H0 : tidak ada perbedaan rata-rata penurunan depresi pada ketiga kelompok interval waktu pengukuran.

Ha: Ada perbedaan rata-rata penurunan depresi pada ketiga kelompok interval waktu pengukuran.

Klik menu Analyze General Linear Model Repeated Measures ANOVA

Maka muncul kotak dialog baru dengan nama “Repeated Measures Define Factor(s)” pada bagian
Within-Subject Faktor Name: ganti tulisan Faktor1 dengan Waktu. Untuk kotal Number of Levels:
ketikkan 3 (karena ada 3 waktu pengukuranDepresi
Kemudian klik Add, pada bagian Measure Name: ketikkan waktu lalu klik Add, selanjutnya klik Define,
maka tampak di layar sebagai berikut:
Muncul kotak dialog “Repeated Measures” pindahkan variabelPre intervensi , post semiggu intervesnsi ,
danPost sebulan intervensi , ke kotak Within-Subject Variables (waktu

Selanjutnya klik Plots… maka muncul kotak dialog “Repeated Measures: Profile Plots” lalu pindahkan
variabel Waktu ke kotal Horizontal Axis, kemudian klik tombol Add, sehingga variabel waktu berpindah
di kotak Plots, lalu klik Continue tampak di layer
Kembali ke kotak dialog “Repeated Measures”, kemudian klik Save, amaka muncul kotal dialog
“Repeated Measures:save” pada bagian Residuals berikan tanda centang (√) pada pilihan Standardized,
lalu klik Continue
Kembali lagi ke kotak dialog “Repeated Measures”, lalu klik Options, maka muncul kotak dialog
“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 layer

General Linear Model

Within-Subjects Factors

Measure:MEASURE_1

Dependent
waktu Variable

1 PRE

2 SEMINGGU

3 SEBULAN
 Multivariate Testsb

Effect Value F Hypothesis df Error df Sig.

waktu Pillai's Trace .935 1.144E2a 2.000 16.000 .000

Wilks' Lambda .065 1.144E2a 2.000 16.000 .000

Hotelling's Trace 14.304 1.144E2a 2.000 16.000 .000

Roy's Largest Root 14.304 1.144E2a 2.000 16.000 .000

a. Exact statistic

b. Design: Intercept
Within Subjects Design: waktu

Mauchly's Test of Sphericityb

Measure:MEASURE_1

Epsilona
Within
Subjects Approx. Chi- Greenhouse-
Effect Mauchly's W Square df Sig. Geisser Huynh-Feldt Lower-bound

waktu .407 14.393 2 .001 .628 .654 .500

Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is
proportional to an identity matrix.

a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in
the Tests of Within-Subjects Effects table.

b. Design: Intercept
Within Subjects Design: waktu
 Tests of Within-Subjects Effects

Measure:MEASURE_1

Type III Sum of

Source Squares df Mean Square F Sig.

waktu Sphericity Assumed 3370.259 2 1685.130 168.642 .000

Greenhouse-Geisser 3370.259 1.255 2684.837 168.642 .000

Huynh-Feldt 3370.259 1.308 2576.500 168.642 .000

Lower-bound 3370.259 1.000 3370.259 168.642 .000

Error(waktu) Sphericity Assumed 339.741 34 9.992

Greenhouse-Geisser 339.741 21.340 15.920

Huynh-Feldt 339.741 22.237 15.278

Lower-bound 339.741 17.000 19.985

Tests of Within-Subjects Contrasts

Measure:MEASURE_1

Type III Sum of

Source waktu Squares df Mean Square F Sig.

waktu Linear 3364.000 1 3364.000 200.660 .000

Quadratic 6.259 1 6.259 1.944 .181

Error(waktu) Linear 285.000 17 16.765

Quadratic 54.741 17 3.220

 Tests of Between-Subjects Effects

Measure:MEASURE_1
Transformed Variable:Average

Type III Sum of

Source Squares df Mean Square F Sig.

Intercept 69912.019 1 69912.019 238.608 .000

Error 4980.981 17 292.999

Estimated Marginal Means

waktu

Estimates

Measure:MEASURE_1

95% Confidence Interval

waktu Mean Std. Error Lower Bound Upper Bound

1 45.889 2.816 39.949 51.829

2 35.500 2.363 30.515 40.485

3 26.556 1.969 22.401 30.710

Pairwise Comparisons

Measure:MEASURE_1

95% Confidence Interval for

Differencea
(I) (J) Mean Difference
waktu waktu (I-J) Std. Error Sig.a Lower Bound Upper Bound

1 2 10.389* 1.042 .000 8.190 12.587

3 19.333* 1.365 .000 16.454 22.213

2 1 -10.389* 1.042 .000 -12.587 -8.190

3 8.944* .618 .000 7.640 10.249

3 1 -19.333* 1.365 .000 -22.213 -16.454

2 -8.944* .618 .000 -10.249 -7.640

Based on estimated marginal means

*. The mean difference is significant at the ,05 level.

a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no

adjustments).

Multivariate Tests

Value F Hypothesis df Error df Sig.

Pillai's trace .935 1.144E2a 2.000 16.000 .000

Wilks' lambda .065 1.144E2a 2.000 16.000 .000

Hotelling's trace 14.304 1.144E2a 2.000 16.000 .000

Roy's largest root 14.304 1.144E2a 2.000 16.000 .000

Each F tests the multivariate effect of waktu. These tests are based on the linearly
independent pairwise comparisons among the estimated marginal means.

a. Exact statistic
Buka Data View, perhatikan pada tampilan Data View ini terlihat ada variabel baru dengan nama ZRE_1,
ZRE_2 dan ZRE_3. Nah, inilah yang disebut dengan nilai Standardized Residual.
Selanjutnya untuk melakukan uji normalitas untuk nilai Standardized Residual, klik menu Analyze
Descriptive Statistics Explore
Maka muncul kotak dialog dengan nama “Explore” kemudian masukkan ketiga variabel Standardized
Residual ke kotal Dependent List: selanjutnya klik Plots

Muncul kotak dialog “Explore Plots” lalu beri tanda centang (√) pada pilihan Normality plots with tests,
lalu klik Continue, kemudian klik Ok. Maka akan muncul output SPSS, untuk uji normalitas kita cukup
memperhatikan table output “Tests of Normality”
 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Standardized Residual for

.152 18 .200* .941 18 .302
PRE

Standardized Residual for

.135 18 .200* .965 18 .703
SEMINGGU

Standardized Residual for

.173 18 .165 .929 18 .185
SEBULAN

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Pembahasan Uji Normalitas Nilai Standardized Residual Untuk mengetahui apakah ketiga variabel
Standardized Residual ini normal atau tidak, maka terlebih dahulu kita harus mengetahui dasar
pengambilan keputusan dalam uji normalitas dengan ketentuan sebagai berikut: Jika nilai Sig. 0.05,
maka variabel berdistribusi normal. Berdasarkan table output SPSS “Tests of Normality” diketahui nilai
Sig. untuk uji normalitas dengan teknik Shapiro-Wilk adalah 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 disimpulkan bahwa data berat badan untuk ketiga waktu pengukuran tersebut adalah normal.
Dengan demikian, analisis data untuk penelitian ini dapat dilakukan dengan metode statistic parametric
dengan uji Repeated Measures ANOVA.