Pendahuluan

Terdapat dua macam teknik statistik inferensial yang dapat digunakan

untuk menguji hipotesis penelitian, yaitu statistik parametris dan statistik
nonparametris. Keduanya bekerja dengan data sampel, dan pengambilan
sampelnya harus dilakukan secara random. Statistik parametris lebih banyak
digunakan untuk menganalisis data yang berbentuk interval dan ratio, dengan
syarat data variabelnya harus berdistribus normal. Sedangkan satistik
nonparametris digunakan untuk menganalisis data yang berbentuk nominal atau
ordinal dan tidak mensyaratkan data harus berdistribusi normal.
Untuk menentukan teknik statistik nonparametris mana yang akan
digunakan dalam pengujian hipotesis, maka perlu diketahui terlebih dahulu bentuk
data yang akan dianalisis (nominal, ordinal) dan bentuk hipotesis (deskriptif,
komparatif dan asosiatif) (Sugiyono, 2013).

Uji Statistik k Sampel

Dalam metode parametrik, uji rata-rata k sampel berpasangan
(berhubungan) dilakukan melalui analisis ragam dengan statistik F. Berbagai
asumsi yang mengikat, baik homogenitas ragam, skala data maupun bentuk
sebaran (distribusinya), menyebabkan keterbatasan penggunaan analisis tersebut.
Sebagai alternatifnya telah dikembangkan berbagai metode non parametrik untuk
kasus k sampel yang berpasangan (Wijaya, 2001).
Dalam metode non parametrik, pengujian k sampel berhubungan
dimaksudkan untuk membandingkan skor (nilai pengamatan) dari k sampel atau
kondisi yang berpasangan (banyaknya pengamatan setiap kondisi sama). Uji k
sampel berpasangan yang akan dikemukakan adalah uji Q Cochran dan Analisis
dua arah dari Friedman (Wijaya, 2001).
Dalam pengujian k sampel, bisa saja digunakan uji statistik dua sampel
untuk menguji perbedaan beberapa kelompok. Misalnya dalam menguji
perbedaan antara lima kelompok dengan membandingkan tiap pasangan sampel
sehingga dilakukan sepuluh uji statistika (C25 = 10). Prosedur yang seperti ini
bukan hanya merepotkan, akan tetapi membawa pada kesimpulan yang salah.
Sebab kita menggunakan kemungkinan sebagai modal utama dalam pengujian.
Dalam hal ini menggunakan 10 uji kemungkinan untuk menolak Ho (hipotesis
yang sama) meningkatkan kemungkinan-kemungkinan kesalahan (Siegel, S.1986)

a. Uji Q Cochran
Uji Q Cochran merupakan perluasan dari uji Mc Nemar untuk dua sampel
berhubungan (Siegel, S. 1986). Uji Q Cochran digunakan untuk menguji apakah
tiga (atau lebih) himpunan skor (proporsi atau frekuensi) berpasangan saling
signifikan. Penjodohan dapat didasarkan atas ciri-ciri yang relevan dalam subjek-
subjek yang berlainan, atau berdasarkan kenyataan bahwa subjek-subjek yang
sama digunakan di bawah kondisi yang berbeda. Skala data yang digunakan dapat
berupa skala nominal maupun ordinal yang dipisahduakan (dikotomi), seperti
sukses dan gagal, ya dan tidak dan sebagainya (Wijaya, 2001).
Uji Q Cochran digunakan untuk menguji hipotesis komparatif k sampel
berpasangan bila datanya berbentuk nominal dan frekuensi dikotomi. Misalnya
jawaban dalam wawancara atau observasi hasil eksperimen berbentuk: ya-tidak;
sukses-gagal; disiplin-tidak disiplin; terjual-tidak terjual; dsb. Selanjutnya
jawaban tersebut diberi 0 untuk “gagal” dan skor 1 untuk “sukses”. (Sugiyono,
2013)

Rumus analisisnya yaitu:

