ANALISIS PROFILE

Ada tiga pertanyaan yang diperhatikan pada analisis profile adalah:

(1) apakah semua profil cenderung mempunyai kesamaan arah atau kesejajaran
antar profil yang tersaji?, kemudian
(2) apabila sejajar, apakah semua profil ini berimpit?, atau
(3) apabila sejajar, apakah semua profil ini sejajar sumbu datar (// sumbu-X)?.

Dari tiga pertanyaan tersebut, tentunya yang harus terlebih dahulu diuji adalah
pertanyaan yang pertama, bila sudah tidak sejajar maka pertanyaan yang kedua dan
ketiga sudah tidak perlu dilakukan pengujian lagi, karena pasti semua profil tidak
akan berimpit dan tidak pula semua profil akan sejajar sumbu datar.

Selanjutnya apabila semua profil tidak sejajar, sisihkan profil yang mengakibatkan
ketidak sejajaran, dan kemudian lakukan analisis profil untuk gambaran profil yang
tersisa. Apabila profil yang tersisih lebih dari satu, dapat pula dilakukan analisis profil
pada kelompok profil tersisih ini. Demikian selanjutnya sehingga akan diperoleh
kumpulan profil yang sejajar, atau dapat juga terjadi bahwa setiap profil memang
berbeda satu dengan lainnya.

1. Analisis Profil dari Dua Grup yang saling bebas

Apabila analisis profile dinotasikan dalam persamaan matriks, maka model

umumnya adalah sebagai berikut :

Atau bisa juga ditulis

 y 11   1 ... 0 ...... 0   e 11 
 .   .......... ...   .. 
     
 y 1 n1   1 ... 0 ...... 0   e1 n1 
      11  12 ... 1p   e 
 y 21   0 ... 1 ...... 0     21 
 .   .......... .... 
  21  22 ...  2 p   .. 
y    0 ... 1 ...... 0   . . ... . 
 
e2 n2 
 2 n2      
 .   .......... ....    i 1  i2 ...  ip   .. 
 y i1   0 ... 0 ...... 1   e i1 
     
 .   .......... .....   .. 
 y   0 ... 0 ...... 1  e 
 in i     in i 
Y=XB+E, dengan X adalah matriks rancangan berdimensi (N x I), B matriks
parameter berdimensi ( I x p), dan E matriks galat berdimensi ( N x p). Sedangkan Y
merupakan matriks peubah tak bebas berdimensi ( N x p). Dengan p = jumlah

1
peubah tak bebas, I= jumlah perlakuan (populasi), n1= jumlah pengamatan pada
perlakuan ke-I dan N= jumlah total pengamatan.

1.a. Uji Kesejajaran (Parallel)

Bentuk umum hipotesisnya :

 12  11   22  21   i2  i1 

           
H01   13 12  

23 22 
 ... 
i3 i2 

 :   :   : 
     
1p  1( p1)  2 p  2( p1)  ip  i( p1) 

Uji kesejajaran untuk dua populasi yang menyebar normal dapat dituliskan
sebagai berikut:
H01 : C1 = C2 dimana C merupakan matriks kontras sedemikian sehingga
membuat persamaan seperti pada bentuk umum hipotesis kesejajaran di atas.

 1 1 0 .....
 0 1 1 .....
C p1xp  
 .. .. .. .....
 
0 0 0 .....

Untuk contoh bebas dari dua populasi (perlakuan), maka kita dapat membuat
nilai rataan untuk tiap-tiap peubahnya sehingga akan kita dapatkan rataan dari
populasi 1 x1 dan rataan dari populasi 2 x2 .
Dan pengujian nya adalah sebagai berikut
1
_
 1 1
_
 _ _
T  ( x1  x2 )'C' (  )CSC' C( x1  x2 )
2

 n1 n2 
dengan
(n1  n2  2)( p 1)
c2  Fp 1,n n  p ( )
n1  n2  p 1 2

Dimana S adalah matriks koragam (Covarian) dari peubah-peubahnya.

