Model Ammi Pada Data Binomial

  • 804 views
Uploaded on

 

More in: Technology , Sports
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
804
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
14
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Model AMMI Pada data binomialAlfianFutuhul Hadi,1 I Made Sumertajaya2 dan I Made Tirta1
    DiringkasOleh :
    Ardita Sukma P (1308100503)
    IndraHerlangga (1308100509)
    Model AMMI Data Binomial
  • 2. Metodologi
    langkah-langkahpekerjaanpenelitianmulaidaripenanganan data percobaan, pengepasan (fitting) model, analisisdeviansdanpenentuansukumultiplikatif, pemeriksaankelayakan model, danpengembanganeksplorasiuntukmemperolehinformasitentangstabilitasketahanangenotipe.
    Identifikasi Distribusi dan Penanganan Data Percobaan.
    Data populasihamadaundiidentifikasisebagai data berdistribusi Poisson, sedangkan data persetasegabahisidan total banyaknyagabahdiidentifikasisebagai data berdistribusi binomial. Keduagugus data disusundalamtabelduaarahI×J, genotipevsjenishamadaundangenotipevslokasi, denganselberisirataandariulangan/blok.
    PengepasanModel GAMMI
    Algoritmapengepasan model GAMMI cukuprumitkarenamerupakanregresibolak-balik (criss-cross regession/alternating regression) antararegresibarisdankolom, dimanamasing-masingregresidalamkelas GLM yang dilakukansecaraiteratifmelaluimetodeIteratif Reweighted Least Square (IRLS). Dengandemikianalgoritmainimelibatkantigakekonvergenan, padaregresibaris, regresikolom, danpadaregresibolak-balik. Disinilahkompleksitasalgoritmapemodelanini. Namunidedasaralgoritmainitampaktidaksulitdipahami, sepertiterdapatpadaHadi, A. F 2008. Data berdistribusi Binomial dimodelkanmenggunakan GAMMI denganfungsihubunglogit.
    Model AMMI Data Binomial
  • 3. AnalisisDevians.
    Biladalam AMMI (ANOVA padaumumnya) pengujianpengaruhfaktordigunakanjumlahkuadrat, pada model GAMMI (GLM padaumumnya) digunakandevians. Penentuansumbu/komponenmultiplikatifdilakukanmelaluiuji F, denganmembandingkanrasioantararataandevianskomponen yang diujirataandeviansgalatterhadapnilai F-tabel.
    Kelayakan Model.
    Kelayakanmodel diperiksadengandiagnostiksisaansecara visual, melalui plot sisaan.
    AnalisisStabilitasKetahananGenotipe.
    InformasitentangstabilitasketahanangenotipedapatdiperolehmelaluikonfigurasiBiplot GAMMI2. Biplot GAMMI2 menyajikan plot skorbarisdankolom (dalamhalinigenotipe × populasihamaataugenotipe × lokasi) secarabersama-sama (tumpangtindih). DenganmemperhatikanBiplotsecarakeseluruhan, kedekatanantartitik-titikbariskolommenunjukkkaninteraksidanketakbebasan (asosiasi) diantarakeduanya. Parameter asosiasiditunjukkanolehnilai singular (tergeneralisasi). Titikbaris (genotipe) tertentu yang berdekatandengantitikkolom (populasihamaataulokasi) tertentumenunjukkanbahwagenotipetersebutberasosiasidenganpopulasihamaataulokasitertentu. Niliai singular yang keciluntuksumbu GAMMI ke-imenunjukkanketidakbermaknaansumbutersebut.
    Model AMMI Data Binomial
  • 4. AnalisisdanPembahasan
    Analisisdeviansuntuk data gabahisi
    Model AMMI Data Binomial
  • 5. Biplotinteraksi data gabahisi model GAMMI-2 logit-link. Lokasiditunjukkandengankotak, verietaspadidengangaris.
    Model AMMI Data Binomial
  • 6. KESIMPULAN
    Model AMMI Terampat (GAMMI) mengakomodirketidaknormalan data untukmemperolehdekomposisiinteraksisecaralengkap, denganmemodelkanpeluangkejadian. Dalambidangpemuliaantanamanmanfaatsangatdirasakanuntukujistabilitas/adaptabilitasgenotipepadapebuahindikator yang berdistribusibukan Normal, namundiketahuidistribusinyadalamkeluargaeksponensial, misalnya Poisson, atau Binomial, Gamma. Biplot GAMMI model Poisson denganfungsihubunglogaritmamemberikantambahaninformasitentangrasio odds.
    Kestabilanvarietaspadimenurutpersentasegabahisi, varietas Bio Xa-5 dan OBS. 1657 relatifstabil, varietas S3254-2G-21-2 dan S3382-2D-3-3 ber-adaptasibaikdiMaranu, varietas Memberamo, OBS 1658, dan B3254-2G-2-1-2 beradaptasicukupbaikdiJatibaru, sedangkanvarietas B10278B-MR-2-4-2, S3383-1D-PN-41-3-1, OBS 1656, dan Bio-Xa-7 beradaptasicukupbaikditigalokasiMaroangin, Talang, danParitdalam. Sementaravarietas IR 64 tidakberadaptasidenganbaikdiJatibaru, tetapimasihmungkinberadaptasidilokasi lain.
    Model AMMI Data Binomial
  • 7. Terimakasih
    Model AMMI Data Binomial