Sains4Genius • EduResearch Edition • Rabu, 7 Oktober 2026

Mengapa Data Berulang Tidak Boleh Dianalisis Seolah-olah Semua Observasi Independen?

Repeated measures menghasilkan korelasi dalam individu. Analisis yang tepat harus membedakan jumlah observasi dari jumlah unit independen.

Data Clinic • Repeated Measures, Paired Data & Mixed ModelsJangan Hanya Tahu Jawabannya — Pahami Mengapa± 11 menit baca

Visual 1. Empat pengukuran pada peserta yang sama menambah jumlah observasi, bukan jumlah unit independen.

SEE

50 mahasiswa × 4 waktu bukan berarti N = 200 peserta

Kecemasan belajar diukur pada 50 mahasiswa saat T0, T1, T2, dan T3. Dataset memang memiliki 200 baris observasi, tetapi empat nilai dari mahasiswa yang sama saling berkaitan.

QUESTION

Mengapa independensi menjadi masalah?

Skor mahasiswa yang sama pada beberapa waktu cenderung lebih mirip dibanding skor dari mahasiswa berbeda. Mengabaikan korelasi dalam individu dapat menghasilkan standard error, p-value, dan confidence interval yang keliru.

IMAGINE

Dua siswa dapat memiliki trajektori yang sangat berbeda

Siswa A

50 → 60 → 70 → 80

Siswa B

85 → 84 → 86 → 85

Rata-rata keseluruhan dapat menyembunyikan pola individual. Mixed-effects model dapat memasukkan random effects untuk merepresentasikan perbedaan titik awal, dan dalam model tertentu juga variasi pola perubahan antarindividu.

EXPLAIN

Dua waktu dan banyak waktu membutuhkan logika analisis yang berbeda

Untuk dua pengukuran kontinu pada orang yang sama, paired t-test adalah salah satu metode klasik. Untuk tiga atau lebih waktu, pilihan dapat mencakup repeated-measures ANOVA atau linear mixed model, tergantung pertanyaan, desain, asumsi, missingness, dan struktur waktunya.

Mixed models lebih fleksibel ketika waktu pengukuran tidak sepenuhnya sama, jumlah pengukuran tidak seimbang, sebagian observasi hilang, atau peneliti ingin memodelkan variasi antarindividu.

CHALLENGE

Dalam intervensi longitudinal, interaction sering menjadi pertanyaan paling menarik

Jika kelompok Flipped dan Traditional diukur empat kali, kita dapat menanyakan group effect, time effect, dan group × time interaction. Interaction menjawab apakah pola perubahan dari waktu ke waktu berbeda antar kelompok.

Flipped: 60 → 70 → 80 → 85   |   Control: 61 → 64 → 66 → 67

APPLY

Gunakan protokol R.E.P.E.A.T.

Visual 2. Protokol R.E.P.E.A.T. membantu mengenali struktur data berulang, memvisualisasikan trajektori, memeriksa missingness, dan memilih analisis yang sesuai.

Uji cepat

100 mahasiswa diukur empat kali. Apakah N independen = 400?

Buka jawaban

Tidak. Anda memiliki 100 peserta dan 400 observasi. Jumlah observasi bukan sama dengan jumlah unit independen.

TAKEAWAY

Data longitudinal mempunyai “memori”

Nilai hari ini berhubungan dengan nilai orang yang sama pada waktu lain. Analisis statistik yang baik harus menghormati struktur tersebut.

REFERENSI

Referensi ilmiah

1. Schober, P., & Vetter, T. R. (2018). Repeated measures designs and analysis of longitudinal data: If at first you do not succeed—try, try again. Anesthesia & Analgesia, 127(2), 569–575. https://doi.org/10.1213/ANE.0000000000003511
2. Muhammad, L. N. (2023). Guidelines for repeated measures statistical analysis approaches with basic science research considerations. Journal of Clinical Investigation, 133(11), e171058. https://doi.org/10.1172/JCI171058

Dalam artikel iniSEEQUESTIONIMAGINEEXPLAINCHALLENGEAPPLYKesimpulanReferensi

Sains4Genius — EduResearch Edition
Pembelajaran • Metode Penelitian • Analisis Data • Research Integrity