Model AMMI Pada data binomialAlfianFutuhul Hadi,1 I Made Sumertajaya2 dan I Made Tirta1 <br />DiringkasOleh :<br />Ardita ...
Metodologi<br />langkah-langkahpekerjaanpenelitianmulaidaripenanganan data percobaan, pengepasan (fitting) model, analisis...
AnalisisDevians.<br />Biladalam AMMI (ANOVA padaumumnya) pengujianpengaruhfaktordigunakanjumlahkuadrat, pada model GAMMI (...
AnalisisdanPembahasan<br />Analisisdeviansuntuk data gabahisi<br />Model AMMI Data Binomial<br />
Biplotinteraksi data gabahisi model GAMMI-2 logit-link. Lokasiditunjukkandengankotak, verietaspadidengangaris.<br />Model ...
KESIMPULAN <br />Model AMMI Terampat (GAMMI) mengakomodirketidaknormalan data untukmemperolehdekomposisiinteraksisecaralen...
Terimakasih<br />Model AMMI Data Binomial<br />
Upcoming SlideShare
Loading in …5
×

Model Ammi Pada Data Binomial

974 views

Published on

Published in: Technology, Sports
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
974
On SlideShare
0
From Embeds
0
Number of Embeds
15
Actions
Shares
0
Downloads
16
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Model Ammi Pada Data Binomial

  1. 1. Model AMMI Pada data binomialAlfianFutuhul Hadi,1 I Made Sumertajaya2 dan I Made Tirta1 <br />DiringkasOleh :<br />Ardita Sukma P (1308100503)<br />IndraHerlangga (1308100509)<br />Model AMMI Data Binomial<br />
  2. 2. Metodologi<br />langkah-langkahpekerjaanpenelitianmulaidaripenanganan data percobaan, pengepasan (fitting) model, analisisdeviansdanpenentuansukumultiplikatif, pemeriksaankelayakan model, danpengembanganeksplorasiuntukmemperolehinformasitentangstabilitasketahanangenotipe. <br />Identifikasi Distribusi dan Penanganan Data Percobaan. <br />Data populasihamadaundiidentifikasisebagai data berdistribusi Poisson, sedangkan data persetasegabahisidan total banyaknyagabahdiidentifikasisebagai data berdistribusi binomial. Keduagugus data disusundalamtabelduaarahI×J, genotipevsjenishamadaundangenotipevslokasi, denganselberisirataandariulangan/blok. <br />PengepasanModel GAMMI<br />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. <br />Model AMMI Data Binomial<br />
  3. 3. AnalisisDevians.<br />Biladalam AMMI (ANOVA padaumumnya) pengujianpengaruhfaktordigunakanjumlahkuadrat, pada model GAMMI (GLM padaumumnya) digunakandevians. Penentuansumbu/komponenmultiplikatifdilakukanmelaluiuji F, denganmembandingkanrasioantararataandevianskomponen yang diujirataandeviansgalatterhadapnilai F-tabel.<br />Kelayakan Model. <br />Kelayakanmodel diperiksadengandiagnostiksisaansecara visual, melalui plot sisaan. <br />AnalisisStabilitasKetahananGenotipe. <br />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. <br />Model AMMI Data Binomial<br />
  4. 4. AnalisisdanPembahasan<br />Analisisdeviansuntuk data gabahisi<br />Model AMMI Data Binomial<br />
  5. 5. Biplotinteraksi data gabahisi model GAMMI-2 logit-link. Lokasiditunjukkandengankotak, verietaspadidengangaris.<br />Model AMMI Data Binomial<br />
  6. 6. KESIMPULAN <br />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.<br />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. <br />Model AMMI Data Binomial<br />
  7. 7. Terimakasih<br />Model AMMI Data Binomial<br />

×