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

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

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

INFERENSI TITIK-TITIK PADA BIPLOT AMMI MENGGUNAKAN RESAMPLING BOOTSTRAP SKRIPSI

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

Forum Statistika dan Komputasi, April 2010 p : ISSN :

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

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

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

MODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K

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

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

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

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

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

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

MATERI II STK 222 PERANCANGAN PERCOBAAN PRINSIP DASAR PERANCANGAN PERCOBAAN

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

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

PERANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN)

PEMODELAN Additive Main-effect & Multiplicative Interaction (AMMI): KINI DAN YANG AKAN DATANG

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

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

PENGAMATAN PENCILAN PADA ANALISIS KESTABILAN GENOTIPE: ANTARA MODEL AMMI DAN METODE HUEHN

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah

KOREKSI METODE CONNECTED AMMI DALAM PENDUGAAN DATA TIDAK LENGKAP ABSTRAK

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur

I. PENDAHULUAN. Suatu rancangan percobaan menurut Mattjik & Sumertajaya (2000), merupakan

BAB I PENDAHULUAN 1.1 Latar Belakang

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

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

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

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

BAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa

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

BAB 3 METODOLOGI PENELITIAN

BAB I PENDAHULUAN. 1.1 Latar Belakang

HASIL DAN PEMBAHASAN Lampiran 2 Analisis Daya Adaptasi Tanaman Karakteristik Agronomi Hasil (HSL) Gambar 1.

Suatu percobaan dilaksanakan untuk mendapatkan informasi dari populasi. Informasi yang diperoleh digunakan untuk:

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

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

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier

IDENTIFIKASI GENOTIPE YANG MEMBERIKAN KONTRIBUSI TERHADAP INTERAKSI GENOTIPE LINGKUNGAN PADA MODEL AMMI RUSIDA YULIYANTI

Agus M Soleh, S.Si, MT

DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT

DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT

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

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

BAB 2 TINJAUAN PUSTAKA

ANALISIS DATA HASIL PENGUJIAN MULTILOKASI PADI SAWAH MENGGUNAKAN MODEL AMMI Analysis of Multi-Location Test of Wetland Rice Using AMMI Model

METODOLOGI. (a). (b) (c) Gambar 3. Pola sebaran data dengan = 0.05, 5, dan 50

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

ANALISIS VARIAN DUA FAKTOR DALAM RANCANGAN PENGAMATAN BERULANG ( REPEATED MEASURES )

BABI. PENDAHULUAN Latar 8elakang

pendekatan dalam penelitian ini dinilai cukup beralasan.

II. TINJAUAN PUSTAKA. Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan

ANALISIS INTERAKSI GENOTIPE LINGKUNGAN MENGGUNAKAN PARTIAL LEAST SQUAREPATH MODELING. I Gede Nyoman Mindra Jaya 1

PENGARUH UTAMA ADITIF DENGAN INTERAKSI GANDA (UAIG)

BAB I PENDAHULUAN 1.1 Latar Belakang

gabah bernas. Ketinggian tempat berkorelasi negatif dengan karakter jumlah gabah bernas. Karakter panjang daun bendera sangat dipengaruhi oleh

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

Penanganan Ketaknormalan Data Pada Model AMMI dengan Transformasi Box-Cox (Data Non-normality on AMMI Models: Box-Cox Transformations)

BAB 1 PENDAHULUAN. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

HASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan


IV. PERBANDINGAN KONFIGURASI MATRIKS INTERAKSI: METODE PROCRUSTES

BAB 1 PENDAHULUAN. diharapkan hasil yang diperoleh akan berguna untuk masyarakat sekitar.