Kemudian kita akan menolak hipotesis nol apabila nilai dari T2  c2 . Dengan
nilai dari c2 nya tergantung dari nilai tabel sebaran F dengan db1= p-1 dan db2=n1 +
n2 –p pada ()

2
1.b. Uji Keberhimpitan (Coincident)

Bentuk umum dari hipotesisnya adalah :

  11    21   I1 
     
H 02   12 
  22 
 ...  
i2 

 :   :   : 
     
  1 p    2 p    ip 

Atau dengan kata lain, profile akan saling berhimpit apabila total dari nilai
rataan tiap-tiap populasi 11+12+….+1p = 21+22+…+2p = …… = i1+…..+ip . Dan
untuk dua populasi yang normal maka bentuk hipotesis nolnya adalah
H0 : 1’1 = 1’2.

Pengujian hipotesis ini baru dapat dilakukan setelah uji pada kesejajaran
dapat di terima. Statistik uji untuk pengujian hipotesis keberhimpitan dapat ditulis
sebagai berikut:

1
 1 1 
T  1' ( x1  x2 ) (  )1' S1 1' ( x1  x2 )
2

 n1 n2 
2
 
 
 1' ( x  x ) 
T2   1 2

 ( 1  1 )1' S1 
 n n 
 1 2 

Untuk kaidah pengambilan keputusannya adalah kita akan menolak Hipotesis

nol apabila nilai dari statistik uji T2 tersebut di atas > t2 n1+n2-2 (/2) (distribusi t
tabel dengan db=n1+n2-p pada level () dikuadratkan). Atau kita juga akan menolak
hipotesis nol apabila T2  F p-1,n1+n2-p () (distribusi F tabel dengan db1=p-1 dan
db2=n1+n2-p pada level ())

1.c. Uji Kesamaan (Level)

Apabila profil-profil tersebut berhimpit (hipotesis nol keberhimpitan diterima),

maka seluruh observasi tersebut berasal dari populasi normal yang sama. Maka
langkah selanjutnya adalah apakah seluruh peubahnya tersebut memiliki nilai rataan
yang sama .

Ketika kesejajaran dan keberhimpitan dapat diterima, maka vektor rataan 

(dari dua populasi normal )dapat diduga dengan menggunakan n1+n2 observasi
(pengamatan) sebagai berikut:

3
 n1 n2

x1j  x2 j
j 1 j 1 n1 n
x  x1  2 x2
n1  n2 n1  n2 n1  n2

Jika profile itu sama (se-level), maka 1 = 2 =…=p . Dan bentuk hipotesis
nolnya dapat kita tuliskan sebagai berikut:

  11    11   1p 
     
H 03   21    22   ...   2 p 
 :   :   : 
     
  i1    i 2    ip 
Atau dapat juga dituliskan sebagai : H03 : C=0 .

Dan sebagai statistik ujinya adalah :

Dan hipotesis nol akan ditolak apabila statistik uji di atas F > dari F p-1,n1+n2-p
() (lebih besar dari nilai distribusi F tabel dengan derajat kebebasan db1 = p-1 dan
db2= n1+n2-p pada taraf (level) pengujian ()).
F  ( n 1  n 2 ) x ' C ' CSC ' C x
1

2. Analisis Profil secara umum

Pendekatan analisis profil diawali dengan menganggap bahwa sejumlah p-buah

respon yang diamati merupaka contoh acak pada k-buah perlakuan atau kelompok
dari suatu rancangan percobaan. Model bagi pengamatan ke-i untuk respon ke-h
dari perlakuan ke-j adalah

Xijh = jh + eijh

dimana i = 1,…….,Nj, j = 1,……., k, dan h = 1,…, p, serta N = N1 + N2 + ……..+ Nk

Asumsi yang diperlukan untuk dapat menguji nilai sebenarnya dari respon
yaitu parameter  adalah vektor sisaan e`ij = (eij1, ……, eijp) dari contoh ke-ij
mempunyai distribusi multinormal dengan nilai tengah 0 dan ragam peragam R yang
non-singular. Dan antar sisaan saling bebas stokastik. Dengan asumsi ini maka
model di atas dapat dianggap sebagai masalah peubah ganda biasa dengan model :
X = A + E

