Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

DINAMIKA POPULASI BIODIVERSITAS Pengajar: 1.Dr.Ir. Yanto Santosa, DEA. (YSA) 2.Dr.Ir. Agus P. Kartono, M.Si. (APK)

Presentasi serupa


Presentasi berjudul: "DINAMIKA POPULASI BIODIVERSITAS Pengajar: 1.Dr.Ir. Yanto Santosa, DEA. (YSA) 2.Dr.Ir. Agus P. Kartono, M.Si. (APK)"— Transcript presentasi:

1 DINAMIKA POPULASI BIODIVERSITAS Pengajar: 1.Dr.Ir. Yanto Santosa, DEA. (YSA) 2.Dr.Ir. Agus P. Kartono, M.Si. (APK)

2 Populasi Aktual Populasi ideal

3 Pengamat diam Pengamat bergerak Driving count Concentration count Penjagalan Metoda Petak Metoda Jalur/Transek Metoda Titik Helikopter kuda Penghitungan jejak Penghitungan suara Penghitungan feces

4 Outline perkuliahan  Pendahuluan (1 minggu)  Parameter demografi (1 minggu)  Pendugaan Umur Satwa (1 minggu)  Review metoda inventarisasi satwa (1 minggu)  Model Pertumbuhan Populasi (2 minggu)  Neraca Kehidupan (1 minggu)  Matriks Leslie (2 minggu)  Model Persaingan/Pemangsaan (2 minggu)  Penentuan Kuota Pemanenan (2 minggu)

5 Pustaka 1).Bailey, J.A Principles of Wildlife Management. John Wiley & Sons. New York. 373p. 1).Bailey, J.A Principles of Wildlife Management. John Wiley & Sons. New York. 373p. 2).Caughley, G Analysis of Vertebrate Population. A Wiley- Interscience Publication, John Wiley & Sons. London. 234p. 2).Caughley, G Analysis of Vertebrate Population. A Wiley- Interscience Publication, John Wiley & Sons. London. 234p. 3).Caughley, G. and A.R.E. Sinclair Wildlife Ecology and Management. Blackwell Science. Cambridge. 3).Caughley, G. and A.R.E. Sinclair Wildlife Ecology and Management. Blackwell Science. Cambridge. 4).Hasibuan, K.M Pemodelan Matematika Di Dalam Biologi Populasi: Dinamika populasi. PAU IPB bekerjasama dengan LSI-IPB. 170p. 4).Hasibuan, K.M Pemodelan Matematika Di Dalam Biologi Populasi: Dinamika populasi. PAU IPB bekerjasama dengan LSI-IPB. 170p. 5).Krebs, C.J Ecology: The experimental analysis of distribution and abundance. Second Edition. Harper International Edition, Harper & Row Publisher. New York. 678p. 5).Krebs, C.J Ecology: The experimental analysis of distribution and abundance. Second Edition. Harper International Edition, Harper & Row Publisher. New York. 678p. 6).Poole, R.W An Introduction to Quantitative Ecology. McGraw- Hill Book Company. New York. 532p. 6).Poole, R.W An Introduction to Quantitative Ecology. McGraw- Hill Book Company. New York. 532p. 7).Tarumingkeng, R.C Dinamika Populasi: Kajian ekologi kuantitatif. Pustaka Sinar Harapan dan Universitas Kristen Krida Wacana. Jakarta. 284p. 7).Tarumingkeng, R.C Dinamika Populasi: Kajian ekologi kuantitatif. Pustaka Sinar Harapan dan Universitas Kristen Krida Wacana. Jakarta. 284p.

6 1). Ujian Tengah Semester (UTS)=35% 2). Ujian Akhir Semester (UAS)=40% 3). Tugas-tugas Praktikum=25%

7 Definisi Populasi Kumpulan individu sejenis yang hidup pada tempat dan waktu yang bersamaan Kumpulan individu sejenis yang hidup pada tempat dan waktu yang sama dan mampu saling berinteraksi/komunikasi satu sama lain Kumpulan individu sejenis yang hidup pada tempat dan waktu yang sama dan mampu berkembang biak untuk mempertahankan eksistensinya Sekumpulan objek (individu, ruang, waktu, unit) yang ingin dipelajari

8 Batasan Satwa Liar Binatang yang memberikan reaksi antagonistik pada manusia Binatang yang memberikan reaksi antagonistik pada manusia Binatang yang hidup di alam bebas dengan sesedikit mungkin campur tangan manusia Binatang yang hidup di alam bebas dengan sesedikit mungkin campur tangan manusia

9

10 Minggu ke-2 Parameter Demografi Populasi Satwaliar

11 Parameter Demografi Satwa Ukuran Populasi (Efektif) Kelahiran (Natalitas) : kasar & spesifik Kematian (Mortalitas) : kasar & spesifik Imigrasi (masuk) Emigrasi (keluar) Struktur Umur (Piramida Umur) Sex-ratio (jantan/betina)

