Perpustakaan Digital ITB

Metode pemuliaan kelapa sawit sangat diperlukan untuk meningkatkan produksi. Salah satu langkah terpentingnya adalah menentukan induk yang memiliki potensi tinggi dalam menurunkan sifat unggul kepada turunannya (progeni). Metode BLUP (Best Linear Unbiased Prediction) digunakan dalam langkah tersebut. BLUP merupakan metode statistik untuk menaksir pengaruh acak induk dengan Model Campuran Linier (MCL). MCL adalah kasus khusus dari Model Campuran Linier Terampat (MCLT). Penelitian ini mempunyai dua tujuan. Pertama, mengembangkan MCL pada data pemuliaan dari dua lokasi yang berbeda. Kedua, mengembangkan algoritma penaksir parameter model MCLT melalui Likelihood Maksimum (LM). MCL mengasumsikan data fenotipe sebagai respon berdistribusi normal. Model ini digunakan dalam kasus data percobaan dengan desain lokasi dan desain kekerabatan. MCL diterapkan dalam dua tahap (MCLDT) dengan tujuan untuk mengeliminasi pengaruh lokasi dan menghitung pengaruh genetis yang diturunkan induknya. Tahap pertama MCLDT adalah MCL yang melibatkan faktor pengaruh lokasi, selanjutnya tahap kedua melibatkan faktor pengaruh acak induk. Metode ini bekerja dengan baik saat diterapkan pada data lapangan yang sebenarnya. Fenotipe yang diuji berkaitan dengan produksi, yakni berat tandan, banyak tandan dan berat rata-ratanya. MCLDT dapat menentukan induk dengan kemampuan menurunkan sifat yang sesuai dengan tujuan pemulia. Selain itu, model ini dapat digunakan dengan memanfaatkan informasi kekerabatan. Aplikasinya adalah pada pengolahan data dari dua percobaan dengan himpunan induk yang berbeda dan tidak beririsan, tapi mempunyai kekerabatan. MCLDT mempunyai keunggulan dalam hal menyederhanakan model. Sehingga memiliki waktu eksekusi yang cepat dan peluang konvergensi yang tinggi. Varietas induk jantan dan betina pada data pemuliaan kelapa sawit sangat beragam. Begitu juga dengan pengaruh interaksi antara faktor genetis induk dengan lingkungannya. Ini berarti bahwa banyak faktor pengaruh acak dalam MCLT akan sangat tinggi. Banyak faktor pengaruh acak ini sama dengan derajat integral lipat fungsi likelihood MCLT. Akibatnya fungsi tersebut sulit dicari solusi analitisnya. Oleh karena itu, diperlukan metode hampiran integral yang efisien sebagai solusi numerik. Hampiran integral Clenshaw-Curtis-Boyd (CCB) digunakan dalam kasus ini. Dalam CCB, terdapat konstanta yang ditentukan oleh pengguna. Untuk MCLT, konstanta tersebut dapat dihitung sehingga dengan sampel titik yang sedikit, bahkan dengan satu titik, akurasinya dapat dipertahankan. Dengan demikian, kuadratur CCB dapat digunakan dalam algoritma penaksiran parameter MCLT (MCLT-CCB). Pebuah acak fenotipe tidak selalu berdistribusi normal. Fenotipe yang bersifat counting (menghitung), misalnya banyak tandan dapat berdistribusi Poisson. Pemilihan induk berdasarkan fenotipe ini dilakukan dengan MCLT. MCLT-CCB dengan distribusi Poisson dan fungsi link log digunakan untuk menaksir BLUP. Dalam hal ini faktor pengaruh induk betina dan jantan. MCLT-CCB bekerja dengan baik dalam menentukan induk yang mempunyai sifat unggul. Induk terpilih bersesuaian dengan performa progeninya.