4
dimana matriks respon X berukuran N x p, matriks rancangan A berukuran N x k,
matriks parameter  berukuran k x p, dan matriks sisaan E berukuran N x p. Matriks
 dapat dituliskan sebagai berikut:
  11 ... 1p 
 
   ... ... ... 
  k1 ...  kp 


2.a. Bentuk Hipotesis

Selanjutnya untuk menjawab tiga pertanyaan di atas dapat dilakukan dengan

menguji parameter jh, untuk menguji pertanyaan pertama yaitu kesamaan arah atau
kesejajaran dengan H01 sebagai berikut:

H01 11 – 12 =21 – 22 = ….. = k1 – k2

12 – 13 =22 – 23 = ….. = k2 – k3
…….
1(p-1) – 1p = 2(p-1) – 2p = ….. = k(p-1) - kp

atau dapat juga dituliskan dalam bentuk matriks sebagai berikut:

H01: C1 M1 = 0,

dimana matriks C1 berukuran (k-1) x k, matriks M1 berukuran p x (p-1) dan matriks 

berukuran kxp. Matriks C1 dan matriks M1 adalah sebagai berikut:
1  1 0 ... 0 
0 1  1 ... 0 

C 1  0 0 1 ... 0 
 
 ... ... ... ... 0 
 0 0 0 ...  1 

 1 0 0 ... 0 
 1 1 0 ... 0 

M 1   0 1 1 ... 0 
 
 ... ... ... ... ... 
 0 0 0 0  1 
sedangkan untuk menguji pertanyaan kedua yaitu keberimpitan dan pertanyaan
ketiga yaitu kesejajaran dengan sumbu-X dapat diakukan dengan H02 dan H03
berikut:

H02 1. = 2. = …………. = k., dan

atau dapat juga ditulis dalam bentuk matriks sebagai berikut:

H02: C1  m2 = 0

dimana m2'= (1, ….,1) berukuran 1xp.

5
 k k
H03 (N j / N) j1 = …. =
j 1
(N / N) jp
j1
j

Dalam bentuk matriksnya dapat dituliskan sebagai berikut:

H03: c2  M1 = 0

dimana c2'= (N1/N, …, Nk/N) berukuran 1xk.

2.b. Pengujian Hipotesis

Kesejajaran antar profil dapat diuji dengan menggunakan MANOVA.

Keberimpitan dapat diuji dengan menggunakan statistik uji berikut:
( N  k ) SST
F
(k  1) SSE
dimana:
R  Xm 2
2
k  k 
SST   C / N j  (1 / N )  C j
2
j


j 1  j 1 
k N j k
SSE  R
j 1 i 1
2
ij   C 2j / N j
j 1
N j

Cj  R
i 1
ij

jika nilai F lebih besar dari F,k-1,N-k maka tolak H02 atau profil perlakuan berimpit.

Sedangkan untuk menguji kesejajaran profil perlakuan dengan sumbu X dapat

menggunakan statistik uji berikut:
T 2  Nx ' M 1 ( M 1 ' SM 1 ) 1 M 1 ' x

N k  p2 2
F T
( N  k )( p  1)

Tolak H03 jika nilai F lebih besar dari F, p-1, N-k-p+2 artinya profile perlakuan sejajar
dengan sumbu X.

ILUSTRASI

Hasil yang mungkin terjadi apabila ternyata semua profil searah dan
dilanjutkan dengan menjawab dua pertanyaan berikutnya dapat dilihat pada Tabel 1.

6
Tabel 1. Kemungkinan hasil pengujian untuk profil yang searah.

1) Staf pengajar Jurusan Statistika, Fakultas

Matematika dan IPA, Institut Pertanian
Bogor

Pengujian Sejajar sumbu-X Tidak sejajar sumbu-X

Berimpit Satu garis sejajar sumbu-X Satu gambar
Tidak Semua profil berupa garis Semua profil berupa gambar
berimpit sejajar sumbu-X sejajar

Untuk menentukan kestabilan vitamin C dalam sari air jeruk, maka sari air
jeruk tersebut disimpan dalam lemari es sampai pekat dan beku. Waktu
penyimpanan adalah selama seminggu (7 hari). Telah dilakukan penelitian oleh
“Vitamin C Retention in Reconstituted Frozen Orange Juice “ oleh jurusan Gizi dam
makanan di Virginia Polytecnic Institute and State University pada tahun 1976,
bahwa kadar asam askorbat menentukan kestabilan vitamin C tersebut.

