# ANALISIS PENGUKURAN BERULANG KADAR ASAM URAT: 3 KELOMPOK x 4 WAKTU
# Jalankan seluruh script melalui Source di RStudio.
#
# **Nama:** Akhmad Tarmizi
# **NIM:** 2611018025
# **Mata Kuliah:** Biostatistika Intermediete
# **Program Studi:** Magister Kesehatan Masyarakat Universitas Mulawarman
#
# ## Metode
# Data mencakup tiga kelompok dan empat pengukuran kadar asam urat per peserta.
# Analisis meliputi repeated-measures ANOVA satu arah pada kelompok DASH+AF, mixed ANOVA kelompok x waktu, koreksi
# Greenhouse-Geisser, pendekatan multivariat, post hoc, kontras interaksi,
# alternatif nonparametrik, dan linear mixed model (LMM).
# Baseline, minggu ke-4, minggu ke-8 dan minggu ke-12 berjarak sama.
# Sumber: data_asam_urat_wide.xlsx, sheet Data Asam Urat.
# Satuan pengukuran dan status asal data tidak dicantumkan dalam workbook.
# ======================= PARAMETER ANALISIS =========================
FILE_DATA <- "data_asam_urat_wide.xlsx"
SHEET_DATA <- "Data Asam Urat"
FOLDER_HASIL <- "Hasil_Analisis_Asam_Urat"
INSTALL_PAKET_OTOMATIS <- TRUE
BUKA_HTML_OTOMATIS <- TRUE
analisis_asam_urat <- function() {
paket <- c("readxl", "dplyr", "tidyr", "ggplot2", "afex", "emmeans", "rstatix",
"car", "effectsize", "lme4", "lmerTest", "pbkrtest",
"performance", "ggpubr", "WRS2", "htmltools", "base64enc")
belum <- paket[!vapply(paket, requireNamespace, logical(1), quietly = TRUE)]
if (length(belum)) {
if (!INSTALL_PAKET_OTOMATIS)
stop("Paket belum tersedia: ", paste(belum, collapse = ", "))
install.packages(belum, repos = "https://cloud.r-project.org")
}
gagal <- paket[!vapply(paket, requireNamespace, logical(1), quietly = TRUE)]
if (length(gagal)) stop("Paket belum tersedia: ", paste(gagal, collapse = ", "))
suppressPackageStartupMessages({
library(dplyr); library(tidyr); library(ggplot2)
})
opsi_lama <- options(contrasts = c("contr.sum", "contr.poly"), width = 120)
on.exit(options(opsi_lama), add = TRUE)
afex::afex_options(emmeans_model = "multivariate")
theme_set(theme_bw(base_size = 12))
set.seed(2026)
# Cari data di folder script dan direktori kerja.
sumber <- unlist(lapply(sys.frames(), function(fr) {
if (!is.null(fr$ofile)) as.character(fr$ofile) else character(0)
}))
if (requireNamespace("rstudioapi", quietly = TRUE) && rstudioapi::isAvailable()) {
aktif <- tryCatch(rstudioapi::getSourceEditorContext()$path,
error = function(e) "")
if (nzchar(aktif)) sumber <- c(sumber, aktif)
}
kandidat <- unique(c(file.path(dirname(sumber), FILE_DATA), FILE_DATA))
kandidat <- kandidat[file.exists(kandidat)]
if (!length(kandidat)) stop(
"Berkas Excel tidak ditemukan. Letakkan data dan script dalam folder yang sama, ",
"atau isi FILE_DATA dengan lokasi lengkap berkas. Nama yang dicari: ", FILE_DATA)
path_data <- normalizePath(kandidat[1], winslash = "/", mustWork = TRUE)
if (!SHEET_DATA %in% readxl::excel_sheets(path_data))
stop("Sheet tidak ditemukan: ", SHEET_DATA)
folder <- file.path(dirname(path_data), FOLDER_HASIL)
message("Data: ", path_data, "\nSheet: ", SHEET_DATA, "\nHasil: ", folder)
dir.create(folder, recursive = TRUE, showWarnings = FALSE)
hasil <- list(); isi <- list(); grafik <- list()
teks <- function(judul, x) {
cat("\n", judul, "\n", sep = "")
cat(x, "\n")
isi[[length(isi) + 1L]] <<- htmltools::tagList(
htmltools::tags$h2(judul), htmltools::tags$p(x))
}
tampil <- function(nama, x) {
hasil[[nama]] <<- x
cat("\n", gsub("_", " ", nama), "\n", sep = "")
print(x)
cetak <- capture.output(print(x))
writeLines(cetak, file.path(folder, paste0(nama, ".txt")))
if (is.data.frame(x)) write.csv(x, file.path(folder, paste0(nama, ".csv")), row.names = FALSE)
isi[[length(isi) + 1L]] <<- htmltools::tagList(
htmltools::tags$h2(gsub("_", " ", nama)),
htmltools::tags$pre(paste(cetak, collapse = "\n")))
invisible(x)
}
gambar <- function(nama, p, lebar = 11, tinggi = 6) {
print(p)
berkas <- file.path(folder, paste0(nama, ".png"))
ggsave(berkas, plot = p, width = lebar, height = tinggi, dpi = 300, bg = "white")
grafik[[nama]] <<- p
isi[[length(isi) + 1L]] <<- htmltools::tagList(
htmltools::tags$h2(gsub("_", " ", nama)),
htmltools::tags$img(src = base64enc::dataURI(file = berkas, mime = "image/png"),
style = "max-width:100%;height:auto;"))
invisible(p)
}
opsional <- function(nama, ekspresi) {
tryCatch(tampil(nama, ekspresi), error = function(e) {
teks(nama, paste("Analisis tidak dapat diestimasi:", conditionMessage(e)))
invisible(NULL)
})
}
fp <- function(p) ifelse(is.na(p), "NA", ifelse(p < .001, "< 0,001",
paste0("= ", formatC(p, digits = 3, format = "f", decimal.mark = ","))))
dat_wide <- as.data.frame(readxl::read_excel(path_data, sheet = SHEET_DATA))
names(dat_wide) <- trimws(names(dat_wide))
kolom <- c("id", "kelompok", "usia", "jk", "AU_M0", "AU_M4", "AU_M8", "AU_M12")
if (!all(kolom %in% names(dat_wide)))
stop("Kolom tidak ditemukan: ", paste(setdiff(kolom, names(dat_wide)), collapse = ", "))
if (!nrow(dat_wide)) stop("Sheet data tidak memiliki peserta.")
if (anyNA(dat_wide$id) || anyDuplicated(dat_wide$id))
stop("ID peserta kosong atau duplikat. Periksa kolom id.")
dat_wide$id <- trimws(as.character(dat_wide$id))
dat_wide$kelompok <- trimws(as.character(dat_wide$kelompok))
if (any(!nzchar(dat_wide$id)) || anyDuplicated(dat_wide$id))
stop("ID peserta kosong atau duplikat setelah spasi dibersihkan.")
minggu <- c(0, 4, 8, 12)
kolom_au <- c("AU_M0", "AU_M4", "AU_M8", "AU_M12")
kelompok <- c("Kontrol", "DASH", "DASH+AF")
if (anyNA(dat_wide$kelompok) || !setequal(unique(dat_wide$kelompok), kelompok))
stop("Kolom kelompok harus memuat Kontrol, DASH, dan DASH+AF tanpa nilai kosong.")
if (!all(vapply(dat_wide[kolom_au], is.numeric, logical(1))))
stop("Kolom AU_M0, AU_M4, AU_M8, dan AU_M12 harus berisi angka.")
