Uploaded by User99581

PERTUMBUHAN (2)

advertisement
Mochamad Rudyansyah Ismail
t (time)
10 cm
15 cm
log W = log a + b log L
W=aLb
b=3
b≠3
b>3
b<3
pertumbuhan
pertumbuhan
pertumbuhan
pertumbuhan
ikan tergolong isometrik
allometrik
allometrik positif
allometrik negatif
1. Secara
relatif model
pengetrapannya;
harus
lebih
mudah
dalam
2. Karakteristik-karakteristik
pertumbuhan
harus
memberikan gambaran tertentu yang layak dalam selang
waktu yang diinginkan;
3. Sejumlah asumsi harus sekecil dan setepat mungkin;
4. Karakteristik yang berguna bagi suatu model pertumbuhan
adalah yang mudah dipadukan dengan model-model
dinamika populasi ikan.
Wt = Woegt
dimana:
1.
2.
3.
4.
5.
6.
Model
Model
Model
Model
Model
Model
Wt = berat ikan pada waktu t
Wo = berat awal
e = dasar logaritma natural (= 2.7182818)
g = koefisien pertumbuhan
linier
logaritmik
eksponensial
geometric
Gompertz
von Bertalanffy
:
:
:
:
:
:
Lt = a + bt
Lt = a + b log t
Lt = a.bt
Lt = a.tb
Lt = a.ebt
Lt = L∞ [1 – e-K(t – to)]
Sebelumnya harus dilakukan pengujian ketepatan model:
n
€ = 1/n ∑ (Lj – Lc)2
i =1
dimana: € = error; Lj = panjang yang didapat dari observasi; Lc =
panjang yang didapat dari perhitungan; n = jumlah observasi
Model von Bertalanffy: Lt = L∞ [1 – e-K(t – to)]
1. Persamaan pertumbuhan von Bertalanffy berdasarkan panjang:
Lt = L∞ [1 – e –K(t – to)]
2. Persamaan pertumbuhan von Bertalanffy berdasarkan berat:
Wt = W∞ [1- e-K(t-to)]3
Menurut Pauly (1980 :
L∞ = panjang maksimum (mencapai umur sangat tua atau umur tak terhingga);
K = koefisien pertumbuhan;
to = umur ikan pada saat L = o (to umumnya mempunyai nilai negatif);
Lt = panjang ikanpada umur t
Menurut Sparre, et al (1989), parameter K disebut juga sebagai
parameter “kurvatur” yang menentukan berapa cepat ikan mendekati L∞.
Menurut Van Sickle (1975), parameter L∞ dan to sukar didapat di
alam, sehingga satu-satunya parameter yang dapat digunakan untuk
menganalisis pola pertumbuhan adalah K. Dengan demikian parameter K
bukan merupakan parameter yang bersifat matematis, tetapi lebih bersifat
fisiologis, yang berarti bahwa penambahan ukuran tubuh merupakan hasil
bersih dari proses anabolisme dan katabolisme.
MODEL YANG BERHUBUNGAN DENGAN BERAT.
Massa = Densitas . Volume
M= (M/L3)(L3)
Pertumbuhan isometrik : W = a L3
Mengkombinasikan persamaan pertumbuhan isometrik dengan VBGF.
