Tabel 4.7 Analisis ragam untuk populasi hama daun ternormalkan
Sumber Derjat
Bebas Jumlah
Kuadrat Kuadrat
Tengah Pengujian 1 Suku
Multiplikatif Pengujian 2 Suku
Multiplikatif Nilai F
Nilai-p Nilai F
Nilai-p Hama Daun
4 2.2659
0.5665 5.64
0.032 50.02
0.0197 Genotipe
3 1.6252
0.5417 5.40
0.039 47.83
0.0205 AMMI 1
6 2.1065
0.3511 3.50
0.077 31.00
0.0316 AMMI2
4 0.5797
0.1449 12.80
0.0738 Residual
2 0.0227
0.0113 Total
19 6.5999
0.3474
Analisis AMMI pada peubah a menghasilkan nilai singular sebagai berikut 1.451, 0.7614, 0.1505. Kontribusi keragaman yang mampu diterangkan
oleh masing-masing komponen adalah 61.41, 32.22, dan 6.37, menunjukkan bahwa dua komponen pertama memiliki peran dominan dalam menerangkan
keragaman pengaruh interaksi. Berdasakan metode postdictive success diperoleh komponen pertama yang nyata dengan nilai F sebesar 31.00 pada nilai-p0.04,
sedangkan komponen kedua nyata nilai-p=0.074 Tabel 4.7. Sekalipun nilai-p komponen kedua cukup besar namun dua komponen pertama sangat dominan,
kemampuan menerangkan keragaman pengaruh interaksi sebesar 93.63. Hal ini berarti populasi hama daun melalui transformasi pangkat 0.66 dapat diterangkan
menggunakan model AMMI2. Diagnosis sisaan juga memperkuat hal ini, tidak ada penyimpangan yang serius pada plot sisaan Gambar 4.10.
Biplot AMMI1 menunjukkan genotipe IAC-100 merupakan genotipe dengan nilai rataan populasi hama ternormalkan paling rendah, sedangkan Wilis
yang paling tinggi Lampiran 3. Selengkapnya, interaksi ini digambarkan oleh Biplot AMMI2 dengan lebih baik. Gambar 4.11 menunjukkan Biplot AMMI 2
data populasi hama daun tanaman kedelai yang ternormalkan. Pada fase ini, populasi Lamprosema hampir sama pada semua genotipe. Genotipe IAC 80 paling
tahan terhadap keseluruhan hama daun pada fase ini 14 HST dibanding yang lain. Sementara genotipe lain secara spesifik rentan terhadap hama tertentu. W80
relatif rentan terhadap Emproasca, sedangkan IAC 100 relatif rentan terhadap Lalat Kacang Agromyza.
73
Gambar 4.11 Biplot AMMI 2 data populasi hama daun yang ditransformasi dengan Box-Cox
4.5.2 Transformasi Data Serangan Penyakit Bercak Daun pada Kacang Hijau
Metode transformasi Box-Cox pada data serangan penyakit bercak daun pada kacang hijau menghasilkan nilai dugaan lambda sebesar 0.85 pada nilai
maksimum log-likelihood sebesar -291.5. Nilai lambda untuk beberapa nilai log- likehood disajikan pada Tabel 4.8. Data hasil transformasi Box-Cox untuk bercak
daun tanaman kacang hijau disajikan pada Lampiran 5. Tabel 4.8 Nilai lambda dugaan dan log-likelihood transformasi Box-Cox
data penyakit bercak daun pada kacang hijau
No Lambda
Box-Cox Likelihood 1
-295.2 2
0.1 -294.4
3 0.2
-293.7 4
0.3 -293.1
5 0.4
-292.6 6
0.5 -292.2
7 0.6
-291.9 8
0.7 -291.7
9 0.8
-291.5 10
0.9 -291.5
11 1.0
-291.6 12
1.1 -291.7
13 1.2
-291.9 14
1.3 -292.3
15 1.4
-292.6
-0.5 0.0
0.5 -0
.5 .0
.5
KUI 1 K
U I
2 IAC-10
IAC-80
W80 Wilis
Bemissia
Emproosca Agromyza
Lamprosema Longitarsaus
Bemissia
Emproosca Agromyza
Lamprosema Longitarsaus
Bemissia
Emproosca Agromyza
Lamprosema Longitarsaus
Bemissia
Emproosca Agromyza
Lamprosema Longitarsaus
Bemissia
Emproosca Agromyza
Lamprosema Longitarsaus
Tabel 4.9 Analisis ragam untuk data penyakit bercak daun yang dinormalkan
Sumber Derjat
Bebas Jumlah
Kuadrat Kuadrat
Tengah Pengujian 1 Suku
Multiplikatif Pengujian 2 Suku
Multiplikatif Nilai F
Nilai-p Nilai F
Nilai-p Lokasi
4 6013.713
1503.428 50.97 0.000
56.02 0.000
Genotipe 11
31572.66 2870.242
97.31 0.000 106.95
0.000 AMMI 1
14 13699.52
978.5374 33.18 0.000
36.46 0.000
AMMI2 12
401.7894 33.4825
1.25 0.325
AMMI 3 10
278.7611 27.8761
Residual 8
204.3039 25.538
Total 59
52170.75 884.25
Gambar 4.12 Plot sisaan model AMMI 2 data serangan bercak daun pada kacang hijau dengan transformasi Box-Cox.
