BAB 2 TINJAUAN PUSTAKA
2.8 Stabilitas Hasil
Stabilitas genotipe adalah kemampuan genotipe untuk hidup pada berbagai lingkungan yang beragam sehingga genotipenya tidak banyak mengalami perubahan pada tiap-tiap lingkungan tersebut. Stabilitas hasil dapat disebabkan oleh mekanisme penyangga individu (individual buffering) dan penyangga populasi (population buffering). Genotipe yang stabil dapat berpenampilan baik di semua lingkungan (Syukur et al. 2012).
Lin e al. (1986) memberikan empat tipe konsep stabilitas. Konsep stabilitas tipe 1 yaitu genotipe cenderung stabil bila ragam antar lingkungannya kecil. Genotipe ini sangat stabil walau berada pada berbagai lingkungan. Konsep ini disebut stabilitas statik atau stabilitas biologis (Becker et al. 1998), berguna untuk data kualitatif, ketahanan hama dan penyakit atau stres lingkungan. Parameter yang dapat menggambarkan stabilitas adalah koefisien ragam (Cvi) pada setiap genotipe dan ragam genotipe pada keseluruhan lingkungan (S2i).
Konsep stabilitas tipe 2 yaitu genotipe cenderung stabil jika respon terhadap lingkungan adalah sejajar dengan respon daya hasil untuk semua genotipe. Genotipe stabil bila jika tidak memiliki perbedaan secara umum respon terhadap lingkungannya dan bisa diprediksikan stabil responya terhadap lingkungan. Konsep ini disebut juga stabilitas dinamis atau stabilitas agronomis (Becker et al.1988). Koefisien regresi (bi) (Finlay dan Wilkinson 1963), komponen ragam
nilai tengah terhadap interaksi genotipe dan lingkungan (Өi) (Plasteid et al. 1959)
komponen ragam dari interaksi genotipe x lingkungan (Ө (i)) (Plaisteid (1960),
ecovalen (W2i) (Wricke 1962) dan ragam stabilitas ( 2i) (Shukla 1972) dapat
digunakan untuk mengukur stabilitas tipe ini.
Konsep stabilitas tipe 3 yaitu denotipe cenderung stabil apabila residu kuadrat tengah (MS) dari model regresi terhadap indeks lingkungan kecil. Konsep ini sama dengan konsep stabilitas tipe 2 (Becker et al.1988). Metode Eberhart dan Russel (1966), Perkins dan Jinks (1968) dan Tai (1971) dapat menjelaskan metode
ini. Berguna untuk data kuantitatif pengaruh genotipe x lingkungan (Becker et al.1988).
Konsep stabilitas tipe 4 yaitu didasarkan pada variasi bukan genetik yang bisa diprediksi dan tidak diprediksi. Komponen yang dapat diprediksi berkaitan dengan lingkungan dan komponen yang tidak bisa diprediksi berkaitan dengan tahun. Konsep ini diajukan oleh Lin dan Binnas (1988a). Pendekatan regresi digunakan pada bagian yang bisa diprediksi dan kuadrat tengah (MS) dari tahun x lingkungan untuk setiap genotipe sebagai perhitungan yang tidak bisa diprediksi. Analisis kestabilan adalah metode untuk melihat tingkat adaptasi genotipe terhadap berbagai lingkungan dilihat dari keadaan atau kestabilan fenotipe. Analisis stabilitas mensyaratkan keragaman interaksi antara lingkungan dan genotipe nyata (Singh dan Chaundary 1979).
Genotipe dengan hasil tinggi dan stabil akan berpenampilan baik disemua lingkungan (Syukur et al. 2012), di samping potensi hasil tinggi. Oleh karena itu, sejumlah besar prosedur statistik telah dikembangkan untuk meningkatkan pemahaman hubungan interaksi genotipe dan lingkungan. Pengukuran stabilitas biasanya digunakan berbagai pendekatan analisis. Pendekatan parametrik merupakan salah satu pendekatan untuk mempelajari stabilitas suatu genotipe. Pendekatan parametrik berdasarkan asumsi sebaran genotipe, lingkungan dan pengaruh G x E (Syukur et al. 2012). Pendekatan parametrik diantaranya adalah pendekatan model Finlay dan Wilkinson (1963), Eberhart dan Russel (1966), dan metode AMMI (Additive Main Effect Multiplicative Interaction).
