M. Yasin HG * PENDAHULUAN

Transkripsi

1 M. Yasin HG * PENDAHULUAN Pada prosedur analisis statistika, ukuran pemusatan data, ukuran penyebaran, pendugaan parameter, dan pengujian hipotesis dapat diterapkan untuk seleksi famili jagung. Seleksi famili diperlukan untuk memilih sejumlah tetua superior sebagai calon varietas (komposit atau sintetik), tetua selanjutnya direkombinasi guna membentuk benih pemulia untuk diuji pada berbagai lingkungan apakah potensial untuk dilepas sebagai varietas baru atau tidak. Model sebaran normal, t-student, dan χ (Chi-kuadrat) dapat digunakan untuk mengetahui karakter famili yang diinginkan Pemulia. Sebaran normal baku (Z) telah mulai digunakan di CIMMYT (Pusat Penelitian Internasional untuk Jagung dan Serelia Meksiko) dalam memilih famili dengan karakter tumbuh dan hasil secara serentak, t-student untuk mengetahui kesamaan nilai tengah contoh untuk satu atau dua varietas jagung terhadap karakter populasinya, dan Chi-kuadrat dapat digunakan untuk mengetahui sifat bawaan gen dari generasi terhadap tetuanya. Berikut disajikan penerapan beberapa model uji analisis statistika pada berbagai kegiatan evaluasi famili jagung. UKURAN PEMUSATAN DAN PENYEBARAN Ukuran pemusatan untuk seleksi famili jagung diperlukan guna mengetahui nilai rataan suatu peubah sebagai sifat genotype yang dimiliki oleh famili tersebut, sedangkan ukuran penyebarannya menunjukkan nilai simpangan baku atas kisaran terhadap rataan suatu peubah. Misalkan genotype diketahui rataan hasilnya 5,0 t/ha, dengan nilai simpangan baku 00 kg, maka dapat diartikan bahwa genotype tersebut mempunyai sifat dengan potensi hasil kg/ha. Ukuran pemusatan dapat digolongkan atas rataan ( x ), median (me.) dan modus (mo.). Rataan adalah x i /n, me. : data yang terletak ditengah setelah diranking, dan mo. : sequens atau frekuensi data * Staf Pemuliaan & Plasma Nutfah Balitsereal, Maros Informatika Pertanian Volume 11 (Desember 00)

2 637 Informatika Pertanian terbanyak. Selanjutnya ukuran penyebaran yang penting adalah standar deviasi dari contoh yang dapat didefenisikan: s = 1 1 n xi n xi Selanjutnya formula model ukuran pemusatan mengalami perubahan jika data telah disajikan dalam tabel yang tertabulasi sebagai berikut : x = f i x i / ( f i ) me = B b + c.(d/f m ), mo = B b + c [s 1 /(s 1 + s )] s = f x f i = 1 i i f n i x n i 1 n ket. : B b : batas kelas bawah untuk kelas median berada c : interval nilai tengah kelas d : selisih jumlah frekuensi pada letak median dengan jumlah frekuensi kelas sebelum median f m : frekuensi klas dimana median berada s 1 : frekuensi klas terbanyak klas diatasnya s : frekuensi klas terbanyak klas dibawahnya Aplikasi formula telah digunakan pada percobaan evaluasi 100 famili S1 dari populasi Maros Sintetik-1(S1)C1 bertujuan untuk memperoleh famili yang tahan atas kahat nitrogen (50 kg urea/ha), dilaksanakan di Bajeng-Gowa dalam musim hujan 000/001 menggunakan metoda Rancangan Latis Sederhana dua ulangan. Data rataan setiap famili disajikan pada lampiran 1. Kemudian pada tabel 1 adalah rataan data hasil untuk setiap kisaran 500 kg/ha. Pada penyajian data lampiran 1, diperoleh x = 3146 kg/ha, me = 301,5 dan terdapat tiga nilai mo = 395, 781, dan 137 kg/ha. Sedangkan jika disajikan dalam tabel sebaran frekuensi seperti pada tabel 1, diperoleh x = 3144,5 kg/ha, mo = 3187,5 kg/ha, dan me = 866,7 kg/ha.

