Penggunaan teknik repeated measures bermaksud untuk menguji apakah ada perbedaan secara aktual (signifikan) dari berbagai hasil pengukuran yang dijalankan berulang-ulang pada suatu variabel penelitian. Perbedaan yang mendasar antara uji one way anova dengan uji repeated measures anova ialah terletak pada sampel yang diteliti. Dimana untuk uji one way anova sendiri sampel yang dipakai yakni sampel yang tidak berpasangan, sementara dalam uji repeated measures digunakan untuk sampel yang saling berpasangan.
Uji Repeated Measures Anova merupakan teknik lebih lanjut dari uji paired sample t test. Uji repeated measures anova ini, dapat dipakai untuk menguji perbedaan dari tiga sampel atau lebih yang saling berpasangan. Sementara pada uji paired sample t test cuma untuk dua sampel berpasangan saja.
Asumsi Dasar dalam Uji Repeated Measures Anova
Persyaratan yang mesti terpenuhi atau asumsi dasar penggunaan uji repeated measures anova dalam analisis data penelitian yakni selaku berikut.
- Variabel independent (variabel bebas) memakai data berukuran klasifikasi. Sementara untuk variabel dependent (variabel terikat) memakai data berskala interval atau rasio (numerik).
- Uji repeated measures anova merupakan bagian dari statistik parametrik. Oleh karena itu, nilai Standardized Residual untuk semua pengukuran (variabel) harus berdistribusi wajar . Sementara itu, kalau salah satu dari nilai Standardized Residual untuk variabel ada yang tidak wajar , maka solusinya yakni mengganti analisis data dengan statistik non parametrik menggunakan uji friedman.
- Data penelitian diasumsikan memiliki varians yang sama atau homogen. Hal ini dibuktikan dengan nilai signifikansi (Sig.) > 0,05 pada Mauchly’s Test of Sphericity. Namun demikian, untuk standar poin ke-3 ini bukanlah suatu kewajiban (tidak mutlak). Sebab, meskipun varians tidak homogen, akan tetapi kita tetap bisa melanjutkan penggunakan uji repeated measures anova untuk analisis data observasi adalah dengan mengamati nilai Greenhouse-Geisser yang ada di tabel output SPSS Tests of Within-Subjects Effects.
Contoh Kasus Uji Repeated Measures Anova dalam Penelitian
Seorang peneliti ingin mengenali apakah obat herbal merek SLIMJOS betul-betul bisa menurunkan berat badan seseorang dalam masa waktu tertentu? Untuk kebutuhan penelitian ini, maka 17 orang yang mau melaksanakan acara pembatasan makanan ditimbang untuk diketahui berat tubuh awal. Setelah itu 17 orang tersebut diberi minum obat herbal merek SLIMJOS, kemudian ditimbang kembali berat badannya seminggu dan sebulan kemudian sehabis sebelumnya berkala memakan obat herbal ini. Berikut data berat badan tujuh belas orang responden tersebut.
[Download Data excel, Input-Output SPSS]
Keterangan: Contoh-responden nomor 1 mempunyai berat badan permulaan 90,4 kilogram, sesudah seminggu menyantap obat herbal merek SLIMJOS mengalami menutunan berat tubuh menjadi 90,3 kilogram. Kemudian sehabis sebulan rutin memakan obat herbal tersebut, berat badannya menjadi 86,3 kilogram. Cara membaca data berat badan untuk responden nomor 2 dan seterusnya sebagaimana pola pada responden nomor 1.
Identifikasi Variabel Penelitian
- Variabel independent atau variabel bebas yakni waktu pengukuran berat badan. Terdiri dari 3 waktu pengukuran berat badan ialah seminggu, sebulan dan setahun (data kategorikal).
- Variabel dependent atau variabel terikat yaitu data ukuran berat tubuh ke-17 orang responden (data numerik).
