PENERAPAN AMMI RESPON GANDA DENGAN PEMBOBOTAN KOMPONEN UTAMA PADA UJI STABILITAS TANAMAN KUMIS KUCING ANNISA

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENERAPAN AMMI RESPON GANDA DENGAN PEMBOBOTAN KOMPONEN UTAMA PADA UJI STABILITAS TANAMAN KUMIS KUCING ANNISA"

Transkripsi

1 PENERAPAN AMMI RESPON GANDA DENGAN PEMBOBOTAN KOMPONEN UTAMA PADA UJI STABILITAS TANAMAN KUMIS KUCING ANNISA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 4

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan AMMI Respon Ganda dengan Pembobotan Komponen Utama pada Uji Stabilitas Tanaman Kumis Kucing adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, November 4 Annisa NIM G0074

4 ABSTRAK ANNISA. Penerapan AMMI Respon Ganda dengan Pembobotan Komponen Utama pada Uji Stabilitas Tanaman Kumis Kucing. Dibimbing oleh MOHAMMAD MASJKUR dan I MADE SUMERTAJAYA. Kumis kucing (Orthosipon aristatus Miq.) adalah tanaman obat yang dapat membantu memperbaiki fungsi ginjal. Permintaan yang tinggi akan pasokan kumis kucing mendorong adanya pembudidayaan tanaman ini. Pada tahun 2-3 Balai Penelitian Tanaman Rempah dan Obat (Balittro) melakukan percobaan multilokasi terhadap enam genotipe kumis kucing. Penelitian ini bertujuan untuk mengklasifikasikan daya adaptasi genotipe kumis kucing. Data yang digunakan adalah hasil percobaan multilokasi tanaman kumis kucing di tiga lokasi selama tiga musim panen. AMMI merupakan salah satu pendekatan yang dinilai sangat baik untuk menganalisis data hasil percobaan multilokasi. Pada umumnya AMMI masih terbatas pada respon tunggal. Penggabungan respon dengan pembobotan berdasarkan komponen utama adalah salah satu metode yang menghasilkan validasi yang baik untuk menangani masalah tersebut. Hasil analisis AMMI pada respon produktifitas tanaman menghasilkan dua genotipe yang stabil yaitu genotipe E dan F. Respon morfologi tanaman hanya menghasilkan satu genotipe stabil yaitu genotipe B. Sedangkan pada respon gabungan total genotipe yang stabil adalah genotipe B dan E. Kata kunci: kumis kucing, pembobotan komponen utama, percobaan multilokasi ABSTRACT ANNISA. Application of AMMI Multi Response with Weighted Principal Component on Stability Test of Java Tea Plants. Supervised by MOHAMMAD MASJKUR and I MADE SUMERTAJAYA. Java tea (Orthosipon aristatus Miq.) Is a medicinal plant which can help improve kidney function. High demand for supply of java tea encourage cultivation of this crop. Balai Penelitian Tanaman Rempah dan Obat (Balittro) conduct multilocation experiment of the six genotypes java tea in 2-3. This study aims to classify java tea adaptability. Data that used is a result of multilocation experiment at three location during three harvest season. AMMI is statistic methode that can used to analyze data from multilocation experiment. AMMI is generally limited to a single response. Combining response with the weighted on principal component is one method which generates good validation to handle that problems. The results of AMMI analysis on the response of plant productivity to produce two stable genotype is genotype E and F. The morphological responses of plants only produce a stable genotype is genotype B. While in combination total responses the stable genotype is genotype B and E. Keywords: java tea, weighting the principal component, multilocation experiment

5 PENERAPAN AMMI RESPON GANDA DENGAN PEMBOBOTAN KOMPONEN UTAMA PADA UJI STABILITAS TANAMAN KUMIS KUCING ANNISA Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 4

6

7 Judul Skripsi : Penerapan AMMI Respon Ganda dengan Pembobotan Komponen Utama pada Uji Stabilitas Tanaman Kumis Kucing Nama : Annisa NIM : G0074 Disetujui oleh Ir Mohammad Masjkur, MS Pembimbing I Dr Ir I Made Sumertajaya, MSi Pembimbing II Diketahui oleh Dr Anang Kurnia, MS Ketua Departemen Tanggal Lulus:

8 PRAKATA Segala puji dan syukur penulis panjatkan kepada Allah SWT atas limpahan rahmat dan karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Shalawat serta salam juga senantiasa tercurahkan kepada Baginda Nabi Besar Muhammad SAW. Karya ilmiah ini merupakan hasil penelitian dalam rangka menyelesaikan tugas akhir sebagai persyaratan untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Rasa terima kasih penulis ucapkan kepada kedua orang tua, Ka Andi Nurmawan, dan seluruh keluarga atas segala dukungan, doa, dan kasih sayangnya. Ucapan terima kasih juga penulis sampaikan kepada Bapak Ir Mohammad Masjkur, MS dan Bapak Dr Ir I Made Sumertajaya, Msi selaku dosen pembimbing, serta Ibu Dr Otih Rostiana yang telah berkenan memberikan data penelitiannya. Penghargaan juga penulis sampaikan kepada para dosen dan staff Departemen Statistika IPB atas segala ilmu dan bantuan yang telah diberikan. Tidak lupa ungkapan terima kasih juga disampaikan kepada keluarga besar Statistika 47 atas segala doa, dukungan, dan kebersamaan selama ini. Semoga karya ilmiah ini bermanfaat. Bogor, November 4 Annisa

9 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN Latar Belakang Tujuan Penelitian 2 METODE 2 Bahan 2 Metode 3 HASIL DAN PEMBAHASAN 8 Eksplorasi Data 8 Pengujian Asumsi Analisis Ragam 9 Penggabungan Respon dengan Pembobotan Komponen Utama 9 Analisis Ragam Gabungan 3 Analisis AMMI (Additive Main Effect and Multiplicative Interaction) 4 SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA 2 LAMPIRAN 22 RIWAYAT HIDUP 30

10 DAFTAR TABEL Daftar respon 2 2 Daftar lokasi percobaan 2 3 Tabel Analisis Ragam AMMI 6 4 Korelasi antar peubah respon kategori produktifitas tanaman 0 5 Korelasi antar peubah respon kategori morfologi tanaman 0 6 Analisis ragam gabungan respon produktifitas tanaman 3 7 Analisis ragam gabungan respon morfologi tanaman 3 8 Analisis ragam gabungan respon gabungan total 3 9 Analisis ragam AMMI respon gabungan produktifitas tanaman 4 0 Analisis ragam AMMI respon gabungan morfologi tanaman 6 Analisis ragam AMMI respon gabungan total 7 2 Hasil klasifikasi genotipe berdasarkan respon gabungan 9 DAFTAR GAMBAR Rataan respon PD menurut lokasi 8 2 Rataan respon PD menurut genotipe 8 3 Biplot AMMI- respon produktifitas tanaman 4 4 Biplot AMMI-2 respon produktifitas tanaman 5 5 Biplot AMMI- respon morfologi tanaman 6 6 Biplot AMMI-2 respon morfologi tanaman 7 7 Biplot AMMI- respon gabungan total 8 8 Biplot AMMI-2 respon gabungan total 8 DAFTAR LAMPIRAN Deskripsi respon 22 2 Diagram kotak-garis respon asal 22 3 Hasil pengujian asumsi respon asal 24 4 Hasil analisis komponen utama respon produktifitas tanaman 27 5 Hasil analisis komponen utama respon morfologi tanaman 27 6 Hasil Analisis komponen utama respon gabungan total 27 7 Hasil pengujian asumsi respon gabungan 28

11 PENDAHULUAN Latar Belakang Obat herbal atau obat tradisional merupakan salah satu alternatif pengobatan yang diminati masyarakat. Data tahun 08 dari Gabungan Perusahaan Farmasi Indonesia menunjukkan bahwa rata-rata persentase pertumbuhan obat herbal semakin meningkat tiap tahunnya dan lebih tinggi dari rata-rata pertumbuhan obat modern (Januwati 3). Peningkatan ini mengakibatkan bertambahnya permintaan pasokan bahan baku obat herbal baik dari pemanenan langsung di alam maupun pembudidayaan tanaman obat. Salah satu cara untuk meningkatkan produksi bahan baku obat herbal baik dari segi kuantitas maupun kualitas adalah pemuliaan tanaman. Pemuliaan tanaman bertujuan untuk melepas varietas baru yang unggul dan dapat diterima oleh petani. Tahapan awal sebelum melepas varietas baru adalah percobaan multilokasi (Sujiprihati et al. 06). Kumis kucing (Orthosipon aristatus Miq.) adalah tanaman yang bermanfaat dalam pengobatan penyakit batu ginjal, radang ginjal, kencing manis, sembelit, albuminuria, rematik, dan syphilis. Bagian kumis kucing yang digunakan sebagai obat adalah daunnya baik dalam kondisi basah maupun kering. Sejak awal tahun 30-an, tanaman kumis kucing mulai diekspor sebanyak ton. Pada tahun 987, ekspor ke Eropa Barat, Singapura, dan Amerika meningkat hingga ton. Permintaan pasokan yang tinggi mendorong adanya pembudidayaan tanaman kumis kucing. Balai Penelitian Tanaman Rempah dan Obat (Balittro) melakukan percobaan multilokasi terhadap enam genotipe kumis kucing sebagai upaya untuk menghasilkan varietas tanaman yang unggul. Analisis AMMI (Additive Main Effect and Multiplicative Interaction) adalah metode analisis data percobaan multilokasi yang menggabungkan antara analisis ragam aditif bagi pengaruh utama perlakuan dan analisis komponen utama ganda dengan pemodelan bilinier bagi pengaruh interaksi (Mattjik & Sumertajaya 06). AMMI merupakan salah satu pendekatan yang dinilai sangat baik untuk menganalisis data hasil percobaan multilokasi. Pada umumnya AMMI masih terbatas pada respon tunggal berupa produksi tanaman atau salah satu bagian dari aspek morfologi tanaman. Padahal, kedua aspek tersebut tidak dapat diukur dari satu bentuk pengamatan saja. Aspek produktifitas maupun morfologi tanaman memerlukan beberapa jenis pengamatan untuk mendapatkan hasil yang terintegrasi. Penggabungan respon merupakan salah satu cara yang dapat digunakan untuk melakukan analisis AMMI pada beberapa amatan sekaligus. Metode penggabungan respon antara lain metode persamaan jarak (range equalization), metode skor komponen utama pertama, metode pembobotan berdasarkan komponen utama, metode jarak Hotteling, dan metode pembagian berdasarkan rataan (division by mean). Pembobotan berdasarkan komponen utama adalah salah satu metode yang menghasilkan validasi lebih baik diantara metode lain berdasarkan nilai korelasinya dengan peubah asal (Sumertajaya 05). Oleh karena itu, pada penelitian ini akan digunakan metode pembobotan berdasarkan komponen utama dalam penggabungan respon.

