MAKALAH STATISTIKA

UJI REPEAD MEASURE ANOVA

DISUSUN OLEH :

KELOMPOK 3 (KELAS 3A)

1. Deasy Arrina Fitriani (E0020013)

2. Hernita Khoriana Sari (E0020024)
3. Julio Candra Wiguna (E0020028)
4. Kharismah Nururrohmah (E0020029)
5. Nadiatul Khomariyah (E0020037)
6. Nur Inayah (E0020040)
7. Nur Putri Oktaviana (E0020041)
8. Nurul Atik Faiqoh (E0020042)
9. Ummu Hubaib Al’Illiyyah (E0020052)

PROGRAM STUDI FARMASI S-1

FAKULTAS ILMU KESEHATAN

UNIVERSITAS BHAMADA SLAWI

SEMESTER V

2022
 KATA PENGANTAR

Puji syukur kami ucapkan kehadirat Allah SWT atas segala rahmat-Nya sehingga
makalah ini dapat tersusun sampai dengan selesai. Tidak lupa kami mengucapkan terima kasih
terhadap bantuan dari pihak yang telah berkontribusi dengan memberikan sumbangan baik
pikiran maupun materinya. Penulis sangat berharap semoga makalah ini dapat menambah
pengetahuan dan pengalaman bagi pembaca. Bahkan kami berharap lebih jauh lagi agar makalah
ini bisa pembaca praktekkan dalam kehidupan sehari-hari. Bagi kami sebagai penyusun merasa
bahwa masih banyak kekurangan dalam penyusunan makalah ini karena keterbatasan
pengetahuan dan pengalaman kami. Untuk itu kami sangat mengharapkan kritik dan saran yang
membangun dari pembaca demi kesempurnaan makalah ini.

Slawi, 6 Desember 2022

Penyusun
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Salah satu bagian penting dalam ilmu statistika adalah persoalan inferensi yaitu
penarikan kesimpulan secara statistik. Dua hal pokok yang menjadi pembicaraan dalam
statistik inferensi adalah penaksiran parameter populasi dan uji hipotesis. Teknik inferensi
yang pertama dikembangkan adalah mengenai pembuatan sejumlah besar asumsi sifat
populasi di mana sampel telah diambil. Teknik yang banyak digunakan pada metode-
metode pengujian hipotesis dan penafsiran interval ini kemudian dikenal sebagai Statistik
Parametrik, karena nilai-nilai populasi merupakan parameter. Distribusi populasi atau
distribusi variabel acak yang digunakan pada teknik inferensi ini mempunyai bentuk
matematik yang diketahui, akan tetapi memuat beberapa parameter yang tidak diketahui.
Permasalahan yang harus diselesaikan adalah menaksir parameter-parameter yang tidak
diketahui tersebut dengan data sampel atau melakukan uji hipotesis tertentu yang
berhubungan dengan parameter populasi.

Repeated Measures ANOVA digunakan bila akan dilakukan uji beda > 2 kali
pengukuran. Prinsipnya sama dengan paired t test (membandingkan rata-rata dua sampel
yang saling berhubungan), hanya saja pengukuran lebih dari dua kali untuk teknik ini.
Sementara perbedaannya dengan ANOVA adalah sampel pada uji ini adalah sampel yang
berhubungan, sementara ANOVA mensyaratkan sampel indendepen. Uji Repeated Measures
Anova merupakan teknik lebih lanjut dari uji paired sample t test. Uji repeated measures
anova ini, dapat digunakan untuk menguji perbedaan dari tiga sampel atau lebih yang saling
berpasangan. Sementara pada uji paired sample t test hanya untuk dua sampel berpasangan
saja.

Uji Repeated Measures Anova dengan SPSS, teknik pengulangan bertujuan

untuk menguji apakah ada perbedaan secara nyata (signifikan) dari berbagai hasil
pengukuran yang dilakukan berulang- ulang pada suatu variabel penelitian. Perbedaan
yang mendasar antara uji one way anova dengan uji pengukuran ulang anova yakni
terletak pada sampel yang diteliti. Dimana untuk uji one way anova sendiri sampel
yang dipakai adalah sampel yang tidak berpasangan, sedangkan dalam uji ulang
ukuran dipakai untuk sampel yang saling berpasangan.
 Persyaratan yang harus dipenuhi atau asumsi dasar penggunaan uji ulang
langkah- langkah anova dalam analisis data penelitian adalah sebagai berikut:

a. Variabel independen (variabel bebas) menggunakan kategori skala data.

