UJI REPEATED MEASURE ANOVA

KONSEP DASAR UJI REPEATED MEASURE ANOVA

Uji Repeated Measure ANOVA merupakan bagian dari Statistik Parametrik, maka asumsi normalitas data harus terpenuhi (data berdistribusi dengan normal). Maka dari itu skala data yang digunakan yaitu data interval atau rasio. Selain asumsi normalitas yang harus terpenuhi, varian data juga harus sama atau homogen (bukan syarat mutlak), meskipun asumsi homogenitas tidak terpenuhi, penggunaan uji Repeated Measure ANOVA masih bisa dilakukan.

Uji Repeated Measure ANOVA merupakan metode statistik yang memungkinkan kita untuk menganalisis perubahan atau efek dari suatu variabel terhadap waktu atau kondisi yang berbeda pada subjek yang sama. Dengan metode ini, kita dapat mengamati perubahan dalam satu variabel pada berbagai titik waktu dan menentukan apakah perbedaan tersebut signifikan. Uji Repeated Measure ANOVA digunakan untuk mengetahui ada atau tidaknya perbedaan dari hasil pengukuran yang dilakukan secara berulang (data pre-post atau sebelum-sesudah) pada suatu variabel penelitian. Uji Repeated Measure ANOVA merupakan teknik lanjut dari Uji Paired Sample T Test. Perbedaan dasarnya yaitu Uji Repeated Measure ANOVA menguji perbedaan dari (minimal) 3 sampel yang berpasangan, sedangkan Uji Paired Sample T Test hanya untuk 2 sampel yang saling berpasangan.

KELEBIHAN & KEKURANGAN UJI REPEATED MEASURE ANOVA

Uji REPEATED MEASURE ANOVA memiliki beberapa kelebihan, diantaranya :

Efisiensi Penggunaan Data: Dengan menggunakan desain berulang, Uji Repeated Measure ANOVA memungkinkan kita untuk mengoptimalkan penggunaan data yang dikumpulkan dari subjek yang sama. Hal ini dapat mengurangi jumlah subjek yang diperlukan dalam penelitian, sehingga lebih hemat waktu, biaya, dan upaya.
Mengontrol Variabilitas Antar subjek: Dalam desain berulang, Uji Repeated Measure ANOVA memungkinkan kita untuk memperhitungkan variabilitas individual yang mungkin ada di antara subjek, sehingga memungkinkan analisis yang lebih sensitif terhadap efek yang diamati.
Mengidentifikasi Perubahan dalam Waktu: Metode ini sangat berguna dalam mengamati perubahan yang terjadi pada satu variabel pada berbagai titik waktu. Dengan Uji Repeated Measure ANOVA, kita dapat menguji apakah perubahan ini signifikan secara statistik.

Selain memiliki kelebihan, Uji REPEATED MEASURE ANOVA juga memiliki kekurangan, diantaranya :

Asumsi Kenormalan dan Homogenitas Varians: Uji Repeated Measure ANOVA membutuhkan asumsi bahwa data terdistribusi secara normal dan memiliki homogenitas varians. Jika asumsi ini tidak terpenuhi, interpretasi hasil analisis dapat menjadi tidak akurat.
Kebergantungan Antarobservasi: Dalam desain berulang, pengukuran yang dilakukan pada waktu yang berbeda pada subjek yang sama cenderung saling terkait atau bergantung. Hal ini dapat menyebabkan pelanggaran asumsi independensi data, yang dapat mempengaruhi validitas statistik hasil analisis.
Sensitivitas terhadap Missing Data: Jika terjadi kehilangan data (missing data) pada salah satu titik waktu, analisis Uji Repeated Measure ANOVA dapat menjadi tidak valid atau kehilangan kekuatan statistik. Oleh karena itu, perlu dilakukan penanganan yang tepat terhadap missing data sebelum melakukan analisis.
Tidak Mampu Menangani Jumlah Observasi yang Berbeda: Uji Repeated Measure ANOVA hanya dapat digunakan ketika jumlah pengamatan pada setiap titik waktu adalah sama. Jika jumlah observasi berbeda di masing-masing titik waktu, metode ini tidak bisa digunakan secara langsung.

Contoh kasus yang digunakan dalam tulisan ini adalah dimana seorang peneliti ingin mengetahui apakah terdapat perbedaan kadar gula darah (mg/dL) sebelum dan selama/setelah dilakukannya pengobatan atau terapi kepada 15 pasien. Pengukuran dilakukan 3 kali, yaitu sebelum dilakukan pengobatan atau terapi (bulan pertama), bulan kedua (setelah dilakukan pengobatan atau terapi) dan bulan ketiga (setelah dilakukan pengobatan atau terapi).

BERIKUT CARA UJI REPEATED MEASURE ANOVA DI SPSS:

Siapkan tabulasi data di Excel, lalu input data atau masukan data ke SPSS pada Page Data View.

Jangan lupa isikan juga pada Page Variable View.