12 Batasan Parameter Demografi  Ukuran populasi:jumlah keseluruhan individu/anggota populasi  Natalitas/laju kelahiran  Mortalitas/laju kematian 1.global/kasar: perbandingan antara jumlah anak yang lahir terhadap jumlah keseluruhan anggota populasi 2.Spesifik/khusus: perbandingan antara jumlah anak yang lahir dari induk kelas umur tertentu terhadap jumlah anggota dari kelas umur tersebut 1.global/kasar: perbandingan antara jumlah individu yang mati terhadap jumlah keseluruhan anggota populasi 2.Spesifik/khusus: perbandingan antara jumlah individu yang mati dari kelas umur tertentu terhadap jumlah anggota dari kelas umur tersebut

13 Lanjutan …… Imigrasi jumlah individu dari luar populasi yang masuk populasi yang dipelajari Emigrasi jumlah individu yang keluar dari populasi yang dipelajari Sex ratio 1.global/kasar: perbandingan antara jumlah seluruh jantan terhadap jumlah seluruh betina dalam suatu populasi 2.Spesifik/khusus: perbandingan antara jumlah jantan pada kelas umur tertentu terhadap jumlah betina dari kelas umur tersebut

14 Struktur populasi/piramida umur gambaran proporsi jumlah individu pada setiap kelas umur dan jenis kelamin terhadap jumlah keseluruhan anggota populasi Normal populasi lestari Terganggu pengaturan populasi - keseluruhan kelas umur - tdk seluruh kelas umur Lanjutan ……

15 Contoh Jtnbtnjtnbtn jtnbtn I (bayi) II (umur 1 th) III (umur 2 th) IV (umur 3 th) V (umur 4 th) VI (umur 5 th) VII (umur 6 th) VIII (umur 7 th)

16 Faktor-faktor Penentu Kelahiran Masa kawin & umur potensial repro % betina potensial reproduktif Sex ratio klas umur pot reproduktif % betina hamil Quantity & quality embryo/betina hamil Jumlah anak yang lahir Kemampuan asuh induk

17 Faktor-Faktor penentu kematian Pemangsaan/perburuan Penyakit/parasit Keterbatasan umur biologis Ketersediaan pakan/minum Persaingan/perkelahian Iklim Bencana alam/kecelakaan

18

19 Permasalahan Dalam Memperoleh Data Demografi Satwa Data series tidak selalu tersedia Penelitian Demografi Satwa msih terbatas Pendugaan umur satwa Penerapan Metoda Inventarisasi - Peluang utk ktemu satwa < 1 - Inter-individu dependent - tidak bersifat universal (tergantung jenis dan tipe habitat) - keragaman inter-pengamat

20 Pengamat diam Pengamat bergerak Drive count Concentration count Penjagalan Metoda Petak Metoda Jalur/Transek Metoda Titik C-M-R Helikopter kuda Penghitungan jejak Penghitungan suara Penghitungan feces

21 Minggu ke-3 Model Pertumbuhan Populasi

22 Model Pertumbuhan Populasi 1. Model Eksponensial (geometrik) - ditemukan oleh T. Robert MALTHUS (1766) - individu2 seragam dng laju rep konstans sepanjang wkt - tdk ada persaingan diantara individu2 - selalu tersedia ruang dan makanan utk mndukung pop 2. Model Logistik - ditemukan oleh VERLHUST-PEARL dan REED (1920) - dikenal jg dng istilah Model Terpaut Kepadatan - pertumbuhan dipengaruhi ukuran populasi - daya dukung habitat terbatas 3. Model Terpaut Umur - diajukan oleh LESLIE-LEWIS - pertumbuhan ditentukan oleh struktur umur (fecundity & peluang hidup) - daya dukung habitat terbatas - yang diperhitungkan hanya satwa betina

23 Model Exponential  Dikenal dengan Model Geometrik  N t = N o e rt atau N t = N o ג t dimana : dimana : N t = ukuran populasi pada tahun ke-t N t = ukuran populasi pada tahun ke-t N o = ukuran populasi awal N o = ukuran populasi awal r = laju pertumbuhan intrinsik r = laju pertumbuhan intrinsik t = t - o t = t - o

24 Kurva Exponential Nt Nt t t Nt Nt t t t

25 Contoh (1) : Jika suatu individu menghasilkan anak 5 ekor/hari dan N (0) = 5, berapakah N (1), N (2), N (3), dan N (5) Jawab : N (0) = 5 N (1) = 5 N (0) = 25 N (2) = 5 2 N (0) = 125 N (3) = 5 3 N (0) = 625 N (5) = 5 5 N (0) =

26 Contoh 2 : Tuliskan model yang diperoleh pada contoh 1. dalam bentu model persamaan matematik Jawab : Model yang sesuai untuk masalah pada contoh adalah N(t) = 5 t, jika pada waktu t = 0 hanya ada 1 individu. Karena N(0) = 5, maka modelnya adalah N (t) = (5)5 t. Jika laju reproduksi 5 kita tulis dalam bentuk e maka akan diperoleh r = Oleh karena itu model tadi dapat kita tulis menjadi … N(t) = 5e(1.61)t atau atau N(t) = N(0) e rt N(t) = N(0) e rt