if (!all(is.finite(as.matrix(dat_wide[kolom_au]))))
stop("Pengukuran asam urat mengandung nilai kosong atau tak hingga. ",
"Versi analisis ini membutuhkan empat pengukuran lengkap per peserta.")
dat_wide <- dat_wide |> mutate(id = factor(id), kelompok = factor(kelompok, levels = c("Kontrol", "DASH", "DASH+AF")))
dat_long <- dat_wide |>
pivot_longer(all_of(kolom_au), names_to = "waktu", values_to = "asam_urat") |>
mutate(waktu = factor(waktu, levels = kolom_au, labels = c("M0", "M4", "M8", "M12")),
minggu = minggu[as.integer(waktu)]) |> arrange(id, waktu)
teks("Identitas", paste("Nama: Akhmad Tarmizi | NIM: 2611018025 | |",
"Mata Kuliah: Biostatistika Intermediete | Magister Kesehatan Masyarakat Universitas Mulawarman"))
teks("Desain", paste(nrow(dat_wide), "peserta; tiga kelompok; empat pengukuran berulang.",
"Tanpa nilai hilang. Satuan kadar asam urat tidak dicantumkan dalam workbook."))
tampil("01_Jumlah_Peserta", dat_wide |> count(kelompok, name = "n"))
tampil("01a_Usia", dat_wide |> group_by(kelompok) |> summarise(n = n(), mean = mean(usia), sd = sd(usia), min = min(usia), max = max(usia), .groups = "drop"))
tampil("01b_Jenis_Kelamin", dat_wide |> count(kelompok, jk))
teks("Berkas data yang digunakan", paste(path_data, "| Sheet:", SHEET_DATA))
teks("Sumber data", "Analisis dihitung dari sheet Data Asam Urat. Sheet Ringkasan hanya berisi statistik agregat. Satuan pengukuran dan status data asli/simulasi tidak dicantumkan; interpretasi menggunakan skala numerik dalam workbook.")
tampil("02_Data_Wide", head(dat_wide))
tampil("03_Data_Long", head(dat_long, 12))
desk <- dat_long |> group_by(kelompok, waktu, minggu) |>
summarise(n = n(), mean = mean(asam_urat), sd = sd(asam_urat), median = median(asam_urat),
min = min(asam_urat), max = max(asam_urat), se = sd / sqrt(n),
lower = mean - qt(.975, n - 1) * se,
upper = mean + qt(.975, n - 1) * se, .groups = "drop")
tampil("04_Deskriptif", desk)
tampil("05_Kovarians", cov(dat_wide[kolom_au]))
tampil("06_Korelasi", cor(dat_wide[kolom_au]))
pasangan <- combn(kolom_au, 2)
tampil("07_Varians_Selisih", data.frame(
pasangan = apply(pasangan, 2, paste, collapse = " - "),
varians = apply(pasangan, 2, function(p) var(dat_wide[[p[1]]] - dat_wide[[p[2]]]))))
gambar("G01_Profil_Rerata_CI95", ggplot(desk, aes(minggu, mean, color = kelompok, group = kelompok)) +
geom_line(linewidth = 1) + geom_point(size = 3) +
geom_errorbar(aes(ymin = lower, ymax = upper), width = .5) +
scale_x_continuous(breaks = minggu) +
labs(title = "Profil rerata kadar asam urat dan interval kepercayaan 95%", x = "Minggu", y = "Kadar asam urat", color = "Kelompok") +
theme(legend.position = "bottom"))
gambar("G02_Lintasan_Individu", ggplot(dat_long, aes(minggu, asam_urat, group = id)) +
geom_line(alpha = .25) + stat_summary(aes(group = kelompok), fun = mean,
geom = "line", color = "firebrick", linewidth = 1.2) +
facet_wrap(~ kelompok) + scale_x_continuous(breaks = minggu) +
labs(title = "Lintasan individu dan rerata kelompok", x = "Minggu", y = "Kadar asam urat"))
gambar("G03_Boxplot", ggplot(dat_long, aes(waktu, asam_urat, fill = kelompok)) +
geom_boxplot() + labs(title = "Distribusi kadar asam urat berdasarkan kelompok dan waktu", x = "Waktu", y = "Kadar asam urat", fill = "Kelompok") +
theme(legend.position = "bottom"))
d1 <- droplevels(filter(dat_long, kelompok == "DASH+AF"))
tampil("08_Outlier_Satu_Kelompok", d1 |> group_by(waktu) |> rstatix::identify_outliers(asam_urat))
tampil("09_Shapiro_Satu_Kelompok", d1 |> group_by(waktu) |> rstatix::shapiro_test(asam_urat))
gambar("G04_QQ_Satu_Kelompok", ggpubr::ggqqplot(d1, "asam_urat", facet.by = "waktu"))
aov1_rs <- rstatix::anova_test(data = d1, dv = asam_urat, wid = id, within = waktu, effect.size = "pes")
tampil("10_ANOVA_Rstatix_Satu_Kelompok", aov1_rs)
aov1 <- afex::aov_ez(id = "id", dv = "asam_urat", data = d1, within = "waktu",
anova_table = list(es = c("ges", "pes"), correction = "GG"))
tampil("11_RM_ANOVA", aov1)
tampil("12_Sferisitas_dan_Koreksi_RM", summary(aov1))
tampil("13_Multivariat_RM", aov1$Anova)
tampil("14_Eta_Kuadrat_RM", effectsize::eta_squared(aov1, partial = TRUE))
em1 <- emmeans::emmeans(aov1, ~ waktu)
tampil("15_EMM_RM", as.data.frame(em1))
tampil("16_Posthoc_RM_Bonferroni", as.data.frame(pairs(em1, adjust = "bonferroni")))
tampil("17_RM_vs_Baseline_Holm", as.data.frame(emmeans::contrast(em1, "trt.vs.ctrl", ref = 1, adjust = "holm")))
tampil("18_Tren_Polinomial_RM", as.data.frame(emmeans::contrast(em1, "poly")))
tampil("19_Friedman", rstatix::friedman_test(d1, asam_urat ~ waktu | id))
tampil("20_Kendall_W", rstatix::friedman_effsize(d1, asam_urat ~ waktu | id))
tampil("21_Wilcoxon_Berpasangan", d1 |> arrange(waktu, id) |>
rstatix::wilcox_test(asam_urat ~ waktu, paired = TRUE, p.adjust.method = "bonferroni"))
opsional("22_Robust_RM_Trim20", WRS2::rmanova(d1$asam_urat, d1$waktu, d1$id, tr = .2))
tampil("23_Outlier_Mixed", dat_long |> group_by(kelompok, waktu) |> rstatix::identify_outliers(asam_urat))
tampil("24_Shapiro_Mixed", dat_long |> group_by(kelompok, waktu) |> rstatix::shapiro_test(asam_urat))
gambar("G05_QQ_Mixed", ggpubr::ggqqplot(dat_long, "asam_urat", ggtheme = theme_bw()) +
facet_grid(waktu ~ kelompok), tinggi = 9)
tampil("25_Levene", dat_long |> group_by(waktu) |> rstatix::levene_test(asam_urat ~ kelompok))
tampil("26_Box_M", rstatix::box_m(dat_wide[kolom_au], dat_wide$kelompok))
aov2 <- afex::aov_ez(id = "id", dv = "asam_urat", data = dat_long, between = "kelompok", within = "waktu",
anova_table = list(es = c("ges", "pes"), correction = "GG"))
tampil("27_Mixed_ANOVA", aov2)
tampil("28_Sferisitas_dan_Koreksi_Mixed", summary(aov2))
tampil("29_Multivariat_Mixed", aov2$Anova)
tampil("30_Eta_Kuadrat_Mixed", effectsize::eta_squared(aov2, partial = TRUE))
gambar("G06_Profil_Mixed_ANOVA", afex::afex_plot(aov2, x = "waktu", trace = "kelompok",
error = "within", mapping = c("colour", "shape", "linetype")) +
labs(title = "Profil mixed ANOVA", x = "Waktu", y = "Kadar asam urat"))
teks("Interval grafik mixed ANOVA", "Interval within-subject pada grafik afex berbeda dari interval kepercayaan rerata biasa pada grafik profil deskriptif.")