Diujikan kepada dua jenis sari air jeruk yaitu merk Richfood dan sealed
masing-masing diulang sebanyak empat kali. Dua sari air jeruk tersebut disimpan
dalam lemari es sampai waktu seminggu lamanya. Dan kemudian dalam 3 jangka
waktu yang berbeda (Waktu ke-0, waktu ke-3, waktu ke-7) dihitung kadar asam
askorbatnya dalam satuan miligram(mg) per liter. Dan didapat hasil pengamatan
sebagai berikut:

W-0 W-3 W-7 Merk

52.6 49.4 42.7 Richfo
od
56.0 48.8 49.2 Sealed
54.2 49.2 48.8 Richfo
od
48.0 50.3 44.0 Sealed
49.8 42.8 40.4 Richfo
od
49.6 44.0 42.0 Sealed
46.6 53.2 47.6 Richfo
od
48.4 48.5 43.2 Sealed

Kajian Dengan Metode Gambar

Menurut Morisson (1991) , pada dasarnya analisis profil merupakan

serangkaian uji hipotesis terhadap nilai tengah dari peubah ganda dengan
menggunakan prinsip grafik. Dari data di atas, maka kita memiliki 2 kelompok yaitu
Richfood dan Sealed, serta tiga peubah yaitu W-0, W-3, dan W-7. Untuk memulai
analisis dengan menggunakan metode gambar ini, kita hanya membutuhkan nilai
rataan tiap-tiap peubah didalam setiap populasi. Kemudian setelah mendapatkan

7
nilainya, dibuatlah gambar plot untuk setiap populasi. Didapat rataan tiap-tiap
peubah untuk Richfood = [58,8 48,65 44,87] dan untuk populasi Sealed = [50,5
47,9 44,6]. Kemudian dari nilai nilai ini didapat plot sebagai berikut:

P LOT R ATAAN TIAP P OP ULASI

52
50
Kadar Asam
Askorbat

48
46
44
42
40
1 2 3
W aktu P engam atan
RICHFO O D SEALED

Gambar 1. Profil masing-masing merk sari air jeruk dari waktu ke waktu

Dari gambar di atas sudah dapat ditarik kesimpulan sementara bahwa profil
untuk setiap kelompok tersebut terlihat sejajar dan berhimpit. Seberapa jauh nilai dari
kesejajaran dan keberhimpitan itu nilainya adalah relatif, karena dengan
menggunakan metode gambar ini, kita hanya membuat pengujian secara kasar.
Tetapi seharusnya apa yang diperoleh dari gambar di atas tidak akan jauh berbeda
dengan hasil pembahasan melalui uji-uji analisis profil seperti yang telah dijelaskan
di atas .

Kajian dengan analisis Profil

Uji akan dilakukan pada taraf nyata 0.05. Diketahui bahwa rataan untuk tiap
populasi Xr=[50.8, 48.65, 44.87] dan Xs=[50.5, 47.9, 44.6], sehingga didapat matriks
selisih rataan kedua populasi ter sebut yaitu X=[0.3, 0.75, 0.27]. Sedangkan nilai dari
matriks koragam peubah-peubahnya nya dan nilai matrik C yang digunakan
berukuran 2x3 yaitu:

W-0 W-3 W-7

W-0 10.7629 3.1471 4.9579 C= -1 1 0
W-3 3.1471 15.4964 9.3632 0 -1 1
W-7 4.9579 9.3632 11.1398

Kemudian barulah menghitung statistik uji untuk hipotesis kesejajaran :

1
 10.76 3.14 4.96  t 
 1   1 1 0     1 1 0  sehingga
A   3 . 14 15 . 5 9 . 36   
 6  0  1 1  4.96 9.36 11.14  0  1 1 
   
t
 0. 3  t  0. 3 
 1 1 0   1 1 0  
T2   0.75  0  1 1  0  1 1  0.75
A 
0.27     
0.27 

