SUATU PENDEKATAN KUANTITATIF. oleh. Bambang S. Soedibjo 1 ) ABSTRACT

www.oseanografi.lipi.go.id

Oseana, Volume XIII, Nomor 4 : 143 - 152, 1988.

ISSN 0216-1877

ANALISIS KOMPUTER UNTUK PAKAR OSEANOLOGI SUATU PENDEKATAN KUANTITATIF oleh Bambang S. Soedibjo 1) ABSTRACT COMPUTER ANALYSIS FOR OCEANOLOGIST : A QUANTITATIVE APPROACH. Statistical analysis is one of quantitative approach widely used in marine research. For the non statistician this approach could be a big problem especially when it involves complicated calculation. Since there are many software packages available now in the market, problems of calculation and processing time are not the major problems anymore. The use of statistics as a tool in marine research need a deep understanding of its philosophy. Misused of this method could lead the scientist to the wrong conclusions. This paper discusses some of statistical techniques widely used in marine research and some software packages associated with it.

PENDAHULUAN Setiap penelitian selalu menghasilkan data, baik kualitatif maupun kuantitatif yang perlu dianalisis lebih lanjut untuk penarikan kesimpulan sehingga penelitian ini bisa bermanfaat bagi manusia. Analisis ini bisa saja merupakan analisis yang bersifat sangat sederhana sampai dengan analisis yang sangat kompleks. Berbagai analisis kuantititif telah banyak tersedia, baik itu melalui pendekatan secara matematis deterministik yaitu dengan menggunakan pendekatan "modelling", maupun melalui pendekatan probabilistik yaitu dengan menggunakan analisis statistika.

Penelitian oseanologi yang merupakan salah satu penelitian yang menyangkut fenomena alami umumnya akan melibatkan data yang mengikuti kaidah-kaidah probabilistik. Oleh karena itu, analisis statistika lebih sering digunakan dibandingkan dengan analisis lainnya. Namun demikian, statistika hanya bisa digunakan dan dimanfaatkan sepenuhnya apabila syarat-syarat yang dimilikinya dapat dipenuhi oleh para pakar yang akan menggunakannya. Syarat-syarat ini pada dasarnya adalah asumsi-asumsi yang selalu terkait dengan teknik analisis yang akan digunakan. Umumnya asumsiasumsi inilah yang seringkali dilupakan oleh para pemakai dalam menggunakannya.

1) Balai Penelitian dan Pengembangan Lingkungan Laut, Pusat Penelitian dan Pengembangan Oseanologi - LIPI, Jakarta.

143

Oseana, Volume XIII No. 4, 1988


Dalam suatu penelitian, analisis data tidak selamanya hams menggunakan analisis statistik lanjutan atau analisis yang bersifat untuk melakukan pengujisn hipotesis. Hal ini sangat tergantung kepada metode-metode penelitian yang telah digariskan oleh para pakar sebelum penelitian dilakukan. Apabila penelitian bersifat deskriptif, umumnya perumusan hipotesis tidak terlau ketat dan tanpa pengujian yang lebih mendalam. Dalam hal ini biasanya analisis hanya akan melibatkan perhitungan-perhitungan untuk mendapatkan ukuran-ukuran statistik seperti rata-rata, simpangan baku, koefisien variasi dan ukuran lainnya. Walaupun demikian perhitungan-perhitungan inipun harus melalui pengkajian yang mendalam terhadap data yang telah diperoleh, misalnya saja untuk melihat bagaimana data mengelompok, tidak selamanya harus menggunakan rata-rata hitung biasa akan tetapi bisa saja rata-rata ukur, median, modus dan lain sebagainya. Untuk penelitian yang memiliki perumusan hipotesis yang ketat, tidak dapat dipungkiri lagi bahwa analisis statistika memegang peranan yang sangat penting. Hal ini dimungkinkan karena statistika memiliki berbagai bentuk teknik analisis data yang dapat digunakan untuk menguji hipotesis tersebut. Misalnya saja suatu penelitian tentang ekosistem laut ingin menjawab pertanyaan sebagai berikut : a.

