40
sumbu berturut-turut adalah 1.924, 1.329, 0.759. Dengan demikian model dengan 2 sumbu memenuhi kelayakan, karena rataan devians sumbu kedua signifikan
dengan nilai-p ≤0.01 pada F[12,18].
Biplot interaksi Gambar 3.5 menunjukkan persentase gabah isi varietas E Bio Xa-5 dan J OBS. 1657 relatif stabil di keempat lingkungan. Beberapa
varietas beradaptasi spesifik dengan lingkungan tertentu. Varietas B S3254-2G- 21-2 dan D S3382-2D-3-3 mempunyai nilai rataan gabah isi relatif tinggi di
Maranu, varietas M Memberamo, K OBS 1658, dan C B3254-2G-2-1-2 beradaptasi cukup baik di Jatibaru, varietas A B10278B-MR-2-4-2, F S3383-
1D-PN-41-3-1, H OBS 1656, dan G Bio-Xa-7 beradaptasi cukup baik di tiga lokasi Maroangin, Talang, dan Paritdalam. Sementara varietas L IR 64 tidak
beradaptasi dengan baik di Jatibaru, tetapi masih mungkin beradaptasi di lokasi lain.
EJ H
G A
F
C KM
B D
Jatibaru L
Paritdalam
Maranu Talang
Maroagin
-1 -0.8
-0.6 -0.4
-0.2 0.2
0.4 0.6
0.8
-1.4 -1.2
-1 -0.8
-0.6 -0.4
-0.2 0.2
0.4 0.6
0.8
Gambar 3.5. Biplot interaksi data gabah isi model GAMMI-2 logit-link. Lokasi ditunjukkan
dengan kotak, verietas padi dengan garis.
3.7 Simpulan
Model AMMI Terampat GAMMI mengakomodir ketidaknormalan data untuk memperoleh dekomposisi interaksi secara lengkap, dengan memodelkan
peluang kejadian. Dalam bidang pemuliaan tanaman manfaat sangat dirasakan untuk uji stabilitasadaptabilitas genotipe pada pebuah indikator yang berdistribusi
bukan Normal, namun diketahui distribusinya dalam keluarga eksponensial,
Kode Galur Padi
A B10278B-MR-2-4-2
B S3254-2G-21-2
C B9154F-PN-1-1-4
D S3382-2D-3-3
E Bio Xa-5
F S3383-1D-PN-41-3-1
G Bio Xa-7
H OBS. 1656
J OBS. 1657
K OBS. 1658
L IR. 64
M MEMBERAMO
41
misalnya Poisson, atau Binomial, Gamma. Biplot GAMMI model Poisson dengan fungsi hubung logaritma memberikan tambahan informasi tentang rasio odds.
Pada studi ketahanan genotipe kedelai terhadap hama daun, model GAMMI-2 berhasil menjelaskan bahwa Genotipe W80 adalah kandidat varietas
yang relatif tahan terhadap hampir semua jenis hama daun. IAC-100 rentan terhadap Lalat. Genotipe W80 dan IAC-100 terhadap hama Bemisia dan
Agromyza mempunyai log-rasio odds “mendekati” nol. Kestabilan varietas padi menurut persentase gabah isi, varietas Bio Xa-5
dan OBS. 1657 relatif stabil, varietas S3254-2G-21-2 dan S3382-2D-3-3 ber- adaptasi baik di Maranu, varietas Memberamo, OBS 1658, dan B3254-2G-2-1-2
beradaptasi cukup baik di Jatibaru, sedangkan varietas B10278B-MR-2-4-2, S3383-1D-PN-41-3-1, OBS 1656, dan Bio-Xa-7 beradaptasi cukup baik di tiga
lokasi Maroangin, Talang, dan Paritdalam. Sementara varietas IR 64 tidak beradaptasi dengan baik di Jatibaru, tetapi masih mungkin beradaptasi di lokasi
lain.
IV. PERBANDINGAN KONFIGURASI MATRIKS INTERAKSI: METODE PROCRUSTES
4.1 Pendahuluan
Dua pendekatan dalam menangani ketaknornalan data pada pemodelan bilinier telah dibicarakan pada bab-bab sebelumnya. Bab 2 membicarakan
penggunaan transformasi Box-Cox untuk mengatasi pelanggaran asumsi yaitu ketaknormalan distribusi peubah respon pada AMMI. Sedangkan bab 3
membicarakan model biliner dalam kelas pemodelan linier terampat GAMMI. GAMMI mengakomodir ketaknormalan respon melalui penetapan distribusi
respon dan fungsi hubung yang bersesuaian dengan distribusi peubah respon itu sendiri.
Pendekatan transformasi bagaimanapun menemui kesulitan mana kala transformasi yang diinginkan tidak mudah diperoleh. Tujuan pemodelan statistika
adalah menyediakan interpretasi atas fenomena yang dipelajari, dan menyatakannya dengan bahasa yag sesuai dengan bidang aplikasi. Karenanya,
ada alasan lain untuk tidak melakukan transformasi data. Pada kondisi tertentu kesimpulan yang diperoleh dari data pada skala asal menjadi amat peting karena
mudah dipahami jika diperoleh langsung dari data asal McCullagh Nelder, 1989. Sebaliknya, kesimpulan dari analisis pada data tertrasformasi tidak dapat
secara langsung diterapkan pada data asal. Sementara itu, untuk memahami interpetasi model biliner pada kelas GLM
membutuhkan landasan statistika lebih dalam dan pengetahuan tambahan tentang komputasi. Hal ini mungkin menimbulkan kesulitan lain bagi peneliti bidang
terapan di luar statistika dan matematika .
Perbandingan kedua pendekatan ini perlu dilakukan untuk menilai sejauh mana kedekatan hasil dari kedua pendekatan ini. Tentu saja dengan tetap
memperhatikan kelebihan dan kekurangan masing-masing. Perbandingan ini dapat dilakukan pada matriks interaksi dugaan dari kedua pendekatan. Hal ini