Sedangkan untuk variabel dependen (variabel terikat) menggunakan data interval
atau rasio rasio (numerik).

b. Uji pengukuran berulang anova merupakan bagian dari statistik parametrik. Oleh
karena itu, nilai Standardized Residual untuk semua pengukuran (variabel) harus
berdistribusi normal. Sementara itu, jika salah satu dari nilai Standardized
Residual untuk variabel ada yang tidak normal, maka solusinya adalah
mengganti data analisis dengan statistik non parametrik menggunakan uji
friedman.

c. Data penelitian diasumsikan memiliki varian yang sama atau homogen. Hal ini
dibuktikan dengan nilai signifikansi (Sig.) > 0,05 pada Mauchly's Test of
Sphericity. Namun demikian, untuk persyaratan poin ke-3 ini bukanlah suatu
keharusan (tidak mutlak). Sebab, walaupun varians tidak homogen, akan tetapi
kita tetap bisa melanjutkan menggunakan uji ulang pengukuran anova untuk
analisis data penelitian yakni dengan memperhatikan nilai Greenhouse- Geisser
yang ada di tabel keluaran SPSS Tests of Efek Dalam Subjek.

1.2 Rumusan Masalah

1. Bagaimana pengujian dengan Uji Repeated Anova ?

2. Bagaimana pengujian dengan SPSS?

1.3 Tujuan

1. Mengetahui penerapan Uji Repeated Anova

2. Mengetahui penerapan SPSS

 BAB II

PEMBAHASAN

A. Uji Repeated Measures Anova

ANOVA adalah suatu model yangcukup komprehensif untukmendeteksi

perbedaan kelompok pada variabel terikat tunggal. Teknik yang lebih umum biasa
dikenal sebagai multivariat analisis varians (MANOVA). MANOVA dapat dianggap
sebagai ANOVA untuk situasi dimana ada beberapa variabel terikat. Pada Tabel 1
dijelaskan perbedaan dari ANOVA dan MANOVA. Informasi lebih lengkap dapat dilihat
di Field (2009) dan Stevens (2009).

Sedangkan perbedaan one-way repeated measures dan two-way repeated

measures hanya pada variabel bebas. One-way repeated measures menggunakan satu
variabel bebas dan two-way repeated measures menggunakan dua variabel bebas.

a. Repeated Measures (Pengukuran Berulang) ANOVA

Repeated measures adalah pengukuran berulang terhadap sekumpulan obyek atau

partisipan yang sama. Pada prinsipnya Repeated Measures ANOVA sama dengan
paired t-test untuk membandingkan rata-rata dua sampel yang saling berhubungan.
Perbedaannya dengan ANOVA adalah sampel uji ini adalah sampel pengukuran
berulang, sementara ANOVA mensyaratkan sampel bebas.

One-way repeated measures ANOVA biasanya digunakan untuk membandingkan

nilai disain sebelum dan sesudah partisipan yang sama pada satu grup. Sedangkan
two-way repeated measures ANOVA membandingkan pada dua grup.

Dalam disain general linear model repeated measures, level dari within subject
factor mewakili beberapa pengamatan dari skala waktu ke waktu dalam kondisi yang
berbeda. Ada 3 jenis tes yang dilakukan jika within subject factormemiliki lebih dari
dua level, yaitustandar univariat uji F, tes univariat alternatif, dantes multivariat. Tiga
jenistes ini mengevaluasi hipotesis yang sama, rata-rata populasisama untuk semua
level pada faktor .

 Standar univariatuji F ANOVA tidak dianjurkan ketika within subject factor

memiliki lebih dari dua level karena pada asumsi tersebut, asumsi Sphericity
umumnya dilanggar dan uji F ANOVA menghasilkan p-value yang akurat sejauh
asumsi ini dilanggar.

 Tes univariat alternatif memperhitungkan pelanggaran asumsi Sphericity. Tes ini

menggunakan penghitungan statistik F yang sama dengan standar univariattes.
Namun pvalue berpotensi berbeda. Dalam menentukan p value, sebuah epsilon
 statistic dihitung berdasarkan data sampel untuk mengetahui derajat yang
melanggar asumsi Sphericity. Pembilang dan penyebut derajat kebebasan uji
standar dikalikan dengan epsilon untuk mendapatkan serangkaian derajat
kebebasan yang sudah dikoreksi untuk membuat nilai F yang baru dan
menentukan p-value.