tampil("31_Efek_Waktu_per_Kelompok", as.data.frame(emmeans::joint_tests(aov2, by = "kelompok")))
tampil("32_Efek_Kelompok_per_Waktu", as.data.frame(emmeans::joint_tests(aov2, by = "waktu")))
em2 <- emmeans::emmeans(aov2, ~ waktu | kelompok)
em2b <- emmeans::emmeans(aov2, ~ kelompok | waktu)
tampil("33_EMM_Waktu_per_Kelompok", as.data.frame(em2))
tampil("34_Waktu_vs_Baseline_Holm", as.data.frame(emmeans::contrast(em2, "trt.vs.ctrl", ref = 1, adjust = "holm")))
tampil("35_Antarkelompok_Tukey", as.data.frame(pairs(em2b, adjust = "tukey")))
em_full <- emmeans::emmeans(aov2, ~ waktu * kelompok)
ki <- emmeans::contrast(em_full, interaction = list(
waktu = list("M12-M0" = c(-1, 0, 0, 1)), kelompok = "pairwise"), adjust = "holm")
tampil("36_Kontras_Perbedaan_Perubahan", as.data.frame(ki))
tren <- as.data.frame(emmeans::contrast(em_full,
interaction = c(waktu = "poly", kelompok = "pairwise"), adjust = "none"))
tren_lin <- subset(tren, waktu_poly == "linear")
tren_lin$p.holm <- p.adjust(tren_lin$p.value, "holm")
tampil("37_Kontras_Tren_Linear", tren_lin)
teks("Koreksi perbandingan", "Holm untuk waktu versus baseline berlaku dalam tiap kelompok; Tukey berlaku dalam tiap waktu. Kontras perbedaan perubahan dan tren linear memakai Holm pada masing-masing keluarga kontras.")
tabel_gg <- as.data.frame(afex::nice(aov2, correction = "GG", es = "pes"))
tampil("38_Tabel_ANOVA_GG", tabel_gg)
tab_num <- as.data.frame(aov2$anova_table)
if ("kelompok:waktu" %in% rownames(tab_num)) {
r <- tab_num["kelompok:waktu", , drop = FALSE]
teks("Interpretasi interaksi", paste0("Mixed ANOVA dengan koreksi Greenhouse-Geisser menghasilkan interaksi kelompok x waktu: F(",
round(r[["num Df"]], 2), ", ", round(r[["den Df"]], 2), ") = ", round(r[["F"]], 3),
"; p ", fp(r[["Pr(>F)"]]), ". ",
if (r[["Pr(>F)"]] < .05) "Pola perubahan kadar asam urat berbeda secara statistik antar kelompok."
else "Belum ditemukan bukti statistik perbedaan pola perubahan kadar asam urat antar kelompok.",
" Arah dan besarnya perbedaan dinilai dari rerata serta kontras perubahan M12-M0."))
}
kontrol <- lme4::lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 200000))
lmm1 <- lmerTest::lmer(asam_urat ~ kelompok * waktu + (1 | id), data = dat_long, REML = TRUE, control = kontrol)
lmm2 <- lmerTest::lmer(asam_urat ~ kelompok * waktu + (1 + minggu | id), data = dat_long, REML = TRUE, control = kontrol)
tampil("39_LMM_Intersep", summary(lmm1))
tampil("40_LMM_Intersep_Slope", summary(lmm2))
tampil("41_Perbandingan_LMM_REML", anova(lmm1, lmm2, refit = FALSE))
teks("Perbandingan model", "Kedua model mempunyai fixed effects yang sama. Perbandingan REML mengikuti materi; nilai p likelihood-ratio bersifat pendekatan karena varians acak diuji pada batas ruang parameter.")
tampil("42_Singularitas_LMM", data.frame(model = c("Intersep", "Intersep dan slope"),
singular = c(lme4::isSingular(lmm1), lme4::isSingular(lmm2))))
opsional("43_LMM_Kenward_Roger", anova(lmm2, ddf = "Kenward-Roger"))
opsional("44_ICC", performance::icc(lmm1))
rd <- data.frame(prediksi = fitted(lmm2), residual = resid(lmm2))
gambar("G07_QQ_Residual_LMM", ggplot(rd, aes(sample = residual)) + stat_qq() + stat_qq_line() +
labs(title = "Q-Q residual LMM", x = "Kuantil teoretis", y = "Kuantil residual"))
ra <- data.frame(intersep = lme4::ranef(lmm2)$id[, 1])
gambar("G08_QQ_Intersep_Acak", ggplot(ra, aes(sample = intersep)) + stat_qq() + stat_qq_line() +
labs(title = "Q-Q intersep acak LMM", x = "Kuantil teoretis", y = "Kuantil intersep acak"))
gambar("G09_Residual_vs_Prediksi", ggplot(rd, aes(prediksi, residual)) + geom_point(alpha = .5) +
geom_hline(yintercept = 0, linetype = 2) + labs(title = "Residual versus nilai prediksi LMM", x = "Prediksi kadar asam urat", y = "Residual"))
em_lmm <- emmeans::emmeans(lmm2, ~ waktu | kelompok, lmer.df = "kenward-roger")
tampil("45_EMM_LMM", as.data.frame(em_lmm))
set.seed(1)
dat_miss <- dat_long
indeks_hilang <- sample(which(dat_miss$waktu != "M0"), 30)
dat_miss$asam_urat[indeks_hilang] <- NA_real_
teks("Demonstrasi data hilang", "Sebanyak 30 pengukuran pascabaseline dihapus secara acak hanya pada salinan demonstrasi. Analisis utama tetap menggunakan seluruh data yang dilampirkan; demonstrasi ini mengikuti bagian LMM data hilang dalam materi.")
