan Descriptive Statistics

Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Mean 9.13 48.16 9.4850 8.2604 7.6992 46.358 14.975 15.6175 3.0129 15.857 3.5925 31.213 29.567 56.45 42.546

Std. Deviation 3.443 10.135 1.23462 1.13872 .82594 9.2917 3.9064 2.89725 .58480 3.0981 1.02826 3.1208 3.3787 12.409 8.7702

Variables Entered/Removed Model 1

Variables Entered X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12,aX9, X13

N 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 b

Variables Removed

Method

.

Enter

a. All requested variables entered. b. Dependent Variable: Y b Model Summary

Model 1

Change Statistics Adjusted Std. Error of R Square R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change .921a .849 .613 2.141 .849 3.605 14 9 .029

DurbinWatson 1.054

a. Predictors: (Constant), X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12, X9, X13 b. Dependent Variable: Y

ANOVA Model 1

Regression Residual Total

Sum of Squares 231.366 41.259 272.625

df 14 9 23

b

Mean Square 16.526 4.584

a. Predictors: (Constant), X14, X3, X6, X2, X10, X4, X11, X8, X7, X1, X5, X12, X9, X13 b. Dependent Variable: Y

F

Sig. 3.605

.029a

71

Lanjutan a Coefficients

Unstandardized Standardized Coefficients Coefficients Model B Std. Error Beta 1 (Constant-12.101 11.373 X1 .115 .206 .340 X2 .437 1.130 .157 X3 -1.935 1.612 -.640 X4 -2.804 1.958 -.673 X5 .392 .202 1.057 X6 .212 .302 .240 X7 -1.658 .777 -1.395 X8 -6.214 2.827 -1.056 X9 2.028 .949 1.825 X10 .829 1.060 .248 X11 .363 .635 .329 X12 1.753 .741 1.720 X13 .049 .332 .178 X14 -.674 .608 -1.718

t -1.064 .561 .387 -1.200 -1.432 1.938 .702 -2.135 -2.198 2.137 .783 .571 2.366 .149 -1.109

% Confidence Interval for Correlations Collinearity Statistics Sig. Lower BoundUpper BoundZero-order Partial Part Tolerance VIF .315 -37.829 13.628 .589 -.351 .582 .591 .184 .073 .046 21.870 .708 -2.118 2.992 .505 .128 .050 .102 9.758 .261 -5.581 1.712 .482 -.371 -.156 .059 16.904 .186 -7.234 1.625 .591 -.431 -.186 .076 13.124 .085 -.066 .849 .753 .543 .251 .057 17.693 .501 -.471 .895 .525 .228 .091 .143 6.980 .062 -3.415 .099 .675 -.580 -.277 .039 25.406 .055 -12.609 .180 .590 -.591 -.285 .073 13.710 .061 -.119 4.175 .703 .580 .277 .023 43.365 .454 -1.568 3.226 .498 .252 .101 .168 5.955 .582 -1.075 1.800 .726 .187 .074 .051 19.725 .042 .077 3.429 .786 .619 .307 .032 31.444 .885 -.701 .800 .673 .050 .019 .012 85.062 .296 -2.049 .701 .698 -.347 -.144 .007 142.568

a.Dependent Variable: Y a

Residuals Statistics Minimum .86 -2.057 -2.604 -.961

Predicted Value Residual Std. Predicted Value Std. Residual

Maximum 14.21 2.634 1.604 1.230

Mean 9.13 .000 .000 .000

Std. Deviation 3.172 1.339 1.000 .626

N 24 24 24 24

a. Dependent Variable: Y

Histogram

Dependent Variable: Y 5

Frequency

4

3

2

1

0 -1.0

-0.5

0.0

0.5

1.0

1.5

Mean =-5.35E-15 Std. Dev. =0.626 N =24

Regression Standardized Residual

Scatterplot

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y 1.0

14

Expected Cum Prob

12

Y

10 8 6 4

0.8

0.6

0.4

0.2

2 0

0.0

-2

0

Regression Standardized Predicted Value

2

0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

1.0

72

Lampiran 10

Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan

Descriptive Statistics Mean 9.13 48.16 9.4850 8.2604 7.6992 46.358 14.975 15.6175 3.0129 15.857 3.5925 31.213 29.567 56.45 42.546

Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Std. Deviation 3.443 10.135 1.23462 1.13872 .82594 9.2917 3.9064 2.89725 .58480 3.0981 1.02826 3.1208 3.3787 12.409 8.7702

N 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24 Model Summaryb Change Statistics

Model 1

R R Square .786a .617

Adjusted R Square .600

Std. Error of the Estimate 2.178

R Square Change .617

F Change 35.483

df1

df2 1

22

Sig. F Change .000

a. Predictors: (Constant), X12 b. Dependent Variable: Y

ANOVA b Model 1

Regression Residual Total

Sum of Squares 168.286 104.339 272.625

df

Mean Square 168.286 4.743

1 22 23

F 35.483

Sig. .000a

a. Predictors: (Constant), X12 b. Dependent Variable: Y

Coefficients

Model 1

(Constant) X12

Unstandardized Coefficients B Std. Error -14.546 3.999 .801 .134

a

Standardized Coefficients Beta

a. Dependent Variable: Y Variables Entered/Removed Model 1

Variables Entered

X12

a. Dependent Variable: Y

Variables Removed

.

a

Method Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100).

.786

t -3.638 5.957

Sig. .001 .000

DurbinWatson .504

73

Lanjutan Correlations Pearson Correlatio Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Sig. (1-tailed) Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 N Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Y 1.000 .591 .505 .482 .591 .753 .525 .675 .590 .703 .498 .726 .786 .673 .698 . .001 .006 .008 .001 .000 .004 .000 .001 .000 .007 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X1 .591 1.000 .841 .831 .801 .883 .802 .852 .896 .886 .787 .861 .815 .909 .851 .001 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X2 .505 .841 1.000 .752 .722 .745 .746 .739 .805 .797 .816 .829 .653 .766 .725 .006 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X3 .482 .831 .752 1.000 .752 .770 .677 .700 .739 .740 .772 .747 .656 .698 .600 .008 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

Excluded Variables

Model 1

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X13 X14

Beta In -.147a -.015a -.058a -.238a .176a -.027a -.183a -.178a -.109a .014a .124a -.386a -.486a

t -.638 -.085 -.325 -.974 .491 -.145 -.589 -.759 -.324 .083 .417 -1.109 -1.163

a. Predictors in the Model: (Constant), X12 b. Dependent Variable: Y

X4 .591 .801 .722 .752 1.000 .851 .708 .766 .770 .874 .619 .860 .841 .874 .851 .001 .000 .000 .000 . .000 .000 .000 .000 .000 .001 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X5 .753 .883 .745 .770 .851 1.000 .782 .906 .895 .924 .734 .915 .927 .921 .909 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X6 .525 .802 .746 .677 .708 .782 1.000 .748 .857 .735 .776 .772 .687 .723 .681 .004 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X7 .675 .852 .739 .700 .766 .906 .748 1.000 .815 .953 .691 .864 .902 .912 .907 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X8 .590 .896 .805 .739 .770 .895 .857 .815 1.000 .850 .841 .877 .823 .849 .829 .001 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

b

Sig. .530 .933 .748 .341 .629 .886 .562 .457 .749 .935 .681 .280 .258

Partial Correlation -.138 -.018 -.071 -.208 .106 -.032 -.128 -.163 -.070 .018 .091 -.235 -.246

Collinearity Statistics Tolerance .336 .573 .570 .293 .141 .528 .186 .322 .159 .612 .204 .142 .098

X9 .703 .886 .797 .740 .874 .924 .735 .953 .850 1.000 .704 .902 .917 .951 .949 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X10 .498 .787 .816 .772 .619 .734 .776 .691 .841 .704 1.000 .761 .623 .675 .624 .007 .000 .000 .000 .001 .000 .000 .000 .000 .000 . .000 .001 .000 .001 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X11 .726 .861 .829 .747 .860 .915 .772 .864 .877 .902 .761 1.000 .892 .918 .886 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X12 .786 .815 .653 .656 .841 .927 .687 .902 .823 .917 .623 .892 1.000 .926 .950 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .000 . .000 .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X13 .673 .909 .766 .698 .874 .921 .723 .912 .849 .951 .675 .918 .926 1.000 .976 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

X14 .698 .851 .725 .600 .851 .909 .681 .907 .829 .949 .624 .886 .950 .976 1.000 .000 .000 .000 .001 .000 .000 .000 .000 .000 .000 .001 .000 .000 .000 . 24 24 24 24 24 24 24 24 24 24 24 24 24 24 24