Apakah ada hubungan antara kandungan fosfat dengan kandungan zooplankton di perairan A ?

b.

Faktor-faktor apa saja yang mempengaruhi suburnya suatu perairan ?

Pertanyaan-pertanyaan semacam ini biasanya dirumuskan dalam suatu hipotesis yang dapat diuji melalui teknik analisis yang sesuai. Teknik analisis inilah yang perlu kira-

144


nya diketahui oleh para pakar secara mendalam sehingga sasaran penelitian bisa tercapai.

TINJAUAN MENGENAI DISTRIBUSI PELUANG Sebagaimana telah dijelaskan sebelumnya bahwa dalam analisis statistika kita selalu berhadapan dengan kaidah-kaidah yang bersifat probabilistik. Oleh karena itu sebelum membicarakan teknik-teknik analisis statistik lebih lanjut ada baik untuk membicarakan terlebih dahulu apa yang disebut sebagai konsep variabel acak, karena hal ini akan menyangkut dengan data yang diperoleh dari hasil suatu pengamatan. Secara awam variabel acak dapat didefinisikan sebagai suatu besaran yang memiliki kaidah-kaidah peluang tertentu (definisi secara statistik dapat dilihat dalam bukubuku statistika yang cukup banyak beredar). Karena variabel acak ini merupakan suatu fungsi, maka dia dapat dijelaskan dengan apa yang disebut sebagai fungsi distribusi peluang. Di alam nyata distribusi peluang dapat terjadi dalam berbagai bentuk dan umumnya akan termasuk ke dalam sejumlah kecil kategori-kategori. Pengkajian terhadap kategori distribusi ini sangat penting di dalam mempelajari sistem alami yang terjadi. Berdasarkan distribusi peluanglah model-model matematis dari sistem alam nyata dapat dibangun dan akhirnya melalui analisis model, perilaku sistem tersebut dapat pula diramalkan. KING & JULSTROM (1982) mengemukakan bahwa secara deduktif untuk memecahkan masalah dunia-nyata dengan menggunakan pendekatan distribusi peluang dapat digambarkan sebagai berikut :


Pengetahuan mengenai distribusi peluang di atas perlu diketahui oleh para pemakai statistika dalam rangka menentukan teknik analisis apa yang akan digunakan dalam analisis data. TEKNIK-TEKNIK ANALISIS STATISTIKA

Distribusi peluang dapat dibagi ke dalam dua golongan besar sesuai dengan jenis variabel acaknya yaitu distribusi peluang diskrit dan distribusi peluang kontinu. Distribusi peluang dikatakan diskrit apabila variabel acaknya merupakan himpunan nilainilai yang berupa bilangan bulat non-negatif, sedangkan variabel acak kontinu apabila nilainilainya dapat dimasukkan ke dalam suatu interval tertentu. Beberapa contoh dari distribusi peluang di atas dapat dilihat sebagai berikut : "Diskrit" 1. Distribusi Uniform 2. Distribusi Binomial 3. Distribusi Binomial Negatif 4. Distribusi Poisson 5. Distribusi Hipergeometrik 6. dan lain sebagainya.

Berdasarkan pengamatan dan pengalaman penulis yang bekerja di penelitian oseanologi. dalam makalah ini hanya dibahas beberapa teknik analisis yang sering digunakan dalam bidang oseanologi ini. Pada dasarnya ada dua teknik analisis yang dikenal dalam dunia statistika, yaitu statistika parametrik dan statistika non-parametrik. Statistika parametrik adalah analisis statistik yang memperhatikan bentuk distribusi peluang dari variabel acaknya, sedangkan statistika non-parametrik merupakan hal yang sebaliknya yaitu tanpa harus mengindahkan distribusi peluang tersebut. Asumsi umum yang sering harus diambil dalam analisis statistika parametrik adalah asumsi mengenai distribusi normal, seperti dalam analisis regresi, analisis variansi, korelasi dan lain sebagainya. Dalam bagian ini akan diperinci satu per satu berbagai analisis untuk setiap teknik yang dijelaskan di atas. A. STATISTIK PARAMETRIK a. Analisis satu variabel 1. Perhitungan statistik Dalam hal ini analisis hanya didasarkan pada perhitungan-perhitungan yang menyangkut ukuranukuran statistik seperti ukuran gejala pusat (rata-rata hitung, ukur, harmonik, median, modus), gejala letak (kuartil, desil, persentil), ukuran penyimpangan (standard deviasi, variansi, koefisien variansi). Umumnya data disajikan dalam bentuk tabel, grafik, dan kurva.

