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 DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2014
KATA PENGANTAR
Alhamdulillah, puji syukur penulis panjatkan kehadirat Allah SWT atas rahmat dan
hidayah-Nya, sehingga penulis dapat menyelesaikan tugas akhir dengan judul
Analisis
Varian Percobaan Faktorial Dua Faktor RAKL dengan Metode
Fixed Additive Main
Effects and Multiplicative Interaction .
Dalam penulisan tugas akhir ini penulis mengalami banyak hambatan. Namun atas
bantuan dari berbagai pihak, tugas akhir ini dapat diselesaikan dengan baik. Oleh karena itu,
penulis ingin menyampaikan rasa terima kasih kepada:
1. Ibu Dra. Dwi Ispriyanti, M.Si sebagai Ketua Jurusan Statistika Fakultas Sains dan
Matematika Universitas Diponegoro.
2. Ibu Triastuti Wuryandari, S.Si, M.Si selaku dosen pembimbing I dan Ibu Dra. Suparti,
M.Si selaku pembimbing II yang telah memberikan arahan, bimbingan dan motivasi
hingga terselesaikannya tugas akhir ini.
3. Bapak/Ibu dosen Jurusan Statistika yang telah memberikan masukan demi perbaikan
penulisan tugas akhir ini.
4. Pihak pihak lain yang tidak dapat penulis sebutkan satu per satu yang telah membantu
penulisan tugas akhir ini.
Percobaan faktorial adalah suatu percobaan dimana dalam satu keadaan (unit percobaan)
dicobakan secara bersamaan dari beberapa percobaan tunggal. Percobaan faktorial dua faktor
dengan rancangan dasar RAKL (Rancangan Acak Kelompok Lengkap) banyak digunakan
untuk mengkaji interaksi genotip dan lingkungan pada percobaan multilokasi. Analisis yang
dapat diterapkan dalam percobaan multilokasi adalah analisis
AMMI
(additive main effect
and multiplicative interaction)
.
Analisis
AMMI
dalam perhitungannya menggunakan analisis
varian percobaan faktorial untuk menguji pengaruh interaksi dan analisis komponen utama
untuk menguraikan pengaruh interaksi dengan intepretasi hasil menggunakan biplot AMMI.
Berdasarkan penelitian dengan tujuh genotip padi (S382b-2-2-3, S2389d-3-2-3-1,
S24871-65-4, S2824-1d-6, S2945f-59, Poso, dan C22) dan empat lokasi (Sukamandi 9S24871-65-4, Batang 9S24871-65-4,
Taman Bogo 94, dan Garut 94) terdapat pengaruh genotip, lokasi, dan interaksi bersama
genotip dan lokasi terhadap hasil produksi padi. Diperoleh tiga Komponen Utama Interaksi
(KUI1, KUI2 dan KUI3) dengan kontribusi keragaman masing-masing sebesar 78.29%,
13.94% dan 7.77%. Interpretasi pada Biplot AMMI didapatkan untuk genotip 1
(S382b-2-2-3) sangat cocok ditanam di lokasi 4 (Garut 94), genotip 2 (S2389d-3-2-3-1) sangat cocok
ditanam di lokasi 3 (Taman Bogo 94), genotip 3 (S24871-65-4) lebih cocok ditanam di lokasi
2 (Batang 94), genotip 4 (S2824-1d-6) sangat cocok ditanam di lokasi 4 (Garut 94), genotip 5
(S2945f-59) lebih cocok ditanam di lokasi 2 (Batang 94), genotip 6 (Poso) sangat cocok
ditanam di lokasi 1 (Sukamandi 94) dan genotip 7 (C22) sangat cocok ditanam di lokasi 2
(Batang 94).
Factorial experiment is an experiment where is in a condition (experiment unit) were
attempted simultaneously from several single experiment. Two-factor factorial experiment
with the basic design CRBD (Complete Randomized Block Design) is used to assess the
interaction of genotype and environment on multi-location trials. The analysis can be applied
in multi-location trials is AMMI analysis (additive main effects and multiplicative
interaction). AMMI analysis in the calculations using analysis of variance in a factorial
experiment to test the effect of the interaction and principal component analysis to elucidate
the effect of the interaction with the interpretation of the results using the biplot-AMMI.