lmm_miss <- lmerTest::lmer(asam_urat ~ kelompok * waktu + (1 + minggu | id), data = dat_miss,
REML = TRUE, control = kontrol, na.action = na.omit)
opsional("46_LMM_Data_Hilang_KR", anova(lmm_miss, ddf = "Kenward-Roger"))
tampil("47_Ringkasan_Data_Hilang", data.frame(pengukuran_hilang = sum(is.na(dat_miss$asam_urat)),
peserta_terdampak = n_distinct(dat_miss$id[is.na(dat_miss$asam_urat)]),
peserta_lengkap = n_distinct(dat_miss$id) - n_distinct(dat_miss$id[is.na(dat_miss$asam_urat)]),
pengukuran_dianalisis_LMM = nobs(lmm_miss)))
tampil("48_Informasi_Sesi", sessionInfo())
write.csv(dat_wide, file.path(folder, "Data_Asam_Urat_Wide.csv"), row.names = FALSE)
write.csv(dat_long, file.path(folder, "Data_Asam_Urat_Long.csv"), row.names = FALSE)
write.csv(dat_miss, file.path(folder, "Data_Demonstrasi_Missing.csv"), row.names = FALSE)
saveRDS(list(hasil = hasil, data_wide = dat_wide, data_long = dat_long,
aov1 = aov1, aov2 = aov2, lmm1 = lmm1, lmm2 = lmm2, lmm_miss = lmm_miss),
file.path(folder, "Objek_Analisis_Asam_Urat.rds"))
laporan <- htmltools::tags$html(lang = "id",
htmltools::tags$head(htmltools::tags$meta(charset = "UTF-8"),
htmltools::tags$title("Analisis Kadar Asam Urat: 3 x 4"),
htmltools::tags$style("body{font-family:Arial,sans-serif;max-width:1100px;margin:40px auto;padding:20px;line-height:1.6;color:#17342e}h1,h2{color:#0b6b4f}h2{border-bottom:1px solid #d9e4e0;padding-top:24px}pre{background:#f3f7f5;padding:16px;overflow:auto;font-size:13px}img{display:block;margin:15px auto}")),
htmltools::tags$body(htmltools::tags$h1("Analisis Pengukuran Berulang Kadar Asam Urat: 3 x 4"), isi))
path_html <- file.path(folder, "Laporan_Analisis_Asam_Urat.html")
htmltools::save_html(laporan, path_html)
if (BUKA_HTML_OTOMATIS && interactive())
try(utils::browseURL(path_html), silent = TRUE)
cat("\nHasil analisis: ", normalizePath(folder), "\n", sep = "")
invisible(list(hasil = hasil, grafik = grafik, data_wide = dat_wide,
data_long = dat_long, aov1 = aov1, aov2 = aov2,
lmm1 = lmm1, lmm2 = lmm2, lmm_miss = lmm_miss))
}
hasil_asam_urat <- analisis_asam_urat()
## Registered S3 method overwritten by 'lme4':
## method from
## na.action.merMod car
## Data: E:/Tarmizi new/data_asam_urat_wide.xlsx
## Sheet: Data Asam Urat
## Hasil: E:/Tarmizi new/Hasil_Analisis_Asam_Urat
##
## Identitas
## Nama: Akhmad Tarmizi | NIM: 2611018025 | | Mata Kuliah: Biostatistika Intermediete | Magister Kesehatan Masyarakat Universitas Mulawarman
##
## Desain
## 90 peserta; tiga kelompok; empat pengukuran berulang. Tanpa nilai hilang. Satuan kadar asam urat tidak dicantumkan dalam workbook.
##
## 01 Jumlah Peserta
## kelompok n
## 1 Kontrol 30
## 2 DASH 30
## 3 DASH+AF 30
##
## 01a Usia
## # A tibble: 3 × 6
## kelompok n mean sd min max
## <fct> <int> <dbl> <dbl> <dbl> <dbl>
## 1 Kontrol 30 51.2 8.60 38 65
## 2 DASH 30 49.7 9.79 35 64
## 3 DASH+AF 30 49.1 8.07 36 64
##
## 01b Jenis Kelamin
## kelompok jk n
## 1 Kontrol L 9
## 2 Kontrol P 21
## 3 DASH L 19
## 4 DASH P 11
## 5 DASH+AF L 14
## 6 DASH+AF P 16
##
## Berkas data yang digunakan
## E:/Tarmizi new/data_asam_urat_wide.xlsx | Sheet: Data Asam Urat
##
## Sumber data
## Analisis dihitung dari sheet Data Asam Urat. Sheet Ringkasan hanya berisi statistik agregat. Satuan pengukuran dan status data asli/simulasi tidak dicantumkan; interpretasi menggunakan skala numerik dalam workbook.
##
## 02 Data Wide
## id kelompok usia jk AU_M0 AU_M4 AU_M8 AU_M12
## 1 P001 Kontrol 42 L 6.7 7.2 6.4 6.5
## 2 P002 Kontrol 43 L 7.0 6.3 7.0 6.8
## 3 P003 Kontrol 62 P 5.1 5.2 4.7 6.3
## 4 P004 Kontrol 40 P 6.6 6.4 6.0 7.0
## 5 P005 Kontrol 53 P 6.1 5.8 6.6 6.2
## 6 P006 Kontrol 42 L 7.1 6.6 6.9 6.5
##
## 03 Data Long
## # A tibble: 12 × 7
## id kelompok usia jk waktu asam_urat minggu
## <fct> <fct> <dbl> <chr> <fct> <dbl> <dbl>
## 1 P001 Kontrol 42 L M0 6.7 0
## 2 P001 Kontrol 42 L M4 7.2 4
## 3 P001 Kontrol 42 L M8 6.4 8
## 4 P001 Kontrol 42 L M12 6.5 12
## 5 P002 Kontrol 43 L M0 7 0
## 6 P002 Kontrol 43 L M4 6.3 4
## 7 P002 Kontrol 43 L M8 7 8
## 8 P002 Kontrol 43 L M12 6.8 12
## 9 P003 Kontrol 62 P M0 5.1 0
## 10 P003 Kontrol 62 P M4 5.2 4
## 11 P003 Kontrol 62 P M8 4.7 8
## 12 P003 Kontrol 62 P M12 6.3 12
##
## 04 Deskriptif
## # A tibble: 12 × 12
## kelompok waktu minggu n mean sd median min max se lower upper
## <fct> <fct> <dbl> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kontrol M0 0 30 6.78 1.07 6.7 4.6 8.9 0.194 6.38 7.18
## 2 Kontrol M4 4 30 6.78 1.12 6.75 4.5 9.1 0.205 6.36 7.20
## 3 Kontrol M8 8 30 6.64 1.25 6.6 3.6 9.2 0.228 6.17 7.11
## 4 Kontrol M12 12 30 6.75 1.01 6.55 5.1 9.4 0.185 6.37 7.13
## 5 DASH M0 0 30 6.97 1.00 6.95 5.3 9.2 0.183 6.59 7.34
## 6 DASH M4 4 30 6.68 0.982 6.45 5.1 8.9 0.179 6.31 7.05
## 7 DASH M8 8 30 6.45 1.01 6.3 4.6 8.7 0.184 6.08 6.83
## 8 DASH M12 12 30 6.18 1.07 6.15 4.6 8.9 0.195 5.78 6.58
## 9 DASH+AF M0 0 30 6.83 1.04 6.7 4.4 9.1 0.190 6.44 7.22
## 10 DASH+AF M4 4 30 6.47 1.18 6.2 4 8.8 0.215 6.03 6.91
## 11 DASH+AF M8 8 30 6.08 1.24 5.95 3.2 8.7 0.227 5.62 6.55
## 12 DASH+AF M12 12 30 5.84 1.17 5.85 3.6 8.2 0.214 5.40 6.27
##
## 05 Kovarians
## AU_M0 AU_M4 AU_M8 AU_M12
## AU_M0 1.0548077 1.041194 1.104733 0.9831161
## AU_M4 1.0411935 1.193703 1.131793 1.0251386
## AU_M8 1.1047328 1.131793 1.394433 1.1479476
## AU_M12 0.9831161 1.025139 1.147948 1.2955506
##
## 06 Korelasi
## AU_M0 AU_M4 AU_M8 AU_M12
## AU_M0 1.0000000 0.9278904 0.9109022 0.8409903
## AU_M4 0.9278904 1.0000000 0.8772430 0.8243417
## AU_M8 0.9109022 0.8772430 1.0000000 0.8540750
## AU_M12 0.8409903 0.8243417 0.8540750 1.0000000
##
## 07 Varians Selisih
## pasangan varians
## 1 AU_M0 - AU_M4 0.1661236
## 2 AU_M0 - AU_M8 0.2397753
## 3 AU_M0 - AU_M12 0.3841261
## 4 AU_M4 - AU_M8 0.3245506
## 5 AU_M4 - AU_M12 0.4389763
## 6 AU_M8 - AU_M12 0.3940886
##
## 08 Outlier Satu Kelompok
## [1] waktu id kelompok usia jk asam_urat minggu is.outlier is.extreme
## <0 rows> (or 0-length row.names)
##
## 09 Shapiro Satu Kelompok
## # A tibble: 4 × 4
## waktu variable statistic p
## <fct> <chr> <dbl> <dbl>
## 1 M0 asam_urat 0.986 0.956
## 2 M4 asam_urat 0.965 0.424
## 3 M8 asam_urat 0.973 0.612
## 4 M12 asam_urat 0.979 0.808
##
## 10 ANOVA Rstatix Satu Kelompok
## ANOVA Table (type III tests)
##
## $ANOVA
## Effect DFn DFd F p p<.05 pes
## 1 waktu 3 87 45.869 7.15e-18 * 0.613
##
## $`Mauchly's Test for Sphericity`
## Effect W p p<.05
## 1 waktu 0.694 0.072
##
## $`Sphericity Corrections`
## Effect GGe DF[GG] p[GG] p[GG]<.05 HFe DF[HF] p[HF] p[HF]<.05
## 1 waktu 0.845 2.54, 73.54 1.84e-15 * 0.933 2.8, 81.18 7.88e-17 *
##
##
## 11 RM ANOVA
## Anova Table (Type 3 tests)
##
## Response: asam_urat
## Effect df MSE F ges pes p.value
## 1 waktu 2.54, 73.54 0.15 45.87 *** .099 .613 <.001
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '+' 0.1 ' ' 1