Statistika Dasar. Hansiswany Kamarga

PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS


BAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi

BAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan

ANALISIS INTERAKSI GENOTIPE u LINGKUNGAN MENGGUNAKAN MODEL PERSAMAAN STRUKTURAL I GEDE NYOMAN MINDRA JAYA

KLASIFIKASI GENOTIPE PADA DATA TIDAK LENGKAP DENGAN PENDEKATAN MODEL AMMI

ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP

Perancangan dan Analisis Data Percobaan Pertanian. Sutoro BB BIOGEN

TINJAUAN PUSTAKA Botani dan Morfologi Tanaman Padi

BAB 2 LANDASAN TEORI

PERBANDINGAN BAGAN KENDALI T 2 HOTELLING KLASIK DENGAN T 2 HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL MULTIVARIAT

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi

Bentuk khusus dari rancangan faktorial dimana kombinasi perlakuan tidak diacak secara sempurna terhadap unit-unit percobaan.

Bab I PENDAHULUAN. Dewasa ini perkembangan komputer yang maju dapat dipergunakan manusia

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

Pendugaan Non-Parametrik dan Analisis Komponen terhadap Stabilitas Padi Sawah (Oryza Sativa)

ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP

BAB I PENDAHULUAN Latar Belakang

PERCOBAAN FAKTORIAL DENGAN RANCANGAN DASAR BUJUR SANGKAR LATIN

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

TINJAUAN PUSTAKA Penyakit Malaria

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

BAB I PENDAHULUAN. 1.1 Latar Belakang. Tanpa memperhatikan bidang penelitian yang dikaji, mengumpulkan data

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ESTIMASI KOMPONEN VARIAN PADA RANCANGAN ACAK KELOMPOK DENGAN MODIFIKASI HARTLEY-ROU

Perancangan Percobaan

Transkripsi:

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 parameter dan menghitung distribusi empiris, melewati ratusan atau ribuan sampel. Dengan membentuk bermacam-macam sampel dari sampel asli, bootstrap hanya membutuhkan kemampuan komputasional untuk mengestimasi nilai parameter dari masing-masing sampel. Sekali bootstrap dihitung, maka dapat diperoleh estimasi standar error dan interval kepercayaan (daerah kepercayaan) dari parameter populasi (Efron dan Tibshirani, 1993). Sebagai metode yang diperlukan dalam inferensi statistika, metode bootstrap dapat dipergunakan untuk menduga inferensi titik-titik dari skor komponen utama interaksi (Novianti, et al., 2010). Skor komponen utama interaksi diperoleh dari penguraian nilai singular (SVD) dari matriks sisaan komponen aditif yang merupakan suatu bagian pada analisis Additive Main Effect and Multiplikatif Interaction (AMMI). Analisis AMMI merupakan suatu teknik analisis data yang diterapkan pada percobaan multilokasi untuk mengkaji interaksi genotipe dengan lingkungan (Mattjik dan Sumertajaya, 1999). Interaksi genotipe dengan lingkungan dapat dinyatakan sebagai perubahan keragaman dari dua atau beberapa genotipe pada dua atau beberapa lokasi yang berbeda. Penguraian pengaruh interaksi genotipe dengan lingkungan juga dapat memberikan 1

2 gambaran tentang kestabilan genotipe. Pada percobaan multilokasi faktor-faktor yang dilibatkan adalah genotipe dan lingkungan. Serta rancangan percobaan yang digunakan adalah rancangan dua faktor dalam Rancangan Acak Kelompok Lengkap (RAKL). Menurut Mattjik dan Sumertajaya dalam Prihartini (2011), pengelompokan dilakukan karena kondisi lahan yang digunakan dalam percobaan tidak bisa dijamin kehomogenannya misalkan kondisi lahan yang tidak rata. Oleh karena itu, perlu dilakukan pengelompokan yang relatif homogen untuk mengendalikan keragaman yang muncul akibat keheterogenan kondisi lahan. Jika lingkungan yang dilibatkan dianggap sebagai faktor acak, maka analisis AMMI yang digunakan adalah model AMMI campuran (Mixed AMMI). Secara konsep, proses analisis model Mixed AMMI masih mengikuti prosedur analisis AMMI namun, sedikit berbeda pada penguraian pengaruh aditif dalam analisis ragam karena mengikuti asumsi model acak dari analisis AMMI (Sumertajaya, 2007). Penentuan kestabilan genotipe dilakukan dengan indeks stabilitas dari gambaran Biplot. Sebagai keperluan penentuan kestabilan genotipe, digunakan skor komponen utama interaksi pertama (KUI1) dan skor komponen utama interaksi kedua (KUI2) (Jaya dan Hadi, 2008). Dengan melibatkan dua skor komponen utama interaksi dengan keragaman terbesar pertama dan kedua, maka model AMMI yang terbentuk disebut model AMMI2. Dari model AMMI2 ini kemudian divisualisasikan ke dalam Biplot AMMI2.

