• Uji Bartlett

Uji ini digunakan untuk melihat apakah matrik korelasi bukan merupakan matrik
identitas. Dipakai bila sebagian besar dari koefisien korelasi kurang dari 0,5. Langkah-
langkahnya adalah:

1. Hipotesis

Ho : Matrik korelasi merupakan matrik identitas

H1 : Matrik korelasi bukan merupakan matrik identitas

2. Statistik uji

N = Jumlah observasi p = Jumlah peubah

¦R¦ = Determinan dari matrik korelasi

3. Keputusan

Uji Bartlett akan menolak H0 jika nilai

Uji Cochran
Uji ini umumnya digunakan jika skala pengukuran datanya
nominal(ada/tidak,mati/hidup,sakit/sehat dan sebagainya)katagori/perlakuan yang
diteliti lebih besar dari dua (p>2) dan termasuk klasifikasi dua arah (ada peubah
lain/peubah sampingan selainperlakuan) atau berpasangan atau dlam rancangan
percobaan/lingkungan terkenal dengan nama Rancangan Acal Kelompok (RAK) rumus
uji Cochran adalah sebagai berikut :
 c
N 2
c(c − 1)∑ (Ci − )
c
T= r
i =1

∑ Rj (c − Rj )
j =1

Disini
T: Nilai Cochran dari hasil perhitungan.
c: Banyaknya katagori/perlakuan
Ci: jumlah data pada katagori/perlakuan ke-i
r:banyaknya kelompok ulangan
Rj:jumlah data pada kelompok ulangan ke-j
c r

N: jumlah seluruh data positip (N= ∑Ci = ∑Rj

i =1 j =1

Hipotesisnya
Ho:p1 =p2 =p3=………….=pc
H1 :p i ≠ p I’ untuk suatu pasangan pi( i≠i)
Disini p I adalah katagori/perlakuan ke-i
Kriteria penerimaan ho adalah sebagai berikut :
Jika T<X2(0,05;db=(c-1) maka Ho diterima (P>0,05)
Jika T>X2(0,05;db=(c-1) maka Ho diterima (P<0,05)
Jika T>X2(0,01;db=(c-1) maka Ho diterima (P>0,01)
Jika Ho ditolak berarti ada kategori/perlakuan yang berbeda, untukmencari pasangan
mana yang berbeda maka kita harus melakukan uji lanjutan lanjutan dari uji cochran
yang biasa digunakan adalah uji Mc Nemar dengan rumus sebagai berikut :
Rumus uji Mc Nemar

(C − B) 2 (B − C ) 2
T= =
(B + C) (B + C)

Disini
B : banyaknya nilai negative dari dua pasang perlakuan yang dibandingkan(B=0-1)
C : Banyaknya nilai positif dari dua pasang perlakuan yang dibandingkan (C=1-0)
Kriteria penerimaan ho adalah sebagai berikut :
Jika T<X2 α=0,05;db=1 maka Ho diterima berarti pasangan perlakuan tersebut tidak berbeda
nyata (P>0,05). Sedangkan jika T≥ X2 α=0,05;db=1 maka Ho ditolak berarti pasangan
perlakuan tersebut berbeda nyata (P>0,05) dan jika T≥ X2 α=0,01;db=1 maka Ho ditolak
berarti pasangan rata-rata rangking perlakuan tersebut berbeda sangat nyata (P<0,01)
Contoh
Salah satu cara untuk mengetahui adanya pembusukan pada daging adalah dengan
mengunakan uji Eber. Seorang peneliti ingin pemeriksaan adanya pembusukan daging
sapi yang dijual sore hari disuatu asar. Pada pasar tersebut terdapat 4 kios daging sapi
peneliti ingin mengetahui apakah terdapat perbedaan diantara kios tersebut. Untuk
tujuan tersebut peneliti mengambil sample tiap hari selama 12 hari data yang diperoleh
sebagai berikut :
Tabel hasil uji Eber.
HAri ke-j Kios (i) Rj
1 2 3 4
1 0 0 1 1 2
2 1 0 1 1 3
3 0 1 1 1 3
4 0 0 1 1 3
5 0 0 1 1 2
6 0 1 0 1 2
7 0 1 0 1 2
8 0 0 1 1 2
9 0 1 0 1 2
10 0 0 0 1 1
11 1 0 1 1 3
12 1 0 1 1 3

Ci 3 4 8 12 27
Jawab
Hipotesisnya
Ho : p1 = p2 = p3 = p4
H1 ; pi ≠pi’ untuk pasangan pi (i≠i)
c
N 2
c(c − 1)∑ (Ci − )
c
T= r
i =1