##
## Sphericity correction method: GG
##
## 12 Sferisitas dan Koreksi RM
##
## Univariate Type III Repeated-Measures ANOVA Assuming Sphericity
##
## Sum Sq num Df Error SS den Df F value Pr(>F)
## (Intercept) 4769.1 1 144.965 29 954.048 < 2.2e-16 ***
## waktu 17.1 3 10.816 87 45.869 < 2.2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
##
## Mauchly Tests for Sphericity
##
## Test statistic p-value
## waktu 0.69402 0.071917
##
##
## Greenhouse-Geisser and Huynh-Feldt Corrections
## for Departure from Sphericity
##
## GG eps Pr(>F[GG])
## waktu 0.84532 1.839e-15 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## HF eps Pr(>F[HF])
## waktu 0.9330749 7.880193e-17
##
## 13 Multivariat RM
##
## Type III Repeated Measures MANOVA Tests: Pillai test statistic
## Df test stat approx F num Df den Df Pr(>F)
## (Intercept) 1 0.97050 954.05 1 29 < 2.2e-16 ***
## waktu 1 0.85808 54.42 3 27 1.416e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## 14 Eta Kuadrat RM
## # Effect Size for ANOVA (Type III)
##
## Parameter | Eta2 (partial) | 95% CI
## -----------------------------------------
## waktu | 0.61 | [0.50, 1.00]
##
## - One-sided CIs: upper bound fixed at [1.00].
## 15 EMM RM
## waktu emmean SE df lower.CL upper.CL
## M0 6.830000 0.1897457 29 6.441926 7.218074
## M4 6.466667 0.2147082 29 6.027539 6.905794
## M8 6.083333 0.2265221 29 5.620044 6.546623
## M12 5.836667 0.2136429 29 5.399718 6.273615
##
## Confidence level used: 0.95
##
## 16 Posthoc RM Bonferroni
## contrast estimate SE df t.ratio p.value
## M0 - M4 0.3633333 0.07038210 29 5.162 <0.0001
## M0 - M8 0.7466667 0.07874494 29 9.482 <0.0001
## M0 - M12 0.9933333 0.08800906 29 11.287 <0.0001
## M4 - M8 0.3833333 0.10732734 29 3.572 0.0076
## M4 - M12 0.6300000 0.10138693 29 6.214 <0.0001
## M8 - M12 0.2466667 0.09501764 29 2.596 0.0879
##
## P value adjustment: bonferroni method for 6 tests
##
## 17 RM vs Baseline Holm
## contrast estimate SE df t.ratio p.value
## M4 - M0 -0.3633333 0.07038210 29 -5.162 <0.0001
## M8 - M0 -0.7466667 0.07874494 29 -9.482 <0.0001
## M12 - M0 -0.9933333 0.08800906 29 -11.287 <0.0001
##
## P value adjustment: holm method for 3 tests
##
## 18 Tren Polinomial RM
## contrast estimate SE df t.ratio p.value
## linear -3.363333 0.2978653 29 -11.291 <0.0001
## quadratic 0.116667 0.1058174 29 1.103 0.2793
## cubic 0.156667 0.3223721 29 0.486 0.6306
##
##
## 19 Friedman
## # A tibble: 1 × 6
## .y. n statistic df p method
## * <chr> <int> <dbl> <dbl> <dbl> <chr>
## 1 asam_urat 30 55.6 3 5.20e-12 Friedman test
##
## 20 Kendall W
## # A tibble: 1 × 5
## .y. n effsize method magnitude
## * <chr> <int> <dbl> <chr> <ord>
## 1 asam_urat 30 0.617 Kendall W large
##
## 21 Wilcoxon Berpasangan
## # A tibble: 6 × 9
## .y. group1 group2 n1 n2 statistic p p.adj p.adj.signif
## * <chr> <chr> <chr> <int> <int> <dbl> <dbl> <dbl> <chr>
## 1 asam_urat M0 M4 30 30 413 0.0000558 0.000335 ***
## 2 asam_urat M0 M8 30 30 462 0.00000000745 0.0000000447 ****
## 3 asam_urat M0 M12 30 30 462 0.00000000931 0.0000000559 ****
## 4 asam_urat M4 M8 30 30 390. 0.000587 0.00352 **
## 5 asam_urat M4 M12 30 30 442. 0.00000114 0.00000686 ****
## 6 asam_urat M8 M12 30 30 349 0.0147 0.0880 ns
##
## 22 Robust RM Trim20
## Call:
## WRS2::rmanova(y = d1$asam_urat, groups = d1$waktu, blocks = d1$id,
## tr = 0.2)
##
## Test statistic: F = 23.6353
## Degrees of freedom 1: 2.97
## Degrees of freedom 2: 50.55
## p-value: 0
##
##
## 23 Outlier Mixed
## # A tibble: 10 × 9
## kelompok waktu id usia jk asam_urat minggu is.outlier is.extreme
## <fct> <fct> <fct> <dbl> <chr> <dbl> <dbl> <lgl> <lgl>
## 1 Kontrol M0 P013 63 L 8.9 0 TRUE FALSE
## 2 Kontrol M8 P013 63 L 9.2 8 TRUE FALSE
## 3 Kontrol M8 P014 50 P 3.6 8 TRUE FALSE
## 4 Kontrol M12 P013 63 L 8.6 12 TRUE FALSE
## 5 Kontrol M12 P020 41 L 9.2 12 TRUE FALSE
## 6 Kontrol M12 P022 62 P 9.4 12 TRUE TRUE
## 7 Kontrol M12 P029 41 L 8.3 12 TRUE FALSE
## 8 DASH M4 P045 45 L 8.7 4 TRUE FALSE
## 9 DASH M4 P046 57 L 8.9 4 TRUE FALSE
## 10 DASH M4 P049 39 L 8.8 4 TRUE FALSE
##
## 24 Shapiro Mixed
## # A tibble: 12 × 5
## kelompok waktu variable statistic p
## <fct> <fct> <chr> <dbl> <dbl>
## 1 Kontrol M0 asam_urat 0.960 0.309
## 2 Kontrol M4 asam_urat 0.980 0.825
## 3 Kontrol M8 asam_urat 0.969 0.524
## 4 Kontrol M12 asam_urat 0.896 0.00680
## 5 DASH M0 asam_urat 0.973 0.624
## 6 DASH M4 asam_urat 0.929 0.0459
## 7 DASH M8 asam_urat 0.971 0.555
## 8 DASH M12 asam_urat 0.962 0.355
## 9 DASH+AF M0 asam_urat 0.986 0.956
## 10 DASH+AF M4 asam_urat 0.965 0.424
## 11 DASH+AF M8 asam_urat 0.973 0.612
## 12 DASH+AF M12 asam_urat 0.979 0.808
##
## 25 Levene
## # A tibble: 4 × 5
## waktu df1 df2 statistic p
## <fct> <int> <int> <dbl> <dbl>
## 1 M0 2 87 0.00953 0.991
## 2 M4 2 87 0.959 0.387
## 3 M8 2 87 0.505 0.605
## 4 M12 2 87 0.634 0.533
##
## 26 Box M
## # A tibble: 1 × 4
## statistic p.value parameter method
## <dbl> <dbl> <dbl> <chr>
## 1 27.2 0.129 20 Box's M-test for Homogeneity of Covariance Matrices
##
## 27 Mixed ANOVA
## Anova Table (Type 3 tests)
##
## Response: asam_urat
## Effect df MSE F ges pes p.value
## 1 kelompok 2, 87 4.42 1.29 .026 .029 .280
## 2 waktu 2.42, 210.37 0.17 48.14 *** .044 .356 <.001
## 3 kelompok:waktu 4.84, 210.37 0.17 10.13 *** .019 .189 <.001
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '+' 0.1 ' ' 1