Based on research with seven genotypes of rice (S382b-2-2-3, 3-2-3-1 S2389d-,
S24871-65-4, S2824-1d-6, S2945f-59, Poso, and C22) and four locations (Sukamandi 9S24871-65-4, Batang 9S24871-65-4,
Taman Bogo 94, and Garut 94) there is the influence of genotype, location, and interaction
with genotype and location on rice production. Obtained three Principal Component
Interactions (KUI1, KUI2 and KUI3) with the contribution of diversity respectively 78.29%,
13.94% and 7.77%. Interpretation of the AMMI Biplot is obtained genotype 1 (S382b-2-2-3)
very suitable to be planted in a location 4 (Garut 94), genotype 2 (S2389d-3-2-3-1) very
suitable to be planted in a location 3 (Taman Bogo 94), genotype 3 (S24871-65-4) is more
suitable to be planted in locations 2 (Batang 94), genotype 4 (S2824-1d-6) are very suitable to
be planted in a location 4 (Garut 94), genotype 5 (S2945f-59) is more suitable to be planted in
locations 2 (Batang 94), genotype 6 (Poso) very suitable to be planted in a location 1
(Sukamandi 94) and genotype 7 (C22) is very suitable to be planted in locations 2 (Batang
94).
v
2.1.1. Model Linier Rancangan Faktorial RAKL Dua Faktor ....
8
viii
2.6. Analisis Biplot...
32
2.7. Additive Main Effect Mulitiplicative Interaction (AMMI) ...
34
2.7.1. Penguraian Bilinier Pengaruh Interaksi ...
36
4.1. Analisis Varian Percobaan Faktorial Dua Faktor RAKL...
45
ix
Halaman
Tabel 1
Layout Data Pengamatan
.. 9
Tabel 2
Total Interaksi Faktor A dan Faktor B...
.. 9
Tabel 3
Analisis Varian Rancangan Faktorial Dua Faktor RAKL
.... 23
Tabel 4
Data Hasil Produksi Padi (ton/Ha)
. 46
Tabel 5
Total Interaksi Genotip dan Lokasi
. 46
Tabel 6
Analisis Varian RAKL
... 50
Tabel 7
Nilai Kritis Duncan untuk Genotip
56
Tabel 8
Nilai Kritis Duncan Untuk Lokasi
.. 57
Tabel 9
Grouping Data Interaksi Genotip dan Lokasi
58
x
Halaman
Gambar 1
Diagram Alir Analisis
45
Gambar 2
Probability Plot of Residual
52
Gambar 3
Scatterplot
Untuk Residual dan Nilai Prediksi
..
53
Gambar 4
Test for Equal Variances
Untuk Residual
..
53
Gambar 5
Plot Residual dan Urutan Data
.
54
xi
$%&'% ()% * +,(
%-Halaman
Lampiran 1 Output Analisis Varian Percobaan Faktorial Dua Faktor
RAKL dengan Software Minitab
68
Lampiran 2 Listing Program Analisis Varian Percobaan Faktorial Dua
Faktor RAKL dengan Software SAS
69
Lampiran 3 Output Program Analisis Varian Percobaan Faktorial Dua
Faktor RAKL dengan Software SAS
.
71
Lampiran 4 Input Program Untuk Penguraian Pengaruh Interaksi dengan
Analisis AMMI Menggunakan Sotware SAS
78
Lampiran 5 Output Program Untuk Penguraian Pengaruh Interaksi dengan
Analisis AMMI Menggunakan Sotware SAS... 80
Lampiran 6 Input Program Makro-Biplot SAS
.
81
Lampiran 7 Output Program Makro-Biplot SAS
..
85
Lampiran 8 Input Program Grafik Biplot dengan Software SAS
... 85
1
./ .01234 /5 67 6 /3
89897:;: <.=>:? :@ A
S
BCDEF G HBIE B CHD G JGy
D EBCDK LD Gz
D CD GM CDGLNFD OF P LGPLP LGP LECB CQB RDK DIF HBIHDJDF SBGTCB GD
y
D G J PBIK DOF OF NBEF PDIGy
D U V GP LE CB C QB RDK DIF SB GTCB GD PB I NBH LP OF QBIRLED G DOD Gy
D N LD PL QB GB RFPFD G F R CF DWU X B GB RFPF DG ODQD P OF RDE LED G OB GJDG HBIH D JDF YDID HDFE F P L CB RD R LF NLI ZBMy
QB G JD CD PDG CD LQLG QBI YTHD DGUV GP LECB RDELED GN LD PLQBI YTHD D GOFQBI RLED G NLD P L QBIDG YD G JD GD G Jy
NFNPB CD PFN NB WF GJJD O D QD P OFQBI TRB W E B NF C QLRD Gy
D GJ CB[ DEF RF QTQLRDNFy
D G J OF PBRF PF U X BID GYD G JD G QBIYTHDDG OF QBI RLE D G LGP LE CBC QBITRB W EB NFCQLRD G ODIF QBGB RF PFD G DG Jy
OF RDE LED GU \B YDID PB TIF QBID G YD G JDG QBI YTH DD G DO DRD W N LD PL PBN DPD LNBI D G JEDF DGP B NOB G JD G CDE N LOCB G JD CD PF OD GCB G JFOB GPFSFED NFQBILHDWD G] QBI LHD WD G QDOD TLP QLP IB N QTG D G Jy
OFNBH DHED G TRB W QBI LH DWD G ]QBILH D WD G DG Jy
OF RDE LED GQDODZDIF DHBRFGQLPODIFN LDP LQITNB N(Montgomery, 2005).