Cara Uji Repeated Measures Anova dengan SPSS
Ada beberapa tahapan untuk melaksanakan uji repeated measures anova dengan SPSS. Pertama, tahap penginputan data observasi ke program SPSS. Kedua, melakukan uji normalitas pada nilai Standardized Residual untuk ukuran berat tubuh di ketiga waktu pengukuran. Ketiga melakukan analisis dengan uji repeated measures anova.
*Menginput Data Penelitian ke Program SPSS
1. Buka lembar kerja gres pada acara SPSS, lalu klik Variable View dalam mendefinisikan variabel observasi yang ada pada kolom Name, Decimals, Label, Measure dan yang lain, mampu ikuti ketentuan sebagaimana gambar bawah ini.
2. Jika sudah, langkah berikutnya klik Data View, kemudian masukkan data berat badan ke-17 orang responden tersebut sesuai dengan waktu berat badan mereka diukur atau ditimbang. Tampak dilayar SPSS.
*Melakukan Uji Normalitas Nilai Standardized Residual
Persyaratan yang mesti terpenuhi dalam uji repeated measures anova ialah nilai standardized residual untuk data berat badan di ketiga data waktu pengukuran di atas yaitu wajar . Jika salah satu variabel tidak normal maka alternatif yang mampu dipakai yakni melaksanakan uji friedman sebagai pengganti uji repeated measures anova. Adapun langkah-langkah uji normalitas standardized residual dengan SPSS adalah selaku berikut.
3. Dari menu SPSS, klik menu Analyze >> General Linear Model >> Repeated Measures… Tampak di layar SPSS
4. Maka mucul kotak dialog gres dengan nama “Repeated Measures Define Factor(s)” pada bagian Whithin-Subject Faktor Name: ganti tulisan factor1 dengan Waktu. Untuk kotak Number of Lavels: ketikkan 3 (alasannya ada 3 waktu pengukuran berat tubuh)
5. Kemudian klik Add, pada bagian Measure Name: ketikkan Obat kemudian klik Add, selanjutnya klik Define, maka tampak di layar sebagai berikut.
6. Muncul kotak dialog “Repeated Measures” pindahkan variabel BB Awal, BB Seminggu, dan BB Sebulan, ke kotak Whithin-Subject Variables (Waktu)
7. Selanjutnya klik Plots… maka timbul kota dialog “Repeated Measures: Profile Plots” lalu pindahkan variabel Waktu ke kotak Horizontal Axis, kemudian klik tombol Add, sehingga variabel Waktu berpindah di kotak Plots, kemudian klik Continue Tampak di layar.
8. Kembali ke kotak obrolan “Repeated Measures”, lalu klik Save, maka muncul kotak dialog “Repeated Measures: Save” pada bab Residuals berikan tanda centang (v) pada pilihan Standardized, kemudian klik Continue
9. Kembali lagi ke kotak dialog “Repeated Measures”, selanjutnya klik Options, maka timbul kotak obrolan “Repeated Measures: Options” lalu masukkan variabel Waktu ke kotak Display Means for, kemudian aktifkan Compare main effects, pada bagian Confidence interval adjustmen pilih Bonfferoni, lalu klik Continue selanjutnya klik Ok. Tampak di layar.
10. Penting: Output SPSS yang timbul tersebut adalah output Uji Repeated Measures Anova tetapi kita abaikan dulu saja (sebab kita akan memaknainya nanti sehabis persyaratan normalitas sudah tercukupi).