##
## Sphericity correction method: GG
##
## 28 Sferisitas dan Koreksi Mixed
##
## Univariate Type III Repeated-Measures ANOVA Assuming Sphericity
##
## Sum Sq num Df Error SS den Df F value Pr(>F)
## (Intercept) 15382.1 1 384.78 87 3477.9614 < 2.2e-16 ***
## kelompok 11.4 2 384.78 87 1.2903 0.2804
## waktu 19.5 3 35.15 261 48.1420 < 2.2e-16 ***
## kelompok:waktu 8.2 6 35.15 261 10.1306 4.522e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
##
## Mauchly Tests for Sphericity
##
## Test statistic p-value
## waktu 0.57481 4.5869e-09
## kelompok:waktu 0.57481 4.5869e-09
##
##
## Greenhouse-Geisser and Huynh-Feldt Corrections
## for Departure from Sphericity
##
## GG eps Pr(>F[GG])
## waktu 0.80601 < 2.2e-16 ***
## kelompok:waktu 0.80601 1.62e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## HF eps Pr(>F[HF])
## waktu 0.8306986 5.013127e-21
## kelompok:waktu 0.8306986 1.026115e-08
##
## 29 Multivariat Mixed
##
## Type III Repeated Measures MANOVA Tests: Pillai test statistic
## Df test stat approx F num Df den Df Pr(>F)
## (Intercept) 1 0.97560 3478.0 1 87 < 2.2e-16 ***
## kelompok 2 0.02881 1.3 2 87 0.2804
## waktu 1 0.76354 91.5 3 85 < 2.2e-16 ***
## kelompok:waktu 2 0.57739 11.6 6 172 6.387e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## 30 Eta Kuadrat Mixed
## # Effect Size for ANOVA (Type III)
##
## Parameter | Eta2 (partial) | 95% CI
## ----------------------------------------------
## kelompok | 0.03 | [0.00, 1.00]
## waktu | 0.36 | [0.28, 1.00]
## kelompok:waktu | 0.19 | [0.11, 1.00]
##
## - One-sided CIs: upper bound fixed at [1.00].
## Warning: Panel(s) show a mixed within-between-design.
## Error bars do not allow comparisons across all means.
## Suppress error bars with: error = "none"
##
## Interval grafik mixed ANOVA
## Interval within-subject pada grafik afex berbeda dari interval kepercayaan rerata biasa pada grafik profil deskriptif.
##
## 31 Efek Waktu per Kelompok
## kelompok = Kontrol:
## model term df1 df2 F.ratio p.value
## waktu 3 87 1.110 0.3494
##
## kelompok = DASH:
## model term df1 df2 F.ratio p.value
## waktu 3 87 47.894 <0.0001
##
## kelompok = DASH+AF:
## model term df1 df2 F.ratio p.value
## waktu 3 87 82.977 <0.0001
##
##
## 32 Efek Kelompok per Waktu
## waktu = M0:
## model term df1 df2 F.ratio p.value
## kelompok 2 87 0.261 0.7708
##
## waktu = M4:
## model term df1 df2 F.ratio p.value
## kelompok 2 87 0.639 0.5305
##
## waktu = M8:
## model term df1 df2 F.ratio p.value
## kelompok 2 87 1.756 0.1787
##
## waktu = M12:
## model term df1 df2 F.ratio p.value
## kelompok 2 87 5.378 0.0063
##
##
## 33 EMM Waktu per Kelompok
## kelompok = Kontrol:
## waktu emmean SE df lower.CL upper.CL
## M0 6.780000 0.1890870 87 6.404169 7.155831
## M4 6.780000 0.2002897 87 6.381903 7.178097
## M8 6.640000 0.2137857 87 6.215078 7.064922
## M12 6.746667 0.1982858 87 6.352552 7.140781
##
## kelompok = DASH:
## waktu emmean SE df lower.CL upper.CL
## M0 6.966667 0.1890870 87 6.590836 7.342498
## M4 6.680000 0.2002897 87 6.281903 7.078097
## M8 6.453333 0.2137857 87 6.028411 6.878256
## M12 6.176667 0.1982858 87 5.782552 6.570781
##
## kelompok = DASH+AF:
## waktu emmean SE df lower.CL upper.CL
## M0 6.830000 0.1890870 87 6.454169 7.205831
## M4 6.466667 0.2002897 87 6.068569 6.864764
## M8 6.083333 0.2137857 87 5.658411 6.508256
## M12 5.836667 0.1982858 87 5.442552 6.230781
##
## Confidence level used: 0.95
##
## 34 Waktu vs Baseline Holm
## kelompok = Kontrol:
## contrast estimate SE df t.ratio p.value
## M4 - M0 0.0000000 0.06943762 87 0.000 1.0000
## M8 - M0 -0.1400000 0.07761121 87 -1.804 0.2241
## M12 - M0 -0.0333333 0.08494382 87 -0.392 1.0000
##
## kelompok = DASH:
## contrast estimate SE df t.ratio p.value
## M4 - M0 -0.2866667 0.06943762 87 -4.128 <0.0001
## M8 - M0 -0.5133333 0.07761121 87 -6.614 <0.0001
## M12 - M0 -0.7900000 0.08494382 87 -9.300 <0.0001
##
## kelompok = DASH+AF:
## contrast estimate SE df t.ratio p.value
## M4 - M0 -0.3633333 0.06943762 87 -5.233 <0.0001
## M8 - M0 -0.7466667 0.07761121 87 -9.621 <0.0001
## M12 - M0 -0.9933333 0.08494382 87 -11.694 <0.0001
##
## P value adjustment: holm method for 3 tests
##
## 35 Antarkelompok Tukey
## waktu = M0:
## contrast estimate SE df t.ratio p.value
## Kontrol - DASH -0.1866667 0.2674094 87 -0.698 0.7653
## Kontrol - (DASH+AF) -0.0500000 0.2674094 87 -0.187 0.9809
## DASH - (DASH+AF) 0.1366667 0.2674094 87 0.511 0.8662
##
## waktu = M4:
## contrast estimate SE df t.ratio p.value
## Kontrol - DASH 0.1000000 0.2832524 87 0.353 0.9337
## Kontrol - (DASH+AF) 0.3133333 0.2832524 87 1.106 0.5129
## DASH - (DASH+AF) 0.2133333 0.2832524 87 0.753 0.7325
##
## waktu = M8:
## contrast estimate SE df t.ratio p.value
## Kontrol - DASH 0.1866667 0.3023387 87 0.617 0.8110
## Kontrol - (DASH+AF) 0.5566667 0.3023387 87 1.841 0.1624
## DASH - (DASH+AF) 0.3700000 0.3023387 87 1.224 0.4424
##
## waktu = M12:
## contrast estimate SE df t.ratio p.value
## Kontrol - DASH 0.5700000 0.2804184 87 2.033 0.1105
## Kontrol - (DASH+AF) 0.9100000 0.2804184 87 3.245 0.0047
## DASH - (DASH+AF) 0.3400000 0.2804184 87 1.212 0.4491
##
## P value adjustment: tukey method for comparing a family of 3 estimates
##
## 36 Kontras Perbedaan Perubahan
## waktu_custom kelompok_pairwise estimate SE df t.ratio p.value
## M12-M0 Kontrol - DASH 0.7566667 0.1201287 87 6.299 <0.0001
## M12-M0 Kontrol - (DASH+AF) 0.9600000 0.1201287 87 7.991 <0.0001
## M12-M0 DASH - (DASH+AF) 0.2033333 0.1201287 87 1.693 0.0941
##
## P value adjustment: holm method for 3 tests
##
## 37 Kontras Tren Linear
## waktu_poly kelompok_pairwise estimate SE df t.ratio p.value p.holm
## 1 linear Kontrol - DASH 2.3566667 0.4004321 87 5.885309 7.260002e-08 1.452000e-07
## 4 linear Kontrol - (DASH+AF) 3.1233333 0.4004321 87 7.799908 1.259894e-11 3.779683e-11
## 7 linear DASH - (DASH+AF) 0.7666667 0.4004321 87 1.914599 5.883019e-02 5.883019e-02
##
## Koreksi perbandingan
## Holm untuk waktu versus baseline berlaku dalam tiap kelompok; Tukey berlaku dalam tiap waktu. Kontras perbedaan perubahan dan tren linear memakai Holm pada masing-masing keluarga kontras.