 Tes multivariat tidak memerlukan asumsi Sphericity. Perbedaan nilai dihitung

dengan membandingkan nilai-nilai dari berbagai levelwithin subject
factor.Misalnya untuk within subject factor dengan tiga level, nilai perbedaan
mungkin dihitung antara level pertama dengan kedua dan antara level kedua
dengan ketiga. Tes multivariat kemudian akan mengevaluasi apakah rata-rata
populasi untuk nilai perbedaan kedua pasangan secara simultan sama dengan nol.
Tes ini tidak hanyamengevaluasi rata-rata terkait dengan dua pasangan nilai
perbedaan, tetapi juga mengevaluasi apakah rata-rata dari nilai selisih antara level
pertama dan ketiga faktor tersebut sama dengan nol sebagai kombinasi linier dari
nilai perbedaan.

Menurut Carey (1998), semua perhitungan statistik multivariat didasarkan

pada akar-akar karakteristik dari matriks A yang dibentuk dari

𝐴 = 𝐻𝐸 −1

Dengan H : matriks varians-kovarians perlakuan pada MANOVA

E : matriks varians-kovarians error pada MANOVA.

B. Bagaimana pengujian dengan Uji Repeated Measures Anova Dengan SPSS

Cara Uji Repeated Measures Anova dengan SPSS serta Interpretasi | Penggunaan
teknik repeated measures bertujuan untuk menguji apakah ada perbedaan secara nyata
(signifikan) dari berbagai hasil pengukuran yang dilakukan berulang-ulang pada suatu
variabel penelitian. Perbedaan yang mendasar antara uji one way anova dengan uji
repeated measures anova yakni terletak pada sampel yang diteliti. Dimana untuk uji one
way anova sendiri sampel yang dipakai adalah sampel yang tidak berpasangan, sementara
dalam uji repeated measures dipakai 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 digunakan untuk menguji perbedaan
dari tiga sampel atau lebih yang saling berpasangan. Sementara pada UjLpaired sample t
test hanya untuk dua sampel berpasangan saja.

Asumsi Dasar dalam Uji Repeated Measures Anova Persyaratan yang harus
terpenuhi atau asumsi dasar penggunaan uji repeated measures anova dalam analisis data
penelitian adalah sebagai berikut:
 1. Variabel independent (variabel bebas) menggunakan data berskala kategori.
Sementara untuk variabel dependent (variabel terikat) menggunakan data berskala
interval atau rasio (numerik).

2. Uji repeated measures anova merupakan bagian dari statistik parametrik. Oleh
karena itu, nilai Standardized Residual untuk semua pengukuran (variabel) harus
berdistribusi normal. Sementara itu, jika salah satu dari nilai Standardized
Residual untuk variabel ada yang tidak normal, maka solusinya adalah mengganti
analisis data dengan statistik non parametrik menggunakan uji friedman.

3. 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 persyaratan poin ke-3 ini bukanlah sebuah
keharusan (tidak mutlak). Sebab, walaupun varians tidak homogen, akan tetapi
kita tetap bisa melanjutkan penggunakan uji repeated measures anova untuk
analisis data penelitian yakni dengan memperhatikan nilai Greenhouse-Geisser
yang ada di tabel output SPSS Tests of Within- Subjects Effects.

C. Contoh kasus
1. Kasus 1
Seorang manager ingin mengetahui tingkat penjualan sales-salesnya sebelum
dilakukan pelatihan, 3 bulan setelah pelatihan, dan 1 tahun setelah pelatihan, data
dikumpulkan dari 20 orang pegawai dari divisi penjualan.
ANALYZE -> general Linier Model repead measures
Ketik JUAL pada kotak ; within Subject, dan masukkan 3 pada number of level.
Klik ADD maksudnya : kita akan menguji membandingkan hasil pengukuran
berdasarkan 3kali pengukuran.