27  Konstanta r, di dalam ekologi, dikenal sebagai laju pertumbuhan populasi intrinsik, sedangkan didalam matematika r disebut sebagai parameter persamaan eksponensial  Satuan untuk konstanta ini ialah jumlah/waktu.  Kalau misalnya populasi manusia memiliki r = , maka satuan waktunya harus disertakan, misalnya tahun. Jika satuan waktunya diganti menjadi bulan, maka r yang sesuai untuk satuan waktu bulan itu ialah /12 atau kira-kira Jika satuan waktunya minggu, maka r yang sesuai ialah /52 atau kira-kira  Konstanta ג yang disebut di depan sebagai laju repdoruksi, atau nisbah antara ukuran populasi pada suatu waktu dengan ukuran populasi satu unit waktu sebelumnya ג = N(t)/N(t-1). Jadi, N(1)/N(0) = ג N(2)/N(0) = גN(1)/N(0) = ג2 N(2)/N(0) = גN(1)/N(0) = ג2 N(3)/N(0) = גN(2)/N(0) = ג3 N(3)/N(0) = גN(2)/N(0) = ג3 N(t)/N(0) = ג t N(t)/N(0) = ג t

28 Pendekatan lain model eksponensial dapat dilakukan sebagai berikut: Pendekatan lain model eksponensial dapat dilakukan sebagai berikut: Berdasarkan asumsi 1, maka laju pertumbuhan populasi r, adalah konstan. Ini dapat diterjemahkan ke dalam bahasa matematika sebagai Berdasarkan asumsi 1, maka laju pertumbuhan populasi r, adalah konstan. Ini dapat diterjemahkan ke dalam bahasa matematika sebagai Ruas kiri persamaan dibaca sebagai laju pertumbuhan per kapita. Persamaan ini dapat juga ditulis sebagai: Ruas kiri persamaan dibaca sebagai laju pertumbuhan per kapita. Persamaan ini dapat juga ditulis sebagai:

29 Jika r = 0.83 dan N(0) = 2, hitunglah N(t) untuk t = 0, 1, 2, …, 6 kemudian gambarkan itu pada suatu grafik. Jika r = 0.83 dan N(0) = 2, hitunglah N(t) untuk t = 0, 1, 2, …, 6 kemudian gambarkan itu pada suatu grafik. Jawab: Karena r = 0.83 dan N(0) = 2, maka persamaan esponensial pertumbuhan populasi ini adalah Jawab: Karena r = 0.83 dan N(0) = 2, maka persamaan esponensial pertumbuhan populasi ini adalah N(t) = 2e 0.83t N(t) = 2e 0.83t dimana e 0.83 = 2.3 dimana e 0.83 = 2.3 Oleh karena itu, dengan memasukkan nilai e 0.83 untuk t yang sesuai ke dalam persamaan eksponensial di atas diperoleh hasil sebagai berikut: Oleh karena itu, dengan memasukkan nilai e 0.83 untuk t yang sesuai ke dalam persamaan eksponensial di atas diperoleh hasil sebagai berikut: t N(t)

30 Hasil yang diperoleh itu dapat digambarkan dalam grafik sbb: Gambar Grafik Persamaan N(t) = N(0)e rt Gambar Grafik Persamaan N(t) = N(0)e rt Untuk r = 0.83 dan N(0) = 2 Untuk r = 0.83 dan N(0) = 2

31 Cara menghitung r yang sesungguhnya akan dibicarakan di dalam bab lain. Namun nilai r dapat juga kita aproksimasi dengan cara berikut: Cara menghitung r yang sesungguhnya akan dibicarakan di dalam bab lain. Namun nilai r dapat juga kita aproksimasi dengan cara berikut: Tuliskan persamaan N(t) = N(0)e rt dalam bentuk Tuliskan persamaan N(t) = N(0)e rt dalam bentuk ln N(t) = ln N(0) + rt ln N(t) = ln N(0) + rt Persamaan ini adalah suatu persamaan garislurus yang memiliki kemiringan r dan intersep N(0). Jika nilai N(t) diketahui sedikitnya 2 buah t, maka r dapat kita proksimasi dengan Persamaan ini adalah suatu persamaan garislurus yang memiliki kemiringan r dan intersep N(0). Jika nilai N(t) diketahui sedikitnya 2 buah t, maka r dapat kita proksimasi dengan Untuk teladan di atas, misalnya, kita peroleh daftar berikut Untuk teladan di atas, misalnya, kita peroleh daftar berikutN(t) n N(t)

32 Grafik garis lurus 1n N(t) = 1n N(0) + rt digambarkan pada gambar Grafik garis lurus 1n N(t) = 1n N(0) + rt digambarkan pada gambar Gambar Grafik 1n N(t) = 1n N(0) + rt

33 Sekarang nilai r dapat dihitung, misalnya,

34 Berapakah t agar ukuran suatu populasi yang memiliki r = dan N(0) = 10 menjadi dua kali lipat populasi awal? Berapa pula t itu kalau r = dan N(0) = 20? Berapakah t agar ukuran suatu populasi yang memiliki r = dan N(0) = 10 menjadi dua kali lipat populasi awal? Berapa pula t itu kalau r = dan N(0) = 20? Jawab: Jika ukuran populasi awal adalah N(0), maka t yang memenuhi N(t) = 2N(0) Jika ukuran populasi awal adalah N(0), maka t yang memenuhi N(t) = 2N(0) Karena N(t) = N(0)e rt, maka untuk t yang akan dicari itu haruslah 2N(0) = N(0)e rt Karena N(t) = N(0)e rt, maka untuk t yang akan dicari itu haruslah 2N(0) = N(0)e rt 2 = e rt 2 = e rt 1n 2 = rt 1n 2 = rt Jadi t = 1n 2/r = 0.693/0.993 = Jadi t = 1n 2/r = 0.693/0.993 = Karena t bebas dari N(0), maka t untuk kedua masalah di atas adalah sama. Karena t bebas dari N(0), maka t untuk kedua masalah di atas adalah sama.