(𝑘−1)[𝑘 ∑ 𝐶𝑖 2 −(∑ 𝐶𝑖)2 ]
𝑄= 𝑘 ∑ 𝐿𝑖−∑ 𝐿𝑖 2

𝑄 mendekati 𝜒 2 dengan 𝑑𝑏 = 𝑘 − 1
Kaidah pengujian: tolak Ho jika 𝑄 ≥ 𝜒 2 tabel dengan db = k-1
k = banyaknya sampel (perlakuan)
n = banyaknya ulangan
Cj = jumlah keseluruhan “sukses” dalam kolom ke-j
Li = jumlah keseluruhan “sukses” dalam baris ke-i
Distribusi sampling Q mendekati distribusi Chi Kuadrat, oleh karena itu
untuk menguji signifikansi harga Q hitung tersebut, maka perlu dibandingkan
dengan harga-harga kritis untuk Chi Kuadrat. Ketentuan pengujian adalah: bila Q
hasil hitung lebih besar atau sama dengan tabel (≥), maka Ho ditolak dan Ha
diterima.
Asumsi dasar dalam uji Q Cochran adalah data tidak berdistribusi normal,
sampel diambil secara random dan untuk kategori “sukses” atau semisalnya diberi
skor 1 dan skor 0 untuk “gagal” dan semisalnya.
Langkah-langkah uji Q Cochran adalah sebagai berikut.
1. Menentukan hipotesis
2. Membuat tabel silang 𝑘 × 𝑛, dengan k adalah kelompok sampel yang
berpasangan dijadikan kolom dan n adalah banyaknya kasus/sampel dijadikan
baris.
4. Mencari harga Q
5. Membandingkan harga Q dengan tabel C (𝑥 2 𝛼(𝑘−1) )
6. Membuat kesimpulan
Dalam uji Q Cochran, jika Ho ditolak (ada perbedaan) maka untuk
mencari pasangan mana yang berbeda perlu dilakukan uji lanjutan. Uji lanjutan
dari uji cochran yang biasa digunakan adalah uji Mc Nemar.

Contoh 1:
Bagian pemasaran sebuah perusahaan ingin mengetahui model kemasan produk X
yang paling disukai oleh konsumen. Ia membuat tiga model kemasan (A, B dan
C) untuk produk X tersebut. Sampel yang digunakan sebanyak 18 konsumen.
Hasil wawancara (jawaban suka diberi skor 1 dan jawaban tidak suka diberi skor
0) sebagai berikut.
Jenis Kemasan
Konsumen
A B C
1 0 0 0
2 1 1 0
3 0 1 0
4 0 0 0
5 1 0 0
6 1 1 0
7 1 1 0
8 0 1 0
 9 1 0 0
10 0 0 0
11 1 1 1
12 1 1 1
13 1 1 0
14 1 1 0
15 1 1 0
16 1 1 1
17 1 1 0
18 1 1 0

Kita ingin menguji pada taraf nyata 5% apakah ketiga kemasan produk X sama-
sama disukai oleh konsumen.
Analisis secara manual:
1. Hipotesis
Ho: kesukaan terhadap A=B=C
H1: minimal satu kemasan tidak disukai
2. Uji statistika Q Cochran
3. Taraf nyata 𝛼 = 0,05
4. Titik kritis: 𝑄 > 𝑥 2 𝛼(𝑘−1)
5. Perhitungan:
Jenis Kemasan
Konsumen Li Li2
A B C
1 0 0 0 0 0
2 1 1 0 2 4
3 0 1 0 1 1
4 0 0 0 0 0
5 1 0 0 1 1
6 1 1 0 2 4
7 1 1 0 2 4
8 0 1 0 1 1
9 1 0 0 1 1
10 0 0 0 0 0
11 1 1 1 3 9
12 1 1 1 3 9
13 1 1 0 2 4
14 1 1 0 2 4
15 1 1 0 2 4
16 1 1 1 3 9
 17 1 1 0 2 4
18 1 1 0 2 4
C1 = 13 C2 = 13 C3 = 3 ∑Li = 29 ∑Li = 63
2

𝑘 = 3; ∑𝐶𝑖 2 = 132 + 132 + 32 = 347

(∑𝐶𝑖 )2 = (13 + 13 + 3)2 = 841
(𝑘 − 1)[𝑘 ∑ 𝐶𝑖 2 − (∑𝐶𝑖 )2 ] 2[3(347) − 841]
𝑄= = = 16,7
𝑘∑L𝑖 − ∑L𝑖 2 3(29) − 63
Untuk 𝑑𝑏 = 𝑘 − 1 = 2; 𝛼 = 0,05 didapat nilai 𝑥 2 0,05(2) = 5,991

Kesimpulan: Karena (𝑄 = 16,7) > (𝑥 2 0,05(2) = 5,991), maka Ho ditolak,

artinya kesukaan konsumen terhadap tiga kemasan tersebut tidak sama. Untuk
menentukan kemasan mana yang lebih disukai, maka dilanjutkan uji lanjutan
menggunakan uji Mc Nemar. Untuk pengujian statistik Mc Nemar akan
dilakukan menggunakan aplikasi SPSS.