74

Lanjutan Residuals Statistics Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value

a

Minimum .02 -3.364

Maximum 11.23 .779

Mean 9.13 .000

Std. Deviation 2.705 1.000

N

.445

1.591

.567

.278

24

-1.09 -3.831 -1.759 -1.798 -4.000 -1.902 .000 .000 .000

11.40 3.767 1.730 1.792 4.042 1.894 11.318 .246 .492

9.07 .000 .000 .010 .053 .012 .958 .037 .042

2.879 2.130 .978 1.010 2.281 1.038 2.653 .054 .115

24 24 24 24 24 24 24 24 24

24 24

a. Dependent Variable: Y

Histogram

Dependent Variable: Y 5

Frequency

4

3

2

1

0 -2

0

2

Mean =2.5E-16 Std. Dev. =0.978 N =24

Regression Standardized Residual

Normal P-P Plot of Regression Standardized Residual

Scatterplot

Dependent Variable: Y

Dependent Variable: Y 2

Regression Studentized Deleted (Press) Residual

Expected Cum Prob

1.0

0.8

0.6

0.4

0.2

0

-2

0.0 0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

1.0

-4

-2

0

Regression Standardized Predicted Value

75

Lampiran 11

Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) jantan umur 1-6 tahun

Descriptive Statistics Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Mean 3.50 35.10 7.9925 7.0150 6.8125 32.475 10.900 11.2675 2.2600 11.413 2.3300 26.800 24.175 39.63 29.675

Std. Deviation 2.380 16.503 1.41879 1.40631 1.36424 16.2967 5.5875 4.78387 1.04738 5.4569 1.07539 4.8125 5.7017 23.075 16.0128

N 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

Correlations Pearson Correlat Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Sig. (1-tailed) Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 N Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Y 1.000 .997 .990 .971 .992 .995 .935 .997 .977 .996 .960 .995 .981 .995 .992 . .001 .005 .015 .004 .002 .033 .001 .011 .002 .020 .002 .009 .003 .004 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X1 .997 1.000 .977 .952 .980 .996 .959 1.000 .980 .998 .962 .985 .970 .999 .994 .001 . .011 .024 .010 .002 .020 .000 .010 .001 .019 .008 .015 .001 .003 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X2 .990 .977 1.000 .994 .995 .976 .879 .977 .949 .975 .929 .999 .979 .972 .969 .005 .011 . .003 .002 .012 .060 .011 .026 .012 .036 .001 .011 .014 .016 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X3 .971 .952 .994 1.000 .981 .946 .832 .951 .909 .947 .885 .988 .956 .942 .936 .015 .024 .003 . .009 .027 .084 .025 .045 .027 .058 .006 .022 .029 .032 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X4 .992 .980 .995 .981 1.000 .986 .887 .981 .970 .983 .958 .998 .994 .979 .982 .004 .010 .002 .009 . .007 .057 .009 .015 .008 .021 .001 .003 .010 .009 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X5 .995 .996 .976 .946 .986 1.000 .949 .998 .993 .999 .981 .985 .984 .999 1.000 .002 .002 .012 .027 .007 . .025 .001 .004 .000 .010 .008 .008 .001 .000 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X6 .935 .959 .879 .832 .887 .949 1.000 .959 .944 .956 .925 .895 .880 .962 .953 .033 .020 .060 .084 .057 .025 . .021 .028 .022 .038 .052 .060 .019 .024 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X7 .997 1.000 .977 .951 .981 .998 .959 1.000 .983 .999 .966 .985 .973 .999 .996 .001 .000 .011 .025 .009 .001 .021 . .008 .000 .017 .008 .014 .000 .002 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X8 .977 .980 .949 .909 .970 .993 .944 .983 1.000 .989 .997 .962 .982 .989 .996 .011 .010 .026 .045 .015 .004 .028 .008 . .005 .002 .019 .009 .006 .002 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X9 .996 .998 .975 .947 .983 .999 .956 .999 .989 1.000 .975 .984 .979 1.000 .999 .002 .001 .012 .027 .008 .000 .022 .000 .005 . .012 .008 .011 .000 .001 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X10 .960 .962 .929 .885 .958 .981 .925 .966 .997 .975 1.000 .945 .978 .974 .985 .020 .019 .036 .058 .021 .010 .038 .017 .002 .012 . .028 .011 .013 .007 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X11 .995 .985 .999 .988 .998 .985 .895 .985 .962 .984 .945 1.000 .985 .981 .979 .002 .008 .001 .006 .001 .008 .052 .008 .019 .008 .028 . .007 .010 .010 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X12 .981 .970 .979 .956 .994 .984 .880 .973 .982 .979 .978 .985 1.000 .975 .983 .009 .015 .011 .022 .003 .008 .060 .014 .009 .011 .011 .007 . .013 .009 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X13 .995 .999 .972 .942 .979 .999 .962 .999 .989 1.000 .974 .981 .975 1.000 .998 .003 .001 .014 .029 .010 .001 .019 .000 .006 .000 .013 .010 .013 . .001 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

X14 .992 .994 .969 .936 .982 1.000 .953 .996 .996 .999 .985 .979 .983 .998 1.000 .004 .003 .016 .032 .009 .000 .024 .002 .002 .001 .007 .010 .009 .001 . 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

76

Lanjutan a

Variables Entered/Removed Variables Entered

Model 1

Variables Removed

X7

.

X11

.

X9

.

Method Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100). Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100). Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100).

2

3

a.

Dependent Variable: Y

Model Summaryd Change Statistics Model 1 2 3

R R Square .997a .994 1.000b 1.000 1.000c 1.000

Adjusted R Square .991 1.000 1.000

Std. Error of the Estimate .221 .017 .

R Square Change .994 .006 .000

F Change 344.726 352.502 .

df1

df2 1 1 1

2 1 0

DurbinWatson

Sig. F Change .003 .034 .

3.255

a. Predictors: (Constant), X7 b. Predictors: (Constant), X7, X11 c. Predictors: (Constant), X7, X11, X9 d. Dependent Variable: Y

Residuals Statistics Predicted Value Residual Std. Predicted Value Std. Residual

Minimum 1.00 .000 -1.050 .

Maximum 6.00 .000 1.050 .

a

Mean

Std. Deviation 2.380 .000 1.000 .

3.50 .000 .000 .

N 4 4 4 0

a. Dependent Variable: Y ANOVA Model 1

2

3

a. b.

Regression Residual Total Regression Residual Total Regression Residual Total

Sum of Squares 16.902 .098 17.000 17.000 .000 17.000 17.000 .000 17.000

Predictors: (Constant), X7

Predictors: (Constant), X7, X11 c. Predictors: (Constant), X7, X11, X9 d. Dependent Variable: Y

df 1 2 3 2 1 3 3 0 3

d

Mean Square 16.902 .049

F 344.726

Sig.

8.500 .000

30641.524

.004b

5.667 .

.

.c

.003a

77

Lanjutan Coefficientsa

Model 1 (Constant) X7 2 (Constant) X7 X11 3 (Constant) X7 X11 X9

Unstandardized Coefficients B Std. Error -2.091 .321 .496 .027 -5.465 .181 .282 .012 .216 .011 -5.534 .000 .335 .000 .216 .000 -.047 .000

Standardized Coefficients Beta .997 .568 .436 .674 .437 -.107

t -6.516 18.567 -30.137 24.428 18.775 . . . .

95% Confidence Interval for B Correlations Sig. Lower Bound Upper Bound Zero-order Partial .023 -3.471 -.710 .003 .381 .611 .997 .997 .021 -7.769 -3.161 .026 .136 .429 .997 .999 .034 .070 .362 .995 .999 . -5.534 -5.534 . .335 .335 .997 1.000 . .216 .216 .995 1.000 . -.047 -.047 .996 -1.000

Part

Collinearity Statistics Tolerance VIF

.997

1.000

1.000

.099 .076

.030 .030

33.081 33.081

.025 .076 -.004

.001 .030 .001

726.421 33.088 698.571

a. Dependent Variable: Y

Excluded Variables

d

Collinearity Statistics Model 1

2

3

X1 X2 X3 X4 X5 X6 X8 X9 X10 X11 X12 X13 X14 X1 X2 X3 X4 X5 X6 X8 X9 X10 X12 X13 X14 X1 X2 X3 X4 X5 X6 X8 X10 X12 X13 X14

Beta In .162a .356a .238a .365a .146a -.260a -.102a -.078a -.061a .436a .207a -1.205a -.132a .226b .143b .046b -.063b -.060b .081b -.023b -.107b -.016b -.024b -.132b -.046b .c .c .c .c .c .c .c .c .c .c .c

t .038 12.490 4.205 2.404 .134 -4.289 -.252 -.039 -.211 18.775 .816 -.690 -.157 . . . . . . . . . . . . . . . . . . . . . . .

a. Predictors in the Model: (Constant), X7 b. Predictors in the Model: (Constant), X7, X11 c. Predictors in the Model: (Constant), X7, X11, X9 d. Dependent Variable: Y

Sig. .976 .051 .149 .251 .915 .146 .843 .975 .868 .034 .564 .616 .901 . . . . . . . . . . . . . . . . . . . . . . .

