@article{UNY6867,
           title = {Pendugaan Komponen Utama pada Pengaruh Acak Model Linear Campuran Terampat},
       publisher = {Jurusan Pendidikan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta},
          author = {Masjkur Mohammad},
         journal = {PROSIDING SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA},
            year = {2008},
             url = {http://eprints.uny.ac.id/6867/},
        abstract = {Model linear campuran terampat (generalized linear mixed model) merupakan model yang memberikan ekstra flexibilitas dalam pengembangan model yang sesuai bagi data, sedangkan analisis komponen utama merupakan teknik ?reduksi dimensi? data yang terandalkan. Tujuan penelitian ini adalah mengetahui pendugaan komponen utama pada pengaruh acak model linear campuran terampat dan membandingkannya dengan model linear campuran terampat berdasarkan data asli. Penelitian ini menggunakan data percobaan lapangan pemupukan P padi sawah pada enam lokasi. Percobaan lapangan menggunakan rancangan acak kelompok (RAK) dengan 4 ulangan. Perlakuan terdiri dari 5 tingkat pupuk P yaitu : 0, 23, 46, 69, dan 115 kg P2O5/ha. Peubah respons yang diamati ialah serapan P tanaman pada saat panen. Sifat-sifat tanah yang diukur terdiri dari : pH H2O, C organik, P-H2O, Pi-NaHCO3, Pi-NaOH, P-HCl25, P-Truog, P-Olsen, P-Bray1, dan P-Mehlich 1. Model linear campuran terampat digunakan untuk menduga respons serapan P padi sawah terhadap pengaruh pemupukan P dan sifat-sifat tanah. Faktor pemupukan sebagai pengaruh tetap (fixed effect) dan sifat-sifat tanah sebagai pengaruh acak (random effect). Pada model pertama, hanya pengaruh acak sisaan digunakan (the residual only model) atau model tetap. Pada model kedua, pengaruh acak sifat-sifat tanah dimasukkan dalam model. Pada model ketiga dan seterusnya, komponen utama pengaruh acak dimasukkan secara sekuensial ke dalam model. Keterandalan model diuji dengan membandingkan pada model dengan hanya pengaruh acak sisaan menggunakan uji {\ensuremath{\chi}}2 deviance. Kebaikan suai model juga dievaluasi menggunakan kriteria informasi Bayesian (BIC) dan Akaike (AIC dan AICC). Hasil penelitian menunjukkan bahwa data kasus serapan P terdiri dari dua kelompok sebaran (bimodus), yaitu kelompok serapan P rendah dan kelompok serapan P tinggi, masing-masing menyebar normal. Pada kelompok serapan P rendah dan kelompok serapan P tinggi, model campuran berdasarkan komponen utama lebih terandalkan daripada model campuran berdasarkan data asli dan model tetap.

Kata kunci : model linear campuran terampat (generalized linear mixed model), pengaruh tetap (fixed effect), pengaruh acak (random effect), komponen utama (principal component)}
}