KORESPONDENSI

Alamat email: edy_jambormias@yahoo.com
Grup Diskusi: www.agrostat.fapertaunpatti@blogspot.com

Jumat, 16 Desember 2011

Analisis dialel Sifat Berganda dengan kurva CT Biplot pada Kacang Hijau

Berbagai ulasan mengenai analisis dialel memperlihatkan inferensia tentang topik ini, didominasi oleh analisis sifat tunggal, misalnya analisis ragam seperti Metode Griffing dan Hayman (Hill et al. 1990), dan analisis entries-by-tester biplot (Yan & Hunt, 2002; Sharifi & Motlagh 2011). Pendekatan analisis sifat tunggal mengasumsikan bahwa sifat yang dianalisis bebas dari sifat-sifat yang lain, walaupun asumsi ini sulit dipenuhi karena tingginya korelasi antarsifat pada tanaman (Johnson & Wichern 2002). Agar inferensia bersifat komprehensif untuk banyak sifat, maka perlu dikembangkan analisis dialel sifat berganda (diallel analysis of multiple traits).
Penerapan  metode  biplot  untuk menganalisis data silang dialel dapat digunakan selanjutnya untuk  mengeksplorasi  daya gabung umum  (general combining ability),  daya gabung khusus (specific combining ability) dan pengaruh resiprok untuk banyak sifat secara serempak. 
Metode analisis dialel sifat berganda merupakan pengembangan dari metode seleksi sifat berganda yang menggunakan pendekatan genotype-by-traits biplot (GT Biplot) (Yan & Fregeau-Reid 2008). Dengan menggantikan obyek genotipe (genotype, G) dengan obyek silangan (cross, C), dan  dengan  modifikasi-modifkasi  yang  diperlukan, maka  metode  ini dapat disebut sebagai metode cross-by-traits biplot (CT Biplot).
Konsep ini selanjutnya digunakan untuk mengevaluasi data silang dialel pada kacang hijau, dari  suatu  seri  penelitian  yang  dirancang untuk mencapai tujuan perbaikan potensi hasil kacang hijau yang memiliki karakteristik bobot biji tinggi, berumur genjah, berukuran biji besar, dan cenderung panen serempak. Namun tujuan perbaikan umur genjah dan cenderung panen serempak tidak diulas dalam makalah ini.


Ulasan selengkapnya dapat dibaca dalam makalah pada link berikut:


Analisis Dialel Sifat Berganda


Makalah ini telah disajikan dalam bentuk poster pada Seminar Nasional dan Kongres PERIPI Komda Jawa Barat di Fakultas Pertanian Universitas Padjadjaran, Bandung, pada Sabtu, 10 Desember 2011.

Minggu, 20 November 2011

Analisis Ragam pada Data Percobaan

Analisis data penelitian yang menggunakan pendekatan rancangan percobaan paling sering dianalisis dengan menggunakan analisis ragam (analysis of variance, ANOVA). Tinjauan singkat mengenai rancangan percobaan kaitannya dengan peubah-peubah input seperti peubah pengganggu, peubah terkendali, peubah acak dan peubah percobaan; landasan analisis ragam dan turunan analisisnya, dan pendekatan analisis ragam peubah ganda (multivariate analysis of variance, MANOVA) dan turunan analisisnya dalam rancangan percobaan dengan menggunakan rancangan acak kelompok (randomized completely block design) dapat dibaca atau diunduh dalam makalah pada tautan berikut:

ANALISIS RAGAM PADA DATA PERCOBAAN

Makalah ini merupakan materi sajian dalam Pelatihan Statistika yang diselenggarakan oleh FORSCA-AGH Institut Pertanian Bogor.

2 tautan berikut adalah materi power pointnya
dan tautan berikut adalah materi praktek rancangan percobaan:

Senin, 14 November 2011

Pelanggaran Asumsi Analisis Ragam dan Penanganannya

Terdapat asumsi-asumsi yang harus dipenuhi dalam analisis ragam, yaitu epsilon menyebar normal dan bebas di sekitar nilai tengah nol dengan ragam yang sama. Untuk mengetahui apakah asumsi ini terpenuhi, diperlukan analisis sisaan (residual analysis) dan beberapa uji formal untuk mendiagnosis apakah data yang dikoleksi cocok (fit) dengan model rancangan yang digunakan dalam analisis data.

Deteksi pelanggaran terhadap asumsi dapat dilakukan melalui diagnosis eksploratif dan/atau inferensia. Diagnosis dilakukan untuk mengetahui apakah terjadi keadaan-keadaan sebagai berikut: (1) adanya korelasi antar galat (autocorrelation), (2) keheterogenan ragam galat, dan (3) galat tidak menyebar normal. Dari diagnosis mungkin teridentifikasi adanya data respons yang patut diwaspadai sebagai pengamatan-pengamatan takbiasa (unusual observation), yaitu mungkin sebagai pencilan-pencilan (outlayers) dan/atau sebagai pengamatan-pengamatan yang berpengaruh besar terhadap pola hubungan antara peubah respons dengan peubah-peubah dari kelas peubah percobaan (experimental variables) dan/atau kelas peubah pengendalian (control variables) (Musa, 1999). Terjadinya pelanggaran asumsi membutuhkan verifikasi model melalui transformasi data atau melalui analisis kuadrat terkecil terboboti (weighted least square).