12 2 Tujuan Penelitian Tujuan dari penelitian ini adalah mengklasifikasikan daya adaptasi genotipe kumis kucing untuk respon gabungan. METODE Bahan Data yang digunakan merupakan data sekunder hasil percobaan multilokasi tanaman kumis kucing tahun 2-3 yang dilakukan oleh Kelompok Peneliti Pemuliaan Tanaman di Balai Penelitian Tanaman Rempah dan Obat (Balittro). Penelitian ini menggunakan data selama tiga musim panen di tiga lokasi (Cicurug, Cimanggu, dan Sukamulya) sehingga secara keseluruhan terdapat sembilan lokasi-tahun. Rancangan yang digunakan adalah rancangan acak kelompok dengan empat kelompok tersarang dan enam genotipe kumis kucing (A, B, C, D, E, dan F). Adapun daftar respon dan lokasi yang digunakan dalam penelitian ini terdapat pada Tabel dan Tabel 2. Tabel Daftar respon No. Kode Respon Keterangan Kategori BB Berat Basah (gram) Produktifitas tanaman 2 BK Berat Kering (gram) Produktifitas tanaman 3 PD Panjang Daun (cm) Morfologi tanaman 4 LD Lebar Daun (cm) Morfologi tanaman 5 TD Tebal Daun (mm) Morfologi tanaman 6 DB Diameter Batang (mm) Morfologi tanaman 7 JC Jumlah Cabang Utama Morfologi tanaman 8 JT Jumlah Tunas Morfologi tanaman Tabel 2 Daftar lokasi percobaan No. Kode Lokasi Keterangan PCRG Cicurug musim panen 2 PSKM Sukamulya musim panen 3 PCMG Cimanggu musim panen 4 P2CRG Cicurug musim panen 2 5 P2SKM Sukamulya musim panen 2 6 P2CMG Cimanggu musim panen 2 7 P3CRG Cicurug musim panen 3 8 P3SKM Sukamulya musim panen 3 9 P3CMG Cimanggu musim panen 3

13 3 Metode Metode analisis pada penelitian ini meliputi tahapan-tahapan sebagai berikut:. Melakukan eksplorasi data dengan melihat nilai rataan respon dan diagram kotak-garis. 2. Melakukan uji asumsi analisis ragam terhadap masing-masing respon. Asumsi-asumsi yang perlu diperhatikan agar analisis ragam menjadi sahih adalah: a. Kehomogenan ragam Ragam sisaan yang tidak homogen dapat mengakibatkan fluktuasi respon dari beberapa perlakuan tertentu. Hipotesis yang diuji adalah: H 0 : σ 2 = σ = = σ i H : paling sedikit ada satu ragam yang nilainya berbeda Mattjik dan Sumertajaya (06) menguji kehomogenan ragam dengan pendekatan sebaran khi-kuadrat derajat bebas (t-) dalam uji Bartlett. Adapun statistik uji yang digunakan adalah sebagai berikut: dengan: χ c 2 = c i dbg i log s 2 - c = faktor koreksi =+ 3 t- ( i t = banyaknya lokasi dbg i = derajat bebas galat percobaan ke-i 2 s i = kuadrat tengah galat percobaan ke-i dbgi - ) dbgi- s 2 = kuadrat tengah galat percobaan gabungan = t i dbg i log s i 2 dbg i s i 2 Jika nilai χ 2 2 c < χ α,t- maka H 0 tidak ditolak dengan α yang digunakan sebesar 5%. b. Kenormalan sisaan Asumsi kenormalan sisaan diperlukan untuk pengujian hipotesis. Uji formal yang dapat dilakukan untuk memeriksa kenormalan sisaan adalah uji Kolmogorov-Smirnov. Hipotesis yang diuji adalah: H 0 = Sisaan menyebar normal H = Sisaan tidak menyebar normal Berdasarkan Srivastava (02), perhitungan statistik uji adalah sebagai berikut: D = sup F s x F N x ; F s x = u x n ; dengan: u x = banyaknya amatan yang nilainya kurang atau sama dengan x F N x = fungsi sebaran kumulatif normal F s x = fungsi sebaran kumulatif contoh n = total amatan H 0 diterima jika nilai D < D α, N atau nilai-p α dengan α sebesar 5%, dan berlaku sebaliknya. Tidak ditolaknya H 0 menunjukkan bahwa asumsi kenormalan sisaan terpenuhi. dbg i

14 4 c. Kebebasan sisaan Kebebasan sisaan berarti bahwa tidak adanya korelasi antar sisaan atau sisaan dari suatu amatan tidak bergantung terhadap sisaan amatan yang lain. Kebebasan sisaan dapat dilihat dengan membuat plot antara nilai dugaan sisaan percobaan dengan nilai dugaan respon. Plot yang membentuk pola tertentu menunjukkan sisaan percobaan tidak saling bebas. Akan tetapi, selama pelaksanaan pengacakan dalam percobaan telah sesuai maka asumsi kebebasan sisaan secara tidak langsung telah terpenuhi (Aunuddin 05). 3. Melakukan penggabungan respon. Penggabungan respon dengan metode pembobotan berdasarkan komponen utama sangat bergantung pada besarnya kontribusi keragaman yang mampu dijelaskan oleh komponen utama. Banyaknya komponen utama dipilih berdasarkan persentase keragaman kumulatif. Batas minimal persentase keragaman kumulatif yang digunakan dalam penelitian ini adalah 75%. Perhitungan persentase keragaman komponen ke-i: λ i λ j p j= Perhitungan persentase keragaman kumulatif q komponen: x 00% q j= λ j p λ j= j x 00% Besar keragaman peubah asal yang dijelaskan oleh komponen utama terpilih dicerminkan oleh bobot masing-masing peubah. Bobot untuk a 2 i peubah ke-i adalah: w i = + a2 2i + + a2 h i ; dengan h adalah λ λ 2 λ h banyaknya komponen utama yang terpilih. Sehingga respon gabungan: p (Y gab ) = w X + w 2 X 2 + +w p X p = i=,j w i X ij dengan: w i = bobot untuk peubah ke-i X ij = peubah ke-i pada amatan ke-j yang telah dibakukan 4. Melakukan analisis ragam gabungan terhadap masing-masing respon gabungan untuk mengetahui pengaruh genotipe, pengaruh lokasi, dan pengaruh interaksi antara genotipe dan lokasi tiap respon. Jika pengaruh interaksi antara genotipe dan lokasi signifikan maka dapat dilanjutkan dengan analisis AMMI (Tahap 5). 5. Melakukan Analisis AMMI terhadap masing-masing respon gabungan. Analisis AMMI (Additive Main Effect and Multiplicative Interaction) adalah metode analisis data percobaan multilokasi yang menggabungkan antara analisis ragam aditif bagi pengaruh utama perlakuan dan analisis komponen utama ganda dengan pemodelan bilinier bagi pengaruh interaksi (Mattjik & Sumertajaya 06). Analisis AMMI sangat efektif menjelaskan pengaruh genotipe dengan lingkungan. Model AMMI secara lengkap dapat dituliskan sebagai berikut:

15 5 Y ijk = μ + α i + β j + τ k j + λ n φ ig ρ jg + δ ij + ε ijk dengan: Y ijk : respon dari genotipe ke-i, lokasi ke-j, dan kelompok ke-k μ : rataan umum α i : pengaruh genotipe ke-i, i =, 2,..., a β j : pengaruh lokasi ke-j, j =, 2,..., b : pengaruh kelompok ke-k tersarang pada lokasi ke-j, k =, 2,..., r τ k j λ n φ ig ρ jg δ ij ε ijk : nilai singular untuk komponen bilinier ke-n, n =, 2,..., m : pengaruh ganda genotipe ke-i komponen bilinier ke-n : pengaruh ganda lokasi ke-j komponen bilinier ke-n : simpangan dari pemodelan linier : pengaruh sisaan genotipe ke-i, lokasi ke-j, dan kelompok ke-k Adapun tahapan dalam analisis AMMI adalah sebagai berikut: a. Pembentukan matriks pengaruh interaksi (Z) Penduga pengaruh interaksi yaitu αβ ij =Y ij. -Y i.. -Y.j. +Y Selanjutnya, pengaruh interaksi disuusun menjadi matriks sebagai berikut: α β α β b Z = α a β α a β b b. Melakukan penguraian nilai singular Penguraian nilai singular dilakukan untuk menduga pengaruh interaksi antara genotipe dengan lokasi. Jollife (02) mengemukakan penguraian nilai singular terhadap matriks pengaruh interaksi Z dengan bentuk perkalian matriks sebagai berikut: Z = ULA dengan: Z : matriks pengaruh interaksi berukuran a x b U : matriks ortonormal (U U = I r ) berukuran a x r, r adalah rank Z L : matriks diagonal berukuran r x r dengan diagonal utamanya berupa akar dari akar ciri positif bukan nol dari matriks Z Z A : matriks ortonormal (A A = I r ) berukuran b x r Diagonal utama matriks L selanjutnya disebut nilai singular. c. Menentukan banyaknya komponen utama interaksi (KUI) yang nyata dengan metode posdictive success. Metode posdictive success (keberhasilan total) berkaitan dengan kemampuan suatu model tereduksi dalam melakukan pendugaan data yang digunakan untuk membangun model tersebut. Indikator yang digunakan dalam menentukan banyaknya komponen utama adalah banyaknya KUI yang nyata pada uji-f analisis ragam (Mattjik & Sumertajaya 06). Penguraian jumlah kuadrat interaksi menjadi beberapa jumlah kuadrat KUI dapat dilihat pada Tabel 3. Jumlah kuadrat KUI ke-n merupakan hasil perkalian antara akar ciri ke-n dengan blok.