35 MODEL PERTUMBUHAN LOGISTIK

36

37 Dari dua populasi sejenis bakteri yang dibiakkan terpisah diperoleh data berikut: Dari dua populasi sejenis bakteri yang dibiakkan terpisah diperoleh data berikut: t N 1 (t) N 2 (t)

38 Jika dianggap daya dukung K = 180, populasi yang mana yang paling sesuai dengan model logistik? Jawab: Hubungan antara N 1 (t) dan N 2 (t) dengan t dapat digambarkan seperti dengan t dapat digambarkan seperti pada gambar Sulit untuk pada gambar Sulit untuk menentukan populasi yang mana menentukan populasi yang mana yang paling sesuai dengan logistik yang paling sesuai dengan logistik berdasarkan gambar Usaha berdasarkan gambar Usaha selanjutnya yang dapat dilakukan ialah selanjutnya yang dapat dilakukan ialah dengan menggambar grafik dengan menggambar grafik

39 Gambar Grafik Hubungan Antara N 1 (t) Dengan t (xxx) dan Antara N 2 (t) Dengan t (…) Antara N 2 (t) Dengan t (…)

40 Hubungan dengan t. Untuk itu perlu dibentuk suatu suatu tabel seperti tertera pada daftar di bawah ini. Selanjutnya berdasarkan daftar tersebut, grafik hubungan antara 1n Hubungan dengan t. Untuk itu perlu dibentuk suatu suatu tabel seperti tertera pada daftar di bawah ini. Selanjutnya berdasarkan daftar tersebut, grafik hubungan antara 1n dengan t dapat digambarkan seperti pada gambar dengan t dapat digambarkan seperti pada gambar

41 t N 1 (t) (K-N 1 )/N 1 1n(K-N)/N 1 N 2 (t) (K-N 2 )/N 2 1n(K-N 2 )N

42 Gambar Hubungan Antara Dengan t. Tanda (xxx) Adalah Untuk N 1 dan (…) Untuk N 2 Tanda (xxx) Adalah Untuk N 1 dan (…) Untuk N 2

43 Dari gambar dapat dilihat bahwa grafik N 2 (t) lebih mendekati garis lurus daripada grafik N 1 (t). Oleh karena itu dapat dikatakan bahwa populasi kedua lebih sesuai dengan model logistik daripada populasi pertama. Dari gambar dapat dilihat bahwa grafik N 2 (t) lebih mendekati garis lurus daripada grafik N 1 (t). Oleh karena itu dapat dikatakan bahwa populasi kedua lebih sesuai dengan model logistik daripada populasi pertama.

44 Model Pertumbuhan Populasi Terpaut Kepadatan Pengaruh kepadatan hanya berlaku pada faktor reproduksi, natalitas, ataupun keduanya yang diperhatikan pada semua kelas umur.

45 Minggu ke-6 Pertumbuhan Populasi Terpaut Usia

46 Struktur umur 3 : Menurun StabilMeningkat Hubungan antara umur dengan peluang hidup dibedakan atas 3 tipe: 1. Tipe I: tingkat kematian rendah pd umur muda 2. Tipe II: tingkat kematian rata-rata sama pd semua umur 3. Tipe III: tingkat kematian tinggi pd umur muda K.U PERTUMBUHAN POPULASI TERPAUT USIA

47 Hubungan antara survivorship dan umur Umur Peluang hidup dalam skala log Tipe II Tipe I Tipe III

48 Model Pertumbuhan Populasi Terpaut Umur Digunakan untuk memproyeksi populasi : proporsi individu, persentase individu dan perubahan persentase tersebut Misal: g(0)=0, g(1)=2, g(2)=3, a(0)=0,5 dan a(1)=2 dengan sektor sebaran awal

49 Maka, proyeksi populasi ini dari t=0 sampai t=10 adalah: N 0 =N 1 = 80,0 2,5 2,0 N 2 = 11,0 40,0 2,0 N 3 = 81,5 5,5 8,0 N 4 = 35,0 40,5 1,1 N 5 = 84,8 17,5 8,2 95,3 29,7 8,5 N 6 = 59,4 42,4 3,5 N 7 = N 8 = 113,5 56,5 8,5 84,95 47,65 5,90 N 9 = 113,0 42,5 3,5 N 10 = Jika N(t) menyatakan ukuran populasi (t) tanpa memandang kelas usia, maka: t N(t)

50 B x = N (x,t) N (t) Proporsi individu menurut kelas umur dihitung berdasarkan:

51 PERTUMBUHAN POPULASI TERPAUT USIA: MODEL DISKRET Misalkan N(x,t) merupakan banyaknya betina berusia diantara x dan x + 1 yang hidup pada waktu t. Misalkan pula a(x) merupakan proporsi betina berusia diantara x dan x + 1 yang tetap hidup setelah satu selang waktu dan menjadi betina berusia diantara x + 1 dan x + 2. Jadi,

52 Besaran a(x) ini sering disebut juga sebagai peluang transisi. Selanjutnya misalkan pula g(x) merupakan banyaknya anak betina yang dihasilkan seekor betina berusia diantara x dan x + 1, yang lahir pada selang waktu t sampai t + 1 dan menjadi betina berusia ke nol pada waktu t + 1. Sesuai dengan asumsi yang dibuat diatas, a(x) dan g(x) merupakan dua buah konstanta yang tidak dipengaruhi oleh ukuran populasi.