Selanjutnya munculkan Variabel baru yaitu Standardized Residual, tujuannya untuk dilakukan uji normalitas pada variabel tersebut, karena dalam Uji REPEATED MEASURE ANOVA yang di analisis normalitas data yaitu variabel Standardized Residual. Caranya pilih Analyze – General Linear Model – Repeated Measures

Muncul Kotak Dialog, seperti ini :

Tuliskan Waktu pada kolom Within-Subject Factor Name dan tuliskan angka 3 karena ada 3 pengukuran pada kolom Number of Levels, lalu pilih Add:

Selanjutnya isi kolom Muasure Name dengan Kadar_Gula_Darah (jangan pakai spasi ya), lalu pilih Add.

Lalu tekan Define,

Akan muncul kotak dialog seperti ini.

Masukkan semua variabel ke kolom Within-Subjects Variables.

Pilih Save, Ceklis Standardized Residual dan Continnue – OK.

Akan muncul Variabel baru seperti di Data View SPSS, berikut ini :

Selanjutnya melakukan Uji Normalitas, dengan cara pilih Analyze – Descriptive Statistics – Explore.

Muncul kotak dialog Uji Normalitas, seperti ini :

Masukan Variabel Standardized Residual ke kolom Dependent List

Selanjutnya pilih Plots, Ceklis Normality Plots With Test lalu pilih Continue dan OK.

Keluar Output SPSS untuk Uji Normalitas :

Kriteria Pengujian Uji Normalitas :

Nilai Shapiro Wilk > 0.05 berkesimpulan Data berdistribusi Normal atau asumsi Uji Normalitas terpenuhi.
Nilai Shapiro Wilk < 0.05 berkesimpulan Data berdistribusi tidak Normal atau asumsi Uji Normalitas tidak terpenuhi.

Interpretasi Output Uji Normalitas :

Diketahui nilai Sig. Shapiro Wilk Variabel Standardized Residual for Bulan 1 sebesar 0.640 (>0.05), nilai Sig. Shapiro Wilk Variabel Standardized Residual for Bulan 2 sebesar 0.257 (>0.05) dan nilai Sig. Shapiro Wilk Variabel Standardized Residual for Bulan 3 sebesar 0.810 (>0.05) maka bisa disimpulkan bahwa data yang digunakan berdistribusi normal dengan kata lain asumsi uji normalitas sudah terpenuhi. Penggunaan uji normalitas shapiro wilk dikarenakan jumlah data yang dipakai kurang dari 50 (<50). Setelah mengetahui bahwasanya asumsi normalitas data telah terpenuhi, maka bisa lanjut ke Uji Repeated Measure ANOVA. Apabila ada data yang tidak berdistribusi secara normal, bisa menggunakan transformasi data atau bisa ke statististk non parmetrik menggunakan Uji Friedman.

Selanjutnya melakukan Uji TWO WAY ANOVA, dengan cara pilih Analyze – General Linear Model – Repeated Measures

Muncul kotak dialog awal Uji Repeated Measure ANOVA, langsung pilih Define.

Sebelum melakukan analisis data, alangkah baiknya kita RESET dulu, agar kita bisa mulai dari awal.

Akan muncul Kotak Dialog Uji Repeated Meausre ANOVA, seperti ini :

Masukan Variabel Bulan 1, 2 dan 3 ke kolom Within-Subject Variables, lalu pilih OK.

Keluar Output SPSS untuk Uji Homogenitas :

Kriteria Pengujian Uji Homogenitas :

Nilai > 0.05 berkesimpulan Varian Data Homogen atau asumsi Uji Homogenitas sudah terpenuhi. Maka untuk analisis Uji Repeated Measure ANOVA bisa menggunakan Nilai Sig. Sphericity Assumed (Tabel Tests Of Within-Subjects Effects).
Nilai < 0.05 berkesimpulan Varian Data Tidak Homogen atau asumsi Uji Homogenitas tidak terpenuhi. Maka untuk analisis Uji Repeated Measure ANOVA bisa menggunakan Nilai Sig. Greenhouse-Geisser (Tabel Tests Of Within-Subjects Effects).

Interpretasi Uji Homogenitas :

Diketahui nilai Sig. sebesar 0.081 (>0.05) maka bisa disimpulkan bahwa Varian Data Homogen, artinya asumsi uji homogenitas sudah terpenuhi. Maka untuk analisis Uji Repeated Measure ANOVA bisa menggunakan Nilai Sig. Sphericity Assumed (Tabel Tests Of Within-Subjects Effects).

Selanjutnya Output SPSS untuk Uji Repeated Measure ANOVA :

Kriteria Pengujian Uji Repeated Measure ANOVA :

Nilai > 0.05 berkesimpulan Tidak ada pengaruh atau tidak ada perbedaan secara signifikan.
Nilai < 0.05 berkesimpulan Ada pengaruh atau perbedaan secara signifikan.

Interpretasi Output Uji Repeated Measure ANOVA:

Diketahui Nilai Sig. (Sphericity Assumed) sebesar 0.000, nilai tersebut lebih kecil dari 0.05 (0.000 < 0.05) maka bisa disimpulkan bahwa Ada perbedaan secara signifikan kadar gula darah pasien setelah dilakukannya pengobatan atau terapi.