3 Pada biplot AMMI2, plot antara KUI1 dan KUI2 hanya berupa titik-titik dari setiap amatan genotipe dan hanya menyatakan keragaman dari genotipe tersebut. Hal inilah yang sering kali memberikan interpretasi yang berbeda pada sebaran titik-titik dugaannya. Oleh karena itu, untuk melihat ketepatan pendugaan adaptabilitas dan stabilitas genotipe dari gambaran biplot AMMI2, metode bootstrap diimplementasikan guna menentukan inferensi titik-titik dugaannya. Penelitian terkait metode bootstrap dalam model AMMI dilakukan oleh Lavoranti et al.(2007) untuk menguraikan matriks antara interaksi genotipe dengan lingkungan. Dalam penelitian tersebut daerah kepercayaan bootstrap diperoleh dari skor KUI1 dan KUI2. Penelitian terkait model Mixed AMMI dilakukan oleh Prihartini (2011) untuk mengukur tingkat kestabilan genotipe padi di Jawa Barat. Pada penelitian tersebut diperoleh tiga skor komponen utama yang berpengaruh nyata yaitu skor KUI1, KUI2, dan KUI3. Ketiga skor komponen digunakan namun, pada gambaran biplot mengacu pada KUI3 dengan rataan respon. Pada penelitian ini metode bootstrap akan diimplementasikan pada data milik Prihartini (2011) untuk menduga stabilitas genotipe padi melalui inferensi titik-titik dugaan dari skor KUI1 dan KUI2 pada gambaran Biplot AMMI2.

4 1.2 Rumusan Masalah Dari latar belakang di atas maka dapat dirumuskan permasalahan sebagai berikut: 1. Bagaimanakah penentuan gambaran biplot AMMI2 dan interpretasi yang diperoleh berdasarkan skor KUI1 dan KUI2 dalam menduga stabilitas genotipe padi pada model Mixed AMMI? 2. Apakah metode bootstrap dapat mempertegas stabilitas genotipe padi dari gambaran Biplot AMMI2 pada model Mixed AMMI? 1.3 Batasan masalah Adapun batasan masalah dalam penelitian ini adalah dari data yang digunakan pada data produksi hasil padi (ton/ha) di Jawa Barat (dalam Prihartini, 2011). 1.4 Tujuan Penelitian Berdasarkan rumusan masalah yang dipaparkan sebelumnya, maka tujuan dari penelitian ini adalah untuk: 1. menentukan gambaran biplot AMMI2 dan interpretasi yang diperoleh berdasarkan skor KUI1 dan KUI2 dalam menduga stabilitas genotipe padi pada model Mixed AMMI; 2. mengetahui apakah metode bootstrap dapat mempertegas stabilitas genotipe padi dari gambaran Biplot AMMI2 pada model Mixed AMMI.

5 1.5 Manfaat Penelitian Adapun manfaat penelitian yang dapat disumbangkan dari penelitian ini adalah: 1. Bagi Penulis Penulis dapat menambah wawasan dan kemampuan berpikir mengenai penerapan teori yang didapat dari mata kuliah yang telah diterima ke dalam penelitian yang sebenarnya. 2. Bagi Pembaca Penelitian ini diharapkan dapat memberikan tambahan informasi mengenai implementasi metode bootstrap pada model Mixed AMMI dalam pendugaan stabilitas genotipe padi.