Partial Correlation .038 .997 .973 .923 .133 -.974 -.244 -.039 -.207 .999 .632 -.568 -.155 1.000 1.000 1.000 -1.000 -1.000 1.000 -1.000 -1.000 -1.000 -1.000 -1.000 -1.000 . . . . . . . . . . .

Tolerance .000 .045 .096 .037 .005 .081 .033 .001 .066 .030 .054 .001 .008 .000 .001 .008 .004 .005 .002 .032 .001 .064 .029 .001 .008 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

VIF 3135.646 22.121 10.386 27.142 210.114 12.334 30.550 698.431 15.169 33.081 18.654 780.955 125.897 3136.362 1255.909 129.897 242.618 217.575 403.014 31.722 698.571 15.538 34.063 1075.085 127.231 . . . . . . . . . . .

Minimum Tolerance .000 .045 .096 .037 .005 .081 .033 .001 .066 .030 .054 .001 .008 .000 .001 .002 .003 .005 .000 .013 .001 .018 .017 .001 .006 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

78

Lampiran 12 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina Analisis Faktor (Tes I) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

.713

Approx. Chi-Square df Sig.

154.019 91 .000

Anti-image Matrices X1 X2 X3 X4 X5 X6 Anti-image Co X1 .145 .010 .097 -.016 .056 -.009 X2 .010 .133 .078 .001 .038 .132 X3 .097 .078 .219 -.055 .099 .090 X4 -.016 .001 -.055 .133 -.069 .008 X5 .056 .038 .099 -.069 .131 .051 X6 -.009 .132 .090 .008 .051 .359 X7 -.050 -.060 -.055 .020 -.044 -.081 X8 -.058 -.005 -.035 -.095 .054 .050 X9 -.004 .041 .024 -.033 .004 .046 X10 -.026 -.016 -.060 -.037 .025 -.033 X11 -.026 -.023 -.007 -.031 -.033 -.020 X12 -.043 -.070 -.092 -.001 -.039 -.088 KMO and Bartlett's Test X13 -.038 .017 .008 -.002 -.001 .063 X14 .026 -.011 -.016 .022 -.010 -.034 Kaiser-Meyer-Olkin Measure of Sampling Anti-image Co X1 .734a .069 .545 -.116 .403 -.037 Adequacy. X2 .069 .723a .458 .007 .288 .601 X3 .545 .458 .487a -.320 .587 .321 a -.525 Bartlett's X4 Test-.116 of Chi-Square .007 Approx. -.320 .766 .038 SphericityX5 .403 .288 df.587 -.525 .738a .235 X6 -.037 .601 .321 .038 .235 .232a Sig. X7 -.427 -.533 -.382 .182 -.395 -.440 X8 -.287 -.025 -.143 -.493 .283 .159 X9 -.030 .285 .128 -.228 .026 .195 X10 -.135 -.088 -.260 -.205 .141 -.111 X11 -.218 -.205 -.048 -.273 -.294 -.104 X12 -.400 -.682 -.696 -.011 -.386 -.523 X13 -.417 .197 .074 -.020 -.007 .436 X14 .346 -.152 -.172 .305 -.144 -.287

Lanjutan

X7 X8 X9 -.050 -.058 -.004 -.060 -.005 .041 -.055 -.035 .024 .020 -.095 -.033 -.044 .054 .004 -.081 .050 .046 .095 -.015 -.049 -.015 .277 .019 -.049 .019 .156 -.007 .156 -.036 .031 -.032 .004 .041 .044 -.030 -.004 .004 .050 -.011 -.018 -.040 -.427 -.287 -.030 .751 -.533 -.025 .285 -.382 -.143 .128 149.358 .182 -.493 -.228 -.395 .283 78 .026 -.440 .159 .195 .000 .737a -.094 -.402 -.094 .522a .091 -.402 .091 .804a -.046 .598 -.185 .319 -.191 .032 .476 .300 -.268 -.050 .033 .521 -.181 -.170 -.513

Factor Analysis 2 (Pengeliminaran parameter X6)

X10 -.026 -.016 -.060 -.037 .025 -.033 -.007 .156 -.036 .246 -.072 .050 -.048 .033 -.135 -.088 -.260 -.205 .141 -.111 -.046 .598 -.185 .629a -.466 .356 -.398 .331

a.Measures of Sampling Adequacy(MSA)

Analisis Faktor (Tes II - Pengeliminaran parameter X6) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

Approx. Chi-Square df Sig.

.751 149.358 78 .000

X11 -.026 -.023 -.007 -.031 -.033 -.020 .031 -.032 .004 -.072 .098 -.003 .017 -.024 -.218 -.205 -.048 -.273 -.294 -.104 .319 -.191 .032 -.466 .863a -.033 .230 -.378

X12 -.043 -.070 -.092 -.001 -.039 -.088 .041 .044 -.030 .050 -.003 .079 -.017 .008 -.400 -.682 -.696 -.011 -.386 -.523 .476 .300 -.268 .356 -.033 .692a -.256 .152

X13 -.038 .017 .008 -.002 -.001 .063 -.004 .004 .050 -.048 .017 -.017 .058 -.039 -.417 .197 .074 -.020 -.007 .436 -.050 .033 .521 -.398 .230 -.256 .738a -.814

X14 .026 -.011 -.016 .022 -.010 -.034 -.011 -.018 -.040 .033 -.024 .008 -.039 .040 .346 -.152 -.172 .305 -.144 -.287 -.181 -.170 -.513 .331 -.378 .152 -.814 .755a

79

Lanjutan Anti-image Matrices Anti-image Cov X1 X2 X3 X4 X5 X7 X8 X9 X10 X11 X12 X13 X14 Anti-image Corr X1 X2 X3 X4 X5 X7 X8 X9 X10 X11 X12 X13 X14

X1 .145 .020 .111 -.016 .060 -.065 -.058 -.003 -.027 -.027 -.062 -.046 .028 .698a .115 .588 -.115 .424 -.494 -.285 -.023 -.140 -.223 -.493 -.445 .350

X2 .020 .209 .079 -.003 .032 -.058 -.037 .039 -.006 -.026 -.081 -.011 .003 .115 .854a .350 -.020 .189 -.374 -.154 .214 -.027 -.179 -.539 -.091 .028

X3 .111 .079 .244 -.063 .102 -.048 -.055 .014 -.059 -.002 -.107 -.010 -.009 .588 .350 .532a -.351 .556 -.282 -.208 .070 -.239 -.016 -.654 -.078 -.088

X4 -.016 -.003 -.063 .134 -.075 .028 -.099 -.035 -.037 -.031 .001 -.004 .025 -.115 -.020 -.351 .747a -.549 .221 -.506 -.241 -.202 -.271 .010 -.041 .330

X5 .060 .032 .102 -.075 .139 -.043 .051 -.003 .032 -.033 -.039 -.013 -.006 .424 .189 .556 -.549 .765a -.334 .255 -.021 .173 -.279 -.318 -.125 -.082

X7 -.065 -.058 -.048 .028 -.043 .117 -.005 -.050 -.018 .033 .036 .016 -.025 -.494 -.374 -.282 .221 -.334 .789a -.027 -.360 -.106 .306 .321 .175 -.357

X8 -.058 -.037 -.055 -.099 .051 -.005 .285 .013 .167 -.030 .080 -.006 -.015 -.285 -.154 -.208 -.506 .255 -.027 .469a .062 .627 -.178 .456 -.042 -.131

X9 -.003 .039 .014 -.035 -.003 -.050 .013 .162 -.034 .007 -.026 .053 -.041 -.023 .214 .070 -.241 -.021 -.360 .062 .835a -.168 .053 -.199 .494 -.486

X10 -.027 -.006 -.059 -.037 .032 -.018 .167 -.034 .249 -.076 .058 -.052 .033 -.140 -.027 -.239 -.202 .173 -.106 .627 -.168 .626a -.483 .352 -.392 .314

X11 -.027 -.026 -.002 -.031 -.033 .033 -.030 .007 -.076 .099 -.011 .026 -.028 -.223 -.179 -.016 -.271 -.279 .306 -.178 .053 -.483 .854a -.103 .308 -.428

X12 -.062 -.081 -.107 .001 -.039 .036 .080 -.026 .058 -.011 .109 -.003 .000 -.493 -.539 -.654 .010 -.318 .321 .456 -.199 .352 -.103 .754a -.036 .002

X13 -.046 -.011 -.010 -.004 -.013 .016 -.006 .053 -.052 .026 -.003 .072 -.045 -.445 -.091 -.078 -.041 -.125 .175 -.042 .494 -.392 .308 -.036 .767a -.799

X14 .028 .003 -.009 .025 -.006 -.025 -.015 -.041 .033 -.028 .000 -.045 .043 .350 .028 -.088 .330 -.082 -.357 -.131 -.486 .314 -.428 .002 -.799 .763a

a.Measures of Sampling Adequacy(MSA)

Analisis Faktor (Tes III - Pengeliminaran parameter X8) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

.747

Approx. Chi-Square df Sig.

