1. Model AMMI Pada data binomialAlfianFutuhul Hadi,1 I Made Sumertajaya2 dan I Made Tirta1 DiringkasOleh : Ardita Sukma P (1308100503) IndraHerlangga (1308100509) Model AMMI Data Binomial

2. Metodologi langkah-langkahpekerjaanpenelitianmulaidaripenanganan data percobaan, pengepasan (fitting) model, analisisdeviansdanpenentuansukumultiplikatif, pemeriksaankelayakan model, danpengembanganeksplorasiuntukmemperolehinformasitentangstabilitasketahanangenotipe. Identifikasi Distribusi dan Penanganan Data Percobaan. Data populasihamadaundiidentifikasisebagai data berdistribusi Poisson, sedangkan data persetasegabahisidan total banyaknyagabahdiidentifikasisebagai data berdistribusi binomial. Keduagugus data disusundalamtabelduaarahI×J, genotipevsjenishamadaundangenotipevslokasi, denganselberisirataandariulangan/blok. PengepasanModel GAMMI Algoritmapengepasan model GAMMI cukuprumitkarenamerupakanregresibolak-balik (criss-cross regession/alternating regression) antararegresibarisdankolom, dimanamasing-masingregresidalamkelas GLM yang dilakukansecaraiteratifmelaluimetodeIteratif Reweighted Least Square (IRLS). Dengandemikianalgoritmainimelibatkantigakekonvergenan, padaregresibaris, regresikolom, danpadaregresibolak-balik. Disinilahkompleksitasalgoritmapemodelanini. Namunidedasaralgoritmainitampaktidaksulitdipahami, sepertiterdapatpadaHadi, A. F 2008. Data berdistribusi Binomial dimodelkanmenggunakan GAMMI denganfungsihubunglogit. Model AMMI Data Binomial

3. AnalisisDevians. Biladalam AMMI (ANOVA padaumumnya) pengujianpengaruhfaktordigunakanjumlahkuadrat, pada model GAMMI (GLM padaumumnya) digunakandevians. Penentuansumbu/komponenmultiplikatifdilakukanmelaluiuji F, denganmembandingkanrasioantararataandevianskomponen yang diujirataandeviansgalatterhadapnilai F-tabel. Kelayakan Model. Kelayakanmodel diperiksadengandiagnostiksisaansecara visual, melalui plot sisaan. AnalisisStabilitasKetahananGenotipe. InformasitentangstabilitasketahanangenotipedapatdiperolehmelaluikonfigurasiBiplot GAMMI2. Biplot GAMMI2 menyajikan plot skorbarisdankolom (dalamhalinigenotipe × populasihamaataugenotipe × lokasi) secarabersama-sama (tumpangtindih). DenganmemperhatikanBiplotsecarakeseluruhan, kedekatanantartitik-titikbariskolommenunjukkkaninteraksidanketakbebasan (asosiasi) diantarakeduanya. Parameter asosiasiditunjukkanolehnilai singular (tergeneralisasi). Titikbaris (genotipe) tertentu yang berdekatandengantitikkolom (populasihamaataulokasi) tertentumenunjukkanbahwagenotipetersebutberasosiasidenganpopulasihamaataulokasitertentu. Niliai singular yang keciluntuksumbu GAMMI ke-imenunjukkanketidakbermaknaansumbutersebut. Model AMMI Data Binomial

4. AnalisisdanPembahasan Analisisdeviansuntuk data gabahisi Model AMMI Data Binomial

5. Biplotinteraksi data gabahisi model GAMMI-2 logit-link. Lokasiditunjukkandengankotak, verietaspadidengangaris. Model AMMI Data Binomial

6. KESIMPULAN Model AMMI Terampat (GAMMI) mengakomodirketidaknormalan data untukmemperolehdekomposisiinteraksisecaralengkap, denganmemodelkanpeluangkejadian. Dalambidangpemuliaantanamanmanfaatsangatdirasakanuntukujistabilitas/adaptabilitasgenotipepadapebuahindikator yang berdistribusibukan Normal, namundiketahuidistribusinyadalamkeluargaeksponensial, misalnya Poisson, atau Binomial, Gamma. Biplot GAMMI model Poisson denganfungsihubunglogaritmamemberikantambahaninformasitentangrasio odds. Kestabilanvarietaspadimenurutpersentasegabahisi, varietas Bio Xa-5 dan OBS. 1657 relatifstabil, varietas S3254-2G-21-2 dan S3382-2D-3-3 ber-adaptasibaikdiMaranu, varietas Memberamo, OBS 1658, dan B3254-2G-2-1-2 beradaptasicukupbaikdiJatibaru, sedangkanvarietas B10278B-MR-2-4-2, S3383-1D-PN-41-3-1, OBS 1656, dan Bio-Xa-7 beradaptasicukupbaikditigalokasiMaroangin, Talang, danParitdalam. Sementaravarietas IR 64 tidakberadaptasidenganbaikdiJatibaru, tetapimasihmungkinberadaptasidilokasi lain. Model AMMI Data Binomial

7. Terimakasih Model AMMI Data Binomial