"Kontinu" 1.

Distribusi Normal

2. Distribusi Exponential 3. Distribusi Erlang 4. Distribusi t 5. Distribusi Chi-Kuadrat 6. Distribusi Log-normal 7. Distribusi Logaritmik dan lain sebagainya.

145



Distribusi peluang memegang peranan yang penting pula dalam bidang coastal engineering seperti penelitian mengenai "extreem event" yang dapat memberikan kerusakan berat pada saat-saat tertentu. Penelitian mengenai terjadinya cyclone di Australia mendapatkan bahwa peristiwa ini diduga mengikuti distribusi Poisson. Melalui simujasi Monte carlo dapat diramalkan dalam berapa tahun dan dimana saja peristiwa cyclone dapat terjadi, sehingga perencanaan disain pembangunan dan manajemen wilayah pesisir dapat disusun sebaik mungkin. Penelitian mengenai distribusi peluang gelombang pasang besar dapat membantu para pengambil keputusan dalam menentukan baik tidaknya suatu wilayah untuk dijadikan wilayah pemukiman atau industri. Pengujian atas model peluang dapat dilakukan melalui suatu uji yang dinamakan "uji kecocokan chi-kuadrat Dalam uji ini frekuensi relatif dari data pengamatan dibandingkan dengan frekuensi teoritisnya. Uji lain yang dapat digunakan adalah uji Kolmogorov-Smirnov (CONOVER 1971).

2. Penelaahan Distribusi Peluang Penelaahan bentuk distribusi peluang sangat banyak ditemui dalam penelitian statistika ekologi. Pola spatial dari suatu organisme di alam merupakan suatu hal yang banyak menarik perhatian para ekologis dalam upaya mempelajari bagaimana organisme ini hidup berkelompok, mobilitas mereka dalam beradaptasi dengan lingkungan, persaingan antar individu, perubahan perilaku akibat perubahan lingkungan dan lain sebagainya. Penelaahan distribusi peluang mempunyai peranan penting pula dalam menentukan strategi pengambilan contoh dalam penelitian ekologi. GERARD & BERTHET (1971) memberikan contoh bagaimana strategi pengambilan contoh harus ditentukan untuk pupulasi yang bersifat "patchy" yaitu data yang mengikuti distribusi peluang binomial negative. CASSIE (1967) menyatakan bahwa plankton dalam pengaruh faktor dispersi akan mengikuti distribusi log-normal. Dalam analisis distribusi peluang, analisis yang dilakukan pada dasarnya adalah estimasi parameter dari model peluang yang telah ditentukan sebelumnya dan diakhiri dengan pengujian hipotesis sampai sejauh mana model yang diambil sesuai dengan data yang ada. Berdasarkan hasil ini, simulasi atas model yang terjadi di alam dapat pula dilakukan untuk diambil kesimpulan secara umum, sebagai cantoh simulasi model pengaruh predator/parasit berdasarkan distribusi spatial prey/host yang dilakukan oleh MURDIE (1971).

3. Analisis Time Series Pemakaian : Untuk peramalan dan pengendalian suatu proses yang tergantung pada perubahan waktu. Analisis yang cukup dikenal adalah Box-Jenkins techniques (BOX & JENKINS, 1976). Analisis ini memerlukan pengetahuan mengenai proses stokastik.

