| dc.description.abstract | Adalah penting untuk mengetahui interaksi antara genotip dan lingkungan dalam penyeleksian Genotip yang akan dilepas. AMMI (Additive Main Effect and Multiplicative Interactions) merupakan salah satu metode analisis untuk mengkaji data percobaan lingkungan ganda. Metode ini memiliki kemampuan dalam menerangkan daya adaptasi genotip-genotip pada berbagai lingkungan. Pada kasus data tidak lengkap (ada data hilang atau ulangan tidak sama), algoritma EM-AMMI menjadi salah satu pilihan dalam melakukan pendugaan. Penelitian ini mengkaji interaksi genotip dan lingkungan menggunakan analisis AMMI serta menilai kelayakan algoritma EM-AMMI untuk berbagai kasus data hilang.
Data yang digunakan bersumber dari Balai Penelitian Tanaman Padi (BALITPA) Sukamandi, merupakan data sekunder hasil percobaan lokasi ganda dari dua belas genotip padi yang dicobakan pada lima belas lingkungan di Indonesia. Model yang diperoleh adalah AMMI7 yang mampu menerangkan 97.579% struktur interaksi antara genotip dan lingkungan. Melalui selang kepercayaan normal ganda bagi genotip terlihat bahwa ada empat genotip yang disimpulkan tidak stabil yaitu genotip MEMBERAMO, B7974F-MR-2-2-2, S3383-1D-PN-41-3-1 dan genotip B8583E-MR-87-1. Interaksi khas yang terjadi yaitu interaksi antara genotip MEMBERAMO dengan lingkungan Narmada, antara genotip B7974F-MR-2-2-2 dengan Bandar Buat, antara genotip S3383-1D-PN-41-3-1 dengan Nganjuk dan Lamongan serta interaksi antara genotip B8583E-MR-87-1 dengan Telaga Sari dan Maros. Genotip yang dapat dikatakan genotip unggulan yaitu genotip S3383-1D-PN-16-2 dan S3382-2D-16-3 karena selain memiliki rataan hasil yang tinggi keduanya juga merupakan genotip yang stabil.
Algoritma EM-AMMI memiliki ketepatan pendugaan yang tinggi dan tidak banyak mengubah struktur interaksi genotip dan lingkungan terutama jika persentase data hilang cukup kecil dan bukan merupakan nilai-nilai ekstrem. Ada kecenderungan jika persentase data hilang semakin besar maka struktur interaksi antara data hasil pendugaan semakin banyak mengalami perubahan. Algoritma ini kurang berhasil untuk menduga data jika data hilang tersebut merupakan nilai-nilai ekstrem, karena pada kasus ini selain ketepatan pendugaan menjadi rendah struktur interaksi juga relatif banyak berubah. | id |