Bila diagnosis data mengindikasikan terjadinya pelanggaran serius terhadap asumsi, maka beberapa pilihkan tindakan remedial dapat dilakukan, diantaranya: (1) memodifikasi modelnya, (2) melakukan transformasi terhadap data, dan (3) menggunakan uji non parametrik seperti uji Friedman atau Kruskal-Wallis.

Uraian selengkapnya dapat dibaca pada tautan berikut ini:

Kamis, 10 November 2011

Penggunaan Informasi Kekerabatan dan Analisis Lintasan untuk Seleksi pada Kedelai

Berikut ini adalah artikel saya mengenai penggunaan informasi kekerabatan dan analisis lintasan untuk seleksi hasil biji dan ukuran biji pada kedelai. Artikel ini telah terbit pada Jurnal Genetics and Plant Breeding SABRAO Edisi Juni 2011. Secara ringkas dapat dijelaskan sebagai berikut:

ABSTRAK

Seleksi hasil dan ukuran biji kedelai berbasis informasi kekerabatan dilakukan pada generasi Seleksi S3 . Tujuan penelitian ini adalah untuk menentukan kriteria seleksi hasil dan ukuran biji, untuk menyusun indeks seleksi,dan untuk menduga respon seleksi berbasis informasi kekerabatan dari suatu percobaan berdasarkan metode seleksi silsilah Generasi Seleksi S3 persilangan varietas Slamet × Nakhonsawan. Hasil penelitian memperlihatkan: (1) jumlah biji bernas merupakan kriteria seleksi bagi hasil biji dan ukuran biji, (2) koefisien determinasi  model  indeks seleksi  tergolong rendah, yang disebabkan oleh perbedaan antara nilai-nilai fenotipik beberapa individu dengan keragaan yang buruk berada dalam famili-famili   dengan keragaan terbaik, yang terpilih melalui penggunaan model indeks seleksi berbasis informasi ke kerabatan, dan (3) Respons seleksi tergolong tinggi untuk hasil biji tinggi, namun rendah untuk ukuran biji, sehingga seleksi lebih lanjut untuk hasil biji masih perlu dilakukan pada generasi berikutnya, sedangkan seleksi untuk ukuran biji dapat diakhiri.

Isi tulisan selanjutnya dapat dibaca pada jurnal edisi tersebut, atau melalui tautan berikut:
Information from Relatives and Path Analysis

Jumat, 23 September 2011

Analisis Regresi Genotipe dan Peranannya dalam Penentuan Indikator Seleksi Sifat Bernilai Ekonomis

Studi untuk mengkaji hubungan antara sifat kuantitatif tanaman dalam rangka menentukan indikator seleksi sifat-sifat bernilai ekonomis penting telah sering dilakukan dengan menggunakan informasi korelasi genotipik dan fenotipik antara sifat bernilai ekonomis dan non ekonomis. Namun, informasi korelasi genotipik dan fenotipik belum menjelaskan hubungan antar sifat tersebut, karena analisis ini tidak dapat mempertelakan hubungan fungsional  antar sifat yang berkorelasi itu, khususnya bila terdapat hubungan fungsi linear intrinsik. Kajian hubungan berdasarkan analisis regresi genotipe tidak dapat dilakukan karena ketiadaan atribut genotipe itu dalam gugus data. Namun, analisis regresi genetik ini dapat dilakukan berdasarkan parameter yang dihitung dari nilai fenotipik dari percobaan genetik. Ragam dan peragam genotipik dan fenotipik dapat digunakan untuk merumuskan hubungan fungsional sebagai penduga untuk model regresi linear atau model linier intrinsik, termasuk dalam analisis lintas bila menggunakan data yang sudah dibakukan.


Bagi yang ingin mempelajari pendekatan seperti ini dalam pemodelan (misalnya dengan Stella) untuk rancangan genetik yang lebih kompleks, dapat mengembangkannya lebih lanjut. Namun untuk landasannya dengan menggunakan rancangan lingkungan yang sederhana,  dapat dibaca pada Jurnal GOTI Universitas Pattimura pada tautan berikut ini:


Analisis Regresi Genotipe 

Kamis, 18 Agustus 2011

Pendugaan selang Kepercayaan (1-α)100% Bagi Heritabilitas

Selang kepercayaan (1 - α)100% bagi heritabilitas (H) memegang peranan penting dalam inferensia mengenai besarnya ketemurunan yang dapat diwariskan dari suatu populasi induk kepada zuriatnya. Di Indonesia, inferensia mengenai besarnya heritabilitas sering didasarkan pada kategori deskriptif: rendah (H < 0.2), sedang (0.2 < H ≤ 0.5), dan tinggi (H > 0.5). Padahal nilai H > 0.5 belum tentu tidak sama dengan nol, khususnya bila contoh untuk pendugaan berukuran kecil. Selang kepercayaan (1 - α)100% H meningkatkan presisi inferensia karena didasarkan pada pendekatan peluang. Selang kepercayaan (1 - α)100% H adalah P{1 – Fα/2;db’’,db’ M’/ M’’ ≤ 1-[E(M’)/E(M’’)] ≤ 1 – F1-α/2;db’’,db’M’/ M’’} = 1-α. Teladan penerapan pada data percobaan memperlihatkan kesimpulan yang tidak sama antara pendekatan selang kepercayaan (1-α)100% H dengan kategori deskriptif heritabilitas.