8
 Dengan menggunakan operasi aljabar matriks maka diperoleh nilai T2 =
0.1753. dan untuk mengambil keputusannya, maka haruslah dibandingkan dengan
nilai c (dengan F2,21 (0.05) = 3,47 dan n1=12 n2=12 serta p=3) yaitu :

(12122)(31) (22)(2)
c2  3.47 3.47 7.27
12123 21
Sehingga dapat kita lihat bahwa nilai dari T2 < c2 dengan demikian kita
ambil kesimpulan bahwa profile antara kelompok (merk) tersebut adalah sejajar. Atau
dengan kata lain bahwa seiring dengan bertambahnya waktu maka asam askorbat
pada kedua kelompok tersebut mengalami penambahan dan pengurangan dengan
proporsi yang sama (tidak ada perbedaan pengaruh perlakuan). Kesimpulan ini juga
didukung apabila kita melihat pada gambar di atas, ataupun dengan melihat pada
statistik wilks’lamda, pillai’s trace, Hottelling-lawleytrace dan Roy’s greatest root
untuk pengujian interaksi waktu dengan merk, yang didapat dengan menggunakan
proc glm pada software SAS.

Manova Test Criteria and Exact F Statistics for

the Hypothesis of no WAKTU*MERK Effect
H = Type III SS&CP Matrix for WAKTU*MERK
E = Error SS&CP Matrix

S=1 M=0 N=1.5

Statistic Value F Num DF DenDF Pr > F

Wilks' Lambda 0.99089826 0.0230 2 5 0.9774

Pillai's Trace 0.00910174 0.0230 2 5 0.9774
Hotelling-Lawley Trace 0.00918535 0.0230 2 5 0.9774
Roy's Greatest Root 0.00918535 0.0230 2 5 0.9774

Setelah hipotesis mengenai kesejajaran diterima, maka langkah selanjutnya

adalah uji mengenai keberhimpitan. Dan didefinisikan matriks 1’ =[1 1 1], statistik uji
nya adalah :
1
1  0.3  1 10.76 3.14 4.96  1  1  0.3 
t t t

1
T 2  1 0.75 1  3.14 15.5 9.36  1  1 0.75
6 
1 0.27 1  4.96 9.36 11.14 1  1 0.27
 

Dengan menggunakan operasi albar matriks diperoleh nilai T2 =0.38.

Kemudian untuk kaidah pengambilan keputusannya kita akan membandingkan nilai

T2 dengan nilai F tabel dengan db1=1 dan db2=22 pada level 0.05 yang nilainya
sama dengan 4.30. Berarti bahwa nilai T2 < F tabel. Sehingga kita dapat mengambil
kesimpulan bahwa profil kedua merk sari air jeruk itu saling berhimpit. Hal ini
menunjukkan bahwa kedua merk sari air jeruk tersebut memiliki kadar asam askorbat

9
dari waktu ke waktu sama. Dari output SAS untuk pengujian keberhimpitan dapat
dilihat dari hasil pengujian pengaruh antar subjek (merk) secara simultan sebagai
berikut:

Tests of Hypotheses for Between Subjects Effects

Source DF Type III SS Mean Square F Value Pr > F

MERK 1 1.17042 1.17042 0.05 0.8227

Error 6 128.17583 21.36264

Dari uji ini juga diperoleh bahwa kedua merk memiliki profil yang berhimpit. Hasil uji
keberhimpitan ini juga didukung oleh hasil analisis ragam untuk tiap-tiap waktu
pengamatan :

Dependent Variable: W-0

Source DF Sum of Squares Mean Square F Value Pr > F
Model 1 0.18000000 0.18000000 0.01 0.9085
Error 6 75.16000000 12.52666667
Corrected Total 7 75.34000000

Dependent Variable: W-3

Source DF Sum of Squares Mean Square F Value Pr > F
Model 1 1.12500000 1.12500000 0.09 0.7784
Error 6 77.93000000 12.98833333
Corrected Total 7 79.05500000