Metode Finlay dan Wilkinson
Finlay dan Wilkinson memberikan panduan penilaian adaptabilitas dan stabilitas suatu genotipe yang didasarkan atas nilai koefisien regresi (bi) dan rata- rata hasilnya. Suatu genotipe yang memiliki koefisien regresi (bi)=1 merupakan
genotipe yang paling stabil. Penambahan nilai koefisien terhadap 1.0 atau (bi > 1)
berarti meningkatkan kepekaan terhadap lingkungan, sementara itu penurunan koefisien (bi < 1) berarti peningkatan ketahanan terhadap perubahan lingkungan
(Syukur et al. 2012).
Finlay dan Wilkinson membagi tiga kelompok stabilan yaitu :
a. Jika koefisien regresi mendekati atau sama dengan (bi = 1) maka stabilitasnya
adalah rata-rata (average stability). Jika stabilitasnya rata-rata dan hasilnya rata-rata lebih tinggi dari semua genotipe pada semua lingkungan maka genotipe tersebut memiliki adaptasi umum yang baik (general adaptability). Sebaliknya jika rata-rata hasil lebih rendah dari rata-rata umum maka adaptasinya buruk (poorly adapted) pada semua lingkungan.
b. Jika koefisien regresi lebih besar dari satu (bi > 1) maka stabilitasnya berada
dibawah rata-rata (below average stability). Genotipe demikian peka terhadap perubahan lingkungan yang menguntungkan (favorable).
c. Jika koefisien regresi lebih kecil dari satu (bi <1 ) maka stabilitasnya berada
diatas rata-rata (above average stability). Genotipe beradaptasi pada lingkungan yang marjinal.
Adaptasi khusus pada lingkungan
optimal dibawah rata-rata stabilitas
Adaptasi rendah Adaptasi tinggi Rata-rata stabilitas
diatas rata-rata Adaptabilitas khusus stabilitas pada lingkungan
marginal
Gambar 2.3 Interaksi pola populasi varietas yang diperoleh bila koefisien regresi varietas diplot terhadap produksi rata-rata varietas (Finlay dan Wilkinson 1963)
Gambar 2.3 menunjukkan gambaran interpretasi pola populasi yang berasal dari nilai koefisien genotipe yang diplotkan terhadap nilai rata-rata hasil dari suatu genotipe.
Metode Eberhart dan Russel
Metode Ebelhart dan Russel, menggunakan dua pengukuran stabilitas yang didasarkan nilai koefisien regresi (bi) dan deviasi (simpangan) kuadrat tengah ( 2). Rata-rata hasil dari semua genotipe pada tiap lingkungan digunakan sebagai indeks lingkungan dan koefisien regresi serta simpangan regresi merupakan parameter penduga stabilitas atau daya adaptasi. Eberhart dan Russel (1966) menjelaskan bahwa keuntungan dari penggunaan koefisien regresi sebagai penduga adaptasi ialah diketahuinya arah adaptasi ke lingkungan subur atau lingkungan yang kurang subur. Penggunaan koefisien regresi yang menyertakan indeks lingkungan dapat mmembantu dalam menilai tingkat kesuburan lingkungan. Indeks lingkungan dapat dianggap sebagai penduga tingkat kesuburan relatif bagi komoditi tertentu (Eberhart dan Russel, 1966). Hal tersebut menunjukkan semua lingkungan dengan indeks lingkungan besar sangat cocok untuk pertumbuhan komoditi yang diuji dibanding dengan lingkungan yang lain. Sebaliknya, semua lingkungan yang memiliki indeks lingkungan kecil, dapat dikatakan memiliki tingkat kesuburan yang rendah. Genotipe stabil bila memiliki nilai koefisien regresi (bi) = 1 dan nilai deviasi (simpangan) regresi kuadrat tengah (Sd2) = 0 (Eberhart & Russel 1966; Singh & Chaundhary 1979).