Masukkan SALES pad Box Measures Name, lalu klik ADD

Klik DEFINE
Masukkan Hasil Transformasi ke BOX Kanan seperti contoh dengan mengklik
Tombol
Clik PLOTS. Lalu masukkan “JUAL” factor dari “Factors:” ke “Horizontal
Axis:”
Clik ADD. Sehingga akan menjadi seperti ini

Klik CONTINUE

Masukkan factor “METHOD” dari “Factor(s) and Factor Interactions : box ke

“Display Means for:” box.
Tandai “Compare main effects” checkbox dan pilih “Bonferroni” dari menu
drop-down
Tandai “Descriptive stastistics” dan “Estimates of effect size” checkboxes di
“Display” area.
Click CONTINUE – OK
HASIL AMBIL DISINI

BAHASAN DAN INTERPRETASI

Descriptive Statistics Table

Menunjukkan rata-rata penjualan yaitu 13.45 untuk periode 1, 16.45 untuk
periode 14.65 untuk periode 3

Mauchly’s Test of Sphericity Table

Hasil uji Mauchly’s Test of Sphericity menunjukkan nilai Approx. Chi-square
sebesar dan Sig 0.773 (Sig > 0.05) sehingga dinyatakan model memenuhi asumsi
ini.
Test of Within-Subjects Effects Table

Table ini memberitahu memberikan informasi mengenai ada tidaknya perbedaan

yang signifikan secara keseluruhan antar waktu yang pengukuran

Dari table ini kita dapat menemukan niali F untuk factor “JUAL secara stastistik
berbeda nyata (F (35. 467, 38) P < 0,005).

Pairwise Comparisons Table

Hasil yang disajikan dalam table sebelumnya membuktikan bahwa ada perbedaan yang
signifikan secara keseluruhan. Namun, tidak tahu dimana perbedaan itu terjadi. Table
ini selanjutnya akan menyajikan hasil uji Bonferroni post-hoc, yang akan
memungkinkan kita untuk menemukan periode mana yang secara lebih spesifik.

Based on estimated marginal means

*The mean diference is significant at the 05 level

a Adjustment for multiple comparisons: Bonferroni

hasil uji menunjukkan bahwa :

sebelum Training (X1) – 3 bulan setelah Training (X2) : berbeda Signifikan

sebelum Training (X1) – 1 tahun setelah Training (X3) : berbeda Signifikan

3 bulan setelah Training (X2) – sebelum Training (X1) : berbeda signifikan

3 bulan setelah Training (X2) – 1 tahun setelah Training (X3) : berbeda Signifikan

Dst…

Grafik

Apa yang bias diambil dari informasi analisi ini?

Pertama, kita memperoleh bukti bahwa dari 3 periode yang diukur memiliki perbedaan
satu sama lain.
 2. kasus 2
Seorang peneliti ingin mengetahui apakah obat herbal merek SLIMJOS
benar-benar mampu menurunkan berat badan seseorang dalam kurun waktu
tertentu? Untuk keperluan penelitian ini, maka 17 orang yang akan melakukan
program diet ditimbang untuk diketahui berat badan awal. Setelah itu 17 orang
tersebut diberi minum obat herbal merek SLIMJOS, kemudian ditimbang kembali
berat badannya seminggu dan sebulan kemudian setelah sebelumnya rutin
mengkonsumsi obat herbal ini. Berikut data berat badan tujuh belas orang
responden tersebut.

Keterangan: Contoh-responden nomor 1 memiliki berat badan awal 90,4 kilogram, setelah

seminggu Responden Berat badan
mengkonsumsi obat herbal
Awal Seminggu Sebulan
merek SLIMJOS mengalami
1 90,4 90,3 86,3
menutunan berat badan
2 86,5 84 81,4
menjadi 90,3 kilogram.
3 85,4 84,2 80,8
Kemudian setelah sebulan
4 95,3 93,5 92,5
rutin mengkonsumsi obat herbal
5 70,6 70,6 67,5
tersebut, berat badannya
6 75,2 74,5 74
menjadi 86,3 kilogram.
7 90,9 90,4 84,3
Cara membaca data berat
8 64,7 63,7 62,2
badan untuk responden
9 71,5 70,2 65,6
nomor 2 dan seterusnya
10 95,3 94 88,2
sebagaimana contoh pada
11 85,5 85,4 82,7
responden nomor 1.
12 85,3 84,8 80,8
a. 13 97,2 97,1 94,3 Identifikasi
variabel 14 84,5 83,6 80,7 penelitian
1) 15 77,7 77,5 76,1 Variabel