11. Buka Data View, amati pada penampilan Data View ini tampakada variabel gres dengan nama ZRE_1, ZRE_2, dan ZRE_3. Nah, inilah yang disebut dengan nilai Standardized Residual
12. Selanjutnya untuk melakukan uji normalitas untuk nilai Standardized Residual, klik sajian Analyze >>Descriptive Statistics >> Explore…
13. Maka muncul kotak dialog dengan nama “Explore” lalu masukkan ketiga variabel Standardized Residual ke kotak Dependent List: selanjutnya klik Plots…
14. Muncul kotak obrolan “Explore Plots” lalu beri tanda centang (v) pada pilihan Normality plots with tests, kemudian klik Continue, lalu klik Ok. Maka akan mucul output SPSS, untuk uji normalitas kita cukup memperhatikan tabel output “Tests of Normality”
Untuk mengenali apakah ketiga variabel Standardized Residual ini wajar atau tidak, maka apalagi dahulu kita harus mengetahui dasar pengambilan keputusan dalam uji normalitas dengan kententuan sebagai berikut.
- Jika nilai Sig. < 0,05, maka variabel tidak berdistribusi wajar .
- Jika nilai Sig. > 0,05, maka variabel berdistribusi normal.
Berdasarkan tabel output SPSS “Tests of Normality” dimengerti nilai Sig. untuk uji normalitas dengan teknik Shapiro-Wilk ialah sebagai berikut.
- Standardized Residual for Awal Sig. 0,359
- Standardized Residual for Seminggu Sig. 0,410
- Standardized Residual for Sebulan Sig. 0,458
Karena nilai signifikansi (Sig.) untuk semua variabel Standardized Residual di atas > 0,05 maka dapat ditarik kesimpulan bahwa data berat tubuh untuk ketiga waktu pengukuran tersebut ialah wajar . Dengan demikian, analisis data untuk observasi ini dapat dijalankan dengan sistem statistik parametrik dengan Uji Repeated Measures Anova.
Catatan: teknik Shapiro-Wilk dipakai untuk sampel kecil ialah < 50 sampel. Sementara teknik Kolmogorov-Smirnov digunakan untuk sampel besar yakni > 50 sampel.
Interpretasi Output Uji Repeated Measures Anova SPSS
Tabel output SPSS untuk uji repeated measures anova dapat dilihat pada proses analisis SPSS di atas, yaitu pada LANGKAH KE-10. Adapun interpretasi dari tabel-tabel output SPSS tersebut adalah selaku berikut.
Tabel Output “Within-Subjects Factors”
Tabel output di atas menjelaskan bahwa ada tiga variabel berat tubuh untuk tiga waktu pengukuran berat tubuh yang berbeda.
Tabel Output “Mauchly's Test of Sphericity”
Seperti yang telah saya diskusikan di awal, bahwa asumsi atau standar yang mendasari (bukan syarat mutlak) uji repeated measures anova yakni data penelitian memiliki varians yang serupa melalui nilai Sphericity. Berdasarkan output di atas, diketahui nilai Signifikansi (Sig.) sebesar 0,002 < 0,05, maka mampu disimpulkan bahwa data observasi ini tidak menyanggupi asumsi kesamaan varians. Untuk perkara seperti ini anda tidak perlu khawatir, alasannya uji repeated measures anova masih tetap bisa dilanjutkan ialah dengan mengacu pada nilai Greenhouse-Geisser yang hendak kita bahas pada tabel output Tests of Within-Subjects Effects.
Catatan: Jika perkiraan atau kriteria Sphericity tercukupi, maka pengambilan keputusan dalam uji repeated measures anova mengacu pada nilai Sphericity Assumed.
Tabel Output “Tests of Within-Subjects Effects”
Tabel output di atas yakni tabel paling mentukan dalam uji repeated measures anova. Dalam hal ini, ada tiga tahapan yang harus dilalui untuk memaknai hasil output tersebut. Pertama, menciptakan rumusan hipotesis penelitian. Kedua, mengetahui dasar pengambilan keputusan dalam uji repeated measures anova. Ketiga yakni penarikan kesimpulan.
*Rumusan Hipotesis Penelitian
- H0: Tidak ada perbedaan rata-rata penurunan berat badan pada ketiga kelompok interval waktu pengukuran.
