Statistical Ecology: #2 Cara Menghitung Indeks Morisita

Hai hai.. apa kabar blogger sekalian? Kali ini saya ingin share mengenai Indeks Morisita.

Pada skripsi saya yang bertemakan ekologi pohon merbau, salah satu topik bahasannya adalah menganalisis pola sebaran spasialnya menggunakan indeks Morisita. Salah satu rujukan asli yang mencantumkan indeks tersebut adalah jurnal yang ditulis Morisita sendiri tahun 1959, namun sayangnya jurnal tersebut sulit untuk diakses secara gratis di internet (berdasarkan pengalaman saya sih).

Selain itu terdapat satu lagi rujukan buku Krebs yang berjudul Ecology: The Experimental Analysis of Distribution and Abundance tahun 1985. Nah, karena saya sudah muter2 di perpustakaan IPB dan semua perpustakaan di empat departemen Fahutan IPB, ternyata buku tersebut ada katalognya tapi tidak ada bendanya alias raib, maka sempat shock lah saya. Berdasarkan penelusuran saya hanya kedua sumber di atas lah yang menyajikan indeks Morisita secara asli dan lengkap tanpa merujuk ke rujukan lain.

Akhirnya, saya menemukan sebuah jurnal dari Thailand tahun 2005 yang berjudul Nest dispersion of a stingless bee species, Trigona collina Smith, 1857 (Apidae, Meliponinae) in a mixed deciduous forest in Thailand. Pada jurnal tersebut menyampaikan tentang ketiga tahapan rumus yang diperlukan dalam menghitung pola sebaran suatu spesies.

Kemudian mengapa memilih indeks Morisita untuk menghitung pola sebaran suatu individu? Mengapa saya tidak menggunakan indeks yang lain? Alasannya sih karena dosen pembimbing saya merekomendasikan saya untuk menggunakan indeks tersebut. Hehhee. Namun alasan ilmiahnya bisa dilihat pada salah satu cuplikan dari skripsi saya di bawah ini:

“Pola sebaran spasial suatu spesies dapat diidentifikasi dengan menggunakan berbagai macam indeks sebaran, antara lain dengan rasio varian dan mean, Indeks Clumping, Koefisien Green, Indeks Morisita, Standarisasi Indeks Morisita dan rasio antara kepadatan observasi dengan kepadatan harapan (Rani 2003). Iwao (1968) menyatakan bahwa Indeks Morisita (Id) adalah yang paling sering digunakan untuk mengukur pola sebaran suatu spesies karena hasil perhitungan dari indeks tersebut tidak dipengaruhi oleh perbedaan nilai rataan dan ukuran unit sampling. Southwood (1966) dan Pielou (1969) juga menyatakan hal yang sama. Menurut Southwood, indeks Morisita dapat menunjukkan pola sebaran suatu spesies dengan sangat baik. Indeks ini bersifat independent terhadap tipe-tipe distribusi, jumlah sampel dan nilai rataannya. Oleh karena itu, menurut Pielou (1969) berapa pun ukuran contohnya, indeks Morisita akan memberikan hasil yang relatif stabil. Standarisasi indeks Morisita merupakan perbaikan dari Indeks Morisita dengan meletakkan suatu skala absolut antara -1 hingga 1. Suatu penelitian simulasi membuktikan bahwa indeks ini merupakan metode terbaik untuk mengukur pola sebaran spasial suatu individu karena tidak bergantung terhadap kepadatan populasi dan ukuran sampel (Rani 2003).”

Nah, jadi udah tau kan sekarang kelebihan indeks tersebut apa? Hehehee. Oke sekarang lanjut pada proses perhitungannya. Secara umum terdapat tiga langkah untuk menghitungnya, yaitu:

1. Menghitung nilai indeks Morisita (Id)

Dimana: n adalah jumlah plot contoh, dan x adalah jumlah individu yang ditemukan pada setiap plot. Jadi misalkan saya dulu ingin menghitung sebaran merbau di lima lokasi hutan. Pada masing-masing hutan saya membuat plot berbentuk jalur sebanyak 3 jalur, amsing-masing berukuran 20 x 500 meter yang dibagi lagi menjadi plot contoh berukuran  20×20 meter. Jadi pada setiap satu lokasi akan ada 75 plot contoh. So, n nya adalah 75.

2. Menghitung Mu dan Mc dengan rumus sebagai berikut:

3. Menghitung Standar derajat Morisita:

Ip disini ada 4 rumus. Jadi ada 4 kondisi kita  menghitung Ip dengan rumus yang mana.

Kondisi yang pertama, jika nilai Id > 1, dan Id > atau = Mc, maka pakai rumus 1.

Kedua, jika nilai Id > 1, dan Id < Mc, maka pakai rumus 2.

Ketiga, jika nilai Id < 1, dan Id > Mu , maka pakai rumus 3.

Keempat jika nilai Id < 1, dan Id < Mu, maka pakai rumus 4.

Kemudian, langkah yang terakhir adalah menentukan pola sebaran berdasar nilai Ip di atas. Jika Ip < 0 maka pola sebarannya SERAGAM. Jika Ip = 0 maka pola sebarannya ACAK, dan jika Ip > 0 maka pola sebarannya MENGELOMPOK.

Nah.. Bagaimana? Masih pada bingung tidak? Hehehe.. cukup mudah bukan. Jika masih bingung, silakan ajukan pertanyaan melalui coment di bawah ini. Sebenanrnya yang paling sulit disini bukanlah proses menghitungnya, namun proses menganalisis mengapa pola sebarannya bisa acak, mengelompok, atau seragam. Disinilah diperlukan tingkat analisis yang dalam bahkan saya dulu sampai dibuat pusing berhari-hari untuk memaknai pola sebarannya. Kita harus punya beberapa parameter ekologi terutama biofisik untuk membantu interpretasi makna sebarannya. So, berminat untuk menggunakan indeks ini? Silakan mencoba! 😛

Contoh perhitungan excel ada di bawah ini ya. Saya pakai data ngasal dengan jumlah sampel 9 plot. Rumus excel untuk perhitungan masing-masing cell (B13-B18) saya copy di samping cell yang bersangkutan ya, yang warna merah. Selamat mencoba.