146



4. Analisis Rantai Markov Pemakaian : Analisis ini juga digunakan untuk melakukan peramalan terhadap suatu fenomena tertentu. Umumnya data berbentuk time series. Banyak digunakan untuk peramalan kualitas air di suatu lokasi berdasarkan pengamatan yang telah lampau. Simulasi suksesi suatu ekosistem juga dapat dilakukan dengan menggunakan analisis ini.

kan nilai variabel tidak bebas berdasarkan nilai-nilai variabel bebas yang diberikan. Extrapolasi terlalu jauh ke depan diharapkan untuk tidak dilakukan. Asumsi : Kedua variabel adalah variabel acak yang independent. Error dari regresi harus independent dan menyebar secara normal. Normalitas erros ini bisa didapat apabila kedua variabel menyebar secara normal pula.

b. Analisis Dua Variabel 1. Analisis Korelasi

3. Uji Z dan uji-t Pemakaian : Untuk pengujian perbedaan ratarata antar dua variabel. Uji Z dan t dapat dibedakan berdasarkan ukuran sampel saja. Uji Z digunakan untuk ukuran contoh besar.

Pemakaian : Digunakan untuk melihat hubungan antara dua variabel. Asumsi : Masing-masing variabel merupakan variabel acak independent dan menyebar secara normal. Hal lain yang perlu diperhatikan bahwa dua variabel mungkin secara kuantitatif mempunyai korelasi akan tetapi secara fisik tidak. Dalam hal ini perlu pendekatan logika sebelum analisis dilakukan. Selain itu adanya hubungan antar dua variabel tidak berarti salah satunya mempengaruhi yang lainnya. Jika kedua variabel merupakan data time series maka model "transfer function noise" lebih sesuai untuk dipakai.

Asumsi : Kedua variabel adalah variabel acak yang independent dan menyebar secara normal. c. Analisis Multivariate 1. Analisis Regresi Pemakaian : Untuk melihat hubungan fungsional antar variabel tidak bebas dengan lebih dari dua variabel bebas. Asumsi : Sama dengan regresi sederhana. 2. Analisis Komponen Utama Pemakaian : Untuk melihat struktur dari observasi multivariat. Banyak digunakan dalam bidang taksonomi numeris. Analisis ini sangat bermanfaat untuk melihat kontribusi variabel-variabel terhadap suatu sistem persamaan linear yang diben-

2. Analisis Regresi Pemakaian : Untuk melihat hubungan fungsional antara dua variabel. Dalam analisis regresi perlu ditetapkan secara jelas mana yang merupakan variabel bebas dan tidak bebas. Regresi dapat digunakan untuk meramal-

147



tuk dari variabel tersebut. Selain analisis ini ada beberapa analisis lainnya seperti korelasi kanonik, analisis faktor, dan analisis diskriminant. 3. Analisis Variansi Pemakaian : Umumnya digunakan untuk menguji hipotesis perbedaan respons dari objek-objek yang diberikan berbagai kondisi. Berbagai metode telah tersedia. Untuk penelitian yang bersifat laboratorium teknik yang tersedia tergantung kepada komplexitas hipotesis yang diambil. Analisis variansi sederhana yang banyak digunakan dalam penelitian oseanologi terutama penelitian lapangan adalah analisis variansi satu faktor dan dua faktor. Untuk memberikan contoh yang lebih kongkrit, misalkan saja ingin dilihat apakah ada perbedaan jumlah tangkapan ikan pada berbagai habitat, apakah ada perbedaan antara jumlah fitoplankton pada musim-musim tertentu dan lain sebagainya. Asumsi : Perlakuan harus independent, pengamatan harus berdistribusi normal untuk setiap perlakuan, variansi populasi harus seragam. B. STATISTIKA NON-PARAMETRIK Statistika non-parametrik merupakan teknik lain yang dapat digunakan dalam analisis data apabila seorang peneliti tidak mengindahkan bentuk distribusi peluang dari data yang diperolehnya. Hampir semua analisis parametrik terdapat dalam teknik nonparanietrik ini. Hanya saja, dalam teknik ini yang harus diperhatikan secara seksama adalah skala pengukuran yang diambil