- Ha: Ada perbedaan rata-rata penurunan berat badan pada ketiga kelompok interval waktu pengukuran.
*Dasar Pengambilan Keputusan dalam Uji Repeated Measures Anova
- Jika nilai Greenhouse-Geisser Sig. > 0,05, maka H0 diterima dan Ha ditolak.
- Jika nilai Greenhouse-Geisser Sig. < 0,05, maka H0 ditolak dan Ha diterima.
*Penarikan Kesimpulan: berdasarkan tabel output Tests of Within-Subjects Effects di atas, dikenali nilai Greenhouse-Geisser Sig yakni sebesar 0,000 < 0,05. Maka H0 ditolak dan Ha diterima atau dengan kata lain ada perbedaan rata-rata penurunan berat badan yang aktual (signifikan) dari waktu ke waktu. Dengan demikian mampu ditarik kesimpulan bahwa obat herbal merek SLIMJOS benar-benar bisa menurunkan berat tubuh seseorang.
Tabel Output “Pairwise Comparisons”
Tabel output di atas memperlihatkan gosip mengenai rata-rata penurunan berat badan untuk setiap pengukuran dari waktu ke waktu (permulaan, semiggu, dan sebulan). Angka 1 memberikan waktu pengukuran berat badan awal, angka 2 menunjukkan waktu pengkuran berat badan sepekan, dan angka 3 memberikan waktu pengukuran berat badan sebulan sehabis berkala menyantap obat herbal merek SLIMJOS. Adapun penjelasannya mampu anda simak pada poin-poin di bawah ini.
- Nomor 1 (berat badan permulaan) dibandingkan dengan nomor 2 (berat tubuh seminggu), terjadi rata-rata penurunan berat badan sebesar 0,771 kilogram dan perbedaan penurunan berat bedan tersebut adalah kasatmata alasannya nilai Sig. sebesar 0,001 < 0,05.
- Nomor 1 (berat tubuh awal) dibandingkan dengan nomor 3 (berat badan sebulan), terjadi rata-rata penurunan berat badan sebesar 3,818 kilogram dan perbedaan penurunan berat bedan tersebut ialah konkret karena nilai Sig. sebesar 0,000 < 0,05.
- Nomor 2 (berat badan seminggu) daripada nomor 3 (berat tubuh sebulan), terjadi rata-rata penurunan berat badan sebesar 3,047 kilogram dan perbedaan penurunan berat bedan tersebut yaitu kasatmata alasannya nilai Sig. sebesar 0,000 < 0,05.
Oleh alasannya itu dapat dismpulkan bahwa dengan berkala menyantap obat herbal merek SLIMJOS mampu menurunkan rata-rata berat tubuh seseorang sebesar 0,771 kilogram dalam waktu sepekan dan 3,818 kilogram dalam waktu sebulan.
Gambar Output “Profile Plots”
Gambar Plots di atas memperlihatkan ketajaman rata-rata penurunan berat badan dari waktu ke waktu berat tubuh tersebut di ukur atau di timbang.
Demikian pembahasan perihal cara melakukan analisis data observasi dengan uji repeated measures anova menggunakan program SPSS beserta interpretasinya. Selanjutnya silahkan anda bagikan tutorial ini ke media umum anda supaya bimbingan ini mampu berguna bagi orang banyak. Terimakasih telah berkenan membaca goresan pena ini, selamat mencoba dan supaya berhasil. Salam hangat dari saya Sahid Raharjo.
VIDEO: Tutorial Uji Repeated Measures Anova dengan SPSS Serta Interpretasi[Kata Kunci Pencarian: Cara Uji Repeated Measures Anova dengan SPSS Serta Interpretasi, Langkah-langkah Statistik Parametrik dengan Uji Repeated Measures Anova memakai Program SPSS, Tutorial Uji Repeated Measures Anova dengan SPSS Lengkap] Sumber https://spssindo.blogspot.com
EmoticonEmoticon