2
ab cde fghb i fjb kl mi fj b kl n dk lfohg pfce qor
ju
lf a fnft
abk
dt
fghb ndklfr
hg lfshk l fn
(
b ke do fcj b)
a fob pfceqoy
fk l abtq sfcfkuK
dhke hk lfk a fob n do tq sffk pfceqobfvfa fvfgifinhi do fk lchisdsdofnfndotq sffkp fceqoehkll fvj dcfvb lhj r q vdgcfo dk fbeh ndo tq sf fkpfceqob fv fcfk v dsb gedn fe a fka fn fe i dk lgdifew fcehr sfgfkrfv fe rt
dk flf cdrj
fa fn
m
qa fl y
fn
lt
dr
j dabfa fl
fm
m
dk tfnfb jdi hfj fj fofkndo tq sf fk mn do tq sffkp fceqoe hkllfvjdc fvb lhj u
P
do tq sffk pfce qobfv a dk l fk a hfpfceqo jdob k l abed ihcfk a fvfi ndotq sf fkvq cfj b lfkaf
(
multilocation)
uR
fktfk l fky
fk l sbfjf ablhkfcfk afvfi ndo tq sffk vq cfj b lfka f fafv fg ofktfk lfk pfceq obfvu x fceqom pfceqoy
fk l ablhkfcfk a fvfi ofk tfk l fkbkbfa fvfgpfce qoldkqebna fkp fceqovq cfj bu y dkqebnfa fvfgb j eb v fgy
fk l ablhk fc fk hke hc i dky
fefcfk c dfa f fk l dk debc a fob j hfeh bkab zba h fefh j dchi nhvfk bkabzb a hu x fce qo vq cfj b i dk tfchn e di nfe ab i fk f ndotq s ffk b e h ab v fchcfkuP
dkl dvq inq cfk ab v fchcfk cfo dkf hkb e ndotq sffky
fk l ablhk fc fk a fv fi ndo tq sffk e ba fc sb j f ab { fibk cdgq iqldk fkky
fuO
v dg cfo dk f behr ndov h ab v fchcfkndk ldvq i nq cfky
fk lodv febpgq iq ldkhke hc idkl dka fvbcfkc doflfi fky
fk l ihk thvuP
dotq s ffk vq cfj b l fka f id ibvbcb ifk pffe sdj fo a fv fi3
|}~ } } } } } } | } | } ~ }~ }} } } }
R
}l
n
y
l
~ ~ |}n
y
t
|y
}n
| m
u
k
} }n
t
}t
t
r
u
t
|}} } ~ ~
y
} ~ } |}~ ~} ~ ~|}} ~ ~ } ~ ~}}~ }} } ~ ~ } y
}~ }y
}~ }| } ~} ~|}} ~ ~ } ~y
} ~} } ~ ~~ ~ |} ~} ~ } ~} }} } } ~ } ~ }|} } |} ~ }} ~ ~y
} }~ }}} ~y
} ~ } (
Sumertadjaya, 2007)
~} } }
y
} ~ } } |~} } ~ |} } } }~ } } ~|} }|} } } ~} }} ~Analysis Of Variance
(
NOV
)
|} ~ ~} K
~ ~U
} }(
KU)
~}m
u
n
| }
m
t
| ~ | } ~}p
k
u
r
}n
|} } ~} ~} |}}
y
} ~ ~} } } ~ }~y