141.643 66 .000

Anti-image Matrices Anti-image Cova X1 X2 X3 X4 X5 X7 X9 X10 X11 X12 X13 X14 Anti-image Corre X1 X2 X3 X4 X5 X7 X9 X10 X11 X12 X13 X14

X1 .158 .014 .113 -.053 .082 -.071 -.001 .013 -.037 -.063 -.051 .027 .679a .075 .564 -.313 .536 -.524 -.005 .052 -.290 -.426 -.477 .329

X2 .014 .214 .077 -.023 .043 -.061 .042 .027 -.031 -.091 -.012 .001 .075 .849a .329 -.115 .239 -.383 .227 .090 -.212 -.533 -.098 .008

X3 .113 .077 .255 -.116 .125 -.051 .017 -.046 -.009 -.120 -.012 -.013 .564 .329 .500a -.541 .644 -.295 .085 -.143 -.055 -.643 -.089 -.118

a.Measures of Sampling Adequacy(MSA)

X4 -.053 -.023 -.116 .180 -.082 .035 -.042 .047 -.058 .049 -.008 .027 -.313 -.115 -.541 .707a -.504 .241 -.243 .172 -.425 .314 -.072 .308

X5 .082 .043 .125 -.082 .149 -.045 -.006 .004 -.030 -.072 -.012 -.004 .536 .239 .644 -.504 .732a -.338 -.038 .017 -.245 -.505 -.119 -.050

X7 -.071 -.061 -.051 .035 -.045 .117 -.050 -.025 .034 .048 .016 -.026 -.524 -.383 -.295 .241 -.338 .771a -.359 -.114 .307 .375 .174 -.364

X9 -.001 .042 .017 -.042 -.006 -.050 .163 -.069 .008 -.038 .054 -.041 -.005 .227 .085 -.243 -.038 -.359 .820a -.266 .065 -.256 .498 -.483

X10 .013 .027 -.046 .047 .004 -.025 -.069 .411 -.100 .023 -.081 .069 .052 .090 -.143 .172 .017 -.114 -.266 .693a -.485 .095 -.470 .513

X11 -.037 -.031 -.009 -.058 -.030 .034 .008 -.100 .103 -.003 .026 -.031 -.290 -.212 -.055 -.425 -.245 .307 .065 -.485 .833a -.025 .306 -.463

X12 -.063 -.091 -.120 .049 -.072 .048 -.038 .023 -.003 .137 -.002 .005 -.426 -.533 -.643 .314 -.505 .375 -.256 .095 -.025 .765a -.019 .070

X13 -.051 -.012 -.012 -.008 -.012 .016 .054 -.081 .026 -.002 .072 -.046 -.477 -.098 -.089 -.072 -.119 .174 .498 -.470 .306 -.019 .747a -.812

X14 .027 .001 -.013 .027 -.004 -.026 -.041 .069 -.031 .005 -.046 .044 .329 .008 -.118 .308 -.050 -.364 -.483 .513 -.463 .070 -.812 .738a

80

Lanjutan Analisis Faktor (Tes IV - Pengeliminaran parameter X3) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

.807

Approx. Chi-Square df Sig.

131.928 55 .000

Anti-image Matrices X1 .232 -.033 -.003 .067 -.078 -.013 .050 -.049 -.023 -.067 .049 .780a -.142 -.012 .274 -.454 -.065 .162 -.315 -.100 -.519 .483

Anti-image Cova X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14 Anti-image CorreX1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14

X2 -.033 .240 .020 .009 -.056 .042 .047 -.032 -.105 -.010 .005 -.142 .901a .079 .038 -.316 .211 .147 -.206 -.445 -.073 .050

X4 -.003 .020 .254 -.061 .018 -.048 .037 -.088 -.013 -.020 .031 -.012 .079 .825a -.242 .101 -.235 .114 -.542 -.052 -.144 .293

X5 .067 .009 -.061 .254 -.037 -.025 .047 -.044 -.038 -.011 .004 .274 .038 -.242 .924a -.204 -.121 .144 -.274 -.156 -.081 .034

X7 -.078 -.056 .018 -.037 .128 -.051 -.038 .035 .044 .015 -.032 -.454 -.316 .101 -.204 .824a -.350 -.165 .304 .254 .156 -.420

X9 X10 X11 X12 X13 X14 -.013 .050 -.049 -.023 -.067 .049 .042 .047 -.032 -.105 -.010 .005 -.048 .037 -.088 -.013 -.020 .031 -.025 .047 -.044 -.038 -.011 .004 -.051 -.038 .035 .044 .015 -.032 .164 -.067 .009 -.052 .056 -.041 -.067 .419 -.104 .001 -.085 .069 .009 -.104 .103 -.012 .026 -.032 -.052 .001 -.012 .234 -.013 -.001 .056 -.085 .026 -.013 .073 -.047 -.041 .069 -.032 -.001 -.047 .044 -.065 .162 -.315 -.100 -.519 .483 .211 .147 -.206 -.445 -.073 .050 -.235 .114 -.542 -.052 -.144 .293 -.121 .144 -.274 -.156 -.081 .034 -.350 -.165 .304 .254 .156 -.420 .813a -.257 .071 -.263 .509 -.478 -.257 .667a -.498 .005 -.489 .505 .071 -.498 .803a -.079 .303 -.473 -.263 .005 -.079 .920a -.100 -.008 .509 -.489 .303 -.100 .729a -.832 -.478 .505 -.473 -.008 -.832 .712a

a.Measures of Sampling Adequacy(MSA)

Component Plot in Rotated Space

X4

X11

0.9

X5 X10

0.6

X12

Component 2

X9

X2

0.3

X1 X13

X14 X7

0.0

-0.3

-0.6

-0.9

-0.9

-0.6

-0.3

0.0

Component 1

0.3

0.6

0.9

81

Lampiran 13 Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina Descriptive Statistics Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Mean 8.69 49.225 9.0975 8.2288 7.4350 45.069 15.744 15.881 2.9206 15.3300 3.6575 31.088 30.144 56.188 43.150

Std. Deviation 3.156 5.7105 .52520 .73533 .48918 4.3957 7.3989 1.1023 .34868 1.22634 .68010 1.6484 2.3022 5.8045 4.3007

N 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16

Model Summaryb Change Statistics Model 1

R R Square .995a .990

Adjusted R Square .847

Std. Error of the Estimate 1.234

R Square Change .990

F Change 6.933

df1

df2 14

1

Sig. F Change .290

a. Predictors: (Constant), X14, X6, X10, X3, X8, X5, X1, X2, X9, X4, X7, X11, X12, X13 b. Dependent Variable: Y

ANOVAb Model 1

Regression Residual Total

Sum of Squares 147.914 1.524 149.438

df 14 1 15

Mean Square 10.565 1.524

F 6.933

Sig. .290a

a. Predictors: (Constant), X14, X6, X10, X3, X8, X5, X1, X2, X9, X4, X7, X11, X12, X13 b. Dependent Variable: Y

Coefficients(a) Unstandardized Coefficients

Standardized Coefficients

Model

t B

1

(Constant) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

a Dependent Variable: Y

20.648 .237 -4.747 -1.291 -1.947 .460 -.197 .135 -.540 .967 .669 -1.211 1.139 -.160 .498

Std. Error 11.204 .147 1.662 .927 1.784 .200 .072 .941 1.736 .658 .945 .617 .492 .227 .373

Sig.