16 63,5 62,9 60,2

17 81,3 81 78,3
independent atau variabel bebas adalah waktu pengukuran berat badan. Terdiri
 dari 3 waktu pengukuran berat badan yaitu seminggu, sebulan dan setahun (data
kategorikal).
2) Variabel dependent atau variabel terikat adalah data ukuran berat badan ke-17
orang responden (data numerik).
b. Cara uji measures anova dengan SPSS
Ada beberapa tahapan untuk melakukan uji repeated measures anova dengan
SPSS. Pertama, tahap penginputan data penelitian ke program SPSS. Kedua,
melakukan uji normalitas pada nilai Standardized Residual untuk ukuran berat
badan di ketiga waktu pengukuran. Ketiga melakukan analisis dengan uji repeated
measures anova.

Menginput Data Penelitian ke Program SPSS

1) Buka lembar kerja baru pada program SPSS, kemudian klik Variable

View dalam mendefinisikan variabel penelitian yang ada pada kolom Name,
Decimals, Label, Measure dan lainnya.
2) Jika sudah, langkah selanjutnya 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 harus terpenuhi dalam uji repeated measures anova
yaitu nilai standardized residual untuk data berat badan di ketiga data waktu
pengukuran di atas adalah normal. Jika salah satu variabel tidak normal maka
alternatif yang dapat dipakai adalah melakukan uji friedman sebagai pengganti uji
 repeated measures anova. Adapun langkah-langkah uji normalitas standardized
residual dengan SPSS adalah sebagai berikut.
3) Dari menu SPSS, klik menu Analyze >> General Linear Model >> Repeated
Measures. Tampak di layar SPSS

4) Maka mucul kotak dialog baru 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 (karena ada 3 waktu pengukuran berat badan)

5) Kemudian klik Add, pada bagian Measure Name: ketikkan Obat lalu 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 muncul 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, lalu
klik Continue Tampak di layar.

8) Kembali ke kotak dialog “Repeated Measures”, kemudian klik Save, maka

muncul kotak dialog “Repeated Measures: Save” pada bagian Residuals berikan
tanda centang (v) pada pilihan Standardized, lalu klik Continue
9) Kembali lagi ke kotak dialog “Repeated Measures”, selanjutnya 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 layar.

10) Output SPSS yang muncul tersebut adalah output Uji Repeated Measures
Anova namun kita abaikan dulu saja (karena kita akan memaknainya nanti
setelah persyaratan normalitas sudah terpenuhi)
11)  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
12) Selanjutnya untuk melakukan uji normalitas untuk nilai Standardized Residual,
klik menu Analyze >>Descriptive Statistics >> Explore.

13)  Maka muncul kotak dialog dengan nama “Explore” kemudian masukkan ketiga
variabel Standardized Residual ke kotak Dependent List: selanjutnya klik Plots

14) Muncul kotak dialog “Explore Plots” lalu beri tanda centang (v) pada
pilihan Normality plots with tests, lalu klik Continue, kemudian klik Ok. Maka
akan mucul output SPSS, untuk uji normalitas kita cukup memperhatikan tabel
output “Tests of Normality”
 Pembahasan Uji Normalitas Nilai Standardized

Berdasarkan tabel output SPSS “Tests of Normality” diketahui nilai Sig. untuk uji
normalitas dengan teknik Shapiro-Wilk adalah sebagai berikut.

1. Standardized Residual for Awal Sig. 0,359

2. Standardized Residual for Seminggu Sig. 0,410
3. 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 statistik parametrik dengan Uji Repeated Measures Anova.
Catatan: teknik Shapiro-Wilk digunakan untuk sampel kecil yakni < 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 sebagai berikut.

Tabel Output “Within-Subjects Factors”

Tabel output di atas menjelaskan bahwa ada tiga variabel berat badan untuk tiga waktu
pengukuran berat badan yang berbeda.

Tabel Output “Mauchly's Test of Sphericity”

Seperti yang sudah saya bahas di awal, bahwa asumsi atau persyaratan yang mendasari
(bukan syarat mutlak) uji repeated measures anova yaitu data penelitian memiliki
varians yang sama melalui nilai Sphericity. Berdasarkan output di atas, diketahui nilai
Signifikansi (Sig.) sebesar 0,002 < 0,05, maka dapat disimpulkan bahwa data penelitian
ini tidak memenuhi asumsi kesamaan varians. Untuk kasus seperti ini anda tidak perlu
khawatir, sebab uji repeated measures anova masih tetap bisa dilanjutkan yakni dengan
mengacu pada nilai Greenhouse-Geisser yang akan kita bahas pada tabel output Tests of
Within-Subjects Effects.