3 Pengukuran Penyebaran Data 638 Tabel 1. Sebaran Frekuensi Hasil (kg/ha) Famili S1 Maros Sintetik-1.C1 pada Kahat N (50 kg urea/ha). Bajeng 000/001 Selang Nilai - Frekuensi Frekuen hasil tengah (f i ) sikumula (x i ) tif x i f i x i , , , , , , , , , , , , , , , , , ,5 n = Σf i =100 famili S1 PENDUGAAN PARAMATER DAN PENGUJIAN HIPOTESIS Pendugaan parameter dari suatu fungsi peluang diperlukan dalam seleksi famili jagung untuk menentukan besaran peluang dari sequens peubah acak. Mendenhall dan Scheaffer (1973) mendefinisikan bahwa parameter adalah suatu konstanta yang ditentukan secara spesifik dari suatu fungsi kepekatan, dan dapat diketahui dengan cara menghitung kaedah integral dan differensial. Sebaran Normal Fungsi sebaran normal ditemukan oleh Moivre (1733) dan disempurnakan oleh Gaus ( ). Model sebaran dapat dituliskan sebagai berikut : f(x) = 1 ( x µ ) exp (0,50)[ σ π σ ] -~<x<~

4 639 Informatika Pertanian Ruang parameter -~ < µ < +~ dan σ>0 E(x) = x f(x) dx = µ (Nilai tengah/nilai harapan) E(x-µ) = Ex E(x) E(x) = σ (Ragam) Fungsi Pembangkit Moment E[e tx] = (Mood, Graybill, and Boes., 1974) ut e 1 + σ t Jika µ = 0, dan σ = 1 maka model sebaran disebut normal baku dan dikenal dengan sebaran z = (x µ)/σ. Peluang setiap famili yang terseleksi dapat diketahui potensinya dengan menghitung nilai peluang z. Peluang mendapatkan peubah acak normal-baku yang nilainya diantara 0<z<zo telah dihitung oleh Statistisi melalui hitung integral diantaranya oleh Mendenhall (1973) Table for statisticians in appendix II. Pada Lampiran 1 dapat dilihat bahwa populasi Maros Sintetik-1(S1)C1 mempunyai µ = 3,0 t/ha dan simpangan baku σ = 0,5 t/ha, maka besarnya peluang untuk memperoleh hasil dengan potensi lebih 4,0 t/ha (x > 4,0) adalah p(x>4,0) = p(z>,0)= 0,08 dan antara,5 4,0 t/ha (,5<x<4,0) adalah p(-1,0<z<,0) = (0,5000-0,1587) + (0,5000 0,08) = 0,8185. Berdasarkan hasil ini dapat disimpulkan bahwa pada kondisi kahat N famili S1 dari Maros Sintetik-1.C1 hanya mempunyai peluang,8 % yang hasilnya >4,0 t/ha, sedangkan hasil diantara,5 4,0 t/ha adalah 81,85 %. Dengan kata lain masih ada entri yang dapat diseleksi dengan potensi hasil >4,0 t/ha jika ditanam pada lingkungan kahat N (50 kg urea/ha). Selanjutnya dikemukakan oleh Snedecor (1946) bahwa jumlah pengaruh sisa (e i ) dari galat baku nilai tengah sebaran normal sama dengan nol ( e i = 0). Barreto et al., (1991a, 1991b, 1991c) adalah yang pertama kali mengembangkan seleksi indeks dengan sebaran normal baku. Famili yang terpilih dengan nilai terendah dari seleksi indeks dinyatakan sebagi penyumbang gen terbaik untuk tetua calon varietas. Indeks dihitung dengan formula : Indeks = [( x m ). i ] j j j x j = peubah acak yang dinyatakan dalam sebaran Z; x x Z = j s m j = bobot seleksi yang dinyatakan dalam galat baku (- 3,0 < s <.+3,0 )

5 Pengukuran Penyebaran Data 640 i j = Intensitas seleksi (m j dan i j : pembobot yang diberikan oleh pemulia pada setiap peubah ke j ; j = 1,,..n ) Penerapan sebaran normal baku telah digunakan untuk memperoleh famili S superior dari 10 famili populasi Bisma.C0 yang dievaluasi termasuk varietas pembanding (kontrol) dengan intensitas seleksi 10 %. Dilaksanakan dengan metoda Alfa Latis dua ulangan di Bontobili selama dua musim berturut dalam MT 1999/000. Karakter famili yang terpilih dapat dilihat pada Tabel, dan kode entri disajikan pada Tabel 3. Pada Tabel kriteria pemilihan famili S adalah dengan menetapkan bahwa peubah umur tanaman menyerbuk, umur berambut, aspek tanaman, aspek kelobot, aspek tongkol, jumlah populasi tanaman terpanen per ha dan kadar air biji saat panen, ditentukan sama dengan sifat bawaan populasinya (σ = 0). Kemudian tinggi tanaman dan tinggi tongkol dipilih yang lebih tinggi dari populasinya (σ = 1), serta potensi hasil maksimal (σ = 3,0). Nilai simpangan baku untuk kriteria seleksi dengan sebaran normal baku ditetapkan diantara 3,0 dan +3,0, dan kriteria penetapannya sesuai keinginan pemulia. Tabel. Karakter Famili S yang Terpilih dari Bisma.C0 dengan Metoda Sebaran Normal Baku. Bontobili 000 Karekter Rataan Selisih Populasi (BNT.5 ) Umur menyerbuk, hari 49,3 -,5 Umur berambut, hari 5,9-3,3 Tinggi tanaman, cm 135,1 5,5 31,1 Tinggi tongkol, cm 63,4 4,5 18,7 Aspek tanaman, skor,0-1,7 Aspek kelobot, skor 1,0-0,8 Aspek tongkol, skor,0-1,3 Tanaman terpanen, % 90,0 - - Kadar air panen % 3,0-6,7 Hasil, kg/ha Ket : - : tidak berbeda terhadap populasi (σ = 0)