Beta .428 -.790 -.301 -.302 .640 -.461 .047 -.060 .376 .144 -.632 .831 -.294 .679

1.843 1.616 -2.856 -1.393 -1.091 2.298 -2.739 .144 -.311 1.471 .709 -1.964 2.315 -.703 1.336

.317 .353 .214 .396 .472 .261 .223 .909 .808 .380 .608 .300 .260 .610 .409

DurbinWatson 2.152

82

Lanjutan Residuals Statistics Predicted Value Residual Std. Predicted Value Std. Residual

Minimum 1.55 -.448 -2.274 -.363

Maximum 13.69 .453 1.593 .367

a

Mean 8.69 .000 .000 .000

Std. Deviation 3.140 .319 1.000 .258

N 16 16 16 16

a. Dependent Variable: Y

Histogram

Dependent Variable: Y 5

Frequency

4

3

2

1

Mean =-3.58E-15 Std. Dev. =0.258 N =16

0 -0.25

0.00

0.25

Regression Standardized Residual

Normal P-P Plot of Regression Standardized Residual

Scatterplot

Dependent Variable: Y

Dependent Variable: Y 1.0 12.5

Expected Cum Prob

0.8

Y

10

7.5

5

0.6

0.4

0.2 2.5

0.0 -2

-1

0

1

Regression Standardized Predicted Value

2

0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

1.0

83

Lampiran 14

Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina

Descriptive Statistics Y X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14

Mean 8.69 49.225 9.0975 7.4350 45.069 15.881 15.3300 3.6575 31.088 30.144 56.188 43.150

Std. Deviation 3.156 5.7105 .52520 .48918 4.3957 1.1023 1.22634 .68010 1.6484 2.3022 5.8045 4.3007

N 16 16 16 16 16 16 16 16 16 16 16 16

Correlations Pearson Correla Y X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14 Sig. (1-tailed) Y X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14 N Y X1 X2 X4 X5 X7 X9 X10 X11 X12 X13 X14

Y 1.000 .488 .445 .261 .742 .665 .728 .245 .468 .599 .630 .719 . .027 .042 .164 .000 .002 .001 .181 .034 .007 .004 .001 16 16 16 16 16 16 16 16 16 16 16 16

X1 .488 1.000 .730 .384 .409 .655 .429 .450 .612 .628 .748 .594 .027 . .001 .071 .058 .003 .049 .040 .006 .005 .000 .008 16 16 16 16 16 16 16 16 16 16 16 16

X2 .445 .730 1.000 .403 .560 .705 .523 .360 .676 .766 .751 .714 .042 .001 . .061 .012 .001 .019 .085 .002 .000 .000 .001 16 16 16 16 16 16 16 16 16 16 16 16

X4 .261 .384 .403 1.000 .675 .264 .521 .489 .787 .601 .349 .366 .164 .071 .061 . .002 .162 .019 .027 .000 .007 .092 .081 16 16 16 16 16 16 16 16 16 16 16 16

X5 .742 .409 .560 .675 1.000 .601 .733 .385 .788 .701 .568 .689 .000 .058 .012 .002 . .007 .001 .070 .000 .001 .011 .002 16 16 16 16 16 16 16 16 16 16 16 16

X7 .665 .655 .705 .264 .601 1.000 .759 .301 .569 .594 .763 .867 .002 .003 .001 .162 .007 . .000 .129 .011 .008 .000 .000 16 16 16 16 16 16 16 16 16 16 16 16

X9 .728 .429 .523 .521 .733 .759 1.000 .364 .689 .656 .547 .773 .001 .049 .019 .019 .001 .000 . .083 .002 .003 .014 .000 16 16 16 16 16 16 16 16 16 16 16 16

X10 .245 .450 .360 .489 .385 .301 .364 1.000 .615 .454 .455 .321 .181 .040 .085 .027 .070 .129 .083 . .006 .039 .038 .113 16 16 16 16 16 16 16 16 16 16 16 16

X11 .468 .612 .676 .787 .788 .569 .689 .615 1.000 .786 .664 .705 .034 .006 .002 .000 .000 .011 .002 .006 . .000 .002 .001 16 16 16 16 16 16 16 16 16 16 16 16

X12 .599 .628 .766 .601 .701 .594 .656 .454 .786 1.000 .691 .700 .007 .005 .000 .007 .001 .008 .003 .039 .000 . .002 .001 16 16 16 16 16 16 16 16 16 16 16 16

X13 .630 .748 .751 .349 .568 .763 .547 .455 .664 .691 1.000 .884 .004 .000 .000 .092 .011 .000 .014 .038 .002 .002 . .000 16 16 16 16 16 16 16 16 16 16 16 16

X14 .719 .594 .714 .366 .689 .867 .773 .321 .705 .700 .884 1.000 .001 .008 .001 .081 .002 .000 .000 .113 .001 .001 .000 . 16 16 16 16 16 16 16 16 16 16 16 16

84

Lanjutan Variables Entered/Removed a Model 1

Variables Entered

Variables Removed

X5

Method Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100).

.

a. Dependent Variable: Y b

Model Summary Model 1

R

R Square .551

.742a

Adjusted R Square .519

Std. Error of the Estimate 2.190

a. Predictors: (Constant), X5 b. Dependent Variable: Y ANOVAb Model 1

Sum of Squares 82.298 67.139 149.438

Regression Residual Total

df 1 14 15

Mean Square 82.298 4.796

F 17.161

Sig. .001a

a. Predictors: (Constant), X5 b. Dependent Variable: Y

Coefficientsa

Model 1

(Constant) X5

Unstandardized Coefficients B Std. Error -15.328 5.823 .533 .129

Standardized Coefficients Beta .742

t -2.632 4.143

Sig. .020 .001

a. Dependent Variable: Y

Excluded Variablesb

Model 1

X1 X2 X4 X7 X9 X10 X11 X12 X13 X14

Beta In .222a .044a -.440a .343a .397a -.048a -.306a .155a .308a .395a

t 1.141 .195 -1.995 1.615 1.589 -.240 -1.058 .602 1.474 1.705

a. Predictors in the Model: (Constant), X5 b. Dependent Variable: Y

Sig. .275 .848 .067 .130 .136 .814 .309 .557 .164 .112

Partial Correlation .302 .054 -.484 .409 .403 -.066 -.282 .165 .378 .427

Collinearity Statistics Tolerance .832 .687 .544 .639 .463 .852 .380 .508 .678 .526

85

Lanjutan Residuals Statisticsa Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value

Minimum 3.91 -2.040

Maximum 12.06 1.440

Mean 8.69 .000

Std. Deviation 2.342 1.000

N

.548

1.277

.749

.203

16

4.89 -3.049 -1.392 -1.493 -3.505 -1.569 .000 .008 .000

11.57 4.390 2.005 2.082 4.735 2.414 4.163 .296 .278

8.70 .000 .000 -.003 -.016 .012 .938 .073 .063

2.283 2.116 .966 1.030 2.416 1.081 1.095 .079 .073

16 16 16 16 16 16 16 16 16

16 16

a. Dependent Variable: Y

Histogram

Dependent Variable: Y 5

Frequency

4

3

2

1

0 -2

-1

0

1

2

3

Mean =-3.05E-16 Std. Dev. =0.966 N =16

Regression Standardized Residual

Scatterplot

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y

2

Expected Cum Prob

Regression Studentized Deleted (Press) Residual

1.0

1

0

-1

0.8

0.6

0.4

0.2

-2

0.0 -2

-1

0

Regression Standardized Predicted Value

1

0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

1.0

86

Lampiran 15

Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) betina umur 2-6 tahun

Descriptive Statistics Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Mean 4.33 45.433 8.8567 7.6433 7.1433 40.900 13.233 15.033 2.8267 13.7900 3.1967 29.933 27.700 51.800 38.867

Std. Deviation 2.082 9.0578 .80649 .83787 .38799 4.2532 1.6921 1.9425 .30370 1.26740 .42147 2.4664 2.1932 12.3357 9.0357