16 6 Tabel 3 Analisis Ragam AMMI Sumber Keragaman Derajat Bebas (db) Jumlah Kuadrat (jk) Lokasi b- (Y.j. -Y ) 2 d. Menghitung nilai komponen untuk genotipe dan lokasi Interaksi genotipe dan lokasi dapat diduga dengan perkalian antara nilai komponen genotipe dengan nilai komponen lokasi. Nilai komponen genotipe dan lokasi dapat diperoleh dari penguraian nilai singular yang berbentuk Z = GH. Penguraian nilai singular ini diawali dengan mendefinisikan matriks diagonal L m (0 m ) yang elemen-elemen diagonalnya adalah elemen-elemen matriks L dipangkatkan m demikian juga dengan pendefinisian matriks L -m, G=UL m, serta H=AL -m sehingga nilai komponen genotipe merupakan kolom-kolom matriks G dan nilai komponen lokasi adalah kolom-kolom matriks H. Pada analisis AMMI nilai m yang digunakan adalah 0.5. e. Membuat biplot AMMI Biplot merupakan salah satu upaya peragaan grafik dari matriks dalam suatu plot yang berisi vektor-vektor saling tumpang tindih dalam ruang dimensi dua (Hadi & Sa diyah 04). Pola tebaran titik-titik yang disajikan biplot merupakan hasil penguraian nilai singular yang diplotkan antara satu komponen genotipe dengan komponen lokasi secara simultan (Sujiprihati et al. 06). Biplot yang digunakan pada analisis AMMI berupa biplot pada nilai komponen utama pertama (KU ) dengan rataan respon (Biplot AMMI-). Jika komponen utama interaksi kedua a b r i= j= k= a b r Blok (Lokasi) b(r-) (Y.jk -Y.j. ) 2 i= j= k= a b r Genotipe a- (Y i.. -Y ) 2 i= j= k= a b r Genotipe *Lokasi (a-)(b-) (Y ij. -Y i.. Y.j. + Y ) 2 i= j= k= KUI a+b--2() λ x r KUI2 a+b--2(2) λ 2 x r KUIn a+b--2(n) λ n x r Simpangan dbi - dbkui dbkuin jki - jkkui jkkuin Galat b(a-)(r-) (Y ijk -Y ij. Y.jk + Y ) 2 a b r i= j= k= a b r Total abr- (Y ijk -Y ) 2 Keterangan: dbi = derajat bebas Genotipe*Lokasi jki = jumlah kuadrat Genotipe*Lokasi i= j= k=

17 signifikan, maka biplot antara komponen utama pertama (KU ) dengan komponen utama kedua (KU 2 ) dapat ditambahkan (Biplot AMMI-2). Pada Biplot AMMI-, sumbu datar merupakan jarak titik-titik amatan berdasarkan rataan respon yang menunjukkan perbedaan pengaruh utama. Sedangkan sumbu tegak yang merupakan jarak titik amatan berdasarkan KU menunjukkan perbedaan pengaruh interaksinya terhadap lokasi. Biplot AMMI- menunjukkan bahwa genotipe memiliki daya adaptasi yang baik pada suatu lokasi jika genotipe dan lokasi berinteraksi positif. Biplot AMMI-2 merupakan penggambaran pengaruh interaksi antara genotipe dengan lokasi. Titik-titik amatan yang arahnya sama mengindikasikan adanya interaksi positif diantara titik-titik amatan tersebut. Sebaliknya, titik-titik yang berbeda arahnya menunjukkan bahwa ada interaksi negatif diantara titik-titik tersebut (Hadi & Sa diyah 04). f. Mengklasifikasikan kestabilan genotipe dengan membuat selang kepercayaan normal ganda dan poligon pada biplot AMMI-2. Kestabilan genotipe dapat diidentifikasi dengan pendekatan selang kepercayaan normal ganda yang berbentuk ellips dengan pusat (0,0) pada skor komponen utama interaksinya. Adapun panjang jari-jari ellips dapat diperoleh dengan rumus: R i = ± λ i p(n-) n(n-p) F p,n-p(α) dengan: R i : jari-jari pada sumbu KUIi λ i : akar ciri dari matriks ragam peragam koordinat objek n : banyaknya pengamatan p : banyaknya komponen utama yang digunakan F p,n p(α) : nilai tabel sebaran-f dengan db=p, db2=n-p, dan α sebesar 5% Genotipe yang berada di luar ellips merupakan genotipe yang tidak stabil. Koordinat titik yang semakin mendekati pusat ellips menunjukkan bahwa semakin stabil pula genotipe tersebut. Biplot AMMI-2 menunjukkan gambaran adaptasi genotipe pada lokasi tertentu. Hal ini dapat terlihat dengan membuat poligon yang menghubungkan titik-titik lokasi terluar. Selanjutnya, buat garis tegak lurus yang menghubungkan titik pusat dengan tiap sisi poligon. Garis tegak ini berguna untuk membagi poligon ke dalam beberapa kuadran sehingga genotipe-genotipe yang berada di dalam kuadran yang sama merupakan genotipe yang spesifik pada lokasi tertentu. Semakin dekat jarak atau semakin kecil sudut diantara lokasi dengan genotipe, menunjukkan semakin kuat interaksi diantara keduanya. 7

18 8 HASIL DAN PEMBAHASAN Eksplorasi Data Deskripsi respon menurut lokasi dan genotipe terdapat pada Lampiran. Rataan tertinggi dari respon BB, BK, dan PD berada pada lokasi PSKM yaitu sebesar gram, gram, dan 6.99 cm. Rataan tertinggi dari respon LD dan JC berada di lokasi P3SKM yaitu sebesar 3.30 cm dan 5.78 buah. Berbeda dengan respon lain yang memiliki rataan tertinggi di lokasi SKM, rataan tertinggi dari JT berada pada lokasi P3CRG yaitu sebesar 6.29 buah. Pola rataan dari respon PD menurut lokasi dapat dilihat pada Gambar. Rataan Lokasi Gambar Rataan respon PD menurut lokasi Berdasarkan genotipe, rataan tertinggi pada respon PD, LD, TD, dan DB terdapat pada genotipe F yaitu sebesar 7.2 cm, 3.2 cm, 0.34 mm, dan 6.76 mm. Rataan tertinggi respon JC, BB, dan BK terdapat pada genotipe C yaitu.22 buah, gram, dan.93 gram. Sedangkan pada respon JT rataan tertinggi adalah genotipe B yaitu 6.97 buah. Pola rataan dari respon PD menurut genotipe dapat dilihat pada Gambar 2. Rataan A B C D E F Genotipe Gambar 2 Rataan respon PD menurut genotipe

19 Diagram kotak-garis dari setiap respon menunjukkan penyebaran data pada setiap lokasi. Respon PD, LD, BB dan BK cenderung menyebar homogen walaupun memiliki beberapa nilai ekstrem di lokasi tertentu. Sedangkan respon TD, JT, JC, dan DB memiliki sebaran data yang tidak homogen. Keterangan yang lebih lengkap dapat dilihat pada Lampiran 2. 9 Pengujian Asumsi Analisis Ragam Pengujian asumsi merupakan suatu proses yang harus dilakukan untuk memastikan kesahihan dari hasil analisis ragam. Asumsi yang perlu diperhatikan antara lain kenormalan sisaan, kehomogenan ragam sisaan, dan kebebasan sisaan. Asumsi yang terlanggar akan berakibat pada kepekaan pengujian atau dengan kata lain pengujian yang dilakukan tidak sahih. Pelanggaran asumsi yang terjadi dapat ditangani dengan transformasi pada data percobaan. Pengujian asumsi menunjukkan bahwa hanya respon BB dan PD yang telah memenuhi asumsi kenormalan sisaan, kehomogenan ragam antar lokasi, dan kebebasan sisaan. Oleh karena itu, dilakukan beberapa transformasi pada respon BK, LD, TD, DB, JC, dan JT. Setelah ditransformasi, seluruh asumsi yang diuji pada respon BK, LD, dan JC terpenuhi. Bentuk transformasi yang dilakukan pada respon BK adalah transformasi akar, respon LD adalah transformasi kebalikan akar, sedangkan respon JC dan JT adalah transformasi logaritma. Pelanggaran asumsi pada respon TD dan DB sangat fatal. Berbagai bentuk transformasi sedikitpun tidak mampu menangani pelanggaran yang terjadi. Metode postdictive success mengharuskan pemenuhan asumsi agar pengujian yang dilakukan sahih. Oleh karena itu, diputuskan untuk tidak menggunakan respon TD dan DB dalam penggabungan respon dan analisis AMMI. Transformasi yang dilakukan pada JT masih belum mampu menangani pelanggaran asumsi sepenuhnya. Namun respon ini tetap dapat dimasukkan dalam penggabungan respon selama respon gabungan yang terbentuk memenuhi seluruh asumsi. Untuk memastikan terpenuhinya asumsi-asumsi analisis ragam, pengujian asumsi akan dilakukan kembali pada ketiga respon gabungan yang terbentuk. Hasil pengujian asumsi respon asal dapat dilihat pada Lampiran 3. Penggabungan Respon dengan Pembobotan Komponen Utama Penggabungan respon menggunakan data hasil pemeriksaan asumsi dan hasil transformasi bagi respon-respon asal yang belum memenuhi asumsi analisis ragam. Pemeriksaan korelasi merupakan langkah awal sebelum penggabungan respon agar dapat mengetahui banyaknya komponen utama yang sesuai. Tabel 4 menunjukkan nilai korelasi antar peubah respon untuk kategori produktifitas tanaman sedangkan Tabel 5 menunjukkan nilai korelasi antar peubah respon kategori morfologi tanaman. Berdasarkan Tabel 4, nilai korelasi antar respon kategori produktifitas tanaman cukup besar. Sedangkan untuk kategori morfologi tanaman pada Tabel 5, terlihat bahwa ada beberapa respon yang korelasinya rendah seperti PD dengan JC. Hal ini mengindikasikan hubungan diantara respon PD dan JC kurang erat.

20 0 Tabel 4 Korelasi antar peubah respon kategori produktifitas tanaman BB BK BB BK Tabel 5 Korelasi antar peubah respon kategori morfologi tanaman PD LD JC JT PD LD JC JT Pembobotan berdasarkan komponen utama merupakan metode penggabungan respon terbaik untuk data berkorelasi tinggi maupun rendah (Sumertajaya 05). Oleh karena itu, metode tersebut masih dapat diterapkan dalam penelitian ini. Penggabungan respon produktifitas tanaman Hasil analisis komponen utama pada respon kategori produktifitas tanaman terdapat di Lampiran 4. Keragaman yang mampu dijelaskan oleh komponen utama pertama sudah mencapai 92.7% sehingga hanya komponen pertama yang dipilih. Persamaan komponen tersebut adalah sebagai berikut: KU = X X 2 Bobot setiap respon didapatkan berdasarkan persamaan KU dengan perhitungan sebagai berikut: w = (0.707) =0.592 (0.707) 2 w 2 =.8543 =0.592 Setelah mendapatkan bobot setiap respon, respon gabungan dapat dihitung melalui persamaan sebagai berikut: Y gab-produktifitas = X X 2 dengan X dan X 2 merupakan respon BB dan BK yang telah dibakukan. Bobot kedua respon memiliki nilai yang sama. Hal ini menunjukkan bahwa keragaman peubah asal yang dijelaskan oleh komponen utama terpilih sama besar.