6 641 Informatika Pertanian Tabel 3. Famili S Terpilih dari Bisma.C0 dengan Seleksi Indeks Bisma (S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Bisma(S)C Sebaran t Keperluan seleksi dengan sebaran t, diterapkan untuk mengetahui apakah hipotesis H0 ditolak atau diterima pada suatu peubah, misalnya famili yang telah terpilih apakah potensinya terbukti lebih baik dari karakter populasinya, untuk membuktikan hipotesis ini dapat ditelusuri dengan uji sebaran t. Model sebaran-t dikenal juga dengan sebutan t-student. T-student adalah nama samaran dari W.S. Cossit (1908). Model sebaran-t sebagai berikut (Mood, Graybill, and Boes., 1974) : f(x) = Γ(k + 1)/]/[Γ(k/)].1/ [ (kπ)].1/[(1+x /k) (k+1)/ ]: Ruang Parameter : k>0 Ε(x) = µ = 0, k>1 (nilai harapan) Ε (x-µ) = Εx Ε (x) Ε (x) = k/(k-) (Ragam) Fungsi Pembangkit Moment Ε (e tx ) = tidak ada (not exist) Γ = fungsi gamma; Γ (α) = (α - 1)! Pada sebaran-t, penduga ragam populasi σ dapat dihitung dari ragam contoh (s ) untuk n 30, yakni s =1/n[Σxi -(Σxi) /n]. Model sebaran t dapat digunakan untuk uji hipotesis nilai tengah populasi. Apakah nilai tengah contoh sama dengan nilai tengah populasi, atau Η 0 : µ = µ 0 vs. Η 1 : µ µ 0 (µ 0 : nilai tengah contoh). Formula untuk uji hipotesis adalah : t hit = [x-µ 0 ]/[s/ n] dengan kriteria jika t hit t tab(n-1) terima Ηo db = n - 1 t hit > t tab(n-1) tolak Ηo (Steel and Torrie, 1981)

7 Pengukuran Penyebaran Data 64 Pada Lampiran 1 diperoleh bahwa rataan famili S1 dari populasi Maros Sintetik-1(S1)C1 adalah x = 3146 kg/ha dengan simpangan baku s = 961 kg/ha. Berdasarkan sifat populasi ini telah diketahui bahwa µ = 3000 kg/ha, dan dari contoh 100 famili S1 yang dievaluasi dapat disimpulkan bahwa µo dari contoh dapat diterima sama dengan nilai tengah populasinya, sesuai nilai t hit berikut: t hit = ( )/(961/ 100) = 1,519 t tab(n-1) = t (5%,99) = 1,990 Disimpulkan bahwa t hit t tab(5%,99) artinya rataan contoh yang diperoleh tidak berbeda nyata dengan rataan populasinya. Selanjutnya Steel and Torrie (1981) bahwa untuk menguji hipotesis antara dua nilai tengah contoh populasi dapat digunakan uji t-student dengan formula : t hit = (x 1 x )/s y1-y db = (n 1 1) + (n 1) s x1-x = s [(n 1 + n )/n 1.n ] s = [Σx 1 (Σx 1 ) /n 1 +Σx (Σx ) /n ]/[(n 1 1) + (n 1)] dengan kriteria jika t hit t tab(n-+n-) terima H0 t hit > t tab(n1+n-) tolak H0 Hasil dari famili S populasi Bisma.C0 menunjukkan perbedaan nyata dengan famili S1, sesuai dengan statistik uji dari t-student berikut : Pada kasus ini ingin diuji : Η0 : µ 1 = µ vs. Η 1 : µ 1 > µ (µ 1, : nilai tengah famili S1 dan S) Diperoleh karakter untuk famili S1 : x 1 =990 kg/ha Jumlah kuadrat (JK) = Σx 1 (Σx 1 ) /n 1 = 031,897 (69,756) /10 = 143,361 n 1 = 10 famili S1 Famili S : x = 403 kg/ha