Komponen interaksi pertama nyata dengan nilai F sebesar 36.46 pada nilai-p0.00, sedangkan komponen kedua tidak nyata nilai-p=0.325 Tabel 4.9.
Sekalipun nilai-p komponen kedua besar namun dua komponen pertama sangat dominan, kemampuan menerangkan keragaman pengaruh interaksi sebesar
89.1. Hal ini berarti banyaknya tanaman kacang hijau yang terserang bercak daun, melalui transformasi pangkat 0.85 dapat diterangkan menggunakan model
AMMI2. Diagnosis sisaan juga memperkuat hal ini, tidak ada penyimpangan yang serius pada plot sisaan Gambar 4.12.
Biplot AMMI2 pada Gambar 4.13 memperlihatkan pola interaksi genotipe lingkungan dalam data bercak daun hasil transformasi Box-Cox. Karena
transformasinya adalah pangkat 0.85 maka angka peubah respon menjadi mengecil dan keragaman menurun. Akibatnya Biplot menyajikan genotipe yang
lebih dekat satu sama lain juga terhadap lingkungan. Tampak bahwa beberapa
75 genotipe di kuadran 1 makin dekat satu sama lain termasuk varietas tahan yaitu
Murai. Genotipe MLG1004 tampak memiliki jarak yang cukup jauh terhadap hampir semua lokasi, artinya ia memiliki angka serangan bercak yang cukup
kecil dan merata di semua lokasi. Hal ini menunjukkan bahwa MLG1004 berpeluang sebagai genotipe yang tahan terhadap bercak daun. Perkutut sebagai
varietas pembanding yang agak tahan terlihat memiliki jarak yang cukup jauh secara merata dengan semua lokasi.
Gambar 4.13 Biplot AMMI 2 data serangan penyakit bercak daun pada kacang hijau yang ditransformasi dengan Box-Cox
4.5.3 Perbandingan Matriks Interaksi dengan Procrustes
Model AMMI pada data hama daun yang ditransformasi dengan pangkat 0.66 melalui metode trasformasi Box-Cox menghasilkan matriks interaksi sebagaimana
Gambar 4.14 a. Sedangkan model GAMMI Log-link data hama daun menghasilkan matriks interaksi sebagaimana Gambar 4.14 b. Kedua matriks
tersebut dibandingkan menggunakan metode Procrustes. Untuk data populasi hama daun pada Kedelai diperoleh nilai R-kuadrat sebesar 98.73 Angka ini
menunjukkan bahwa pada pendugaan matriks interaksi kedua metode ini sangat dekat, tidak banyak berbeda. Apakah ini berasal dari peran penggunaan
-0.5 0.0
0.5 -0
.8 -0
.6 -0
.4 -0
.2 .0
.2 .4
KUI 1 K
U I
2 MLG1002
MLG1004
MLG1021 MMC74d-Kp-1
MMC71d-Kp-2
MMC157d-Kp-1 MMC203d-Kp-5
MMC205e MMC100f-Kp-1
MMC87d-Kp-5 MURAI
PERKUT BOLINGGO
JEMBER JOMBANG
BOLO RASANAE
BOLINGGO
JEMBER JOMBANG
BOLO RASANAE
BOLINGGO
JEMBER JOMBANG
BOLO RASANAE
BOLINGGO
JEMBER JOMBANG
BOLO RASANAE