W = a L3 dan L(t) = L ∞ [ 1 – exp (-K (t – to) ) ]
Wt = a [ L ∞ [ 1 – exp ( -K(t-to))] ]3
Wt = W ∞ [ 1 – exp ( -K(t-to)) ] ↔ dimana W ∞ = a (L ∞)3
Kurva pertumbuhan dengan parameter “kurvatur” dan nilai K yang berbeda
(Sparre, et al.,1989)
5.7. Estimasi
Parameter-Parameter
Pertumbuhan Von
Bertalanffy (VBGF)
• Ada beberapa metode:
1. Plot Von Bertalanffy
2. Ford Walford Plot
3. Metode Least Squares
4. Gulland and Holt Plot
Persamaan
(1). Plot von Bertalanffy
VBGF secara umum adalah: Lt = L∞ [ 1 – e –K (t – to)]
atau bisa ditulis (Lt/L∞) = 1 – e –K (t-to)
atau 1- (Lt/L∞)=e – K(t – to)
atau – ln[ – (Lt/L∞) ] = - Kto + Kt
maka persamaan menjadi :
- ln[1 – (Lt/L∞)] = -Kto + Kt
merupakan
persamaan linier (y = a + bx)
dimana:
y = -ln[1 – (Lt/L∞)];
x = t; intercept (a) = -Kto;
slope (b) = K
Diperoleh nilai K = b dan to = -a/K = -a/b
Contoh:
Tabel berikut adalah input data dan regresi untuk
“Plot von Bertalanffy”
Tabel 4.7.1. Input data dan regresi untuk “Plot von Bertalanffy”
X
Y
t
L(t)
0.64
1.16
1.65
2.10
2.64
3.21
17.3
27.9
35.3
40.2
43.2
45.5
Dari perhitungan didapat nilai: a = - 0.0658
b = K = 0.78
to = - a/b = 0.084
- ln (1 – Lt/L∞)
0.425
0.816
1.224
1.630
1.995
2.408
Plot von Bertalanffy untuk data pada Tabel 4.7.1
2. FORD-WALFORD PLOT
Untuk mengkaji parameter pertumbuhan von Bertalanffy dari data yang
menggambarkan rentang waktu yang sama.
Dari semua metode yang digunakan untuk estimasi parameter VBGF, metode FordWalford plot merupakan yang paling banyak digunakan.
Metode ini diintroduksi oleh Ford (1933) dan Walford (1946)
Didasarkan pada persamaan :
Lt = L∞ (1 – e-Kt ) ………………………………………………………… (1)
Lt = L∞ - L∞ . e-Kt
L∞ - Lt = L∞ . e-Kt ………………………………………………………… (2)
Mengganti Lt dengan Lt+1 , maka
Lt+1 = L∞ ( 1 – e-K (t+1) ) …………………………………………………… (3)
Selisih persamaan (3) dengan persamaan (1) adalah :
Lt+1 – Lt = L∞ ( 1 – e-K(t+1) ) - L∞ ( 1 – e-Kt )
= -L∞ . e-K(t+1) + L∞ . e-Kt
Lt+1 – Lt = -L∞ . e-Kt ( 1 – e-Kt ) …………………………………………… (4)
Memasukkan persamaan (2) ke dalam persamaan (4), maka
Lt+1 – Lt = ( L∞ - Lt ) ( 1 – e-Kt )
Lt+1 – Lt = L∞ ( 1 – e-K ) – ( Lt -Lt . e-K )
Lt+1 = L∞ ( 1 – e-K ) + ( Lt . e-K ) …………………………………………… (5)
y
a
x
b
dengan: y = Lt+1 (panjang pada umur satu tahun lebih
muda)
x = Lt (panjang pada umur satu tahun)
Gbr. 4.5. Plot Ford Walford
Parameter L∞ dan K dapat ditentukan secara langsung dari garis
melalui analisis regresi, sedangkan to dapat diestimasi dari persamaan
sbb (Gulland, 1969):
Lt = L∞[1 – e-K(t-to)]
e-K(t-to) = L∞ - Lt
to = t + 1/K log (L∞ - Lt)/(L∞)
Contoh:
Tabel 4.2. Data panjang terhadap umur dari “Atlantic yellowfin”