21 Penggabungan respon morfologi tanaman Hasil analisis komponen utama pada respon kategori morfologi tanaman terdapat pada Lampiran 5. Berdasarkan persentase keragaman kumulatifnya, jumlah komponen utama yang terpilih sebanyak dua komponen. Keragaman yang mampu dijelaskan oleh kedua komponen tersebut sebesar 88.6%. Adapun persamaan dari kedua komponen terpilih adalah sebagai berikut: KU = X X X X 4 KU 2 = X X X X 4 Perhitungan bobot masing-masing respon berdasarkan persamaan KU dan KU 2 adalah sebagai berikut: w = (0.482) (-0.525) =0.549 w 2 = (-0.532) (0.46) = w 3 = (0.50) (0.497) = (-0.484) 2 w 4 =.98 + (-0.55) = Respon gabungan dapat dihitung melalui persamaan sebagai berikut: Y gab-pertumbuhan = X X X X 4 dengan X, X 2, X 3, dan X 4 berturut-turut merupakan respon PD, LD, JC, dan JT yang telah dibakukan. Berdasarkan persamaan tersebut, terlihat bahwa bobot dari keempat respon relatif sama besar. Hal ini menunjukkan keragaman yang dijelaskan masing-masing respon cenderung sama besar. Penggabungan respon gabungan total Hasil analisis komponen utama respon gabungan total yang disajikan pada Lampiran 6 menunjukkan bahwa komponen utama yang terpilih sebanyak dua komponen. Keputusan ini diambil karena dua komponen pertama telah mampu menjelaskan keragaman hingga 77.4%. Persamaan dari kedua komponen yang terpilih adalah sebagai berikut: KU =0.526 X X X X X X 6 KU 2 =0.68 X X X X X X 6 Perhitungan bobot masing-masing respon berdasarkan persamaan kedua komponen adalah sebgai berikut:

22 2 w = (0.526) (0.68)2.88 =0.339 w 2 = (0.50) (0.083)2.88 =0.307 w 3 = (0.49) (-0.47)2.88 =0.34 w 4 = (-0.477) (0.222)2.88 =0.329 w 5 = (-0.07) (-0.666)2.88 =0.486 w 6 = (0.054) (0.67)2.88 =0.490 Respon gabungan dapat dihitung melalui persamaan sebagai berikut: Y gab-total = X X X X X X 6 dengan X, X 2, X 3, X 4, X 5, dan X 6 merupakan respon BB, BK, PD, LD, JC, dan JT yang telah dibakukan. Berdasarkan persamaan diatas, diketahui bahwa bobot terbesar terdapat pada respon JT (Jumlah Tunas) sedangkan bobot terkecil terdapat pada respon BK (Berat Kering). Untuk memastikan terpenuhinya asumsi analisis ragam maka perlu dilakukan pengujian terhadap ketiga respon gabungan yang telah terbentuk. Hasil pengujian asumsi menunjukkan bahwa seluruh respon gabungan telah memenuhi asumsi kenormalan sisaan, asumsi kehomogenan ragam antar lokasi, dan asumsi kebebasan sisaan. Oleh karena itu, ketiga respon gabungan yang terbentuk dapat dianalisis pada semua lokasi secara bersama-sama dalam analisis ragam gabungan. Keterangan selengkapnya tentang pengujian asumsi respon gabungan disajikan pada Lampiran 7.

23 3 Analisis Ragam Gabungan Hasil analisis ragam gabungan respon produktifitas tanaman, morfologi tanaman, dan respon gabungan total disajikan pada Tabel 6, 7, dan 8. Berdasarkan nilai-p pada ketiga tabel tersebut, diperoleh informasi bahwa pengaruh utama dan pengaruh interaksi dari ketiga respon gabungan berpengaruh signifikan pada taraf nyata 5%. Pengaruh utama genotipe yang signifikan berarti minimal terdapat satu genotipe yang memberikan respon berbeda dengan genotipe lain, begitu pula untuk pengaruh utama lokasi. Pengaruh interaksi antara lokasi dengan genotipe yang signifikan menunjukkan adanya perbedaan hasil dari genotipe kumis kucing yang ditanam di lokasi berbeda. Oleh karena itu, metode AMMI dapat dilakukan untuk mengklasifikasikan kestabilan genotipe. Tabel 6 Analisis ragam gabungan respon produktifitas tanaman SK db JK KT F-hitung Nilai-p Lokasi Genotipe Blok(Lokasi) Lokasi*Genotipe Galat Total Tabel 7 Analisis ragam gabungan respon morfologi tanaman SK db JK KT F-hitung Nilai-p Lokasi Genotipe Blok(Lokasi) Lokasi*Genotipe Galat Total Tabel 8 Analisis ragam gabungan respon gabungan total SK db JK KT F-hitung Nilai-p Lokasi Genotipe Ulangan(Lokasi) Lokasi x Genotipe Galat Total

24 4 Analisis AMMI (Additive Main Effect and Multiplicative Interaction) Respon Produktifitas Tanaman Penguraian nilai singular dari matriks dugaan pengaruh interaksi menghasilkan lima akar ciri bukan nol yaitu 4.306,.076, 0.72, 0.82, dan Kontribusi keragaman pengaruh interaksi yang diterangkan oleh setiap komponen berturut-turut adalah 68.06%, 7%,.%, 2.88%, dan 0.67%. Komponen Utama Interaksi (KUI) yang dipertahankan berdasarkan metode postdictive success sebanyak dua komponen. Hal ini ditunjukkan pada Tabel 9 dengan nilai-p KUI dan KUI 2 yang kurang dari Adanya dua KUI yang signifikan menunjukkan bahwa respon gabungan produktifitas tanaman dapat diterangkan oleh model AMMI-2. Adapun keragaman pengaruh interaksi yang mampu dijelaskan oleh model AMMI-2 sebesar 85.05%. Tabel 9 Analisis ragam AMMI respon gabungan produktifitas tanaman SK db JK KT F-hitung Nilai-p Lokasi Genotipe Blok(Lokasi) Lokasi*Genotipe KUI KUI KUI KUI KUI Galat Total Biplot AMMI- menunjukkan bahwa genotipe B, C, dan F memiliki nilai rataan yang lebih besar dari rataan umum sedangkan lainnya memiliki nilai rataan yang lebih rendah. Efek interaksi positif terjadi jika skor KUI memiliki tanda positif. Gambar 3 menunjukkan genotipe A dan D memiliki efek interaksi positif dengan lokasi P2CRG, P2CMG, P3CMG, P2SKM, dan P3SKM. Hal ini berarti genotipe tersebut beradaptasi dengan baik di lokasi yang daya dukungnya baik. Gambar 3 Biplot AMMI- respon produktifitas tanaman

25 Biplot AMMI-2 menjelaskan struktur interaksi antara lokasi dengan genotipe. Pada Gambar 4 terlihat bahwa genotipe yang stabil (berada di dalam ellips) terhadap seluruh lokasi penanaman adalah genotipe E dan F sedangkan genotipe lainnya spesifik pada lokasi tertentu. Poligon yang terbentuk menghasilkan kuadran-kuadran yang membantu dalam menentukan genotipe yang spesifik lokasi. Berdasarkan sudut yang terbentuk, genotipe C spesifik pada lokasi P2CRG, genotipe B spesifik pada lokasi P3CRG, genotipe A spesifik pada lokasi P2SKM, dan genotipe D cenderung spesifik pada lokasi P2CMG. Adapun lokasi yang berada di dalam elips menunjukkan bahwa genotipe yang ditanam pada lokasi tersebut memberi daya hasil yang relatif sama. 5 Gambar 4 Biplot AMMI-2 respon produktifitas tanaman Respon Morfologi Tanaman Sama seperti respon produktifitas tanaman, hasil penguraian nilai singular pada respon morfologi tanaman juga menghasilkan lima akar ciri bukan nol yaitu.456, 0.769, 0.85, 0.056, dan 0.04 dengan kontribusi keragaman yang mampu diterangkan oleh setiap komponen adalah 58.70%, 3.0%, 7.46%, 2.27%, dan 0.56%. Banyaknya KUI yang dipertahankan berdasarkan metode postdictive success adalah dua komponen dengan keragaman yang mampu dijelaskan oleh model AMMI-2 sebesar 89.72%. Hasil analisis ragam AMMI respon morfologi tanaman selengkapnya dapat dilihat pada Tabel 0.

26 6 Tabel 0 Analisis ragam AMMI respon gabungan morfologi tanaman SK db JK KT F-hitung Nilai-p Lokasi Genotipe Blok(Lokasi) Lokasi*Genotipe KUI KUI KUI KUI KUI Galat Total Berdasarkan Gambar 5, biplot AMMI- menunjukkan bahwa genotipe B, D, dan F memiliki rataan yang lebih besar dari rataan umum sedangkan genotipe C, E, dan F memiliki nilai rataan yang lebih rendah. Selain itu, genotipe A, B, dan D memiliki efek interaksi positif dengan lokasi PCRG, P2CRG, P3CRG, P2CMG, dan P3CMG. Gambar 5 Biplot AMMI- respon morfologi tanaman Pada biplot AMMI-2 yang tersaji dalam Gambar 6, terlihat bahwa hanya genotipe B yang stabil. Berdasarkan poligon yang terbentuk dan kedekatan sudutnya, genotipe A spesifik pada lokasi P3CMG, genotipe C spesifik pada lokasi P3SKM, genotipe D spesifik pada lokasi P2CRG, genotipe E spesifik pada lokasi P2SKM, dan genotipe F spesifik pada lokasi PSKM.

27 7 Gambar 6 Biplot AMMI-2 respon morfologi tanaman Respon Gabungan Total Hasil penguraian nilai singular dari respon gabungan total juga menghasilkan lima akar ciri bukan nol yaitu 2.846,.06, 0.463, 0.224, dan kontribusi keragaman yang mampu diterangkan oleh setiap komponen adalah.78%, 23.62%, 9.89%, 4.78%, dan 0.93%. Jumlah KUI yang dipertahankan berdasarkan metode postdictive success sebanyak dua komponen dengan keragaman yang mampu dijelaskan oleh model AMMI-2 sebesar 84.%. Adapun hasil analisis ragam AMMI untuk respon gabungan total tersaji pada Tabel. Tabel Analisis ragam AMMI respon gabungan total SK db JK KT F-hitung Nilai-p Lokasi Genotipe Ulangan(Lokasi) Lokasi x Genotipe KUI KUI KUI KUI KUI Galat Total

28 8 Biplot AMMI- pada Gambar 7 menunjukkan bahwa genotipe B, C, dan F memiliki rataan yang lebih besar dari rataan umum sedangkan lainnya memiliki nilai rataan yang lebih rendah dari rataan umum. Pada Gambar 7 juga terlihat bahwa genotipe A dan D memiliki efek interaksi positif dengan lokasi P2CRG, P2CMG, P3CMG, P2SKM, dan P3SKM. Gambar 7 Biplot AMMI- respon gabungan total.biplot AMMI-2 menunjukkan bahwa genotipe yang stabil adalah genotipe B dan E. Berdasarkan poligon dan sudut yang terbentuk, genotipe A cenderung spesifik pada lokasi P3CMG, genotipe C spesifik pada lokasi P3CRG, genotipe D cenderung spesifik pada lokasi P2CRG dan P2CMG, dan genotipe F cenderung spesifik pada lokasi PCMG. Gambar 8 Biplot AMMI-2 respon gabungan total