} ~ } } ~ } ~ ~ } }} |}~ ~ ~ } ~ } } |} } ~ ~ } ~ } ~ } } } ~ ~ ~}} ~ ~ } ~ } S
|} ~ } ~ } ~} ~ ~ } } }~y
} ~ } }~ ~} ~ } } ~} ~ }~}~ ~ } } } ~
y
} ~ } ~ | } ~ ~ } } }~ }} } |} |} } } } | } ~ ~|}} ~ } ~y
}} ~} Additive Main Effects and Multiplicative Interaction
(AMMI)
AMMI
} ~ } ~ } } ~ ~ } ~ |~} ~ } ~}
AMMI
~ }~} ~ ~ } } } }| }|} } ~} }} ~ |} ~ ~} } ~ ~} ~ } }|} }~} ~~ }} P
~}} ~ ~ } ~ } | } }~ | ~ } ~ | ~}s
~}5
Æ ÇÈÉÊ Ë Ê ÌÍÉÎ ÉË ÏÌÐÎÉÑÒ Ó ÒÔ ÉÕ ÉÖ × ÐÉÆËÊ Ë Ê ØÉÑË ÉÐ ÏÌÑÙÇÍ ÉÉÐ Ú ÉÈÔ ÇÑË ÉÆ
R
×KL
ÛËÎÒ ÐÉÈ ÉÐ Ò ÐÔ Ò È ÕÌÐÎÒÜË ÏÌÐÎÉÑÒÓ Ë ÐÔÌÑÉÈÊ Ë ÉÐÔÉÑ É ÏÉÛË Ê É Ý ÉÓy
ÉÐÎ ÛËÙÇÍÉÈÉÐ Û ÌÐÎ ÉÐ ÆÇÈÉÊ ËÏÌÐÉÐ ÉÕÉÐÐy
ÉÖU
ÐÔ Ò ÈÕ ÌÐÎÒ ÑÉËÈÉ ÐÏÌÐÎÉÑÒÓ ËÐÔ ÌÑÉÈÊ Ë ÏÉÛ ËÊ ÉÝ ÉÓ Û ÌÐÎ ÉÐ Æ ÇÈÉÊ ËÐy
É ÛËÎÒ Ð ÉÈÉÐ ×ÐÉÆ ËÊ ËÊK
ÇÕÏÇÐÌÐU
Ô ÉÕ É(
×KU)
Ö ÞÐÔ ÌÑ ÏÑÌÔÉÊË Õ ÇÛ ÌÆFixed-AMMI
Û ÉÏ ÉÔ ÛË ÆËÓ ÉÔ ÏÉÛ É ÍË ÏÆÇÔy
É ÐÎ Ô ÌÑÍÌÐÔ Ò È Û ÌÐÎ ÉÐ Ê ÌÍÌÆ ÒÕ Ðy
É Õ ÌÐÙ ÉÑË Û ÉÔÉ ÑÉÔ É ßÑÉÔÉ ÔÌÑÈÇÑ ÌÈÊË ÍÌÑÛ ÉÊÉÑÈÉÐ ÏÌÐÎÒÑ ÉËÉÐ ÐË Æ ÉË Ê ËÐÎÒÆ ÉÑÐy
É ÖP
ÌÑÕÉÊÉÆ ÉÓ ÉÐy
É ÐÎ ÉÈÉ Ð ÛËÍÉÓ ÉÊ Ô ÌÑ ÍÉÔÉÊ ÏÉÛÉ Ñ ÉÐÙ ÉÐÎ ÉÐ ÚÉÈÔ ÇÑË ÉÆ ÛÒÉ ÚÉÈÔ ÇÑÛ ÌÐÎ ÉÐ Û ÉÊÉÑ
R
ÉÐÙÉÐÎÉ Ð ×Ù ÉÈK
ÌÆÇÕ ÏÇÈL
ÌÐÎÈÉÏ(R
×KL)
Ê ÌÑÔ É ÉÐ ÉÆË ÊË Ê Ðy
É Û ÌÐÎ ÉÐÕÇÛ ÌÆy
ÉÐÎÛË ÎÒÐÉÈÉÐÉÛÉÆÉÓÕ ÇÛ ÌÆFixed-AMMI
Öàáâáã ä
musan Masalah
åÌÑÛÉÊÉÑ È ÉÐ Æ ÉÔ ÉÑ ÍÌÆÉÈÉÐÎ
y
ÉÐÎ ÔÌÆÉÓ ÛËÒÑ ÉË ÈÉÐæÕ ÉÈÉ ÍÌÍÌÑÉÏÉÕ ÉÊÉÆ ÉÓy
É ÐÎÉÈÉÐÛË ÍÉÓÉÊÛ ÉÆÉÕÏÌÐÌÆË ÔËÉÐË ÐËÉÛ ÉÆÉÓÊÌÍ ÉÎ ÉË ÍÌÑË ÈÒÔ çè Ö åÉÎÉË
m
Én
Él
Én
Îk
ÉÓ ßl
Én
ÎÈÉÓ × ÐÉl
ËÊ Ës
v
Ér
Ë Én
Û Él
Ém
r
Én
Ù ÉÐÎ ÉÐ ÚÉÈÔ ÇÑËÉÆÛÒ ÉÚÉÈÔÇÑR
×KL
?
2. Bagaimana menentukan banyaknya komponen utama AMMI
dengan menggunakan gabungan dari pengaruh aditif pada analisis
varian dan pengaruh multiplikasi pada analisis komponen utama?
3. Bagaimana menentukan hubungan antara faktor genotip dan lokasi
dengan menggunakan Biplot AMMI?
1.3. Batasan Masalah
Dalam hal ini permasalahan yang akan dibahas terbatas pada rancangan
6
é êëì í íîíïðé ðéî