Metode AMMI (Additive Main Effect Multiplicative Interaction)
AMMI (Additive Main Effect Multiplicative Interaction) adalah suatu teknik analisis data percobaan dua faktor perlakuan dengan pengaruh utama perlakuan bersifat aditif sedangkan pengaruh interaksi dimodelkan dengan model bilinier. Analisis AMMI menggabungkan pengaruh aditif pada analisis ragam dan pengaruh multiplikatif pada analisis komponen utama (Mattjik 2005). Model AMMI merepresentasikan observasi ke dalam komponen sistematik yang terdiri dari pengaruh utama (main effect) dan pengaruh interaksi melalui suku-suku
multiplikatif (multiplicative interactions) di samping komponen acak sisaan atau galat. Komponen acak pada model ini diasumsikan menyebar normal dengan ragam konstan. Kelayakan model AMMI dengan galat yang Normal dan ragam konstan ada kalanya tidak terpenuhi. Transformasi data pengamatan mungkin menjadi salah satu teknik untuk mengatasi masalah ketidaknormalan ini. Metode AMMI menguraikan pengaruh interaksi menjadi komponen utama interakasi (KUI). Gauch (1992) menyatakan AMMI mampu memahami gugus dan data kompleks terutama interaksi dan menduga lebih akurat walau data yang digunakan sedikit, bila dibandingkan dengan analisis kestabilan lainnya.
Analisis AMMI dapat menjelaskan interaksi galur dengan lingkungan. Pola tebaran titik-titik dengan kedudukan relatifnya pada lingkungan mana hasil penguraian nilai singular diplotkan antara satu komponen genotipe dengan komponen lingkungan secara simultan disajikan dalam bentuk Biplot (Syukur et al. 2012). Biplot AMMI dapat meringkas pola hubungan antar genotipe, antar lingkungan dan interaksi genotipe x lingkungan (Mattjik 2005). Biplot tersebut menyajikan nilai komponen utama pertama dan rataan. Nilai antar komponen utama kedua dan nilai komponen utama pertama bisa ditambahkan jika komponen utama kedua tersebut nyata (Sumertajaya 1998). Interpretasi biplot nilai komponen utama dan nilai tengah respon dibuat jarak titik amatan yang berdasarkan sumbu datar. Titik amatan menunjukkan perbedaan pengaruh utama amatan-amatan tersebut (Mattjik 2005). Jarak titik-titik amatan berdasarkan sumbu tegak menunjukkan perbedaan pengaruh interaksi atau perbedaan tingkat sensitivitas terhadap lingkungan. Interpretasi untuk titik-titik sejenis dari komponen utama kedua dan nilai komponen utama pertama merupakan jarak titik- titik amatan yang menunjukkan perbedaan interaksi. Interaksi bersifat positif (saling menguatkan) bila titik-titik amatan mempunyai arah yang sama dan titik- titik yang berbeda arah menunjukkan interaksi yang negatif ( Sumertajaya 1998)
Crossa (1990) menguraikan tujuan analisis AMMI, yaitu : (1) Analisis AMMI dapat digunakan sebagai anailsis pendahuluan untuk mencari model yang lebih tepat. Jika tidak ada satupun komponen yang nyata maka pemodelan cukup dengan pengaruh aditif saja. Sebaliknya jika hanya pengaruh ganda saja yang nyata maka pemodelan sepenuhnya ganda, berarti analisis yang tepat adalah analisis komponen utama saja. Sedangkan jika komponen interaksi nyata berarti pengaruh interaksi benar-benar sangat kompleks, tidak mungkin dilakukan pereduksian tanpa kehilangan nformasi penting. (2) Analisis AMMI adalah analisis untuk menjelaskan interaksi genotipe × lingkungan. AMMI dengan biplotnya meringkas pola hubungan antar genotipe, antar lingkungan dan antar genotipe dan lingkungan. (3) Meningkatkan keakuratan dugaan respon interaksi genotipe × lingkungan. Hal ini terlaksana jika hanya sedikit komponen AMMI saja yang nyata dan tidak mencakup seluruh jumlah kuadrat interaksi. Dengan sedikitnya komponen AMMI yang nyata sama artinya dengan menyatakan bahwa jumlah kuadrat sisa hanya galat (noise) saja. Dengan menghilangkan galat ini berarti memperkuat dugan respon per genotipe × lingkungan.