Pengantar PENANGANAN PENGAMATAN PENCILAN PADA MODEL AMMI

3.2 Antisipasi Pengaruh Pencilan pada Model AMMI

Dalam kasus penerapan model AMMI untuk analisis IGL dan kestabilan, meski belum pernah dilaporkan sebelumnya, namun karena secara teoritik SVD berbasis least square, maka tetap berpotensi menghadapi masalah akibat pengamatan pencilan. Untuk membangun kekekaran pada model AMMI maka dasarnya kita mengubah kriteria pemodelan dari least square ke least absolute pada pendugaan pengaruh utama dan pengaruh interaksi. Cukup sulit untuk membayangkan bagaimana analisis ragam yang sudah begitu melekat dalam kehidupan ilmiah harus kita ubah menjadi analisis simpangan mutlak atau istilah lain bagi pendekatan robust. Betapapun sulit dan tidak populer, hal tersebut tetap harus dilakukan sebagai suatu langkah ilmiah yang didasari pemikiran visioner. Mungkin jalan ke arah itu masih jauh, sementara itu, pemecahan jangka pendeknya memanfaatkan ide algoritma pada model AMMI terampat yaitu regresi bolak-balik.

3.3 Model Faktor Analitik dan Model AMMI

Model AMMI pada dasarnya adalah model tetap fixed model yang mengasumsikan genotipe dan lingkungan ditentukan secara subyektif oleh peneliti dan kesimpulan yang diharapkan hanya terbatas pada genotipe dan lingkungan yang dicobakan saja. AMMI menguraikan matriks IGL dengan SVD, kemudian mengkonstruksi biplot untuk memvisualisasi IGL tersebut. Biplot inilah yang menjadi kelebihan utama dari AMMI Gauch, 2006. Selain itu, analisis faktor juga dapat digunakan untuk menguraikan suatu matriks menjadi bentuk multiplikatif antara loading faktor dan skor faktor. Sehingga, analisis faktor dapat digunakan untuk menguraikan interaksi dalam konteks percobaan multi lokasi Model anaisis faktor ini merupakan model campuran yang memperluas cakupan kesimpulan, dimana lingkungan bersifat acak dan kesimpulan untuk faktor lingkungan berlaku untuk populasi lingkungan Sa ’diyah et al. 2011. Dengan model faktor analitik multiplikatif ini ketakhomogenan ragam pada model AMMI dapat diatasi Smith et al. 2001. 33 3.3.1 Model Faktor Analitik Model Faktor Analitik dengan k buah faktor, disebut model-k Faktor Analitik, dan berkenaan dengan percobaan multi lokasi yang melibatkan sebanyak G genotipe pada sebanyak E lingkungan dapat dituliskan sebagai berikut: ̅ ∑  dimana: = adalah pengaruh genotipe ke-i = adalah pengaruh lingkungan ke-j = adalah loading untuk faktor ke-k pada genotipe ke-i = adalah skor untuk lingkungan ke-j pada faktor ke-k = adalah galat jika tidak semua faktor digunakan = 1, 2, . . . , G dan j = 1, 2, . . . , E Analisis faktor sendiri adalah analisis peubah ganda yang bertujuan untuk mempelajari dan menyarikan struktur korelasi dari peubah pengamatan X 1, X 2 , ... , X p . Untuk itu, diasumsikan terdapat sebanyak k p peubah laten tak teramati F 1, F 2 , ... , F k yang disebut faktor. Misal vektor acak X dengan p komponen memiliki rataan μ dan matriks peragam Σ. Menurut Johnson dan Winchern 1998, pada umumnya model analisis faktor adalah: X 1 =  11 F 1 +  12 F 2 + … +  1k F k + ε 1 X 2 =  21 F 1 +  22 F 2 + … +  2k F k + ε 2 : : : : : : : : X p =  p1 F 1 + l p2 F 2 + … +  pk F k + ε p. Atau dalam bentuk matriks menjadi X = Lf + . 3.1 Prosedur analisis faktor berdasarkan suatu dekomposisi dari matriks peragam dari X, yaitu matriks  dan dengan penguraian matriks X pada 3.1 diperoleh . Dengan asumsi: EF=0, E=0, CovF = EFF T = I, dan Cov  = E T = Ψ = diagΨ1, …., Ψp, dengan  i adalah faktor spesifik