Uji Multi Lingkungan TINJAUAN PUSTAKA

multiplikatif multiplicative interactions di samping komponen acak sisaan atau galat. Komponen acak pada model ini diasumsikan menyebar normal dengan ragam konstan. Kelayakan model AMMI dengan galat yang Normal dan ragam konstan ada kalanya tidak terpenuhi. Transformasi data pengamatan mungkin menjadi salah satu teknik untuk mengatasi masalah ketidaknormalan ini. Metode AMMI menguraikan pengaruh interaksi menjadi komponen utama interakasi KUI. Gauch 1992 menyatakan AMMI mampu memahami gugus dan data kompleks terutama interaksi dan menduga lebih akurat walau data yang digunakan sedikit, bila dibandingkan dengan analisis kestabilan lainnya. Analisis AMMI dapat menjelaskan interaksi galur dengan lingkungan. Pola tebaran titik-titik dengan kedudukan relatifnya pada lingkungan mana hasil penguraian nilai singular diplotkan antara satu komponen genotipe dengan komponen lingkungan secara simultan disajikan dalam bentuk Biplot Syukur et al. 2012. Biplot AMMI dapat meringkas pola hubungan antar genotipe, antar lingkungan dan interaksi genotipe x lingkungan Mattjik 2005. Biplot tersebut menyajikan nilai komponen utama pertama dan rataan. Nilai antar komponen utama kedua dan nilai komponen utama pertama bisa ditambahkan jika komponen utama kedua tersebut nyata Sumertajaya 1998. Interpretasi biplot nilai komponen utama dan nilai tengah respon dibuat jarak titik amatan yang berdasarkan sumbu datar. Titik amatan menunjukkan perbedaan pengaruh utama amatan-amatan tersebut Mattjik 2005. Jarak titik-titik amatan berdasarkan sumbu tegak menunjukkan perbedaan pengaruh interaksi atau perbedaan tingkat sensitivitas terhadap lingkungan. Interpretasi untuk titik-titik sejenis dari komponen utama kedua dan nilai komponen utama pertama merupakan jarak titik- titik amatan yang menunjukkan perbedaan interaksi. Interaksi bersifat positif saling menguatkan bila titik-titik amatan mempunyai arah yang sama dan titik- titik yang berbeda arah menunjukkan interaksi yang negatif Sumertajaya 1998 Crossa 1990 menguraikan tujuan analisis AMMI, yaitu : 1 Analisis AMMI dapat digunakan sebagai anailsis pendahuluan untuk mencari model yang lebih tepat. Jika tidak ada satupun komponen yang nyata maka pemodelan cukup dengan pengaruh aditif saja. Sebaliknya jika hanya pengaruh ganda saja yang nyata maka pemodelan sepenuhnya ganda, berarti analisis yang tepat adalah analisis komponen utama saja. Sedangkan jika komponen interaksi nyata berarti pengaruh interaksi benar-benar sangat kompleks, tidak mungkin dilakukan pereduksian tanpa kehilangan nformasi penting. 2 Analisis AMMI adalah analisis untuk menjelaskan interaksi genotipe × lingkungan. AMMI dengan biplotnya meringkas pola hubungan antar genotipe, antar lingkungan dan antar genotipe dan lingkungan. 3 Meningkatkan keakuratan dugaan respon interaksi genotipe × lingkungan. Hal ini terlaksana jika hanya sedikit komponen AMMI saja yang nyata dan tidak mencakup seluruh jumlah kuadrat interaksi. Dengan sedikitnya komponen AMMI yang nyata sama artinya dengan menyatakan bahwa jumlah kuadrat sisa hanya galat noise saja. Dengan menghilangkan galat ini berarti memperkuat dugan respon per genotipe × lingkungan.

2.9 Korelasi dan Analisis Lintas

Nilai korelasi adalah nilai derajat keeratan hubungan antara dua sifat yang langsung diukur. Dalam peritungn korelasi akan didapat koefisien korelasi yang menunjukkan keeratan hubungan antara dua variabe tersebut. Niai koefisien korelasi berkisar antara 0 sampai 1 atau 0 sampai -1. Jika nilai semakin mendekati 1 atau -1, hubungan semakin erat, sebaliknya jika mendekati 0, hubungan semakin lemah Priyatno 2009. Siregar 2013 menambahkan bahwa untuk kekuatan hubungan, nilai koefisien korelasi berada diantara -1 sampai 1, sedangkan untuk arah dinyatakan dalam bentuk positif + dan negatif -. Tabel 2.1 Tingkat korelasi dan kekuatan hubungan Siregar 2013 No Koefisien korelasi r Tingkat hubungan 1 0.00 – 0.199 Sangat lemah 2 0.20 – 0.399 Lemah 3 0.40 – 0.599 Cukup 4 0.60 – 0.799 Kuat 5 0.80 – 1.000 Sangat kuat Analisis korelasi digunakan untuk mengetahui derajat atau kekuatan dan arah hubungan antara dua variabel. Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis hubungan, salah satunya adalah koefisien korelasi Pearson r. Manfaat korelasi Pearson Product Moment adalah untuk mencari hubungan variabel bebas X dengan variabel tak bebas Y dan data berbentuk interval atau rasio Sugiyono 2003; Siregar 2013. Untuk data yang berskala interval dan atau rasio bersifat kuantitatifparametrik tipe analisis korelasi yang digunakan adalah Pearson Correlation atau istilah lainnya adalah Product Moment Correlation. Sedangkan untuk yang berskala ordinal kita gunakan Spearman Correlation Statistik Non-Parametrik. Korelasi Pearson Product Moment Pearson berguna untuk mengukur keeratan hubungan antara dua variabel yang mempunyai distribusi data normal. Korelasi antara dua sifat perlu diketahui karena perubahan yang terjadi akibat seleksi terhadap suatu sifat dapat secara simultan berpengaruh terhadap sifat-sifat lain yang berkorelasi. Diketahuinya korelasi suatu sifat dengan sifat lain maka dapat diantisipasi perubahan sifat lain, apabila dilakukan seleksi terhadap sifat tertentu. Korelasi yang tinggi di antara hasil dan komponen-komponen hasil umumnya mendukung studi heritabilitas dengan asumsi bahwa porsi terbesar dari ragam genetik adalah aditif, sehingga seleksi untuk setipa komponen yang berkorelasi dengan hasil akan memberikan sumbangan untuk perbaikan sifat hasil Poehlman 1975. Korelasi genetik antara dua sifat mungkin disebabkan adanya keterpautan antara gen-gen yang mengandalikan sifat-sifat itu, atau dengan gen yang sama benar-benar mengendalikan sifat-sifat pleiotropy. Pengaruh pleiotropy dapat dijelaskan melalui hubungan fisiologi diantara sifat-sifat. Sebagai contoh, tinggi tanaman dan biomassa dihasilkan dari ekspresi produk gen yang sama. Jika sifat ini dapat diukur pada level produk gen, korelasi genetik harus ditunjukkan sebagai akibat keterpautan genetik Li 1998. Analisis korelasi memiliki kelemahan karena hanya mengukur keeratan hubungan linier antar