53 Sekarang kita sudah dapat menuliskan dua buah persamaan yang menjadi dasar pembicaraan di dalam bab ini. Banyaknya betina di antara 0 dan 1 di dalam populasi pada waktu t adalah

54 Sedangkan x max merupakan usia tertua yang mungkin dicapai oleh individu di dalam populasi. Banyaknya individu di dalam setiap kategori usia adalah

55 Teladan Suatu species memiliki usia maksimum 4 tahun. Individu berusia 2 tahun (individu berusia diantara 2 dan 3 tahun) menghasilkan 2 anak per tahun, sedangkan individu berusia 3 tahun menghasilkan 3 anak pertahun). Pada tahun 1918 ada sebanyak 50 anak (usia 0-1 th), 10 individu diantara 1 dan 2 tahun, 5 individu berusia diantara 2 dan 3 tahun, dan 2 individu berusia diantara 3 dan 4 tahun. Berapakah nilai N(x, t) untuk x = 0, 1, 2,33 dan t = 1918? Berapa nilai g(x) untuk x = 0, 1, 2, 3? Jawab: N(0, 1918) = 50, N(1, 1918) = 10, N(2, 1918) = 5, N(3, 1918) = 2. g(0) = 0, g(1) = 0, g(2) = 2, dan g(3) = 3.

56 Teladan Jika pada Teladan pada tahun 1919 terdiri dari 16 individu berusia di antara 0 dan 1, 15 individu berusia di antara 1 dan 2 tahun, 5 individu berusia di antara 2 dan 3 tahun, dan 2 individu berusia di antara 3 dan 4 tahun, berapa nilai a(x) untuk x = 0, 1, 2, 3? Berapa pula banyaknya individu didalam masing-masing kelas usia pada tahun 1920? Jawab: dari keterangan diatas, maka N(0, 1919) = 16, N(1, 1919) = 15, N(3, 1919) = 2. Oleh karena itu,

57

58 Selanjutnya, menurut persamaan 3.1.1, N(0,1920) = g(0) N(0,1919) + g(1) N(1, = g(2) N(2,1919) + g(4) N(1919) = (0) (16) + (0) (15) + (2) (5) + (3) (2) = 16 Dan menurut persamaan 3.1.2, N(1, 1920) = a(0) N(0, 1919) = (0.3) (16) = 4.8 N(2, 1920) = a(1) N(1, 1919) = (0.5) (15) = 7.5 N(3, 1920) = a(2) N(2, 1919) = (0.4) (5) = 2.0

59 Kalau seandainya suatu species yang hidup di dalam suatu populasi dapat mencapai usia maksimum m, maka berdasarkan persamaan dan persamaan dapat dibuat m + 1 buah persamaan berikut: Ke- (m + 1) buah persamaan ini dapat ditulis dalam catatan matriks

60 Sedangkan N(0, t) N(1, t) N(2, t). N(m, t) m = g(0) g(1) …. g(m-1) g(m) a(0) a(1) a(m-1) 0

61 dan Vektor n t disebut vektor sebaran usia pada waktu t, vektor disebut vektor sebaran-usia pada waktu t-1, dan M disebut matriks Leslie atau matriks proyeksi populasi, karena matriks ini memproyeksikan populasi dari suatu titik waktu ke titik waktu berikutnya. Dari Teladan 3.1 dan 3.1.2, misalnya, kita peroleh matriks proyeksi

62 M = Dan vektor sebaran-usia pada tahun 1920 Sebaran-usia pada tahun 1921 dapat diperoleh dengan menggandakan M dengan

63 = =

64 Dari persamaan 3.1.3, dapat kita tulis atau secara umum

65 Minggu ke-7 Neraca Kehidupan

66 Neraca Kehidupan  Cohort merupakan populasi yang terdiri dari satu gugus individu yang dianggap berasal dari kelas umur yang sama. x (kelas umur) (Jumlah ind yg hidup) (Proporsi ind yg hidup) (Jumlah ind yg mati) (Proporsi ind yg mati) axax lxlx dxdx qxqx

67 Neraca kehidupan statis  Untuk individu dengan rentang waktu hidup yang cukup panjang.  Bersifat statis (hanya pada satu waktu tertentu)  Berdasarkan pengamatan pada proporsi individu yang hidup pada setiap kelas umur.