Berikut Analisis dengan SPSS:

1. Masukan data variabel “kemasan 1”, “kemasan 2” dan “kemasan 3”
sebagai berikut.
2. Klik 𝐴𝑛𝑎𝑙𝑦𝑧𝑒 → 𝑁𝑜𝑛𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖𝑐 𝑇𝑒𝑠𝑡𝑠 → 𝑘 𝑅𝑒𝑙𝑎𝑡𝑒𝑑 𝑆𝑎𝑚𝑝𝑙𝑒𝑠, maka
akan ditampilkan kotak dialog Test For Several Related Samples berikut.

3. Pindahkan variabel “kemasan 1”, “kemasan 2” dan “kemasan 3” ke kotak

Test Variables.
4. Tandai Cochran’s Q pada kotak Test Type
5. Klik OK

Selanjutnya akan muncul hasil analisis datanya seperti berikut.

Cochran Test
Frequencies
Value
0 1
Kemasan A 5 13
 Kemasan B 5 13
Kemasan C 15 3

Test Statistics
N 18
Cochran's Q 16,667a
df 2
Asymp. Sig. ,000
a. 0 is treated as a
success.

Keterangan Hasil Analisis SPSS

Hasil analisis terhadap variabel “kemasan 1”, “kemasan 2” dan
“kemasan 3” dengan uji Q Cochran, menampilkan banyaknya pasangan
nilai pengamatan ada 18 (Cases). Nilai statistik Q (Chi-Square) yaitu
16,667 dengan derajat bebas (df) =2 dan probabilitas (𝑝) = 0,0002 .
karena nilai probabilitas lebih kecil dari 𝛼 = 0,05 , sehingga disimpulkan
Ho ditolak. Artinya kesukaan konsumen terhadap kemasan A, kemasan B,
dan kemasan C tidak sama.
Selanjutnya untuk melihat kemasan mana yang lebih disukai
konsumen, akan dilakukan uji lanjut menggunakan uji Mc Nemar dengan
langkah-langkah sebagai berikut.
1. Kembali ke data view
2. Klik 𝐴𝑛𝑎𝑙𝑦𝑧𝑒 → 𝑁𝑜𝑛𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖𝑐 𝑇𝑒𝑠𝑡𝑠 →
2 𝑅𝑒𝑙𝑎𝑡𝑒𝑑 𝑆𝑎𝑚𝑝𝑙𝑒𝑠, maka akan ditampilkan kotak dialog Two
Related Samples berikut
 3. Pindahkan variabel secara berpasangan ke kotak dialog Test Pairs,
kemasan A bersama kemasan B, kemasan A bersama kemasan C, dan
kemasan B bersama kemasan C. Selanjutnya centang McNemar, lalu
klik OK seperti gambar berikut.

4. Selanjutnya akan muncul hasil analisis data sebagai berikut.

 Kemasan A & Kemasan B
Kemasan Kemasan B
A 0 1
0 3 2
1 2 11

Kemasan A & Kemasan_C

Kemasan_C
Kemasan A 0 1
0 5 0
1 10 3

Kemasan B & Kemasan_C

Kemasan_C
Kemasan B 0 1
0 5 0
1 10 3

Test Statisticsa
Kemasan A Kemasan A Kemasan B
& Kemasan & &
B Kemasan_C Kemasan_C
N 18 18 18
b b
Exact Sig. (2- 1,000 ,002 ,002b
tailed)

Dari hasil test statistics, diperoleh nilai 𝑝 𝑣𝑎𝑙𝑢𝑒 untuk kemasan A

dan kemasan B = 1,000 > 𝑎 = 0,05, sehingga Ho diterima. Sedangkan
untuk kemasan A dan C, juga kemasan B dan C, nilai 𝑝 𝑣𝑎𝑙𝑢𝑒 = 0,002 <
𝛼 = 0,05 sehingga Ho ditolak. Ini menunjukan bahwa Kemasan A dan B
sama-sama disukai oleh konsumen, dan keduanya lebih disukai daripada
kemasan C.