##
## 38 Tabel ANOVA GG
## Effect df MSE F pes p.value
## 1 kelompok 2, 87 4.42 1.29 .029 .280
## 2 waktu 2.42, 210.37 0.17 48.14 *** .356 <.001
## 3 kelompok:waktu 4.84, 210.37 0.17 10.13 *** .189 <.001
##
## Interpretasi interaksi
## Mixed ANOVA dengan koreksi Greenhouse-Geisser menghasilkan interaksi kelompok x waktu: F(4.84, 210.37) = 10.131; p < 0,001. Pola perubahan kadar asam urat berbeda secara statistik antar kelompok. Arah dan besarnya perbedaan dinilai dari rerata serta kontras perubahan M12-M0.
## boundary (singular) fit: see help('isSingular')
##
## 39 LMM Intersep
## Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
## Formula: asam_urat ~ kelompok * waktu + (1 | id)
## Data: dat_long
## Control: kontrol
##
## REML criterion at convergence: 651.6
##
## Scaled residuals:
## Min 1Q Median 3Q Max
## -2.70490 -0.54912 -0.01823 0.52179 2.99938
##
## Random effects:
## Groups Name Variance Std.Dev.
## id (Intercept) 1.0720 1.035
## Residual 0.1347 0.367
## Number of obs: 360, groups: id, 90
##
## Fixed effects:
## Estimate Std. Error df t value Pr(>|t|)
## (Intercept) 6.536667 0.110839 86.999996 58.974 < 2e-16 ***
## kelompok1 0.200000 0.156751 86.999996 1.276 0.20538
## kelompok2 0.032500 0.156751 86.999996 0.207 0.83623
## waktu1 0.322222 0.033500 261.000001 9.619 < 2e-16 ***
## waktu2 0.105556 0.033500 261.000001 3.151 0.00182 **
## waktu3 -0.144444 0.033500 261.000001 -4.312 2.30e-05 ***
## kelompok1:waktu1 -0.278889 0.047376 261.000001 -5.887 1.21e-08 ***
## kelompok2:waktu1 0.075278 0.047376 261.000001 1.589 0.11329
## kelompok1:waktu2 -0.062222 0.047376 261.000001 -1.313 0.19021
## kelompok2:waktu2 0.005278 0.047376 261.000001 0.111 0.91138
## kelompok1:waktu3 0.047778 0.047376 261.000001 1.008 0.31416
## kelompok2:waktu3 0.028611 0.047376 261.000001 0.604 0.54643
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Correlation of Fixed Effects:
## (Intr) klmpk1 klmpk2 waktu1 waktu2 waktu3 klm1:1 klm2:1 klm1:2 klm2:2 klm1:3
## kelompok1 0.000
## kelompok2 0.000 -0.500
## waktu1 0.000 0.000 0.000
## waktu2 0.000 0.000 0.000 -0.333
## waktu3 0.000 0.000 0.000 -0.333 -0.333
## klmpk1:wkt1 0.000 0.000 0.000 0.000 0.000 0.000
## klmpk2:wkt1 0.000 0.000 0.000 0.000 0.000 0.000 -0.500
## klmpk1:wkt2 0.000 0.000 0.000 0.000 0.000 0.000 -0.333 0.167
## klmpk2:wkt2 0.000 0.000 0.000 0.000 0.000 0.000 0.167 -0.333 -0.500
## klmpk1:wkt3 0.000 0.000 0.000 0.000 0.000 0.000 -0.333 0.167 -0.333 0.167
## klmpk2:wkt3 0.000 0.000 0.000 0.000 0.000 0.000 0.167 -0.333 0.167 -0.333 -0.500
##
## 40 LMM Intersep Slope
## Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
## Formula: asam_urat ~ kelompok * waktu + (1 + minggu | id)
## Data: dat_long
## Control: kontrol
##
## REML criterion at convergence: 651.4
##
## Scaled residuals:
## Min 1Q Median 3Q Max
## -2.69257 -0.55505 -0.03363 0.51123 3.05558
##
## Random effects:
## Groups Name Variance Std.Dev. Corr
## id (Intercept) 1.048e+00 1.023765
## minggu 3.757e-06 0.001938 1.00
## Residual 1.346e-01 0.366839
## Number of obs: 360, groups: id, 90
##
## Fixed effects:
## Estimate Std. Error df t value Pr(>|t|)
## (Intercept) 6.536667 0.110839 86.999934 58.974 < 2e-16 ***
## kelompok1 0.200000 0.156751 86.999935 1.276 0.20538
## kelompok2 0.032500 0.156751 86.999935 0.207 0.83623
## waktu1 0.322222 0.033510 260.429159 9.616 < 2e-16 ***
## waktu2 0.105556 0.033490 261.064188 3.152 0.00181 **
## waktu3 -0.144444 0.033490 261.064188 -4.313 2.29e-05 ***
## kelompok1:waktu1 -0.278889 0.047390 260.429159 -5.885 1.22e-08 ***
## kelompok2:waktu1 0.075278 0.047390 260.429159 1.588 0.11340
## kelompok1:waktu2 -0.062222 0.047362 261.064188 -1.314 0.19008
## kelompok2:waktu2 0.005278 0.047362 261.064188 0.111 0.91136
## kelompok1:waktu3 0.047778 0.047362 261.064188 1.009 0.31402
## kelompok2:waktu3 0.028611 0.047362 261.064188 0.604 0.54631
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Correlation of Fixed Effects:
## (Intr) klmpk1 klmpk2 waktu1 waktu2 waktu3 klm1:1 klm2:1 klm1:2 klm2:2 klm1:3
## kelompok1 0.000
## kelompok2 0.000 -0.500
## waktu1 -0.036 0.000 0.000
## waktu2 -0.012 0.000 0.000 -0.333
## waktu3 0.012 0.000 0.000 -0.334 -0.333
## klmpk1:wkt1 0.000 -0.036 0.018 0.000 0.000 0.000
## klmpk2:wkt1 0.000 0.018 -0.036 0.000 0.000 0.000 -0.500
## klmpk1:wkt2 0.000 -0.012 0.006 0.000 0.000 0.000 -0.333 0.166
## klmpk2:wkt2 0.000 0.006 -0.012 0.000 0.000 0.000 0.166 -0.333 -0.500
## klmpk1:wkt3 0.000 0.012 -0.006 0.000 0.000 0.000 -0.334 0.167 -0.333 0.167
## klmpk2:wkt3 0.000 -0.006 0.012 0.000 0.000 0.000 0.167 -0.334 0.167 -0.333 -0.500
## optimizer (bobyqa) convergence code: 0 (OK)
## boundary (singular) fit: see help('isSingular')
##
##
## 41 Perbandingan LMM REML
## Data: dat_long
## Models:
## lmm1: asam_urat ~ kelompok * waktu + (1 | id)
## lmm2: asam_urat ~ kelompok * waktu + (1 + minggu | id)
## npar AIC BIC logLik -2*log(L) Chisq Df Pr(>Chisq)
## lmm1 14 679.57 733.97 -325.78 651.57
## lmm2 16 683.38 745.55 -325.69 651.38 0.189 2 0.9098
##
## Perbandingan model
## Kedua model mempunyai fixed effects yang sama. Perbandingan REML mengikuti materi; nilai p likelihood-ratio bersifat pendekatan karena varians acak diuji pada batas ruang parameter.