68  Biasa digunakan untuk spesies yang berumur pendek dan perkembangan hidup spesies di laboratorium. Co: serangga  Dimulai dari umur 0 sampai umur semua individu dalam populasi mati. Neraca kehidupan dinamis

69 Minggu ke-8 Matrik Leslie

70 LESLIE  Model LESLIE merupakan alat yang sangat berguna untuk menentukan pertumbuhan populasi berdasarkan sebaran umur dalam populasi sepanjang waktu.  Model yang digunakan seperti yang disampaikan oleh P.H. Leslie dalam Journal Biometrika Volume XXXIII, November LESLIE LOTKA  Model LESLIE dikembangkan dari matriks sederhana yang dikemukakan pertama kali oleh LOTKA pada tahun 1920-an LESLIE  Model LESLIE didasarkan atas survival setiap klas umur tertentu dan laju fekunditas

71  Model Leslie telah digunakan untuk menduga pertumbuhan populasi: Kelinci Kumbang Tegakan pinus, dan Manusia  Model Leslie menggunakan asumsi-asumsi: Populasi yang diperhitungkan hanya betina Minimum dan maksimum breeding age diketahui Selang umur populasi pada setiap klas umur sama Peluang hidup setiap individu untuk hidup pada klas umur berikutnya merupakan fungsi dari umurnya Laju peluang hidup setiap klas umur diketahui Laju reproduksi (fekunditas) diketahui Sebaran klas umur populasi awal diketahui

72  Informasi statistik populasi yang diperlukan untuk penentuan pertumbuhan populasi berdasarkan Matriks Leslie: f x =fekunditas (keperidian) spesifik individu popu- lasi klas umur x dalam suatu populasi tertentu (age specific fecundity) p x = peluang individu klas umur x untuk hidup pada klas umur berikutnya (x+1) N x,t =populasi betina pada klas umur x pada waktu t N t =populasi betina dari semua klas umur pada waktu t

73  Dalam bentuk matriks, maka jumlah individu pada setiap kelas umur disusun dalam bentuk vektor N t N 0,t N 1,t NtNt =N 2,t.... N x,t  Vektor N t tersebut berarti bahwa pada tahun t ukuran populasi total N t adalah: N t = N 0,t + N 1,t + N 2,t + … + N x,t

74  Jumlah individu klas umur 0 pada tahun t merupakan total natalitas yang dirumuskan sebagai: N 0,t =Jumlah individu klas umur 0 pada tahun ke-t n=Jumlah kategori klas umur N 0,t =F 0.N 0,t-1 + F 1.N 1,t-1 + F 2.N 2,t F n.N n,t-1  Berdasarkan persamaan tersebut maka jumlah individu klas umur 0 pada tahun t = 1 dapat dihitung sebagai berikut:

75  Jumlah individu pada klas umur selain 0 pada tahun t adalah: N 1,t =p 0.N 0,t-1 N 2,t =p 1.N 1,t-1 N x,t =p x-1.N x-1,t-1  Persamaan-persamaan di atas dapat disusun dalam bentuk matriks proyeksi Leslie (M) dan vektor N, yakni: N x,t.... N 2,t N 1,t N 0,t F3F FnFn ……..…. 0 p2.p F2F p1p1 0 F1F p0p0 F0F0

76  Prediksi pertumbuhan populasi dengan menggunakan Matriks Leslie: N 1 =M.N 0 N 2 =M.N 1 N 3 =M.N 3 =M.(M 1.N 0 )=M 2.N 0 =M.(M 2.N 0 )=M 3.N 0 =M 1.N 0 Ukuran populasi pada tahun ke-t dapat dihitung dengan persamaan: N t =M t.N 0 Persamaan ini merupakan bentuk eksponensial

77 Minggu ke-9 Mekanisme Alam Pengendalian Populasi

78 Mekanisme Alam Pengendalian Populasi Aliran Biotik vs Aliran Iklim Aliran Biotik vs Aliran Iklim Aliran biotik: keadaan seimbang populasi suatu spesien serangga diatur oleh faktor-faktor pengendali fakultatif seperti musuh alami. Faktor pengendali keadaan fisik hanya merupakan kastratrof yang bersifat sementara. Aliran iklim: faktor fisik (iklim dan cuaca) merupakan faktor utama pengendali populasi dan survivorship

79 Teori Ekologi Andrewartha dan Birch Teori Ekologi Andrewartha dan Birch Kerapatan populasi alami ditentukan oleh: Mekanisme Alam Pengendalian Populasi 1.Tersedianya sumberdaya seperti makanan, ruang, dst 2.Aksesibilitas sumberdaya dan kemampuan individu untuk mencapai dan memperoleh SD (sifat penyebaran, pemencaran dan kemampuan mencari) 3.Waktu atau kesempatan untuk memanfaatkan laju pertumbuhan (r) yang tinggi. Misal: iklim yang menguntungkan untuk pertumbuhan

80 Minggu ke-10 Ledakan Populasi

81  Definisi: pertumbuhan populasi dengan laju yang sangat tinggi dari suatu populasi makhluk hidup pada suatu selang waktu yang relatif pendek.  Merupakan akibat dari fluktuasi kerapatan populasi sepanjang suatu waktu.  Fluktuasi populasi: pertumbuhan populasi yang menyimpang dari keseimbangan dan berosilasi divergen dan/atau secara tidak teratur. Ledakan Populasi

82 Senjang Waktu (time lag)  Besarnya jumlah satuan waktu terjadinya kesenjangan pengaruh kepadatan populasi terhadap laju pertumbuhan populasi. K t Nt r t = a 0 + a t N t-L Dimana: L = senjang waktu N t-L = kerapatan populasi L periode lampau N t+1 = N t e (r-aN t-L )