∑ Rj (c − Rj )
j =1

T =
{
4(4 − 1) (3 − 6,75 ) 2 + (4 − 6,75 ) 2 + (8 − 6,75 ) 2 + (12 − 6,75 ) 2 }
2(4 − 2) + (4 − 3) + 3(4 − 3) + .......... .......... ...... + 3(4 − 3)
 12 (50 ,75 )
T = = 14 ,16
43
Oleh karena T>X2 α=0,01;db=(4-1) yaitu 14,16>11,30 maka Ho ditolak (P>0,01) sehingga dpat
disimpulkan terdapat perbedaan yang sangat nyata (P>0,01) antara kiosdaging di
pasartersebut.
Selanjtnya untukmengetahui antar kios mana yang berbeda dilanjutkan dengan uji
Mc Nemar dengan rumus sebagai berikut :
2
(C − B ) 2 (B − C)
T = =
(B + C) (B + C)

(3 − 4) 2
Kios 1 dengan 2 nilai T = = 0,14
(3 + 4)

(0 − 5) 2
Kios 1 dengan 3 nilai T = = 5,0
(0 + 5)

( 0 − 9) 2
Kios 1 dengan 4 nilai T = = 9,0
( 0 + 9)

(3 − 7) 2
Kios 2 dengan3 nilai T = = 1,6
(3 + 7)

(0 − 8) 2
Kios 2 dengan 4 nilai T = = 8,0
(0 + 8)

(0 − 4) 2
Kios3 dengan 4 nilai T = = 4,0
(0 + 4)

Tabel X2 =3,84 dan X2

α=0,05;db=1 α=0,01;db=1=6,63
Untuk mempermudah membandingkan antara perlakuan kita baut tabel sebagai
berikut :
Kios Signifikansi
0,05 0,01
1 a a
2 ab a
3 b ab
4 c b

Keterangan
Nilai dengan huruf yang sama pada kolom signifikansi menunjukkan tidakberbeda
nyata (P>0,05) sebaliknya denganhuruf yang berbeda menunjukkan berbeda nyata
(P>0,05) atau sangat nyata (p>0,01)
 Jika kemungkinan yang terjadi dari individu-individu dari data yang berpasangan
dapat kita skor sehingga dapat dibuat skala ordinal maka uji tanda tidak lagi baik
diterapkan maka diperlukan uji lain uji tersebut antara lain adalah uji Wilcoxon dan uji
Friedman dan ada pula uji-uji yang lainnya.

Uji Q Cochran pada suatu penelitian hanya dinyatakan dengan salah satu dari dua nilai,
secara sembarang dapat dinyatakan dengan nilai 1 sebagai “sukses” dan nilai 0 sebagai
“gagal”. Reaksi yang lain dapat berupa nilai 1 sebagai “ya” ataupun nilai 0 sebagai
“tidak”.

Contoh:
jika anda menanyakan kepada 10 orang untuk diminta memilih dari tiga wanita, siapa
yang ingin mereka pacari; apakah pamella anderson, paris hilton, atau megan fox. Jika
orang pertama memilih paris hilton karena dia kaya, maka anda akan memberikan nilai
1 untuk paris hilton dan nilai 0 untuk pamella ataupun megan fox, dan seterusnya pada
orang yang lain. contoh penggunaannya pada SPSS dapat dilihat di bawah:

Uji yang dikenal sebagai Q cochran test ini meliputi langkah-langkah sebagai berikut:

1. Menetapkan asumsi-asumsi
Data untuk analisis terdiri atas reaksi-reaksi dari r buah blok terhadap c buah perlakuan
yang diterapkan secara independen.

Reaksi-reaksi itu dinyatakan dengan 1 untuk “sukses” atau 0 untuk “gagal”. Hasil-hasil
pengamatan ini bisa diperagakan dalam sebuah tabel kotingensi seperti Tabel 4 dengan
Xij yang menyatakan 0 atau 1.

Tabel Kontingensi untuk data pada uji Q Cochran

Blok-blok yang ditampilkan merupakan blok-blok yang dipilih secara acak dari suatu
populasi yang terdiri atas semua blok yang mungkin.

2. Menentukan hipotesis-hipotesis

H0 : Semua perlakuan yang diuji mempunyai proporsi jawaban ya yang sama.

H1 : Tidak semua perlakuan mempunyai proporsi jawaban ya yang sama.
3. Menentukan Taraf Nyata (α)
4. Menghitung dengan rumus statistik uji

Berdasarkan Tabel 4, maka statistik uji untuk Uji Q Cochran adalah:

Uji Q Cochran memperlihatkan bahwa dengan meningkatnya r maka distribusi Q

mendekati distribusi Khi-kuadrat dengan derajat bebas c – 1, maka nilai kritis untuk Uji
Q Cochran dapat diperoleh dengan menggunakan Tabel nilai-nilai Khi Kuadrat untuk
derajat bebas c – 1 ( χ2 tabel = χ2 1-α;c-1).

Tolak H0 , jika Q lebih besar dari atau sama dengan χ2 1-α;c-