Contoh 2:
Untuk mengetahui selera konsumen di kota Bandung, manajer pemasaran
Duta Makmur mengambil sampel 12 orang di kota tersebut yang pernah
mengkonsumsi roti produksi duta makmur, yaitu roti rasa coklat, rasa nanas, rasa
kacang dan rasa durian. Kepada kedua belas responden tersebut diberi hanya dua
alternatif pendapat, yakni “suka” atau “tidak suka” terhadap masing-masing rasa
roti tersebut.
Berikut data sikap responden:
Jenis Roti
Konsumen
Cokelat Nanas Kacang Durian
Budi Tidak Suka Suka Tidak Suka Tidak Suka
Budiman Tidak Suka Tidak Suka Suka Suka
Brian Tidak Suka Suka Tidak Suka Tidak Suka
Bambang Tidak Suka Suka Tidak Suka Tidak Suka
Badir Suka Tidak Suka Suka Suka
Bob Suka Suka Tidak Suka Tidak Suka
Bertha Suka Suka Tidak Suka Suka
Benyamin Tidak Suka Tidak Suka Tidak Suka Suka
Banny Suka Suka Suka Tidak Suka
Bobby Tidak Suka Suka Tidak Suka Suka
Boris Suka Suka Suka Suka
Basuki Tidak Suka Suka Tidak Suka Suka
Kita ingin menguji pada taraf nyata 1% apakah responden memiliki sikap yang
sama terhadap keempat rasa roti tersebut.
Analisis secara manual:
1. Hipotesis
Ho: tidak ada perbedaan signifikan sikap konsumen keempat rasa roti Duta
Makmur
Hi: ada perbedaan signifikan sikap konsumen keempat rasa roti Duta Makmur
2. Uji statistika Q Cochran
3. Taraf nyata 𝛼 = 0,01
4. Titik kritis: 𝑄 > 𝑥 2 𝛼(𝑘−1)
5. Perhitungan:
Untuk sikap “suka” terhadap rasa roti kita beri skor 1, dan sikap “tidak suka”
diberi skor 0.
Jenis Roti
Konsumen Li Li2
Cokelat Nanas Kacang Durian
Budi 0 1 0 0 1 1
Budiman 0 0 1 1 2 4
Brian 0 1 0 0 1 1
Bambang 0 1 0 0 1 1
 Badir 1 0 1 1 3 9
Bob 1 1 0 0 2 4
Bertha 1 1 0 1 3 9
Benyamin 0 0 0 1 1 1
Banny 1 1 1 0 3 9
Bobby 0 1 0 1 2 4
Boris 1 1 1 1 4 16
Basuki 0 1 0 1 2 4
C1 = 5 C2 = 9 C3 = 4 C4 = 7 ∑Li = 25 ∑Li2 = 61

𝑘 = 4; ∑𝐶𝑖 2 = 52 + 92 + 42 + 72 = 171
(∑𝐶𝑖 )2 = (5 + 10 + 4 + 7)2 = 625
(𝑘 − 1)[𝑘 ∑ 𝐶𝑖 2 − (∑𝐶𝑖 )2 ] 3[4(171) − 625]
𝑄= = = 2,46
𝑘∑L𝑖 − ∑L𝑖 2 4(25) − 61
Untuk 𝑑𝑏 = 4 − 1 = 3; 𝛼 = 0,01 didapat nilai 𝑥 2 0,01(3) = 11,34

Kesimpulan: Karena (𝑄 = 2,46) < (𝑥 2 0,01(2) = 11,34), maka Ho

diterima, artinya tidak ada perbedaan signifikan sikap konsumen keempat rasa roti
Duta Makmur.
Berikut Analisis dengan SPSS:
1. Masukan data variabel “rasa cokelat”, “rasa nanas”, “rasa kacang” dan “rasa
durian” sebagai berikut.
2. Klik 𝐴𝑛𝑎𝑙𝑦𝑧𝑒 → 𝑁𝑜𝑛𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖𝑐 𝑇𝑒𝑠𝑡𝑠 → 𝑘 𝑅𝑒𝑙𝑎𝑡𝑒𝑑 𝑆𝑎𝑚𝑝𝑙𝑒𝑠, maka akan
ditampilkan kotak dialog Test For Several Related Samples berikut

3. Pindahkan keempat variabel ke kotak dialog Test Variables, kemudian centang

Cochran’s Q, lalu klik OK seperti berikut.

Selanjutnya akan muncul hasil analisis datanya seperti berikut.

Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
Rasa Cokelat 12 ,42 ,515 0 1
Rasa Nanasa 12 ,75 ,452 0 1
Rasa Kacang 12 ,33 ,492 0 1
Rasa Durian 12 ,58 ,515 0 1

Cochran Test
 Frequencies
Value
0 1
Rasa Cokelat 7 5
Rasa Nanasa 3 9
Rasa Kacang 8 4
Rasa Durian 5 7

Test Statistics
N 12
Cochran's Q 4,784a
df 3
Asymp. Sig. ,188

Daftar Pustaka

Siegel, Sidney. 1986. Statistik Nonparametrik Untuk Ilmu-ilmu Sosial. Jakarta:

PT Gramedia.

Sugiyono. 2013. Statistika Nonparametris Untuk Penelitian. Bandung: CV

Alfabeta.

Wijaya, R. 2001. Statistika Non Parametrik (Aplikasi Program SPSS). Bandung:

CV Alfabeta.