83 Klasifikasi Ledakan Populasi  Tipe eruptif. - berlangsung ekspansif dan terus menerus (ruang dan waktu) - ditimbulkan oleh faktor eksternal, internal atau keduanya - kurang sensitif terhadap perubahan lingkungan  Tipe gradien - ditimbulkan oleh salah satu dari 2 faktor yaitu eksternal atau internal internal - dapat berubah-ubah sesuai perubahan penyebabnya.  Eruptif dan/atau gradien - ditimbulkan oleh adanya senjang waktu yang cukup panjang - menimbulkan efek umpan balik yang negatif sehingga terjadi osilasi dengan amplitudo yang besar osilasi dengan amplitudo yang besar - pengendalian osilasi dilakukan dengan mengubah kondisi fisik lingkungan dan kemungkinan mengubah frekuensi gen. lingkungan dan kemungkinan mengubah frekuensi gen.

84 Minggu ke-11 Persaingan

85 Persaingan Secara umum, persaingan merupakan penggunaan sumberdaya yang terbatas oleh 2/lebih individu/spesies. Tipe-tipe interaksi antar spesies: No.Spesies 1 Spesies 2Interaksi 1.++Mutualisme 2.+0Komensalisme 3.00Indiferens 4.-0Amensalisme 5.-+Predasi 6.--Kompetisi

86 Respon Pemangsaan Berdasarkan Solomon (1949), respon pemangsaan terhadap kerapatan mangsa dibagi menjadi 2 tipe: 1.Respon fungsional: pemangsaan menyebabkan perubahan dalam laju pemangsaan (banyaknya mangsa yang dimakan predator persatuan waktu) per kapita predator 2.Respon numerikal: pemangsaan menyebabkan perubahan dalam kerapatan predator pada suatu luasan pemangsaan tertentu.

87 Persaingan Lotka-Volterra Spesies 1 Spesies 2 r = laju pertumbuhan intrinsik K = daya dukung N = kerapatan populasi α dan β adalah koefisien persaingan, yang menyatakan efek satu individu dari spesies 1 terhadap spesies 2, dan efek satu individu spesies 2 terhadap spesies 1. dN 1 dt = r1N1r1N1 K 1 – N 1 – α N 2 K 1 dN 2 dt = r2N2r2N2 K 2 – N 2 – β N 1 K 2

88 Keseimbangan antar populasi kedua spesies akan tercapai jika dN/dt = 0, yaitu jika daya dukung K 1 dan K 2 telah habis digunakan oleh gabungan kedua populasi. dN 1 /dt = 0 jika K 1 = (N 1 + αN 2 ) dan, dN 2 /dt = 0 jika K 2 = (N 2 + βN 1 ) Persaingan Lotka-Volterra

89 Apabila spesies 2 menang (N1=0), K1 = αN2 atau N2 = K1 / α Apabila spesies 1 menang (N2=0), K2 = βN1 atau N1 = K2 / β b N2N2 N1N1 d N 2 /dt = 0 d N 1 /dt = 0 N2N2 N1N1 a

90 Persaingan Lotka-Volterra N 1 N 1 =0 K 1 / α K 2 K 2 N 2 N 1 K 2 / β K 1 N 2 N 2 =0 A K 2 K 2 K 1 / α K 1 / α N 2 N 1 K 1 K 2 / β N 2 N 2 =0 N 1 N 1 =0 B E K 2 K 2 N 2 K 1 / α K 1 / α N 1 K 2 / β K 1 N 2 N 2 =0 N 1 N 1 =0 C K 1 / α K 2 K 2 N 2 N 1 K 1 K 2 / β N 2 N 2 =0 N 1 N 1 =0 D E

91 Minggu ke-12 Interaksi Tumbuhan – Herbivora – Karnivora

92 Interaksi Tumbuhan – Herbivora – Karnivora Mekanisme pertahanan pada tumbuhan:  Structural defens berupa bentuk fisik dari tanaman (tekstur, cabang, morfologi, dll) Contoh: duri pada mawar  Chemical defens berupa zat kimia yang diproses dan dikeluarkan oleh tanaman sebagai pertahanan terhadap pengganggunya. Contoh: gula jantung di Rumput Milkweed yang dapat memacu kerja jantung secara cepat dan berlebihan.

93 Interaksi tumbuhan - herbivora –Sistem interaktif herbivora mempengaruhi pertumbuhan dan kelanjutan vegetasi Paling sering terjadi pada herbivora. –Non-interaktif tidak ada hubungan antara kepadatan populasi herbivora dengan kondisi vegetasi

94 Sistem interaktif Contoh: Irupsi Thar Himalaya Konsumsi rumput oleh thar mengurangi cadangan makanan dan merubah karakter vegetasi. Irupsi ungulata Kelimpahan makanan tinggi Kepadatan Pengurangan tumbuhan Pengurangan/ eliminasi pakan oleh satwa

95 Non-interaktif Contoh: Burung Finch produksi pakan kepadatan pemakan Kelompok I Pemakan biji herba Kelompok II Pemakan biji pohon krn herba menghasilkan biji hampir sama dari tahun ke tahun. pohon berbuah serempak Penyerbuan besar2an dlm populasi yg padat Populasi stabil Populasi fluktuatif