(Thunnus albacares) untuk penggunaan plot Ford-Walford (Pauly, 1984)
Umur (tahun)
FL (cm)
Data disusun kembali untuk plot Ford-Walford
1
35
Lt ( = x)
Lt+1 ( = y)
2
55
35
55
3
75
55
75
4
90
75
90
5
105
90
105
6
115
105
115
Plot untuk data pada Tabel 4.2 di atas dan tentukan parameter-parameternya
(3). Metode “Least Squares”
Metode ini didasarkan pada persamaan pertumbuhan von Bertalanffy (4.9) sbb:
Lt = L∞[1 –e –K(t-to)]
Lt + T = L∞[1 –e-K(t+T-to)]
Lt+T – Lt = L∞e-K(t-to)(1-e-KT)
Lt+T – Lt = (L∞ - Lt) (1 – e-KT)
Kurva spesial T = 1 tahun
Lt+1-Lt = L∞(1 - Lt) (1 – e-KT)
Lt+1 – Lt = L∞(1-e-K) – (1 – e-K)Lt
dimana :
merupakan bentuk regresi y atas x
y = Lt+1 – Lt adalah pertambahan panjang per tahun (annual increment)
x = Lt adalah panjang awal (initial length)
Dengan memplot Lt+1 – Lt terhadap Lt didapat garis lurus dengan slope =
(1 – e-K) dan intersep = L∞(1-e-K)
Gbr. 4.6
Gbr. 4.6. Pertambahan panjang per tahun (Lt+1 – Lt)
diplot terhadap panjang awal (Lt)
Parameter-parameter VGBF diperoleh melalui analisis regresi
Contoh:
Tabel 4.3. Data panjang terhadap umur untuk penggunaan metode
“least squares”
Umur (tahun)
FL (Cm)
Data disusun kembali untuk metode
squares”
“least
Lt ( = x)
Lt+1 – Lt ( = y)
1
15.7
15.7
1.5
2
17.2
17.2
2.1
3
19.3
19.3
2.1
4
21.4
21.4
1.3
5
22.7
22.7
Plot untuk data pada Tabel 4.3 di atas dan tentukan parameter-parameternya
(4). Plot Gulland dan Holt
Menurut Sparre, et al (1989), metode ini didasarkan pada persamaan
yang diintroduksikan oleh Gulland
dan Holt (1959), yaitu:
∆L/∆t = K L∞ - K L(t)
Cm/tahun……………………………………..(4.11)
Dengan menggunakan Lt sebagai variabel bebas (independent
variable) dan ∆L/∆t sebagai variabel tak
bebas (dependent variable), persamaan di atas menjadi regresi linier:
∆L/∆t = a – b L(t)
Parameter K dan L∞ diperoleh dari: K = - b dan L∞ = - a/b
Metode ini tidak menghasilkan estimasi to
Contoh:
Tabel 4.4. Input data untuk plot Gulland dan Holt dan analisis regresi (Sparre, et al.,1989)
Y
t
∆t
0.64
L(t)
X
∆L(t)
∆L(t)
∆t
L(t + ∆t) + L(t)
2
10.6
20.4
22.6
7.4
15.1
31.6
4.9
10.9
37.7
3.1
5.7
41.8
2.2
3.9
44.4
17.3
0.52
1.16
27.9
0.49
1.65
35.3
0.45
2.10
40.2
0.54
2.64
43.3
0.57
3.21
45.5
b (slope) = - 0.7670
a (intersep) = 38.52
sb2 =1/n-2[(sy/sx)2 - b2] = 1/3[6.7727/8.7362)2 – 0.76702] = 0.004216
sb = 0.06493
t(n-2) = 3.18
Batas-batas kepercayaan (confidence limits) 95% untuk b: [-0.974, -0.561)
sa2 = sb2 (n-1 sx2 +x2) = 0.004216 (4/5 8.73622 + 35.622) = 5.606
n
sa = 2.37
Batas-batas kepercayaan 95% untuk a: [31.0 , 46,1]
n=5
Gbr. 4.7. Plot Gulland dan Holt sesuai Tabel 4.4. (contoh hipotetis)
Titik potong antara garis regresi dengan sumbu-x menunjukkan L∞
Download