N 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Correlations

Pearson Correla Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Sig. (1-tailed) Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 N Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Y 1.000 .922 .990 .578 .747 1.000 .875 .997 .999 .942 .999 .990 .997 .995 .990 . .127 .046 .304 .231 .009 .161 .023 .013 .109 .013 .045 .026 .032 .046 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X1 .922 1.000 .968 .217 .431 .933 .620 .892 .905 .738 .937 .967 .951 .956 .857 .127 . .081 .430 .358 .117 .287 .149 .140 .236 .114 .082 .100 .095 .172 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X2 .990 .968 1.000 .456 .644 .994 .797 .977 .983 .884 .995 1.000 .998 .999 .959 .046 .081 . .349 .277 .036 .206 .068 .059 .155 .033 .001 .019 .014 .091 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X3 .578 .217 .456 1.000 .974 .554 .901 .635 .611 .819 .545 .458 .509 .494 .689 .304 .430 .349 . .072 .313 .143 .281 .291 .195 .316 .349 .330 .336 .258 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X4 .747 .431 .644 .974 1.000 .727 .975 .793 .774 .927 .720 .646 .690 .677 .834 .231 .358 .277 .072 . .241 .071 .209 .218 .122 .244 .276 .258 .263 .186 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X5 1.000 .933 .994 .554 .727 1.000 .861 .995 .998 .932 1.000 .994 .999 .997 .985 .009 .117 .036 .313 .241 . .170 .032 .022 .118 .003 .036 .017 .023 .055 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X6 .875 .620 .797 .901 .975 .861 1.000 .908 .894 .987 .856 .799 .833 .823 .935 .161 .287 .206 .143 .071 .170 . .138 .148 .052 .173 .206 .187 .193 .115 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X7 .997 .892 .977 .635 .793 .995 .908 1.000 1.000 .963 .994 .978 .988 .985 .997 .023 .149 .068 .281 .209 .032 .138 . .010 .086 .035 .068 .049 .055 .023 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X8 .999 .905 .983 .611 .774 .998 .894 1.000 1.000 .955 .997 .983 .992 .990 .995 .013 .140 .059 .291 .218 .022 .148 .010 . .096 .026 .058 .039 .045 .033 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X9 .942 .738 .884 .819 .927 .932 .987 .963 .955 1.000 .928 .885 .911 .904 .980 .109 .236 .155 .195 .122 .118 .052 .086 .096 . .122 .154 .135 .141 .063 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X10 .999 .937 .995 .545 .720 1.000 .856 .994 .997 .928 1.000 .995 .999 .998 .983 .013 .114 .033 .316 .244 .003 .173 .035 .026 .122 . .032 .014 .019 .058 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X11 .990 .967 1.000 .458 .646 .994 .799 .978 .983 .885 .995 1.000 .998 .999 .960 .045 .082 .001 .349 .276 .036 .206 .068 .058 .154 .032 . .019 .013 .090 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X12 .997 .951 .998 .509 .690 .999 .833 .988 .992 .911 .999 .998 1.000 1.000 .975 .026 .100 .019 .330 .258 .017 .187 .049 .039 .135 .014 .019 . .006 .072 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X13 .995 .956 .999 .494 .677 .997 .823 .985 .990 .904 .998 .999 1.000 1.000 .971 .032 .095 .014 .336 .263 .023 .193 .055 .045 .141 .019 .013 .006 . .077 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

X14 .990 .857 .959 .689 .834 .985 .935 .997 .995 .980 .983 .960 .975 .971 1.000 .046 .172 .091 .258 .186 .055 .115 .023 .033 .063 .058 .090 .072 .077 . 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

87

Lanjutan Variables Entered/Removed a Model 1

Variables Entered

Variables Removed

X5

.

X10

.

2

Method Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100). Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100).

a. Dependent Variable: Y c Model Summary

Model 1 2

Change Statistics Adjusted Std. Error ofR Square DurbinR R Square R Squarethe Estimate Change F Change df1 df2 Sig. F Change Watson a 1.000 .999 .998 .086 .999 160.333 1 1 .019 1.000b 1.000 1.000 . .001 . 1 0 . 2.813

a.Predictors: (Constant), X5 b.Predictors: (Constant), X5, X10 c.Dependent Variable: Y ANOVA c Model 1

2

Regression Residual Total Regression Residual Total

Sum of Squares 8.659 .007 8.667 8.667 .000 8.667

df 1 1 2 2 0 2

Mean Square 8.659 .007

F 1160.333

4.333 .

.

Sig. .019a

.b

a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X10 c. Dependent Variable: Y a Coefficients

Unstandardized Standardized Coefficients Coefficients Mode B Std. Error Beta t 1 (Constan-15.676 .590 -26.591 X5 .489 .014 1.000 34.064 2 (Constan-27.905 .000 . X5 1.905 .000 3.892 . X10 -14.286 .000 -2.892 . a.Dependent Variable: Y

% Confidence Interval fo Correlations Collinearity Statistics Sig. Lower Bound Upper Bound Zero-order Partial Part Tolerance VIF .024 -23.166 -8.185 .019 .307 .672 1.000 1.000 1.000 1.000 1.000 . -27.905 -27.905 . 1.905 1.905 1.000 1.000 .039 .000 715.456 . -14.286 -14.286 .999 -1.000 -.029 .000 715.456

88

Lanjutan Excluded Variables c

Model 1

2

X1 X2 X3 X4 X6 X7 X8 X9 X10 X11 X12 X13 X14 X1 X2 X3 X4 X6 X7 X8 X9 X11 X12 X13 X14

Beta In -.081a -.258a .035a .043a .058a .292a .417a .081a -2.892a -.263a -.555a -.414a .171a .b .b .b .b .b .b .b .b .b .b .b .b

t

Sig. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

Partial Correlation -1.000 -1.000 1.000 1.000 1.000 1.000 1.000 1.000 -1.000 -1.000 -1.000 -1.000 1.000 . . . . . . . . . . . .

Collinearity Statistics Minimum Tolerance Tolerance VIF .130 7.711 .130 .013 77.474 .013 .693 1.443 .693 .471 2.122 .471 .259 3.860 .259 .010 98.755 .010 .005 201.784 .005 .132 7.572 .132 .000 9715.456 .000 .012 80.510 .012 .003 357.086 .003 .005 199.431 .005 .029 33.915 .029 .000 -2.6E+12 .000 .000 . .000 .000 -4.8E+11 .000 .000 -7.1E+11 .000 .000 -1.3E+12 .000 .000 -2.8E+13 .000 .000 . .000 .000 -2.5E+12 .000 .000 -2.6E+13 .000 .000 . .000 .000 . .000 .000 -1.1E+13 .000

a. Predictors in the Model: (Constant), X5 b. Predictors in the Model: (Constant), X5, X10 c. Dependent Variable: Y

Residuals Statistics Predicted Value Residual Std. Predicted Value Std. Residual

Minimum 2.00 .000 -1.121 .

a. Dependent Variable: Y

Maximum 6.00 .000 .801 .

a

Mean 4.33 .000 .000 .

Std. Deviation 2.082 .000 1.000 .

N 3 3 3 0

89

Lampiran 16 Hasil output analisis faktor parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821) KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

Approx. Chi-Square df Sig.

.916 720.100 91 .000

Anti-image Matrices X1 Anti-image C X1 .126 X2 -.046 X3 -.008 X4 .011 X5 .004 X6 -.020 X7 -.010 X8 -.059 X9 .002 X10 -.032 X11 .020 X12 -.030 X13 -.035 X14 .019 Anti-image C X1 .918a X2 -.272 X3 -.038 X4 .077 X5 .034 X6 -.094 X7 -.098 X8 -.322 X9 .024 X10 -.167 X11 .188 X12 -.248 X13 -.526 X14 .303

X2 -.046 .233 -.019 .011 .017 .008 .014 -.019 -.027 -.041 -.047 .040 .001 -.001 -.272 .949a -.070 .059 .104 .027 .101 -.076 -.244 -.158 -.318 .247 .011 -.012

X3 -.008 -.019 .317 -.043 -.003 .017 -.008 -.034 -.021 -.074 .013 -.046 -.015 .035 -.038 -.070 .939a -.192 -.015 .050 -.053 -.118 -.165 -.245 .077 -.242 -.144 .350

X4 .011 .011 -.043 .156 -.017 -.046 .061 -.024 -.045 .042 -.028 -.021 -.018 .014 .077 .059 -.192 .888a -.126 -.189 .539 -.120 -.496 .199 -.235 -.157 -.248 .202

a.Measures of Sampling Adequacy(MSA)

X5 .004 .017 -.003 -.017 .111 -.032 -.010 -.032 -.014 -.003 -.020 -.022 -.001 .001 .034 .104 -.015 -.126 .976a -.156 -.101 -.186 -.189 -.019 -.194 -.196 -.024 .018

X6 -.020 .008 .017 -.046 -.032 .377 -.032 -.014 .013 -.118 -.014 .025 .019 -.008 -.094 .027 .050 -.189 -.156 .946a -.183 -.043 .095 -.358 -.072 .123 .166 -.069

X7 -.010 .014 -.008 .061 -.010 -.032 .081 -.008 -.040 .007 -.001 -.017 -.009 .002 -.098 .101 -.053 .539 -.101 -.183 .909a -.056 -.609 .044 -.009 -.176 -.175 .042

X8 -.059 -.019 -.034 -.024 -.032 -.014 -.008 .265 .014 .010 -.024 .049 .019 -.023 -.322 -.076 -.118 -.120 -.186 -.043 -.056 .945a .114 .038 -.154 .282 .201 -.248

X9 .002 -.027 -.021 -.045 -.014 .013 -.040 .014 .053 -.002 .003 .018 .010 -.017 .024 -.244 -.165 -.496 -.189 .095 -.609 .114 .891a -.020 .043 .231 .234 -.416

X10 -.032 -.041 -.074 .042 -.003 -.118 .007 .010 -.002 .288 -.042 .002 -.001 .008 -.167 -.158 -.245 .199 -.019 -.358 .044 .038 -.020 .939a -.259 .008 -.014 .083