dalam rangka pengumpulan data. Secara garis besar ada empat skala pengukuran yang dikenal yaitu : a. Skala nominal : ukuran yang menggunakan bilangan yang semata-mata hanya untuk membagi sifatsifat suatu objek ke dalam beberapa kategori atau kelas. Sebagai contoh, warna merah, kuning, biru diberikan nilai 1,2, dan 3. b. Skala ordinal: skala ini hampir sama dengan skala nominal, hanya saja bilangan yang digunakan untuk pembagian objek ke dalam kategori mempunyai nilai tingkatan tertentu. Sebagai contoh kerusakan lingkungan bisa dinilai 1, 2, dan 3 untuk sangat rusak, rusak dan baik, akan tetapi dalam hal ini kita tidak tahu sampai sejauh mana perbedaan antara 1 dan 2. c. Skala interval : skala ini dapat dibedakan dengan skala ordinal yaitu karena mempunyai interval yang sama antara unit-unit pengukuran. Nilai ujian mahasiswa misalnya, merupakan nilai-nilai dalam skala interval. Nilai nol yang dikandung dalam interval ini bukan merupakan nilai nol yang sesungguhnya. d. Skala Ratio : merupakan skala yang memiliki sifatsifat skala interval dan mengandung nilai nol yang sesungguhnya. Dalam penelitian kelautan jenis data yang dibicarakan cukup banyak ditemui. Misalnya saja ada tidaknya jenis tertentu dalam suatu unit contoh dapat dikonversi menjadi bilangan 0 dan 1. Jumlah spesimen dapat dikategorikan ke dalam sedikit, sedang, dan melimpah dengan bilangan 0, 1, dan 2.

148



a. Analisis satu variabel Test kecocokan :

* Chi-kuadrat (NOMINAL) * Kolmogorof (ORDINAL) * lilliefors dan Shpairo-Wilks (INTERVAL)

b. Analisis Dua Variabel 1. Contoh berpasangan. Uji independensi : * Chi-kuadrat dan Fisher exact (NOMINAL) * Sign, Spearman, Kendall (ORDINAL) 2. Dua contoh acak Uji perbedaan nilai tengah :

* Chi-kuadrat (NOMINAL * Mann-Whitney U (ORDINAL) * Keacakan (INTERVAL

Uji variansi

* Rank kuadrat (ORDINAL)

:

c. Analisis lebih dari dua variabel Uji perbedaan nilai tengah : * Chi-kuadrat (NOMINAL) * Median, Kruskal-Wallis (lihat SOEDIBJO, 1981 untuk contoh penggunaan) UjiVariansi

: * Chi-kuadrat (NOMINAL * Rank Kuadrat (ORDINAL)

Dalam penelitian kelautan banyak masalah-masalah yang dapat dipecahkan dengan menggunakan analisis secara non-parameterik. Sebagai contoh SUTOMO & SOEDIBJO (1983) menggunakan uji Mann-Whitney U untuk melihat perbedaan kandungan zooplankton antara dua musim. Dalam makalah ini akan dibahas secara garis besar analisis apa saja yang dapat digunakan dan sering dijumpai dalam penelitian kelautan. STATISTIK DAN KOMPUTER Dari pembicaraan di atas tampak bahwa teknik-teknik analisis yang tersedia untuk mengolah data boleh dikatakan cukup banyak dan itupun masih ada lagi analisis lain yang belum termasuk di dalamnya.