29 Keputusan Kestabilan Genotipe Berdasarkan analisis AMMI pada ketiga respon gabungan, dihasilkan tiga keputusan mengenai klasifikasi genotipe yang disajikan pada Tabel 2. Genotipe yang stabil pada Respon Gabungan Total telah mewakili kedua respon gabungan sebelumnya, yaitu genotipe E dari Respon Produktifitas Tanaman dan genotipe B dari Respon Morfologi Tanaman. Genotipe F tidak masuk menjadi genotipe stabil karena pada Respon Gabungan Total keragaman morfologi lebih besar daripada keragaman produksi. Hal ini ditunjukkan pada bobot peubah yang menjadi koefisien persamaan respon gabungan. Pada persamaan Respon Gabungan Total tersebut peubah Z 6 (JT) memiliki bobot terbesar dan peubah Z 2 (BK) memiliki bobot terkecil. Genotipe E dapat menjadi genotipe yang stabil karena genotipe E hampir stabil berdasarkan faktor morfologinya. Hal ini terlihat pada Biplot AMMI-2 Respon Morfologi Tanaman dengan genotipe E yang cenderung dekat dengan ellips walaupun tidak berada didalamnya. Tabel 2 Hasil klasifikasi genotipe berdasarkan respon gabungan 9 Respon Produktifitas Tanaman Morfologi Tanaman Gabungan Total Genotipe Stabil E, F B B, E Genotipe Spesifik (Lokasi) C (P2CRG), B (P3CRG), A (P2SKM), dan D (P2CMG) A (P3CMG), C (P3SKM), D (P2CRG), E (P2SKM), dan F (PSKM) A (P3CMG), C (P3CRG), D (P2CMG), dan F (PSKM)

30 SIMPULAN DAN SARAN Simpulan Analisis AMMI respon ganda dengan pembobotan komponen utama menghasilkan dua genotipe stabil dari respon produktifitas tanaman, satu genotipe stabil dari respon morfologi tanaman, dan dua genotipe stabil dari respon gabungan total. Untuk respon produktifitas tanaman, genotipe yang stabil pada seluruh lokasi adalah genotipe E dan F, genotipe lainnya spesifik pada lokasi yang berbeda-beda. Untuk respon morfologi tanaman, genotipe yang stabil pada seluruh lokasi hanya genotipe B, genotipe lainnya spesifik pada lokasi yang berbeda-beda. Sedangkan untuk respon gabungan total genotipe yang stabil adalah genotipe B dan E. Saran Pada penelitian ini, respon TD dan DB tidak dapat memenuhi asumsi analisis ragam, sehingga tidak digunakan dalam penggabungan respon dan analisis AMMI. Selanjutnya, penelitian serupa yang datanya tidak memenuhi asumsi analisis ragam dan data transformasi tidak mampu menangani pelanggaran tersebut, disarankan menggunakan metode predictive success dalam menentukan banyaknya komponen utama interaksi yang terpilih karena metode predictive success tidak memerlukan asumsi apapun dalam penggunaanya.

31 2 DAFTAR PUSTAKA Aunuddin. 05. Statistika: Rancangan dan Analisis Data.Bogor (ID). IPB Pr. Hadi AF, Sa diyah H. 04. Model AMMI untuk Interaksi Genotipe x Lokasi. Jurnal Ilmu Dasar V(): Januwati M. 3. Saintifikasi Jamu: Membangun Kesejahteraan dan Kesehatan Masyarakat. [Internet]. [diunduh 4 Maret 7]. Tersedia pada: Jollife IT. 02. Principal Component Analysis. New York (US): Springer-Verlag. Mattjik AA, Sumertajaya IM. 06. Perancangan Percobaan dengan Aplikasi SAS dan Minitab Jilid I Ed-2. Bogor (ID): IPB Pr. Srivastava, MS. 02. Methods of Multivariate Statistics. New York (US): J Wiley. Sujiprihati S, Syukur M, Yunianti R. 06. Analisis Stabilitas Hasil Tujuh Populasi Jagung Manis Menggunakan Metode Additive Main Effect Multiplicative Interaction (AMMI). Bul Agron. 34(2): Sumertajaya IM. 05. Kajian Pengaruh Inter Blok dan Interaksi Pada Uji Lokasi Ganda dan Respon Ganda [disertasi]. Bogor (ID): Departemen Statistika FMIPA Institut Pertanian Bogor.

32 PD (cm) LD (cm) 22 Lampiran Deskripsi respon. Deskripsi respon menurut lokasi Respon Lokasi PD TD DB BB BK LD (cm) JC JT (cm) (mm) (mm) (gr) (gr) PCRG PSKM PCMG P2CRG P2SKM P2CMG P3CRG P3SKM P3CMG Deskripsi respon menurut genotipe Respon Genotipe PD TD DB BB BK LD (cm) JC JT (cm) (mm) (mm) (gr) (gr) A B C D E F Lampiran 2 Diagram kotak-garis respon asal 2. Panjang Daun 2.2 Lebar Daun 0 4,5 9 4,0 8 3,5 7 3,0 6 2,5 5 2,0 4 PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM,5 PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM

33 BB (gr) BK (gr) JT DB (mm) TD (mm) JC Tebal Daun 2.4 Jumlah Cabang 0,7 0,6 0,5 5 0,4 0,3 0 0,2 5 0, PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM 0 PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM 2.5 Jumlah Tunas 2.6 Diameter Batang PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM 2 PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM 2.7 Berat Basah 2.8 Berat Kering PCMG PCRG PSKM P2CMG P2CRG P2SKM Lokasi P3CMG P3CRG P3SKM 0 PCMG PCRG PSKM P2CMG P2CRG Lokasi P2SKM P3CMG P3CRG P3SKM

34 Percent Percent Percent Percent Percent Percent 24 Lampiran 3 Hasil pengujian asumsi respon asal 3. Uji Kenormalan Sisaan 3.. Panjang Daun 3..2 Lebar Daun 99, Mean 3,083953E-6 StDev 0,3855 N 26 KS 0,058 P-Value 0,080 99, Mean 4,728728E-7 StDev 0,2534 N 26 KS 0,090 P-Value <0, , -,0-0,5 0,0 0,5 Residual,0,5 0, -,0-0,5 0,0 Residual 0,5, Kebalikan Akar (Lebar Daun) 3..4 Tebal Daun 99, Mean -,67047E-8 StDev 0,02588 N 26 KS 0,052 P-Value >0,50 99, Mean -2,906E-7 StDev 0,03596 N 26 KS 0,3 P-Value <0, , -0,0-0,05 0,00 Residual 0,05 0,0 0, -0,2-0, 0,0 Residual 0, 0, Jumlah Cabang 3..6 Log (Jumlah Cabang) 99, Mean -2,382E-6 StDev,090 N 26 KS 0,078 P-Value <0,00 99, JC* Mean -3,44375E-7 StDev 0,04774 N 26 KS 0,056 P-Value 0,094 0, Residual , -0,5-0,0-0,05 0,00 Residual 0,05 0,0 0,5

35 Percent Percent Percent Percent Percent Percent Jumlah Tunas 3..8 Log (Jumlah Tunas) 99, JT Mean -4,3250E-6 StDev 0,7772 N 26 KS 0,23 P-Value <0,00 99, Mean -,34666E-6 StDev 0,0 N 26 KS 0,067 P-Value 0,027 0, Residual , -0,4-0,3-0,2-0, 0,0 RESI6 0, 0,2 0,3 0, Diameter Batang 3..0 Berat Basah 99, Mean -2,87836E-7 StDev 0,768 N 26 KS 0,2 P-Value <0,00 99, Mean -9,0796E-5 StDev 55,9 N 26 KS 0,056 P-Value 0, , Residual , Residual Berat Kering 3..2 Akar (Berat Kering) 99, Mean 4,04646E-5 StDev 5,64 N 26 KS 0,07 P-Value <0,00 99, BK* Mean,06904E-6 StDev 0,852 N 26 KS 0,059 P-Value 0,068 0, Residual , Residual 2 3

36 Residual Residual Residual Residual Residual Residual Uji Kebebasan Sisaan 3.2. Panjang Daun Kebalikan Akar (Lebar Daun) (response is PD) (response is LD*) 0,0,0 0,5 0,05 0,0 0,00-0,5 -,0-0,05 -, Observation Order , Observation Order Log (Jumlah Cabang) Log (Jumlah Tunas) 0,5 (response is JC*) 0,4 (response is JT*) 0,0 0,3 0,05 0,00-0,05-0,0-0,5 0,2 0, 0,0-0, -0,2-0, Observation Order Observation Order Berat Basah Akar (Berat Kering) (response is BB) (response is BK*) Observation Order Observation Order 80 0

37 Uji Kehomogenan Ragam Antar Lokasi No. Respon χ 2 FK χ 2( ) Keterangan PD (cm) Terpenuhi 2 LD (cm) Terpenuhi 3 JC Terpenuhi 4 JT Tidak terpenuhi 5 BB (gr) Terpenuhi 6 BK (gr) Terpenuhi Lampiran 4 Hasil analisis komponen utama respon produktifitas tanaman Akar Ciri Proporsi Kumulatif Peubah KU KU2 BB (gr) BK (gr) Lampiran 5 Hasil analisis komponen utama respon morfologi tanaman Akar Ciri Proporsi Kumulatif Peubah KU KU2 KU3 KU4 PD (cm) LD (cm) JC JT Lampiran 6 Hasil analisis komponen utama respon gabungan total Akar Ciri Proporsi Kumulatif Peubah KU KU2 KU3 KU4 KU5 KU6 BB (gram) BK (gram) PD (cm) LD (cm) JC JT

38 Residual Residual Percent Percent Percent 28 Lampiran 7 Hasil pengujian asumsi respon gabungan 7. Uji Kenormalan Sisaan 7.. Produktifitas Tanaman 7..2 Morfologi Tanaman Produktifitas Tanaman Morfologi Tanaman 99, Mean,053684E-6 StDev 0,3375 N 26 KS 0,054 P-Value 0,22 99, Mean -3,08395E-8 StDev 0,330 N 26 KS 0,034 P-Value >0, , -,0-0,5 0,0 Residual 0,5,0 0, -0,50-0,25 0,00 Residual 0,25 0, Gabungan Total 99, Mean -6,73330E-7 StDev 0,306 N 26 KS 0,039 P-Value >0, , -,0-0,5 0,0 Residual 0,5,0 7.2 Uji Kebebasan Sisaan 7.2. Produktifitas Tanaman Morfologi Tanaman,0 (response is ygab-produktifitas),0 (response is y-gab-morfologi) 0,5 0,5 0,0 0,0-0,5-0,5 -, Observation Order Observation Order 80 0

39 Residual Gabungan Total,0 (response is Ygab) 0,5 0,0-0,5 -, Observation Order Uji Kehomogenan Ragam Antar Lokasi No. Respon χ 2 FK χ 2( ) Keterangan Produktifitas tanaman Terpenuhi 2 Morfologi tanaman Terpenuhi 3 Gabungan Total Terpenuhi

40 30 RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 9 Mei 992 dari pasangan Bapak Durahim dan Ibu Amsah. Penulis adalah putri keenam dari enam bersaudara. Pada tahun 0 penulis lulus dari SMA Negeri 8 Bogor dan diterima sebagai mahasiswa Departemen Statistika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Pertanian Bogor jalur masuk USMI. Selama menjalani perkuliahan. penulis aktif sebagai bendahara Badan Pengawas Himpunan Keprofesian Gamma Sigma Beta periode 3. Penulis juga sempat mengikuti kegiatan kepanitiaan. diantaranya Pekan Olahraga Statistika sebagai staff divisi konsumsi pada tahun dan The 8th Statistika Ria sebagai staff divisi acara pada tahun 2. Pada tahun 3. penulis berkesempatan menjalani praktik lapang di Balai Penelitian Tanaman Rempah dan Obat (Balittro) Bogor.

