genotipe. Keberadaan cekaman oleh hamapenyakit yang berbeda inilah yang berperan sebagai lingkungan.
Secara praktik, pengamatan ketahanan genotipe terhadap hamapenyakit dapat terjadi pada percobaan dengan inokulasi pada ruang kaca atau pun pada
percobaan lapangan tanpa inokulasi.
4.4.1 Langkah Penerapaan Model GAMMI Poisson
Pengepasan fitting model GAMMI utuk data cacahan berdistribusi Poisson, termasuk di dalamnya penentuan suku multiplikatif, pemeriksaan kelayakan
model, dan eksplorasi untuk memperoleh informasi tentang stabilitas ketahanan genotipe disajikan sebagaima Gambar 4.2 dengan rincian seagai berikut:
Pengepasan Model GAMMI.
Algoritma pengepasan model GAMMI cukup rumit karena merupakan regresi bolak-balik criss-cross regessionalternating
regression antara regresi baris dan kolom, dimana masing-masing regresi dalam
kelas GLM yang dilakukan secara iteratif melalui metode Iteratif Reweighted Least Square
IRLS. Dengan demikian algoritma ini melibatkan tiga kekonvergenan, pada regresi baris, regresi kolom, dan pada regresi bolak-balik.
Di sinilah kompleksitas algoritma pemodelan ini. Namun ide dasar algoritma ini tidak sulit dipahami. Algoritma ini disajikan dalam Gambar 4.2. Pengepasan
model GAMMI dilakukan menggunakan software GENSTAT edisi 7 versi ujicoba, dapat didownload dari http:www.vsn-intl.com. Prosedur GAMMI yang
digunakan ditulis oleh Fred van Eeuwijk dan Paul Keizer dari CPRO-DLO Wageningen, Belanda.
Pemilihan Model Terbaik.
Pemilihan model terbaik dapat dilakukan melalui
1 Analisis Devians.
Bila dalam AMMI ANOVA pada umumnya pengujian pengaruh faktor digunakan jumlah kuadrat, pada model GAMMI GLM pada
umumnya digunakan devians. Penentuan sumbukomponen multiplikatif dilakukan melalui uji F, dengan membandingkan rasio antara rataan devians
komponen yang diuji dengan rataan devians galat terhadap nilai F-tabel.
61
Gambar 4.2 Algoritma pengepasan model GAMMI
2 Uji Log-Likelihood.
Setiap model dapat dihitung nilai Likelihoodnya, model dengan Likelihood yang rendah lebih disukai, sehingga untuk mendapatkan model
yang baik dapat dilakukan pengujian melalui perbandingan nilai Rasio Likelihood, atau selisih Log-likelihoodnya yang bersesuaian dengan derajat
bebasnya. Uji Log-likelihood dilakukan melalui statistik G sebagaimana
ANOVAAMMI
Y
Poisson
Langkah I. Mengepas model i Simpan
ˆ
dan
ˆ
sebagai pengaruh utama ii Pilih nilai
kj
ˆ
sebagai nilai awal yang ortonormal
Langkah II. Mengepas regresi baris
K k
kj ki
j i
ij
d b
v
1
dengan
j j
b
ˆ
dan
kj kj
d
ˆ
dari langkah I Simpan
j
ˆ
dan
ki
ˆ
Langkah III. Mengepas regresi kolom
K k
kj ki
j i
ij
c a
v
1
dengan
j j
a
ˆ
dan
ki ki
c
ˆ
dari langkah II, simpan
j
ˆ
dan
kj
ˆ
Langkah IV. Ortonormalisasi INTERAKSI KOLOM
STOP
konvergen
YA Gunakan
j
ˆ
dan
kj
ˆ
dari III Tidak memenuhi
Asumsi
TIDAK Kriteria Konvergen:
Devians atau dugaan parameter regresi
baris vs kolom Penggunaan OFFSET
yang tepat untuk menghindari masalah
kekonvergenan Penggunaan OFFSET
yang tepat untuk menghindari masalah
kekonvergenan Poison Overdispersi
menyebabkan masalah pada pendugaan galat
Pengujian signifikansi Sumbu interaksi
BIPLOT GAMMI2
Interpretasi BIPLOT
j i
ij
v
K k
kj ki
k j
i ij
v
1