UJI K SAMPEL BERPASANGAN DENGAN METODE COCHRAN DAN

FRIEDMAN

Oleh :

Ida Ayu Made Saras Dwi Antika (1902622010464 / 07)

Program Studi Akuntansi

Fakultas Ekonomi dan Bisnis

Universitas Mahasaraswati Denpasar

2020
 UJI K SAMPEL BERPASANGAN DENGAN METODE COCHRAN DAN
FRIEDMAN

UJI COCHRAN
Uji Cochran disebut uji Q merupakan perluasan dari uji Mcnemar yaitu uji yang
digunakan untuk menguji signifikansi dari perbedaan antara dua proporsi sampel yang saling
berhubungan (data nominal dengan 2 sampel yang bersifat dependen). Uji Cochran Q
digunakan untuk data yang bersifat nominal dengan k sampel yang bersifat dependen.
Apabila uji Mcnemar digunakan untuk dua sampel berpasangan maka uji Cochran digunakan
untuk tiga sampel berpasangan atau lebih. Uji ini diperkenalkan untuk pertama kalinya oleh
William Gemmell Cochran pada tahun 1950. Uji Cochran tersebut memberikan metode untuk
menguji apakah k himpunan frekuensi atau proporsi berpasangan saling berbeda secara
signifikan. Perpasangan dapat didasarkan atas ciri-ciri yang relevan dalam subyek-subyek
berlainan, atau berdasarkan kenyataan bahwa subyek- subyek yang sama dipakai dibawah
kondisi- kondisi yang berbeda.
Apabila data penelitian disusun dalam tabel dua arah dengan baris n baris dan k
kolom, maka dapat diuji hipotesis nihil bahwa frekuensi atau proporsi jawaban tertentu
adalah sama dalam masing- masing kolom. Uji ini mempunyai ciri tersendiri, dimana nilai
yang digunakan dari suatu perlakuan hanya dinyatakan dalam 2 nilai yaitu 1 = suka / sukses,
0 = tidak suka / gagal. Hipotesis yang diuji adalah hipotesis terhadap beberapa variabel
dikotomi yang memiliki arti sama. Variabel yang diukur berasal dari individu yang sama atau
pada individu yang cocok/sesuai.

UJI FRIEDMAN
Pengujian dengan uji Friedman sama seperti dalam uji analisis dua arah dalam
statistik parametrik. Uji Friedman diperkenalkan oleh Milton Friedman tahun 1937 dan
termasuk dalam uji nonparametrik yang tidak membutuhkan asumsi distribusi normal dan
varians populasi tidak diketahui.  Skala data yang digunakan dapat berupa ordinal. Uji
Friedman merupakan alternatif yang dilakukan apabila pengujian dalam ANOVA tidak
terpenuhi asumsi-asumsi seperti tersebut di atas. Setiap sampel mendapatkan perlakukan
yang berbeda (repeated measurement). Pegambilan data pada setiap sampel dilakkan sebelum
(pre test) dan sesudah (post test).
 Metode uji Friedman digunakan untuk menguji kemaknaan pengaruh berbagai ( k )
perlakuan terhadap sejumlah kelompok subjek penelitian yang berhubungan, dengan
mengontrol variabel ketiga yang mungkin berpengaruh dalam memperkirakan efek yang
sesungguhnya dari perlakuan itu. Karena yang dianalisis tidak hanya efek perlakuan terhadap
subjek, tetapi juga pengaruh sebuah variabel luar yang menyebabkan variasi antar subjek,
maka uji Friedman analog dengan metode analisis perametrik yang disebut Anova dua arah.
Pengaruh variabel luar itu disebut blok (  b ).
Apabila dimiliki data yang terdiri dari k variabel yang berpasangan dengan n
pengamatan, yang mana hasil perlakuan satu variabel kemungkinan berhubungan dengan
yang lainnya, maka hal ini dapat dianalisis dengan uji Friedman. Pada prinsipnya uji
Friedman menguji perbedaan antar kolom, sehingga datanya diurut antar kolom.