##
## 42 Singularitas LMM
## model singular
## 1 Intersep FALSE
## 2 Intersep dan slope TRUE
##
## 43 LMM Kenward Roger
## Type III Analysis of Variance Table with Kenward-Roger's method
## Sum Sq Mean Sq NumDF DenDF F value Pr(>F)
## kelompok 0.3473 0.1736 2 87.00 1.2903 0.2804
## waktu 19.4072 6.4691 3 185.37 47.8514 < 2.2e-16 ***
## kelompok:waktu 8.1681 1.3614 6 206.40 10.0587 9.554e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## 44 ICC
## # Intraclass Correlation Coefficient
##
## Adjusted ICC: 0.888
## Unadjusted ICC: 0.815
##
## 45 EMM LMM
## kelompok = Kontrol:
## waktu emmean SE df lower.CL upper.CL
## M0 6.780000 0.1985502 93.20 6.385730 7.174270
## M4 6.780000 0.1998832 102.10 6.383537 7.176463
## M8 6.640000 0.2012174 101.88 6.240881 7.039119
## M12 6.746667 0.2025527 92.95 6.344434 7.148899
##
## kelompok = DASH:
## waktu emmean SE df lower.CL upper.CL
## M0 6.966667 0.1985502 93.20 6.572397 7.360937
## M4 6.680000 0.1998832 102.10 6.283537 7.076463
## M8 6.453333 0.2012174 101.88 6.054214 6.852453
## M12 6.176667 0.2025527 92.95 5.774434 6.578899
##
## kelompok = DASH+AF:
## waktu emmean SE df lower.CL upper.CL
## M0 6.830000 0.1985502 93.20 6.435730 7.224270
## M4 6.466667 0.1998832 102.10 6.070204 6.863129
## M8 6.083333 0.2012174 101.88 5.684214 6.482453
## M12 5.836667 0.2025527 92.95 5.434434 6.238899
##
## Degrees-of-freedom method: kenward-roger
## Confidence level used: 0.95
##
## Demonstrasi data hilang
## Sebanyak 30 pengukuran pascabaseline dihapus secara acak hanya pada salinan demonstrasi. Analisis utama tetap menggunakan seluruh data yang dilampirkan; demonstrasi ini mengikuti bagian LMM data hilang dalam materi.
## boundary (singular) fit: see help('isSingular')
##
## 46 LMM Data Hilang KR
## Type III Analysis of Variance Table with Kenward-Roger's method
## Sum Sq Mean Sq NumDF DenDF F value Pr(>F)
## kelompok 0.3146 0.1573 2 87.001 1.2176 0.3009
## waktu 18.4655 6.1552 3 167.832 47.4175 < 2.2e-16 ***
## kelompok:waktu 7.0931 1.1822 6 185.520 9.0966 1.007e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## 47 Ringkasan Data Hilang
## pengukuran_hilang peserta_terdampak peserta_lengkap pengukuran_dianalisis_LMM
## 1 30 25 65 330
##
## 48 Informasi Sesi
## R version 4.6.1 (2026-06-24 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 26200)
##
## Matrix products: default
## LAPACK version 3.12.1
##
## locale:
## [1] LC_COLLATE=English_Indonesia.utf8 LC_CTYPE=English_Indonesia.utf8 LC_MONETARY=English_Indonesia.utf8
## [4] LC_NUMERIC=C LC_TIME=English_Indonesia.utf8
##
## time zone: Asia/Makassar
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] ggplot2_4.0.3 tidyr_1.3.2 dplyr_1.2.1
##
## loaded via a namespace (and not attached):
## [1] gtable_0.3.6 xfun_0.60 bslib_0.12.0 bayestestR_0.19.0 insight_1.5.4
## [6] rstatix_1.1.0 lattice_0.22-9 numDeriv_2016.8-1.1 vctrs_0.7.3 tools_4.6.1
## [11] Rdpack_2.6.6 generics_0.1.4 pbkrtest_0.5.5 datawizard_1.4.0 parallel_4.6.1
## [16] tibble_3.3.1 pkgconfig_2.0.3 Matrix_1.7-5 WRS2_1.1-7 RColorBrewer_1.1-3
## [21] S7_0.2.2 readxl_1.5.0 afex_1.5-1 lifecycle_1.0.5 compiler_4.6.1
## [26] farver_2.1.2 stringr_1.6.0 lmerTest_3.2-1 carData_3.0-6 htmltools_0.5.9
## [31] sass_0.4.10 yaml_2.3.12 Formula_1.2-6 ggpubr_1.0.0 pillar_1.11.1
## [36] car_3.1-5 nloptr_2.2.1 jquerylib_0.1.4 MASS_7.3-65 cachem_1.1.0
## [41] reformulas_0.4.4 boot_1.3-32 abind_1.4-8 nlme_3.1-169 tidyselect_1.2.1
## [46] digest_0.6.39 performance_0.18.2 mvtnorm_1.4-2 stringi_1.8.9 reshape2_1.4.5
## [51] purrr_1.2.2 labeling_0.4.3 splines_4.6.1 fastmap_1.2.0 grid_4.6.1
## [56] cli_3.6.6 magrittr_2.0.5 base64enc_0.1-6 utf8_1.2.6 broom_1.0.13
## [61] withr_3.0.3 scales_1.4.0 backports_1.5.1 estimability_2.0.0 rmarkdown_2.31
## [66] emmeans_2.0.4 lme4_2.0-6 ggsignif_0.6.4 cellranger_1.1.0 evaluate_1.0.5
## [71] knitr_1.51 parameters_0.29.3 rbibutils_2.4.1 rlang_1.3.0 Rcpp_1.1.2
## [76] glue_1.8.1 reshape_0.8.10 rstudioapi_0.19.0 minqa_1.2.8 jsonlite_2.0.0
## [81] effectsize_1.0.3 R6_2.6.1 plyr_1.8.9
##
## Hasil analisis: E:\Tarmizi new\Hasil_Analisis_Asam_Urat