Sudah barang tentu semua analisis ini cukup merepotkan para peneliti untuk mendalaminya apalagi untuk melakukan perhitunganperhitungan yang kadangkala melibatkan rumus-rumus yang pelik untuk dipelajari. Untuk itulah kerjasama antara data analyst, dalam hal ini statistisi dan para pakar yang akan menggunakan statistik sebagai alat olahnya, perlu kiranya dibina secara baik. Perhitungan-perhitungan yang melibatkan rumus yang cukup pelik serta jumlah data yang cukup banyak terkadang merupakan kendala para pakar dalam upaya melakukan analisis statistik ini. Komputer tampaknya merupakan salah satu alternatif yang terbaik untuk menanggulangi kendala ini. Dengan komputer analisis dapat dilakukan secara cepat dan tentunya akan memberikan

149



hasil dengan tingkat akurasi yang cukup tinggi. Namun demikian. untuk segelintir orang, inovasi teknologi canggih ini masih dianggap sesuatu hal yang menakutkan. Dalam lingkungan para pakar sendiri masih banyak di antara mereka yang apriori terhadap komputer ini. Ada dua kemungkinan yang menyebabkan hal ini terjadi, yaitu kepicikan atau kedangkalan berfikir dan ketidaktahuan. Apabila kemungkinan yang kedua ini yang terjadi, maka tidak ada masalah yang muncul. Namun sebaliknya apabila kemungkinan pertama yang terjadi, maka bencana besar tampaknya akan melanda dunia ilmu pengetahuan yang sedang kita geluti sekarang ini. Pada dasarnya komputer hanyalah barang mati yang bisa berfungsi apabila dia diberikan instruksi yang dimengerti olehnya. Secara garis besar suatu sistem komputer dapat digambarkan sebagai berikut :

Bagaimanakah hubungan antara statistik dan komputer ini ? Yang jelas adalah bahwa analisis statistik memerlukan data mentah yang akan diolah dan metode perhitungan untuk mendapatkan hasil olahannya. Analisis ini dalam pengolahan yang menggunakan komputer sudah barang tentu harus dituangkan dalam instruksi-instruksi yang ditulis dalam bahasa yang dimengerti oleh komputer. Secara diagram, analisis data secara statistik dengan menggunakan komputer dapat dijelaskan dalam gambar berikut ini :

Program analisis statistik bisa diperoleh melalui dua cara yaitu dengan membuat sendiri program tersebut melalui bahasa tingkat tinggi seperti BASIC, FORTRAN, PASCAL dan sebagainya, atau dengan menggunakan paket-paket program yang telah tersedia untuk itu. Hampir semua analisis statistik sekarang ini dapat dijumpai dalam paket-paket program ini. Oleh karena itu membuat program sendiri tampaknya sudah tidak efisien lagi, kecuali beberapa analisis yang sifatnya spesifik, seperti simulasi atau modelling. Ada beberapa jenis paket program statistik yang cukup dikenal dan jenis ini tergantung pada bagaimana program tersebut diorganisir. Program-program paket ini pada dasarnya dapat dibagi ke dalam tiga kategori besar yaitu : 1. Paket yang melibatkan pemakai dalam persiapan data, persiapan variabel (kontrol program) dan pemberian label untuk variabel. Paket-paket ini adalah : * SPSS (Statistical Package for the So cial Sciences) * BMD (Biomedical Computer Pro grams) * SAS (Statistical Analysis System) 2. Paket program yang merupakan himpunan dari subprogram. * SSP (Scientific Subroutine Package) * IMSL