Tabel Output “Tests of Within-Subjects Effects”

Tabel output di atas adalah tabel paling mentukan dalam uji repeated measures anova.
Dalam hal ini, ada tiga tahapan yang harus dilalui untuk memaknai hasil output tersebut.
Pertama, membuat rumusan hipotesis penelitian. Kedua, mengetahui dasar pengambilan
keputusan dalam uji repeated measures anova. Ketiga adalah 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

1. Jika nilai Greenhouse-Geisser Sig. > 0,05, maka H0 diterima dan Ha ditolak.
 2. Jika nilai Greenhouse-Geisser Sig. < 0,05, maka H0 ditolak dan Ha diterima.

Kesimpulan: berdasarkan tabel output Tests of Within-Subjects Effects di atas,

diketahui nilai Greenhouse-Geisser Sig adalah sebesar 0,000 < 0,05. Maka H0 ditolak
dan Ha diterima atau dengan kata lain ada perbedaan rata-rata penurunan berat badan
yang nyata (signifikan) dari waktu ke waktu. Dengan demikian dapat disimpulkan
bahwa obat herbal merek SLIMJOS benar-benar mampu menurunkan berat badan
seseorang.

Tabel Output “Pairwise Comparisons”

Tabel output di atas memberikan informasi mengenai rata-rata penurunan berat badan
untuk setiap pengukuran dari waktu ke waktu (awal, semiggu, dan sebulan). Angka 1
menunjukkan waktu pengukuran berat badan awal, angka 2 menunjukkan waktu
pengkuran berat badan seminggu, dan angka 3 menunjukkan waktu pengukuran berat
badan sebulan setelah rutin mengkonsumsi obat herbal merek SLIMJOS. Adapun
penjelasannya dapat anda simak pada poin-poin di bawah ini.

1. Nomor 1 (berat badan awal) dibandingkan dengan nomor 2 (berat badan seminggu),
terjadi rata-rata penurunan berat badan sebesar 0,771 kilogram dan perbedaan
penurunan berat bedan tersebut adalah nyata sebab nilai Sig. sebesar 0,001 < 0,05.
2. Nomor 1 (berat badan awal) dibandingkan dengan nomor 3 (berat badan sebulan),
terjadi rata-rata penurunan berat badan sebesar 3,818 kilogram dan perbedaan
penurunan berat bedan tersebut adalah nyata sebab nilai Sig. sebesar 0,000 < 0,05.
3. Nomor 2 (berat badan seminggu) dibandingkan dengan nomor 3 (berat badan
sebulan), terjadi rata-rata penurunan berat badan sebesar 3,047 kilogram dan
perbedaan penurunan berat bedan tersebut adalah nyata sebab nilai Sig. sebesar 0,000
< 0,05.

Oleh karena itu dapat dismpulkan bahwa dengan rutin mengkonsumsi obat herbal
merek SLIMJOS dapat menurunkan rata-rata berat badan seseorang sebesar 0,771
kilogram dalam waktu seminggu dan 3,818 kilogram dalam waktu sebulan.

Gambar Output “Profile Plots”

Gambar Plots di atas menunjukkan ketajaman rata-rata penurunan berat badan dari
waktu ke waktu berat badan tersebut di ukur atau di timbang.
 BAB III

PENUTUP

A. KESIMPULAN

Uji Repeated Measures Anova merupakan teknik lebih lanjut dari uji paired

sample t test dimana dalam uji Repeated Measures Anova dapat digunakan untuk
menguji perbedaan dari tiga sampel atau lebih yang saling berpasangan sedangkan
uji paired sample t test hanya untuk dua sampel berpasangan. Prinsip Uji
Repeated Measures Anova  sama dengan paired t test (membandingkan rata-rata
dua sampel yang salingberhubungan), hanya saja pengukuran lebih dari dua kali
untuk teknik ini. Sementaraperbedaannya dengan ANOVA adalah sampel pada uji
ini adalah sampel yang berhubungan, sementara ANOVA mensyaratkan sampel
indendepen.