PENERAPAN PEMBOBOTAN KOMPONEN UTAMA UNTUK PEREDUKSIAN PEUBAH PADA ADDITIVE MAIN EFFECT AND MULTIPLICATIVE INTERACTION GERI ZANUAR FADLI

PENERAPAN PEMBOBOTAN KOMPONEN UTAMA UNTUK PEREDUKSIAN PEUBAH PADA ADDITIVE MAIN EFFECT AND MULTIPLICATIVE INTERACTION GERI ZANUAR FADLI PENERAPAN PEMBOBOTAN KOMPONEN UTAMA UNTUK PEREDUKSIAN PEUBAH PADA ADDITIVE MAIN EFFECT AND MULTIPLICATIVE INTERACTION GERI ZANUAR FADLI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

Forum Statistika dan Komputasi : Indonesian Journal of Statistics. journal.ipb.ac.id/index.php/statistika

Forum Statistika dan Komputasi : Indonesian Journal of Statistics. journal.ipb.ac.id/index.php/statistika PENERAPAN PEMBOBOTAN KOMPONEN UTAMA UNTUK PEREDUKSIAN PEUBAH PADA ADDITIVE MAIN EFFECT AND MULTIPLICATIVE INTERACTION (Application of Weighted Principal Component for Variable Reduction in Additive Main

Lebih terperinci

MODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K

MODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K , April 2009 p : 11-15 ISSN : 0853-8115 Vol 14 No.1 MODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K Mohammad Masjkur 1 dan Niken Dyah Septiastuti Departemen Statistika FMIPA-IPB E-mail : 1 masjkur@gmail.com

Lebih terperinci

BAB II TINJAUAN PUSTAKA. digunakan sebagai rujukan ada dua penelitian. Rujukan penelitian pertama yaitu penelitian Lavoranti et al.

BAB II TINJAUAN PUSTAKA. digunakan sebagai rujukan ada dua penelitian. Rujukan penelitian pertama yaitu penelitian Lavoranti et al. BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Sebagai bahan pertimbangan dalam penelitian ini dicantumkan mengenai penelitian terdahulu yang digunakan sebagai rujukan. Penelitian terdahulu yang digunakan

Lebih terperinci

UJI MULTILOKASI MELALUI ANALISIS AMMI MULTIRESPON (Studi Kasus : Penelitian Galur Tanaman Tembakau Madura)

UJI MULTILOKASI MELALUI ANALISIS AMMI MULTIRESPON (Studi Kasus : Penelitian Galur Tanaman Tembakau Madura) Xplore, 2013, Vol. 1(1):e6(1-5) c 2013 Departemen Statistika FMIPA IPB UJI MULTILOKASI MELALUI ANALISIS AMMI MULTIRESPON (Studi Kasus : Penelitian Galur Tanaman Tembakau Madura) Satria Yudha Herawan, I

Lebih terperinci

PENANGANAN KETIDAKHOMOGENAN RAGAM AKIBAT KEBERADAAN DATA EKSTRIM MELALUI PENDEKATAN EM-AMMI NADA TSURAYYA

PENANGANAN KETIDAKHOMOGENAN RAGAM AKIBAT KEBERADAAN DATA EKSTRIM MELALUI PENDEKATAN EM-AMMI NADA TSURAYYA PENANGANAN KETIDAKHOMOGENAN RAGAM AKIBAT KEBERADAAN DATA EKSTRIM MELALUI PENDEKATAN EM-AMMI NADA TSURAYYA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

Keywords: Factorial Experiment, CRBD, AMMI, Analysis of Variance, PCA, Biplot

Keywords: Factorial Experiment, CRBD, AMMI, Analysis of Variance, PCA, Biplot ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 529-536 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE

Lebih terperinci

IDENTIFIKASI INTERAKSI GENOTIPE X LINGKUNGAN PADA PADI HIBRIDA BERDASARKAN RESPON GABUNGAN SUCI TIARA

IDENTIFIKASI INTERAKSI GENOTIPE X LINGKUNGAN PADA PADI HIBRIDA BERDASARKAN RESPON GABUNGAN SUCI TIARA IDENTIFIKASI INTERAKSI GENOTIPE X LINGKUNGAN PADA PADI HIBRIDA BERDASARKAN RESPON GABUNGAN SUCI TIARA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

MODEL ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION (AMMI) PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K NIKEN DYAH SEPTIASTUTI

MODEL ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION (AMMI) PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K NIKEN DYAH SEPTIASTUTI MODEL ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION (AMMI) PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K NIKEN DYAH SEPTIASTUTI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

ANALISIS INTERAKSI GENOTIPE-LINGKUNGAN DENGAN METODE AMMI PADA DATA MULTIRESPON PUNGKAS EMARANI

ANALISIS INTERAKSI GENOTIPE-LINGKUNGAN DENGAN METODE AMMI PADA DATA MULTIRESPON PUNGKAS EMARANI ANALISIS INTERAKSI GENOTIPE-LINGKUNGAN DENGAN METODE AMMI PADA DATA MULTIRESPON PUNGKAS EMARANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 008 RINGKASAN

Lebih terperinci

Analisis Stabilitas Hasil Tujuh Populasi Jagung Manis Menggunakan Metode Additive Main Effect Multiplicative Interaction (AMMI)

Analisis Stabilitas Hasil Tujuh Populasi Jagung Manis Menggunakan Metode Additive Main Effect Multiplicative Interaction (AMMI) Analisis Stabilitas Hasil Tujuh Populasi Jagung Manis Menggunakan Metode Additive Main Effect Multiplicative Interaction (AMMI) The Analysis of Stability of Seven Sweet Corn Populations Using Additive

Lebih terperinci

BAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Rancangan Penelitian

BAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Rancangan Penelitian BAHAN DAN METODE Waktu dan Tempat Penelitian ini dilaksanakan pada bulan November 010 Maret 011, kecuali lokasi Sukabumi pada bulan Maret Juni 011. Tempat Penelitian dilaksanakan di 7 lokasi yaitu Bogor,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Rancangan Percobaan Rancangan percobaan merupakan suatu uji dalam atau deretan uji baik menggunakan statistika deskripsi maupun statistika inferensia, yang bertujuan untuk mengubah

Lebih terperinci

PERBANDINGAN NILAI TENGAH NOMOR SOMAKLON JAHE (Zingiber officinale Rosc.) DENGAN MENGGUNAKAN UJI LANJUT SCOTT-KNOTT HABIBAH

PERBANDINGAN NILAI TENGAH NOMOR SOMAKLON JAHE (Zingiber officinale Rosc.) DENGAN MENGGUNAKAN UJI LANJUT SCOTT-KNOTT HABIBAH PERBANDINGAN NILAI TENGAH NOMOR SOMAKLON JAHE (Zingiber officinale Rosc.) DENGAN MENGGUNAKAN UJI LANJUT SCOTT-KNOTT HABIBAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

E-Jurnal Matematika Vol. 4 (3), Agustus 2015, pp ISSN:

E-Jurnal Matematika Vol. 4 (3), Agustus 2015, pp ISSN: IMPLEMENTASI METODE BOOTSTRAP DALAM INFERENSI TITIK- TITIK BIPLOT AMMI MODEL AMMI CAMPURAN (MIXED AMMI) (Studi Kasus: Menduga Stabilitas Genotipe Padi) Ni Putu Ayu Dinita Trisnayanti 1, I Komang Gde Sukarsa

Lebih terperinci

Forum Statistika dan Komputasi, April 2010 p : ISSN :

Forum Statistika dan Komputasi, April 2010 p : ISSN : , April 2010 p : 28-35 ISSN : 0853-8115 Vol 15 No.1 PENDUGAAN KESTABILAN GENOTIPE PADA MODEL AMMI MENGGUNAKAN METODE RESAMPLING BOOTSTRAP (Genotype Stability Estimation of AMMI Model by Bootstrap Resampling)

Lebih terperinci

Rancangan Petak Terpisah dalam RAL

Rancangan Petak Terpisah dalam RAL Rancangan Petak Terpisah dalam RAL KULIAH 11 PERANCANGAN PERCOBAAN (STK222) rahmaanisa@apps.ipb.ac.id Latar Belakang Sejarah : Rancangan ini awalnya berkembang pada bidang pertanian (Montgomery, 1997;

Lebih terperinci

ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)

ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1) Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm.11 18 11 ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo,

Lebih terperinci

METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE

METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN

Lebih terperinci

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU

Lebih terperinci

MIXED ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION (M-AMMI) DAN APLIKASINYA SKRIPSI

MIXED ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION (M-AMMI) DAN APLIKASINYA SKRIPSI MIXED ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION (M-AMMI) DAN APLIKASINYA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian

Lebih terperinci

Company LOGO ANALISIS BIPLOT

Company LOGO ANALISIS BIPLOT Company LOGO ANALISIS BIPLOT Pendahuluan Company name Data : ringkasan berupa nilai beberapa peubah pada beberapa objek Objek n Nilai Peubah X X.. Xp Company name Penyajian Data dalam bentuk matriks =

Lebih terperinci

pendekatan dalam penelitian ini dinilai cukup beralasan.

pendekatan dalam penelitian ini dinilai cukup beralasan. Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah

Lebih terperinci

ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE FIXED ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION SKRIPSI

ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE FIXED ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION SKRIPSI ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE FIXED ADDITIVE MAIN EFFECTS AND MULTIPLICATIVE INTERACTION SKRIPSI Oleh: AKHMAD ZAKI NIM. 24010210120049 JURUSAN STATISTIKA FAKULTAS SAINS