Untuk memperoleh gambaran selengkapnya, ikuti tautan berikut:

Pendugaan Selang Kepercayaan Heritabilitas

Beberapa Pustaka yang berkaitan dapat dibaca pada link berikut ini:
95% Confidence Interval



Jumat, 15 Juli 2011

Analisis Lintasan dengan Program Minitab

Banyak teman-teman yang menanyakan tentang bagaimana melakukan analisis lintas? Berikut ini saya upload materi kuliah saya di Fakultas Pertanian Universitas Pattimura, yaitu Analisis Lintas dengan Program Minitab. Mungkin dapat membantu.

Analisis Lintas dengan Program Minitab

Selamat menggunakan!!

Kamis, 14 Juli 2011

Pengukuran Keanekaragaman Plasma Nutfah

Keanekaragaman plasma nutfah merupakan salah satu persyaratan yang harus dipenuhi untuk mengetahui karakteristik hasil koleksi pemulia tanaman sebelum menyusun program pemuliaan tanaman. Bagaimana mengukur keanekaragaman plasma nutfah ini?

Suatu ulasan prosedur pengukuran keanekaragaman genetik ini disajikan pada tautan berikut:

Pengukuran Keanekaragaman Plasma Nutfah

Selamat membaca!!!

Rabu, 13 Juli 2011

Model Linear

Teori Model linear dan aplikasinya memainkan peranan penting dalam pemahaman konsep-konsep statistika, khusunya teknik-teknik membangun model linear dalam analisis data dengan menggunakan matriks. Diperlukan pemahaman mengenai bentuk kuadratik dalam menyusun suatu model. Para peneliti, dosen, dan mahasiswa yang menggunakan statistika dalam kajian keilmuwannya, dapat membaca rangkuman dari buku Myers, R.H., J.S. Milton, 1991. A First Course in the Theory of Linear Statistical Models. PWS-Kent Publishing Company, Boston, dalam dua tulisan berikut:

Model Linear Berpangkat Penuh.pdf

Model Linear Berpangkat Tak Penuh.pdf

Selasa, 07 Juni 2011

Artikel Segregan Transgresif

Perbaikan genetik dan pelaksanaan seleksi pada tanaman menyerbuk sendiri sering dihadapkan pada kesulitan untuk membedakan apakah keragaan genotipe terbaik disebabkan oleh faktor genotipik atau lingkungan, khususnya pada keadaan heritabilitas rendah. Penyuaian data dan seleksi berbasis informasi kekerabatan diharapkan dapat mendeteksi segregan transgresif secara cepat yang sangat membantu dalam program seleksi.

Jurnal saya dengan judul: "Penyuaian data dan penggunaan informasi kekerabatan untuk mendeteksi segregan transgresif sifat kuantitatif pada tanaman menyerbuk sendiri (Suatu Pendekatan dalam Seleksi)" menjelaskan masalah di atas pada tautan berikut:


Selamat membaca!! 

Senin, 24 Januari 2011

Artikel GGE Biplot

Interaksi Genotipe x Lingkungan sering menyuilitkan dalam mengevaluasi genotipe-genotipe baru yang stabil pada berbagai lingkungan, adaptasi lokal pada suatu lingkungan tertentu, atau beradaptasi spesifik pada lingkungan tercekam oleh faktor pembatas tertentu. Peragaan grafis GGE Biplot dapat digunakan untuk pelaksanaan evaluasi, dengan kemampuan deskripsi yang baik sekali.

Untuk memahaminya, dapat membaca pada artikel saya dengan judul: "Aplikasi GGE Biplot untuk evaluasi stablitas dan adaptasi genotipa-genotipa dengan data percobaan lingkungan ganda".


Selamat membaca.

Analisis Data

AgroStat.Com menyediakan layanan analisis dan konsultasi data statistik, khususnya: analisis ragam (analysis of variance, ANOVA) dan pembandingan berganda (multiple comparisson), analisis regresi dan korelasi (regression and correlation analysis) termasuk analisis regresi berganda (multiple regression analysis) dan analisis permukaan respons (response surface analysis), analisis ragam peubah ganda (multivariate analysis of variance, MANOVA), analisis korelasi kanonik (canonical correlation analysis), analisis regresi peubah ganda (multivariate regression analysis), analisis komponen utama (principal component analysys), analisis lintas (path analysis), analisis gerombol (cluster analysis), analisis data kategorik (categorical data analysis) khususnya analis chi-kuadrat dan korespondensi (chi-kuadrat and correspondence analysis), analisis diskriminan (discriminant analysis), analisis biplot (biplot analysis), dan analisis skala berdimensi ganda (multidimensional scale analysis).