Dependent Variable: W-7

Source DF Sum of Squares Mean Square F Value Pr > F
Model 1 0.15125000 0.15125000 0.01 0.9175
Error 6 77.82750000 12.97125000
Corrected Total 7 77.97875000

Setelah mengetahui bahwa profil kedua merk sari air jeruk (kelompok)
tersebut sejajar dan berhimpit, maka uji pada analisis profil yang ketiga yaitu
mengenai kesamaan (rataan kandungan asam karbonat dari waktu kewaktu adalah
sama) dapat kita lakukan atau kesejajaran dengan sumbu datar. Kita akan
menemukan matriks rataan dari waktu ke waktu secara keseluruhan yaitu:
 50 . 8   50 . 5   50 . 65 
12   12 
X  48 . 65   47 . 9    48 . 275 
24  24  
 44 . 87   44 . 6   44 . 735 
Kemudian statistik ujinya adalah :
1 0     1 1 0     1
t t
 1 1 0   1 1 0
T 2  24 X  S X
0  1 1    0  1 1   0  1 1    0  1 1 
 

Sehingga didapat nilai T2 = 110.032.

10
 Kaidah pengambilan keputusannya adalah pembandingan nilai T2 dengan
nilai tabel sebaran F dengan db1=2 dan db2=21 pada level 0.05. dapat diketahui
bahwa nilai T2 > nilai F tabel. Dan dapat dikatakan bahwa rataan jumlah kandungan
asam askorbat dalam kedua merk sari air jeruk tersebut tidak sam (tidak sejajar
dengan sumbu X). Hal ini jelas terlihat pada gambar di atas. Keputusan ini juga
didukung oleh statistik wilks’lamda, pillai’s trace, Hottelling-lawleytrace dan Roy’s
greatest root untuk pengujian pengaruh waktu, yang didapat dengan menggunakan
proc glm pada software SAS.

Manova Test Criteria and Exact F Statistics for

the Hypothesis of no WAKTU Effect
H = Type III SS&CP Matrix for WAKTU
E = Error SS&CP Matrix

S=1 M=0 N=1.5

Statistic Value F Num DF Den DF Pr > F
Wilks' Lambda 0.12710807 17.1683 2 5 0.0058
Pillai's Trace 0.87289193 17.1683 2 5 0.0058
Hotelling-Lawley Trace 6.86732130 17.1683 2 5 0.0058
Roy's Greatest Root 6.86732130 17.1683 2 5 0.0058

Program SAS

Program SAS secara lengkap untuk analisis profil dapat disusun sebagai berikut:
option ps=100 ls=76 nonumber nodate;
title ' ';
data dt;
input w0 w3 w7 merk$;
cards;
52.6 49.4 42.7 Richfood
56.0 48.8 49.2 Sealed
54.2 49.2 48.8 Richfood
48.0 50.3 44.0 Sealed
49.8 42.8 40.4 Richfood
49.6 44.0 42.0 Sealed
46.6 53.2 47.6 Richfood
48.4 48.5 43.2 Sealed
;

Title1 'Hasil Analisis Profil';

proc glm data=dt;
class merk;
model w0 w3 w7=merk;
means merk/lsd;

11
repeated Waktu profile/summary;
run;

DAFTAR PUSTAKA

Afifi, A.A. and V. Clark. 1984. Computer Aided Multivariate Analysis. Van Nostrand
Reinhold Company Inc. , New York.

Johnson R. A. and D.W. Wichern. 1988. Applied Multivariate Statistical Analysis,

second edition. Prentice Hall International, Inc. New Jersey.

Manly, B.F.J. 1986. Multivariate Statistical Methods A Primer. Chapman and Hall,
New York.

Morison, D.F. 1990. Multivariate Statistical Methods, third edition. McGraw-Hill,

New York.

------, SAS/STAT User's Guide, section of the Procedure GLM, SAS Institute Inc.,
Cary, North Carolina, USA.

Srivasta, M.S. and E.M. Carter. 1983. An Introduction to Applied Multivariate

Statistics. North-Holland, New York.

Strang, G. 1988. Linear Algebra and Its Applications, Third Edition. Harcourt Brace
Jovanovich, Inc. New York.

12