Lebih terperinci

ANALISIS KEUNGGULAN DAN STABILITAS GALUR MUTAN KACANG TANAH DENGAN METODE TAI DAN AMMI MOHAMAD DJ. PAKAYA

ANALISIS KEUNGGULAN DAN STABILITAS GALUR MUTAN KACANG TANAH DENGAN METODE TAI DAN AMMI MOHAMAD DJ. PAKAYA ANALISIS KEUNGGULAN DAN STABILITAS GALUR MUTAN KACANG TANAH DENGAN METODE TAI DAN AMMI MOHAMAD DJ. PAKAYA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011

Lebih terperinci

METODOLOGI HASIL DAN PEMBAHASAN

METODOLOGI HASIL DAN PEMBAHASAN 3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal

Lebih terperinci

Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)

Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya) (M.2) ANALISIS BIPLOT UNTUK MENGETAHUI KARAKTERISTIK PUTUS SEKOLAH PENDIDIKAN DASAR PADA MASYARAKAT MISKIN ANTAR WILAYAH KECAMATAN DI KABUPATEN OGAN ILIR Didin Astriani P, Oki Dwipurwani, Dian Cahyawati

Lebih terperinci

BAB I PENDAHULUAN. dapat digunakan untuk inferensi statistika. Metode bootstrap mengesampingkan

BAB I PENDAHULUAN. dapat digunakan untuk inferensi statistika. Metode bootstrap mengesampingkan BAB I PENDAHULUAN 1.1 Latar Belakang Metode bootstrap merupakan metode simulasi berbasiskan data yang dapat digunakan untuk inferensi statistika. Metode bootstrap mengesampingkan distribusi sampling dari

Lebih terperinci

Tabel 4 Urutan dan penempatan bubu pada tali utama

Tabel 4 Urutan dan penempatan bubu pada tali utama 30 Penggunaan umpan digunakan secukupnya, pada penelitian ini digunakan sebanyak kurang lebih 50 gram cacing per kantong umpan. Kemudian kawat kasa tersebut ditusukkan pada besi yang digunakan untuk pemasangan

Lebih terperinci

ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA

ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

Metode Procrustes Dalam untuk Pendugaan Heritabilitas dari Karakter Agronomik Beberapa Galur Kacang Hijau

Metode Procrustes Dalam untuk Pendugaan Heritabilitas dari Karakter Agronomik Beberapa Galur Kacang Hijau Vol. 8, No.1, 2-38, Juli 2011 Metode Procrustes Dalam untuk Pendugaan Heritabilitas dari Karakter Agronomik Beberapa Galur Kacang Hijau Raupong Abstrak Analisis model Additive Main Effects and Multiplicative

Lebih terperinci

(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN

(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN 4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya peradaban manusia maka perkembangan ilmu pengetahuan dan teknologi berbanding lurus. Pada dasarnya ini merupakan usaha manusia untuk melangsungkan

Lebih terperinci

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan

Lebih terperinci

PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR

PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR Jur. Ris. & Apl. Mat. I (207), no., xx-xx Jurnal Riset dan Aplikasi Matematika e-issn: 258-054 URL: journal.unesa.ac.id/index.php/jram PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN

Lebih terperinci

IDENTIFIKASI STABILITAS DAN ADAPTABILITAS GENOTIPE PADA PERCOBAAN MULTILOKASI PADI SAWAH DENGAN METODE AMMI. Oleh: Miftachul Hudasiwi G

IDENTIFIKASI STABILITAS DAN ADAPTABILITAS GENOTIPE PADA PERCOBAAN MULTILOKASI PADI SAWAH DENGAN METODE AMMI. Oleh: Miftachul Hudasiwi G IDENTIFIKASI STABILITAS DAN ADAPTABILITAS GENOTIPE PADA PERCOBAAN MULTILOKASI PADI SAWAH DENGAN METODE AMMI Oleh: Miftachul Hudasiwi G40004 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

TINJAUAN PUSTAKA Analisis Gerombol

TINJAUAN PUSTAKA Analisis Gerombol 3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya

Lebih terperinci

II. MODEL AMMI PADA DATA BERDISTRIBUSI BUKAN NORMAL: TRANSFORMASI KENORMALAN

II. MODEL AMMI PADA DATA BERDISTRIBUSI BUKAN NORMAL: TRANSFORMASI KENORMALAN II. MODEL AMMI PADA DATA BERDISTRIBUSI BUKAN NORMAL: TRANSFORMASI KENORMALAN.1 Pendahuluan Analisis AMMI adalah suatu teknik analisis data percobaan dua faktor perlakuan dengan pengaruh utama perlakuan

Lebih terperinci

INFERENSI TITIK-TITIK PADA BIPLOT AMMI MENGGUNAKAN RESAMPLING BOOTSTRAP SKRIPSI

INFERENSI TITIK-TITIK PADA BIPLOT AMMI MENGGUNAKAN RESAMPLING BOOTSTRAP SKRIPSI INFERENSI TITIK-TITIK PADA BIPLOT AMMI MENGGUNAKAN RESAMPLING BOOTSTRAP SKRIPSI Oleh Permata Atsna ul Laili NIM 081810101054 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,

Lebih terperinci

Sumber: [2 Agustus 2010] Posisi pengoperasian alat tangkap pada tiap setting

Sumber:  [2 Agustus 2010] Posisi pengoperasian alat tangkap pada tiap setting LAMPIRAN 48 49 Lampiran 1 Lokasi penelitian 106 o 30 BT 07 o 00 LS Keterangan: Fishing base (Cisolok) U Lokasi penelitian Sumber: http://www.googlemap.com [2 Agustus 2010] Posisi pengoperasian alat tangkap

Lebih terperinci

3 METODOLOGI. Sumber: Google maps (2011) Gambar 9. Lokasi penelitian

3 METODOLOGI. Sumber: Google maps (2011) Gambar 9. Lokasi penelitian 3 METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan dengan pengumpulan data di lapangan sejak tanggal 16 Agustus 2011 hingga 31 September 2011 di Desa Kertajaya, Palabuhanratu, Kabupaten Sukabumi,

Lebih terperinci

PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL

PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro

Lebih terperinci

TINJAUAN PUSTAKA. Model Regresi Linier Ganda

TINJAUAN PUSTAKA. Model Regresi Linier Ganda TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran

Lebih terperinci

MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO

MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen

Lebih terperinci

PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (STUDI KASUS: JURUSAN MATEMATIKA FMIPA UNPATTI)

PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (STUDI KASUS: JURUSAN MATEMATIKA FMIPA UNPATTI) Jurnal Ilmu Matematika dan Terapan Maret 016 Volume 10 Nomor 1 Hal. 9 16 PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (STUDI KASUS: JURUSAN MATEMATIKA FMIPA UNPATTI) Elvinus R. Persulessy

Lebih terperinci

I. PENDAHULUAN. A. Latar Belakang. peningkatan luas pertanaman dan hasil biji kedelai. Salah satu faktor pembatas bagi

I. PENDAHULUAN. A. Latar Belakang. peningkatan luas pertanaman dan hasil biji kedelai. Salah satu faktor pembatas bagi I. PENDAHULUAN A. Latar Belakang Pengembangan kultivar kedelai (Glycine max (L.) Merrill) berdaya hasil tinggi pada cakupan lingkungan yang luas merupakan faktor kunci dalam usaha peningkatan luas pertanaman

Lebih terperinci

PENDAHULUAN. Latar Belakang. Salah satu upaya yang dapat ditempuh untuk meningkatkan

PENDAHULUAN. Latar Belakang. Salah satu upaya yang dapat ditempuh untuk meningkatkan PENDAHULUAN Latar Belakang Salah satu upaya yang dapat ditempuh untuk meningkatkan produktivitas padi adalah melalui program pemuliaan tanaman. Program yang dilakukan bertujuan untuk mendapatkan varietas

Lebih terperinci

Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.

Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.

Lebih terperinci

Percobaan Rancangan Petak Terbagi dalam RAKL

Percobaan Rancangan Petak Terbagi dalam RAKL Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 6 Uji Kebaikan Suai Khi-Kuadrat (Chi-Square Goodness of Fit Test) Uji kebaikan suai khi-kuadrat merupakan uji yang dilakukan untuk mengevaluasi apakah contoh yang terpilih mewakili populasi atau tidak.

Lebih terperinci

DATA DAN METODE. Data

DATA DAN METODE. Data DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil percobaan padi varietas IR 64 yang dilaksanakan tahun 2002 pada dua musim (kemarau dan hujan). Lokasi penelitian

Lebih terperinci

PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP

PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP Ariyani 1, Raupong, Annisa 3 ABSTRAK Rancangan Acak Kelompok Lengkap (RAKL) merupakan salah satu bentuk rancangan lingkungan dimana

Lebih terperinci

Pengacakan dan Tata Letak

Pengacakan dan Tata Letak Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu

Lebih terperinci

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola

Lebih terperinci

BAHAN DAN METODE. Tempat dan Waktu

BAHAN DAN METODE. Tempat dan Waktu 7 BAHAN DAN METODE Tempat dan Waktu Penanaman di lapangan dilaksanakan di Kebun Percobaan IPB Cikabayan Darmaga Bogor. Kebun percobaan memiliki topografi datar dengan curah hujan rata-rata sama dengan

Lebih terperinci

PENGARUH UTAMA ADITIF DENGAN INTERAKSI GANDA (UAIG)

PENGARUH UTAMA ADITIF DENGAN INTERAKSI GANDA (UAIG) 1 PENGARUH UTAMA ADITIF DENGAN INTERAKSI GANDA (UAIG) SKRIPSI LASTRI MANURUNG 090823012 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2011 2 PENGARUH

Lebih terperinci

MODEL-MODEL LEBIH RUMIT

MODEL-MODEL LEBIH RUMIT MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang

Lebih terperinci

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan

Lebih terperinci

Pendugaan Data Hilang Menggunakan Metode Connected EM-AMMI dalam Bahasa R

Pendugaan Data Hilang Menggunakan Metode Connected EM-AMMI dalam Bahasa R Pendugaan Data Hilang Menggunakan Metode Connected EM-AMMI dalam Bahasa R Siskha Maulana Basrul #1, Atus Amadi Putra *2, Yenni Kurniawati *3 # Student of Mathematics Department State University of Padang,

Lebih terperinci

KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G

KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI Oleh : SITI NURBAITI G14102022 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007 ABSTRAK SITI

Lebih terperinci

BAHAN DAN METODE Tempat dan Waktu Bahan dan Alat Metode

BAHAN DAN METODE Tempat dan Waktu Bahan dan Alat Metode 23 BAHAN DAN METODE Tempat dan Waktu Penelitian dilaksanakan pada bulan Maret Agustus 2012. Perbanyakan benih dilakukan pada bulan Maret-Juni 2012 di KP Leuwikopo. Pengujian benih dilakukan pada bulan

Lebih terperinci

ANALISIS STABILITAS DELAPAN GENOTIPE TANAMAN JAHE DI TIGA LOKASI DI JAWA BARAT MUHAMMAD SIDIQ RUMAKABIS

ANALISIS STABILITAS DELAPAN GENOTIPE TANAMAN JAHE DI TIGA LOKASI DI JAWA BARAT MUHAMMAD SIDIQ RUMAKABIS ANALISIS STABILITAS DELAPAN GENOTIPE TANAMAN JAHE DI TIGA LOKASI DI JAWA BARAT MUHAMMAD SIDIQ RUMAKABIS DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc.

Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc. Latar belakang Rancangan Acak kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan

Lebih terperinci

KOREKSI METODE CONNECTED AMMI DALAM PENDUGAAN DATA TIDAK LENGKAP ABSTRAK

KOREKSI METODE CONNECTED AMMI DALAM PENDUGAAN DATA TIDAK LENGKAP ABSTRAK KOREKSI METODE CONNECTED AMMI DALAM PENDUGAAN DATA TIDAK LENGKAP I Made Sumertajaya 2 Ahmad Ansori Mattjik 3 I Gede Nyoman Mindra Jaya,2 Dosen Departemen Statistika Institut Pertanian Bogor,3 Mahasiswa

Lebih terperinci

PEMODELAN PRODUKSI KEDELAI NASIONAL DENGAN METODE SUR PAULUS BASUKI KUWAT SANTOSO

PEMODELAN PRODUKSI KEDELAI NASIONAL DENGAN METODE SUR PAULUS BASUKI KUWAT SANTOSO PEMODELAN PRODUKSI KEDELAI NASIONAL DENGAN METODE SUR PAULUS BASUKI KUWAT SANTOSO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya

Lebih terperinci

TINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot)

TINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) II. TINJAUAN PUSTAKA 2.1 Rancangan Petak Teralur Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) sebagai satuan percobaan yang terdiri dari plot baris untuk perlakuan

Lebih terperinci

RANCANGAN ACAK LENGKAP DAN RANCANGAN ACAK KELOMPOK PADA BIBIT IKAN

RANCANGAN ACAK LENGKAP DAN RANCANGAN ACAK KELOMPOK PADA BIBIT IKAN RANCANGAN ACAK LENGKAP DAN RANCANGAN ACAK KELOMPOK PADA BIBIT IKAN Bayu Satria Adinugraha 1), Taswati Nova Wijayaningrum 2) 1,2) Akademi Statistika Muhammadiyah Semarang email: bayulindapw@gmail.com Abstract

Lebih terperinci

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan 6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga

Lebih terperinci

PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA

PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 RINGKASAN TENDI

Lebih terperinci

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,

Lebih terperinci

ANALISIS STABILITAS DAYA HASIL VARIETAS KEDELAI DI LAHAN SAWAH KABUPATEN MADIUN, JAWA TIMUR

ANALISIS STABILITAS DAYA HASIL VARIETAS KEDELAI DI LAHAN SAWAH KABUPATEN MADIUN, JAWA TIMUR ANALISIS STABILITAS DAYA HASIL VARIETAS KEDELAI DI LAHAN SAWAH KABUPATEN MADIUN, JAWA TIMUR Amik Krismawati 1 dan D. M. Arsyad 2 1 Balai Pengkajian Teknologi Pertanian Jawa Timur Jl. Raya Karangploso Km

Lebih terperinci

PRAKTIKUM RANCANGAN PERCOBAAN KATA PENGANTAR

PRAKTIKUM RANCANGAN PERCOBAAN KATA PENGANTAR PRAKTIKUM RANCANGAN PERCOBAAN 2012-2013 1 KATA PENGANTAR Buku ini dibuat untuk membantu mahasiswa dalam mempelajari, melilih dan melakukan prosedur analisis data berdasarkan rancangan percobaan yang telah

Lebih terperinci

PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS

PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN

Lebih terperinci

TINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??

TINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran?? TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal

Lebih terperinci

3. BAHAN DAN METODE 3.1 Waktu dan Tempat 3.2 Bahan dan Alat 3.3 Metode Penelitian

3. BAHAN DAN METODE 3.1 Waktu dan Tempat 3.2 Bahan dan Alat 3.3 Metode Penelitian 3. BAHAN DAN METODE 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Mei 2009 sampai dengan Juli 2009 di Kebun Percobaan IPB Leuwikopo, Dramaga, Bogor yang terletak pada ketinggian 250 m dpl dengan

Lebih terperinci

Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas

Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)

Lebih terperinci

KAJIAN PENGARUH NOISE DALAM ANALISIS KOMPONEN UTAMA UNTUK PEUBAH-PEUBAH YANG BERKORELASI FAJRIANZA ADI NUGRAHANTO

KAJIAN PENGARUH NOISE DALAM ANALISIS KOMPONEN UTAMA UNTUK PEUBAH-PEUBAH YANG BERKORELASI FAJRIANZA ADI NUGRAHANTO KAJIAN PENGARUH NOISE DALAM ANALISIS KOMPONEN UTAMA UNTUK PEUBAH-PEUBAH YANG BERKORELASI FAJRIANZA ADI NUGRAHANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG

ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG ISSN: 2339-254 JURNAL GAUSSIAN, Volume 5, Nomor, Tahun 206, Halaman 53-62 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG Nariswari

Lebih terperinci

BAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma

BAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 8 III. METODE PENELITIAN 3.1 Waktu Dan Tempat Penelitian Penelitian dilakukan pada bulan November 2011 sampai Januari 2012. Lokasi penelitian di lahan agroforestri di Desa Cibadak, Kecamatan Ciampea, Kabupaten

Lebih terperinci

BAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu

BAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berasal dari data sekunder dengan jenis data bulanan mulai tahun 2004 sampai dengan tahun 2011 (bulan September).

Lebih terperinci

MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI

MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN 2 5. Pemilihan Pohon Contoh BAB V HASIL DAN PEMBAHASAN Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh

Lebih terperinci

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak

Lebih terperinci

menggunakan analisis regresi dengan metode kuadrat terkecil. Model analisis data panel yang dievaluasi kemudian adalah model gabungan, model

menggunakan analisis regresi dengan metode kuadrat terkecil. Model analisis data panel yang dievaluasi kemudian adalah model gabungan, model 4 kurang dari 10, maka peubah bebas tersebut tidak mengalami masalah multikolinearitas dengan peubah bebas lainnya. Selanjutnya Uji ARCH atau White digunakan untuk menguji asumsi kehomogenan ragam sisaan.

Lebih terperinci

ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA

ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

Analisis Hibrid Korespondensi Untuk Pemetaan Persepsi. Hybrid Correspondence Analysis for Mapping Perception

Analisis Hibrid Korespondensi Untuk Pemetaan Persepsi. Hybrid Correspondence Analysis for Mapping Perception Jurnal EKSPONENSIAL Volume, Nomor, Mei ISSN 85-89 Analisis Hibrid Korespondensi Untuk Pemetaan Persepsi Hybrid Correspondence Analysis for Mapping Perception Fitriani, Rito Goejantoro, dan Darnah Andi

Lebih terperinci

MATERI DAN METODE Tempat dan Waktu

MATERI DAN METODE Tempat dan Waktu III. MATERI DAN METODE 3.1. Tempat dan Waktu Penelitian ini dilaksanakan di lahan percobaan Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan Syarif Kasim Riau yang beralamat di Jalan H.R.

Lebih terperinci

BAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Tabel 1. Keterangan mutu label pada setiap lot benih cabai merah

BAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Tabel 1. Keterangan mutu label pada setiap lot benih cabai merah 11 BAHAN DAN METODE Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Februari - Agustus 2012 di Laboratorium Ilmu dan Teknologi Benih, Departemen Agronomi dan Hortikultura, Institut Pertanian Bogor.

Lebih terperinci

MENGENAL ORSINA SEBAGAI VARIETAS BARU TANAMAN KUMIS KUCING

MENGENAL ORSINA SEBAGAI VARIETAS BARU TANAMAN KUMIS KUCING MENGENAL ORSINA SEBAGAI VARIETAS BARU TANAMAN KUMIS KUCING Agung Mahardhika, SP ( PBT Ahli Pertama ) Balai Besar Perbenihan dan Proteksi Tanaman Perkebunan I. Pendahuluan Kumis kucing (Orthosiphon aristatus

Lebih terperinci

INFORMASI YANG BISA DIAMBIL DARI BIPLOT

INFORMASI YANG BISA DIAMBIL DARI BIPLOT ANALISIS BIPLOT PENGANTAR Biplot diperkenalkan pertama kali oleh Gabriel (1971) sehingga sering disebut sebagai Gabriel s biplot. Metode ini tergolong dalam analisis eksplorasi peubah ganda yang ditujukan

Lebih terperinci

PRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT

PRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT TUGAS AKHIR - ST 1325 PRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT ANGGREINI SUPRAPTI NRP 1305 100 005 Dosen Pembimbing Dr. Sutikno, S.Si, M.Si JURUSAN STATISTIKA

Lebih terperinci

III. MATERI DAN METODE. Genetika) Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan

III. MATERI DAN METODE. Genetika) Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan III. MATERI DAN METODE 3.1. Tempat dan Waktu Penelitian ini dilaksanakan di rumah kasa (Laboratorium Pemuliaan dan Genetika) Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan Syarif Kasim

Lebih terperinci

Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan

Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail: Desi_its@yahoo.com Mustika Hadijati Fakultas MIPA, Universitas Mataram e-mail:

Lebih terperinci

III. MATERI DAN METODE

III. MATERI DAN METODE III. MATERI DAN METODE 3.1. Tempat dan Waktu Penelitian ini dilaksanakan di Lahan percobaan Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. HR. Soebrantas KM 15

Lebih terperinci

IMPLEMENTASI METODE BOOTSTRAP DALAM INFERENSI TITIK- TITIK BIPLOT AMMI MODEL AMMI CAMPURAN (MIXED AMMI)

IMPLEMENTASI METODE BOOTSTRAP DALAM INFERENSI TITIK- TITIK BIPLOT AMMI MODEL AMMI CAMPURAN (MIXED AMMI) LEMBAR JUDUL IMPLEMENTASI METODE BOOTSTRAP DALAM INFERENSI TITIK- TITIK BIPLOT AMMI MODEL AMMI CAMPURAN (MIXED AMMI) (Studi Kasus: Menduga Stabilitas Genotipe Padi) KOMPETENSI STATISTIKA [SKRIPSI] NI PUTU

Lebih terperinci

MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL

MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,

Lebih terperinci

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

Lebih terperinci

Rancangan Blok Terpisah (Split Blok)

Rancangan Blok Terpisah (Split Blok) Rancangan Blok Terpisah (Split Blok) KULIAH 13 PERANCANGAN PERCOBAAN (STK 222) rahmaanisa@apps.ac.id Rancangan Split Blok Kedua faktor merupakan petak utama Pengaruh yang ditekankan adalah pengaruh interaksi

Lebih terperinci