X11 .020 -.047 .013 -.028 -.020 -.014 -.001 -.024 .003 -.042 .093 -.035 -.012 .005 .188 -.318 .077 -.235 -.194 -.072 -.009 -.154 .043 -.259 .945a -.340 -.204 .086

X12 -.030 .040 -.046 -.021 -.022 .025 -.017 .049 .018 .002 -.035 .113 .018 -.030 -.248 .247 -.242 -.157 -.196 .123 -.176 .282 .231 .008 -.340 .897a .283 -.500

X13 -.035 .001 -.015 -.018 -.001 .019 -.009 .019 .010 -.001 -.012 .018 .035 -.025 -.526 .011 -.144 -.248 -.024 .166 -.175 .201 .234 -.014 -.204 .283 .875a -.764

X14 .019 -.001 .035 .014 .001 -.008 .002 -.023 -.017 .008 .005 -.030 -.025 .032 .303 -.012 .350 .202 .018 -.069 .042 -.248 -.416 .083 .086 -.500 -.764 .858a

90

Lampiran 17

Hasil output analisis regresi pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)

Descriptive Statistics Mean 8.95 48.59 9.3300 8.2478 7.5935 45.843 14.713 15.7230 2.9760 15.646 3.6185 31.163 29.798 56.34 42.788

Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Std. Deviation 3.297 8.567 1.02078 .98637 .71521 7.6653 3.4748 2.33126 .50055 2.5115 .89582 2.6063 2.9753 10.187 7.2501

N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

Variables Entered/Removed Model 1

Variables Entered X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11,a X9, X13

Variables Removed

b

Method

.

Enter

a. All requested variables entered. b. Dependent Variable: Y b Model Summary

Mode 1

Change Statistics Adjusted Std. Error ofR Square DurbinR R SquareR Square he Estimate Change F Change df1 df2 Sig. F Change Watson .827a .685 .508 2.312 .685 3.877 14 25 .002 1.048

a.Predictors: (Constant), X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11, X9, X13 b.Dependent Variable: Y ANOVA b Model 1

Regression Residual Total

Sum of Squares 290.219 133.681 423.900

df 14 25 39

Mean Square 20.730 5.347

F 3.877

a. Predictors: (Constant), X14, X3, X6, X2, X10, X8, X4, X1, X12, X7, X5, X11, X9, X13 b. Dependent Variable: Y

Sig. .002a

91

Lanjutan a Coefficient Correlations

Mode 1 Correlatio X14 X3 X6 X2 X10 X8 X4 X1 X12 X7 X5 X11 X9 X13 Covarianc X14 X3 X6 X2 X10 X8 X4 X1 X12 X7 X5 X11 X9 X13

X14 1.000 .350 -.069 -.012 .083 -.248 .202 .303 -.500 .042 .018 .086 -.416 -.764 .082 .067 -.003 -.003 .018 -.102 .076 .011 -.053 .007 .001 .011 -.077 -.043

X3 .350 1.000 .050 -.070 -.245 -.118 -.192 -.038 -.242 -.053 -.015 .077 -.165 -.144 .067 .445 .006 -.035 -.126 -.113 -.168 -.003 -.060 -.020 -.001 .024 -.071 -.019

X6 -.069 .050 1.000 .027 -.358 -.043 -.189 -.094 .123 -.183 -.156 -.072 .095 .166 -.003 .006 .030 .003 -.048 -.011 -.043 -.002 .008 -.018 -.004 -.006 .011 .006

X2 -.012 -.070 .027 1.000 -.158 -.076 .059 -.272 .247 .101 .104 -.318 -.244 .011 -.003 -.035 .003 .566 -.091 -.082 .058 -.025 .069 .042 .011 -.111 -.118 .002

X10 .083 -.245 -.358 -.158 1.000 .038 .199 -.167 .008 .044 -.019 -.259 -.020 -.014 .018 -.126 -.048 -.091 .593 .042 .201 -.016 .002 .019 -.002 -.093 -.010 -.002

X8 -.248 -.118 -.043 -.076 .038 1.000 -.120 -.322 .282 -.056 -.186 -.154 .114 .201 -.102 -.113 -.011 -.082 .042 2.062 -.226 -.056 .150 -.045 -.039 -.103 .105 .056

X4 .202 -.192 -.189 .059 .199 -.120 1.000 .077 -.157 .539 -.126 -.235 -.496 -.248 .076 -.168 -.043 .058 .201 -.226 1.716 .012 -.076 .395 -.024 -.144 -.417 -.063

X1 .303 -.038 -.094 -.272 -.167 -.322 .077 1.000 -.248 -.098 .034 .188 .024 -.526 .011 -.003 -.002 -.025 -.016 -.056 .012 .015 -.011 -.007 .001 .011 .002 -.012

X12 -.500 -.242 .123 .247 .008 .282 -.157 -.248 1.000 -.176 -.196 -.340 .231 .283 -.053 -.060 .008 .069 .002 .150 -.076 -.011 .137 -.036 -.010 -.059 .055 .020

X7 .042 -.053 -.183 .101 .044 -.056 .539 -.098 -.176 1.000 -.101 -.009 -.609 -.175 .007 -.020 -.018 .042 .019 -.045 .395 -.007 -.036 .312 -.008 -.002 -.218 -.019

X5 .018 -.015 -.156 .104 -.019 -.186 -.126 .034 -.196 -.101 1.000 -.194 -.189 -.024 .001 -.001 -.004 .011 -.002 -.039 -.024 .001 -.010 -.008 .021 -.013 -.018 -.001

a.Dependent Variable: Y

Coefficients(a) Unstandardized Coefficients

Model

B 1

(Constant)

Std. Error

Standardized Coefficients

t

Sig.

Beta

-3.232

8.475

-.381

.706

X1

.037

.122

.096

.303

.764

X2

-.010

.752

-.003

-.013

.990

X3

-.625

.667

-.187

-.938

.357

X4

-2.320

1.310

-.503

-1.771

.089

X5

.360

.145

.837

2.484

.020

X6

-.134

.173

-.141

-.771

.448

X7

-.747

.559

-.528

-1.336

.194

X8

-1.558

1.436

-.237

-1.085

.288

X9

.979

.641

.746

1.527

.139

X10

.051

.770

.014

.066

.948

X11

.257

.465

.203

.552

.586

X12

.522

.370

.472

1.413

.170

X13

-.013

.195

-.040

-.066

.948

X14

-.076

.287

-.167

-.265

.793

a Dependent Variable: Y

X11 .086 .077 -.072 -.318 -.259 -.154 -.235 .188 -.340 -.009 -.194 1.000 .043 -.204 .011 .024 -.006 -.111 -.093 -.103 -.144 .011 -.059 -.002 -.013 .217 .013 -.018

X9 -.416 -.165 .095 -.244 -.020 .114 -.496 .024 .231 -.609 -.189 .043 1.000 .234 -.077 -.071 .011 -.118 -.010 .105 -.417 .002 .055 -.218 -.018 .013 .411 .029

X13 -.764 -.144 .166 .011 -.014 .201 -.248 -.526 .283 -.175 -.024 -.204 .234 1.000 -.043 -.019 .006 .002 -.002 .056 -.063 -.012 .020 -.019 -.001 -.018 .029 .038

92

Lanjutan Residuals Statisticsa Minimum -.32 -3.458 -3.400 -1.495

Predicted Value Residual Std. Predicted Value Std. Residual

Maximum 12.80 3.548 1.412 1.534

Mean 8.95 .000 .000 .000

Std. Deviation 2.728 1.851 1.000 .801

N 40 40 40 40

a. Dependent Variable: Y

Histogram

Dependent Variable: Y

12.5

Frequency

10.0

7.5

5.0

2.5

0.0 -2

0

2

Mean =2.76E-15 Std. Dev. =0.801 N =40

Regression Standardized Residual

Normal P-P Plot of Regression Standardized Residual

Scatterplot

Dependent Variable: Y

Dependent Variable: Y 1.0 14

Expected Cum Prob

12

Y

10 8 6 4

0.8

0.6

0.4

0.2

2 0

0.0 -4

-3

-2

-1

0

Regression Standardized Predicted Value

1

2

0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

1.0

93

Lampiran 18

Hasil output analisis regresi dengan metode stepwise pada parameter morfometrik untuk menduga umur siamang sumatera (H. syndactylus syndactylus Raffles, 1821)

Descriptive Statistics Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Mean 8.95 48.59 9.3300 8.2478 7.5935 45.843 14.713 15.7230 2.9760 15.646 3.6185 31.163 29.798 56.34 42.788