96 Pemangsaan Ada 4 tipe: Karnivora – herbivora Karnivora – karnivora Serangga parasit Kanibal (mangsa & pemangsa adalah jenis yang sama)

97 Model matematis pemangsaan 1.Generasi diskret Predator makan > mangsa, ketika mangsa melimpah dan berkurang ketika mangsa langka N t+1 = (1 – B zt ) N t Pop. mangsa tanpa predator N t+1 = (1 – B zt ) N t – CN 1 P 1 ….. Pop. mangsa dg predator P t+1 = Q N t P t ……….. Pop. Predator Ket: N: ukuran populasi t: generasi ke- B: slope dari kurva reproduksi Z 1 : (N 1 -N eq ) : penyimpang ukuran populasi dari populasi keseimbangan P 1 : populasi predator pd generasi t C : konstanta pendugaan efisiensi pemangsa Q : konstanta pendugaan efisiensi kegunaan mangsa untuk reproduksi pemangsa

98 2. Generasi berlanjut  Pemangsa dan mangsa memiliki overlap generasi (kelahiran-kematian terus menerus)  Interaksi populasi pemangsa dan mangsa dapat diuraikan melalui persamaan Lotka & Voltera (Persaingan Lotka-Volterra)

99 Minggu ke Kuota Pemanenan Satwaliar

100 DASAR HUKUM 1.UU No. 5/1990 Konservasi Sumberdaya Alam Hayati & Ekosistemnya 2. PP No. 13/1994 Perburuan Satwa Pasal 1 butir (2) Pasal 2 Pasal 5 Pasal 28 Pasal 1 Pasal 2 Pasal 3 Pasal 3 (Ayat 3) Pasal 8 3. PP No. 8/1999 Pemanfaatan Jenis Tumbuhan & Satwaliar Pasal 1 Pasal 2 Pasal 7 Pasal 11 Pasal 34 Pasal 44 Pasal 47

101 PENGELOLAAN POPULASI Tujuan Pengelolaan Populasi Satwaliar sangat spesifik Masalah utama dalam pengelolaan populasi adalah: a.Konservasi; yakni perlakuan terhadap populasi yang ber- ukuran kecil atau sedang mengalami penurunan populasi untuk meningkatkan kepadatannya b.Pemanenan hasil lestari; yakni pengambilan sebagian popu- lasi untuk mencapai kelestarian hasil c.Pengendalian populasi; yakni perlakuan terhadap populasi yang terlalu padat dengan cara mengurangi kepadatan popu- lasi sehingga mencapai keseimbangan

102 PRINSIP PEMANENAN 1.Peningkatan populasi –harvest the increase (in practice less than increase (demographic and environmental stochasticity)) – Populasi yang tidak dipanen jarang sekali mengalami peningkatan populasi (akibat tergantung kepadatan) – Pemanenan meningkatkan pertumbuhan populasi (reproduksi, survival) 2.Pertumbuhan populasi tergantung kepadatan

103 3.Populasi tergantung kepadatan sangat sulit diukur –Data tidak mencukupi

104 PRINSIP PEMANENAN Pemanenan hanya dapat dilakukan maksimum sebanyak laju pertumbuhan populasi finit (finite rate of increase = r) Laju pemanenan populasi dinotasikan dengan h (harvesting) h = 1 – e -r Jumlah individu dari suatu populasi yang dapat dipanen secara lestari (SY = Sustained Yield) adalah: SY t = h.N t

105 Contoh Soal 1: Hasil inventarisasi populasi suatu spesies satwaliar tertentu yang dilakukan secara periodik menunjukkan bahwa pada tahun 1999 sebanyak 1000 individu dan pada tahun 2000 sebanyak 1200 individu. Tentukan jumlah individu yang dapat dipanen secara lestari pada tahun Penyelesaian: = N 2000 / N 1999 =1200 / 1000 =1.2  = e r  r = ln( ) r= ln(1.2) =0.1823

106 h = 1 – e =1 – = SY t = h.N t SY 2000 = h.N 2000 = (1200) =200,04  200 individu Jumlah individu yang dapat dipanen secara lestari adalah sebanyak 200 individu.

107 Jika pemanenan akan dilakukan selama dua kali dalam satu tahun, maka laju pemanenan populasinya adalah: 2 h = 1 – e -r/2 Pada umumnya, jumlah individu yang dipanen secara total dengan melakukan pemanenan dalam dua kali pemanenan lebih kecil dibandingkan dengan satu kali pemanenan

108 Contoh Soal 2:

109 PEMANENAN MODEL LOGISTIK Pemanenan populasi pada model logistik menggunakan per- samaan-persamaan sebagai berikut:        K N rr m 1.       K N NrSY m 1.

110 1 1. t t tt     Nba N NN 1  m r ea Kab/  1 )( t  t r r t1 1 1     m m t N K e e N NN


Download ppt "DINAMIKA POPULASI BIODIVERSITAS Pengajar: 1.Dr.Ir. Yanto Santosa, DEA. (YSA) 2.Dr.Ir. Agus P. Kartono, M.Si. (APK)"

Presentasi serupa


Iklan oleh Google