8 643 Informatika Pertanian Jumlah kuadrat (JK) = Σx (Σx ) /n = 1453,76 (540,7) /10 = 61 n = 10 famili S s = (143, ,439)/(40 ) = 0,489 s x1-x = [0,489 ((40/(10.10)] = 0,068 t hit = (,990,403)/0,068 = 8,63 t tab(n-+n-) = 1,960 t hit > t tab(n1+n-) artinya tolak H 0 dan dapat disimpulkan bahwa rataan hasil dari famili S1 nyata lebih tinggi dari famili S. Berdasarkan hasil ini dapat juga diketahui bahwa nilai depressi silang dalam (inbreeding) famili S terhadap famili S1 Bisma.C0 adalah ( )/990 = 19,63 %. Sebaran χ (Chi kuadrat) Sebaran ini dapat digunakan untuk membuktikan bahwa kegiatan persilangan silang balik, apakah telah mengikuti hukum segregasi Mendel atau tidak. Jika dalam analisisnya ternyata hipotesis Η0 diterima artinya kegiatan persilangan telah berhasil mengikuti hukum segregasi Mendel. Model sebaran sebagai berikut : f(x) = 1/[Γ(k/).(0,5) k/ x k/-1 e -(1/)x 0<x<~ Ruang parameter k = 1,,... Ε(x) = k (nilai harapan) Ε (x-µ) = Εx E(x) Ε (x) = k Fungsi Pembangkit Moment Ε (e tx ) = (1/1-t) k/ (Mood, Graybill, and Boes., 1974) Penerapan sebaran χ dapat dikembangkan dengan formula yang dikemukakan oleh Winchester (1951); Mendenhall dan Scheaffer (1973) bahwa untuk menguji hipotesis H 0 : ρ 1 = ρ vs. H 1 : ρ 1 ρ digunakan formula : ( o ) χ i ei = ~ χ α(r-1)(c-1) : dimana o i : hasil e i observasi dan e i : nilai harapan observasi. Jika jika χ hit χ tab(r-1.c-1) terima H 0 χ hit > χ tab(r-1.c-1) tolak H 0

9 Pengukuran Penyebaran Data 644 Contoh berikut disadur dari data Winchester (1951). Pada persilangan diploid antara F1 dari populasi Maros Sintetik- (AABB: biji putih, tipe mutiara) x Pulut (aabb: bening, gigi kuda) diharapkan ratio phenotipe akan mengikuti hukum Mendel yakni 9 : 3 : 3 : 1, atau Η o : α i = ratio 9 : 3 : 3 : 1 vs. Η 1 tidak sama. Data tipe biji setelah tongkolnya diklasifikasi dapat dilihat pada Tabel 4. Tabel 4. Karakter Tongkol dari Hasil Persilangan Perbaikan Jagung Pulut Karakter biji O i E i Putih, mutiara Putih gigi kuda Bening, mutiara Bening, gigi kuda 3 35 Jumlah χ = ( )/313 + ( )/104 + (10 104)/104 + (3 35)/35 = 0,5103 χ tab(r-1.c-1) = 7,815 atau terima Η 0, artinya ratio hasil persilangan antar generasi F1 dari entry diploid diterima mengikuti hukum segregasi Mendel. KESIMPULAN Pendekatan uji statistika sangat penting ketepatannya untuk digunakan dalam seleksi famili jagung. Ukuran penyebaran data yang penting adalah nilai tengan (x) dan standar deviasi. Sebaran normal baku dapat digunakan untuk memilih famili dengan menetapkan peubah secara serentak oleh Pemulia. Sebaran t-student dapat digunakan untuk mengetahui nilai tengah contoh akan sama dengan populasinya atau tidak, dan uji Chi-kuadrat untuk mengetahui apakah karakter dari hasil persilangan berhasil mengikuti Hukum Segregasi Mendel atau tidak.

10 645 Informatika Pertanian DAFTAR PUSTAKA Barreto. H. J., J. A. Bolanos., and G.O. Edmeades., 1991a. Selection Assistant Training Manual. Maize Breeding Program. CIMMYT El Batan Mexico. Barreto. H. J., J. A. Bolanos., and H. S. Cordova., 1991b. Selection Index Program. Software Operation Guide. Maize Breeding Program. CIMMYT El Batan Mexico. Barreto. H. J., G. O. Edmeades., S.C. Chapman., Y. J. Crossa., 1991c. El Diseno Alfa-Latice en Fitomejaramiento y Agronomia. Generation y Analisis. Publicado en Sintesis de Resultados Experimentales Del Prm 199. Vol. 4(1993). p Mendenhall, W. and Scheaffer. R., Mathematical Statistics and Applications. University of Florida. Duxbury Press Scituate. Massachusctts. p. 501 Mood. A. M., F. A.. Graybill., and D. C. Boes., Introduction to the Theory of Statistics. 3nd. MC Graw-Hill Kagarusha. LTD. Tokyo. p. 107 Steel R. G. D., Torrie. J. H., Principles and Procedures of Statistics. A Biometrical Approach. Second Edition. International Student Edition. p.76 Winchester, A. M., Genetics. A Survey of the Principles of Heredity. Stetson University. p. 153