Std. Deviation 3.297 8.567 1.02078 .98637 .71521 7.6653 3.4748 2.33126 .50055 2.5115 .89582 2.6063 2.9753 10.187 7.2501

N 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

Correlations Pearson Correla Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Sig. (1-tailed) Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 N Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Y 1.000 .546 .473 .377 .498 .724 .371 .629 .438 .672 .418 .646 .714 .638 .675 . .000 .001 .008 .001 .000 .009 .000 .002 .000 .004 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X1 .546 1.000 .794 .689 .701 .802 .646 .822 .789 .810 .720 .817 .776 .881 .811 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X2 .473 .794 1.000 .660 .684 .723 .614 .710 .731 .772 .715 .797 .628 .753 .702 .001 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X3 .377 .689 .660 1.000 .697 .685 .570 .628 .635 .684 .681 .698 .632 .636 .564 .008 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X4 .498 .701 .684 .697 1.000 .820 .616 .671 .707 .820 .575 .837 .755 .780 .750 .001 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X5 .724 .802 .723 .685 .820 1.000 .687 .863 .781 .903 .664 .895 .864 .874 .873 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X6 .371 .646 .614 .570 .616 .687 1.000 .633 .631 .642 .708 .689 .571 .601 .578 .009 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X7 .629 .822 .710 .628 .671 .863 .633 1.000 .730 .923 .625 .823 .840 .893 .900 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X8 .438 .789 .731 .635 .707 .781 .631 .730 1.000 .760 .633 .783 .669 .762 .741 .002 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X9 .672 .810 .772 .684 .820 .903 .642 .923 .760 1.000 .636 .870 .843 .903 .917 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X10 .418 .720 .715 .681 .575 .664 .708 .625 .633 .636 1.000 .730 .585 .632 .568 .004 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X11 .646 .817 .797 .698 .837 .895 .689 .823 .783 .870 .730 1.000 .861 .882 .858 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X12 .714 .776 .628 .632 .755 .864 .571 .840 .669 .843 .585 .861 1.000 .871 .897 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X13 .638 .881 .753 .636 .780 .874 .601 .893 .762 .903 .632 .882 .871 1.000 .962 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . .000 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

X14 .675 .811 .702 .564 .750 .873 .578 .900 .741 .917 .568 .858 .897 .962 1.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 . 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

94

Lanjutan Variables Entered/Removed Variables Entered

Model 1

Variables Removed

X5

.

a

Method Stepwise (Criteria: Probabilit y-ofF-to-enter <= .050, Probabilit y-ofF-to-remo ve >= . 100).

a. Dependent Variable: Y

Model Summary Model 1

R

Adjusted R Square .512

R Square .525

.724a

b

Std. Error of the Estimate 2.303

a. Predictors: (Constant), X5 b. Dependent Variable: Y ANOVAb Model 1

Regression Residual Total

Sum of Squares 222.397 201.503 423.900

df 1 38 39

Mean Square 222.397 5.303

F 41.940

Sig. .000a

t -2.385 6.476

Sig. .022 .000

a. Predictors: (Constant), X5 b. Dependent Variable: Y

Coefficients a

Model 1

(Constant) X5

Unstandardized Coefficients B Std. Error -5.331 2.235 .312 .048

Standardized Coefficients Beta .724

a. Dependent Variable: Y Excluded Variables

Model 1

X1 X2 X3 X4 X6 X7 X8 X9 X10 X11 X12 X13 X14

Beta In -.096a -.107a -.225a -.291a -.240a .013a -.328a .098a -.111a -.011a .347a .019a .178a

t -.507 -.658 -1.490 -1.514 -1.587 .058 -1.895 .371 -.740 -.042 1.594 .083 .771

a. Predictors in the Model: (Constant), X5 b. Dependent Variable: Y

b

Sig. .615 .515 .145 .139 .121 .954 .066 .713 .464 .967 .120 .934 .446

Partial Correlation -.083 -.108 -.238 -.241 -.252 .010 -.297 .061 -.121 -.007 .253 .014 .126

Collinearity Statistics Tolerance .357 .477 .530 .328 .528 .255 .390 .185 .560 .199 .253 .236 .238

95

Lanjutan a Residuals Statistics

Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value

Minimum -.07 -3.776

Maximum 12.27 1.390

Mean Std. Deviation 8.95 2.388 .000 1.000

N

.364

1.439

.468

.218

40

-.75 -3.996 -1.735 -1.762 -4.193 -1.814 .000 .000 .000

12.53 4.752 2.063 2.090 4.876 2.192 14.256 .113 .366

8.93 .000 .000 .004 .022 .005 .975 .024 .025

2.491 2.273 .987 1.009 2.379 1.026 2.787 .031 .071

40 40 40 40 40 40 40 40 40

40 40

a. Dependent Variable: Y

Histogram

Dependent Variable: Y 10

Frequency

8

6

4

2

Mean =-1.64E-15 Std. Dev. =0.987 N =40

0 -2

-1

0

1

2

3

Regression Standardized Residual

Scatterplot

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y

2

Expected Cum Prob

Regression Studentized Deleted (Press) Residual

1.0

0

0.8

0.6

0.4

0.2

-2

0.0 -4

-3

-2

-1

0

Regression Standardized Predicted Value

1

2

0.0

0.2

0.4

0.6

0.8

Observed Cum Prob

1.0

96

Lampiran 19 Pendugaan umur siamang sumatera berdasarkan model matematik

A.

Pendugaan umur siamang sumatera jantan 1-15 tahun dengan model matematika Y = -14.546 + 0.801 X12 Ukuran Lingkar Muka (cm) 18.2 - 19.4 19.5 - 20.6 20.7 - 21.9 22.0 - 23.1 23.2 - 24.4 24.5 - 25.6 25.7 - 26.9 27.0 - 28.1 28.2 - 29.4 29.5 - 30.6 30.7 - 31.8 31.9 - 33.1 33.2 - 34.3 34.4 - 35.6 35.7 - 36.8

B.

Dugaan Umur (tahun) 0–1 >1–2 >2–3 >3–4 >4-5 >5-6 >6-7 >7-8 >8-9 > 9 – 10 > 10 - 11 > 11 - 12 > 12 - 13 > 13 - 14 > 14 - 15

Pendugaan umur siamang sumatera betina 2-14 tahun dengan model matematika Y = -15.328 + 0.533 X5 Ukuran Lingkar Dada (cm) 28.9 - 30.6 30.7 - 32.5 32.6 - 34.3 34.4 - 36.2 36.3 - 38.1 38.2 - 40.0 40.1 - 41.9 42.0 - 43.7 43.8 - 45.6 45.7 - 47.5 47.6 - 49.4 49.5 - 51.2 51.3 - 53.1 53.2 - 55.0 55.1 - 56.9

Dugaan Umur (tahun) 0–1 >1–2 >2–3 >3–4 >4–5 >5–6 >6–7 >7–8 >8–9 > 9 – 10 > 10 – 11 > 11 – 12 > 12 – 13 > 13 – 14 > 14 – 15

97

C. Pendugaan umur siamang sumatera 1-15 tahun dengan model matematika Y = -5,331 + 0,312 X5 Ukuran Lingkar Dada (cm) 17.1 - 20.3 20.4 - 23.4 23.5 - 26.7 26.8 - 29.9 30.0 - 33.1 33.2 - 36.3 36.4 - 39.5 39.6 - 42.7 42.8 - 45.9 46.0 - 49.1 49.2 - 52.3 52.4 - 55.5 55.6 - 58.7 58.8 - 61.9 62.0 - 65.1

Dugaan Umur (tahun) 0–1 >1–2 >2–3 >3–4 >4–5 >5–6 >6–7 >7–8 >8–9 > 9 – 10 > 10 – 11 > 11 – 12 > 12 – 13 > 13 – 14 > 14 – 15

98

Sumber: Napier, 1967

Lampiran 20 Parameter morfometrik pada kerangka Hylobates sp. (insert kanan atas. H. syndactylus).

PR

PR + PH = PL

PH

PB

LD

PF

PF + PT = PK

PT

Sumber: Young (1981)

99

Lampiran 21

Parameter morfometrik (a) telapak kaki dan (b) telapak tangan Hylobates sp.

PTK

PTT

LTK

LTT

(a)

(b)

Lampiran 22 Parameter morfometrik tengkorak (cranial) Hylobates sp. LbC

PCr

TCr

100

Lampiran 23 Peta lokasi penelitian Kalaweit Program Sumatera dan Pusat Penyelamatan Satwa Cikananga Lokasi Kalaweit Program Sumatera

Kabupaten Pesisir Selatan Provinsi Sumatera Barat

Sumatera Barat

Lokasi Pusat Penyelamatan Satwa Cikananga

Provinsi Jawa Barat

Kabupaten Sukabumi

Jawa Barat