150



3. Paket yang dirancang untuk digunakan 3. Berikan nama file untuk setiap kumpulan secara interaktif. Paket ini lebih mudah data. Disarankan agar nama ini mudah digunakan oleh para pemakai : untuk diingat dan berkaitan dengan data * FOSOL yang akan diolah. Sebagai contoh FOJAN * Minitab 88. DAT untuk nama Kumpulan Data * MICROSTAT Fisika Oseanografi yang dikumpulkan pada bulan Januari tahun 1988. Dan masih banyak program lainnya yang tidak dapat disebutkan satu per satu 4. Tentukan analisis apa yang akan digunakan. di sini. 5. Pilihlah perangkat lunak sesuai dengan LANGKAH-LANGKAH YANG analisis yang akan dipakai. Hal ini untuk DIPERLUKAN DALAM MENGGUNAKAN menghindarkan penggunaan perangkat KOMPUTER UNTUK ANALISIS lunak yang rumit yang kadangkala meSTATISTIK makan waktu untuk mempelajarinya. Ada beberapa perangkat lunak yang sederhana Dengan tersedianya berbagai perangkat akan tetapi dapat digunakan untuk analunak untuk keperluan analisis, maka para lisis yang cukup rumit. pakar saat ini tidak perlu bersusah payah lagi 6. Diskusikan hasil analisis dengan statistisi untuk melakukan analisis data yang mereka untuk mendapatkan kesimpulan yang miliki. Hanya saja yang perlu diperhatikan lebih sempurna. adalah para pakar tersebut harus bersedia untuk mengenal lingkungan komputer itu PENUTUP sendiri. Beberapa hal yang penting untuk diperhatikan agar pengolahan data dapat Dari hasil pengamatan penulis, pendeberjalan lancar apabila menggunakan komputer katan analisis secara kuantitatif yang lebih adalah : mendalam sudah saatnya untuk menjadi 1. Persiapkan data secara rapih dan teratur. bahan pemikiran bagi para pakar dalam Disarankan agar data ditulis dalam bentuk rangka penarikan kesimpulan atas hasil pematriks di mana kolom merupakan varia- nelitian yang dilakukannya. Kesulitan akan bel dan baris merupakan ulangannya. Se- perhitungan-perhitungan yang pelik saat kini bukan lagi merupakan kendala yang utama, bagai contoh : mengingat munculnya bermacam komputer pribadi (Personal Computer) dan piranti luPengamatan ke Salinitas Fosfat Nitrat nak yang sudah banyak beredar di masyarakat luas. Kemauan dan mau membuka diri.......... ... ... ... lah yang akan menjadi salah satu kunci uta.......... ... ... ... ma guna mencapai keberhasilan suatu peneli.......... ... ... ... tian. Analisis yang dibicarakan dalam tulisan ini barulah sebagian kecil dari beragam analisis yang ada. Semua analisis yang di2. Siapkan media penyimpanan (diskette, perlukan oleh para pakar oseanologi kini pita magnetic dan lain sebagainya). sudah dapat dilakukan oleh Pusat Data Ke-

151



lautan Puslitbang Oseanologi – LIPI, Jakarta. Oleh karena itu kerja sama dan keterbukaan dari pakar tentunya akan memberikan hasil yang maksimal sesuai dengan kemajuan ilmu pengetahuan itu sendiri.

DAFTAR PUSTAKA BOX, G.E.P. and W.G. JENKINS, 1976. Time series analysis, forecasting and control San Francisco : Holden-Day Inc. 575 pp. CASSIE, R.M. 1967. Mathematical models for the interpretation of inshore plankton communities. In .Estuaries : Ecology and Populations., 509–514. CONOVER, W.J. 1971. Practical nonparametric statistics. New York : John Wiley & Sons. 493 pp. GERARD, G. and P. BERTHET 1971. Sampling strategy in censusing patchy

distribution. In : Statistical ecology, Volume I, eds. G.P. Patil, E.C. Pielou dan W.E. Waters. The Pennsylvania State University Press: 59 – 68. KING, R.S. and B. JULSTROM 1983. Applied statistics using the computers. Alfred Publishing Co, Inc. 477 pp. MURDIE, G., 1971. Simulation of the effects of predator/parasite models on prey/host spatial distribution. In : Statistical Ecology, Volume I, eds. G.P. Patil, E.C. Pielou dan W.E. Waters. The Pennsylvania State University Press : 215–234. SOEDIBJO, B.S. 1981. Penggunaan uji Mann-Whitney. Pewarta Oseana. VIII (3): 19–23. SUTOMO, A.B. dan B. S. SOEDIBJO 1983. Kandungan zooplankton di Laut Banda pada bulan April-November 1970. Makalah disampaikan pada Seminar Biologi VI, Surabaya 17–19 July 1985.

152


SUATU PENDEKATAN KUANTITATIF. oleh. Bambang S. Soedibjo 1 ) ABSTRACT

Recommend Documents