Fungsi kemiripan menghitung kesamaan dan ketidaksamaan antara dua objek yang diobservasi. Objek yang dimaksud disini adalah komunitas yang saling berbeda. Ludwig & Reynolds (1988) menyatakan bahwa kemiripan suatu komunitas dengan komunitas lain dapat dinyatakan dengan similarity coefficients dan distance coefficients. Similarity coefficients memiliki nilai yang bervariasi antara 0 (jika kedua komunitas benar-benar berbeda) hingga 1 (jika kedua komunitas identik). Similarity coefficients dapat ditunjukkan dengan beberapa indeks seperti indeks Dice dan Jaccards. Distance coefficients atau dissimilarity coefficients merupakan kebalikan dari similarity coefficients.
Distance coefficients dapat dihitung menggunakan tiga kelompok indeks yaitu E-group (the Euclidean distance coefficients), BC-group (Bray-Curtis dissimilarity index), dan RE-group (the relative Euclidean distance). Dari ketiga kelompok di atas, Ludwig & Reynolds (1988) merekomendasikan untuk menggunakan BC-group (Bray-Curtis dissimilarity index) dan RE-group (the relative Euclidean distance) dalam menghitung indeks ketidaksamaan karena perhitungan dengan Euclidean distance coefficients dapat memberikan hasil yang bias.
Bloom (1981) telah membandingkan keakuratan empat similarity indices (indeks Bray-Curtis, Canberrra metric, indeks Morisita yang dimodifikasi oleh Horn dan Horn’s Information Theory Index). Indeks Bray-Curtis ternyata memberikan keakuratan yang lebih baik daripada ketiga indeks lainnyya. Horn’s Information Theory Index dan indeks Morisita yang dimodifikasi oleh Horn memberikan hasil yang overestimate sedangkan Canberra metric cenderung underestimate.
Berikut rumus IS Bray-Curtis:
IS = {2W/(a+b) }x 100%
Dimana : IS : index of similarity
W : jumlah individu yang lebih rendah atau sama dari pasangan jenis yang dibandingan pada dua komunitas
a : jumlah individu semua jenis pada komunitas A
b : jumlah individu semua jenis pada komunitas B
Next Journey Please! 
Tulisannya hebat (dan berat buat saya) tapi saya belajar banyak dari tulisan yang mengalir dan menyenangkan ini. Saya bilang berat karena dulu pernah berkali-kali mengulang mata kuliah statistik karena saya begitu bodoh untuk subyek yang satu ini.
Btw, di Twitter saya dimention ya, biar nanti saya follback. 😉
Salam persahablogan,
@wkf2010 🙂
Waduh, ada tamu agung..hehehe.
Terima kasih ya Pak Wkf sudah mampir di blog saya. Sebenarnya tulisan yg ini merupakan salah satu bagian dari skripsi saya yg saya modifikasi ulang, jadi berasa berat. hehehe. Niatnya nanti metode2 yg sy pakai utk skripsi mw saya modif ulang dan diposting disini.
Siappp.. nanti sy mention.
Salam. 😛
mbak dwi untuk indeks bray curtis yang anda buat kenapa pada rumusnya indeks bc tergolong indeks similarity?
Sebenarnya menurut saya dan seingat saya (maaf sudah lama gak baca text book nya), sama saja mau dimasukkan ke index similarity/disimilarity. Akan tetapi yg dihitung oleh Bray Curtis adalah indeks kesamaan, sehingga kalau mau menghitung ketidaksamaannya tinggal 100%-IS nya. Atau mungkin maksud dari pertanyaan Mas Trisna bukan ini ya? hehe. mohon koreksinya
mb dwi,, pustaka buat blajar indeks bray curtis apa y?? saya mw belajar tapi blm punya referensi. msh blm paham.. terima kasih
Kalau ndak salah, seingat saya lo ya, di buku Ludwig and Reynold yg “Statistical Ecology” penjelasan ttg index tsb cukup jelas.. jadi bisa dirujuk ke buku tsb.