Sampel Perlakuan
1 2 … K
1 X11 X12 … X1k
2 X21 X21 … X2k
… … … … …
B Xb1 Xb1 … Xb1

Dalam hal ini Xij merupakan ranking dari 1 sampai dengan k dari pengamatan yang ada
dalam masing-masing baris. Selanjutnya dari masing-masing kolom rankingnya dijumlahkan.

Asumsi yang perlu dipenuhi dalam uji Friedman lebih longgar dibanding uji Anova
dua arah,  yaitu :
1. Data diukur paling sedikit dalam skala ordinal
2. Pengamatan - pengamatan antar blok independen
3. Sample - sample yang mendapat perlakuan tidak independen ( berhubungan ). Ini
dapat dijumpai dalam dua keadaan, yaitu :
a. sebuah sample mengalami beberapa ( k ) kali pengukuran (k repeated measures)
b. beberapa sampel mengalami percocokan (matching)

Hipotesis nol yang akan diuji menyatakan bahwa baberapa kali pengukuran dari satu sampel
atau beberapa sampel yang telah dicocokkan, berasal dari populasi yang sama (atau lebih
spesifik bias dikatakan berasal dari populasi dengan median yang sama).

Langkah – langkah uji Friedman sebagai berikut :

1.      Berikan peringkat nilai-nilai obsevasi dalam masing- masing blok, mulai dari 1 untuk
nilai observasi terkecil sampai k untuk nilai observasi nilai terbesar. Bila terdapat
 beberapa angka sama dalam blok, angka-angka sama di beri peringkat rata-rata menurut
posisi peringkat jika tidak terdapat angka sama
2.      Jumlahkan peringkat pada masing-masing perlakuan. Hasil perjumlahan ini disebut
Rj dengan j =1,2,…, k. Pada keadaan yang Ho benar, jumlah peringkat pada masing-
masing tingkat perlakuan itu haruslah sama. Perbedaan yang tampak hanya disebabkan
karena kebetulan ( peluang ).

Dengan uji Friedman kita dapat menyimpulkan apakah sejumlah ( k  ) kelompok
perlakuan berasal dari populasi yang sama. Apabila Ho benar, kita dapat berharap bahwa
jumlah peringkat pada masing-masing kelompok perlakuan ( Rj ) adalah sama. Bila Ho
benar, nilai harapan Rj  itu   adalah = b (k + 1)/2, dimana b adalah banyaknya blok
dan k  adalah banyaknya perlakuan. Apabila sebaliknya hipotesis nol keliru, tentu paling tidak
jumlah peringkat salah satu kelompok perlakuan lebih besar daripada jumlah peringkat
kelompok perlakuan lainnya.

Langkah-langkah pengujian
1. Formulasi hipotesis
Ho : Ranking setiap kolom adalah identik atau efek perlakuan pada semua kolom adalah
sama.
H1 : Paling sedikit satu kolom mempunyai ranking yang berbeda dibandingkan dengan
kolom lainnya atau paling sedikit satu kolom efek perlakuannya berbeda.

2. Level of significant = ...% derajat bebas = k – 1

2 = …? dan Gunakan nilai tabel Chi Kwadrat

3. Kriteria pengujian
Ho diterima bila 2 hitung  2 tabel
Ho ditolak bila 2 hitung > 2 tabel
Atau
Ho diterima bila nilai Asymp.Sig > 0,05 (tidak ada perbedaan)
Ho ditolak bila nilai Asymp.Sig < 0,05 (ada perbedaan )

4. Perhitungan
k
12 2
x 2= ∑ ( R j ) −3 N ( k +1 )
Nk ( k +1) j=1
5. Bandingkan hasil perhitungan dengan nilai kritis, dan buat kesimpulan.
CONTOH SOAL :
Pengamatan yang dilakukan pada 10 wilayah pemasaran, jumlah sepeda motor yang laku
pada tahun tertentu dari tiga merek adalah sebagai berikut :

Wilayah Merek Sepeda motor

Pemasaran A B C
1 76 27 48
2 47 45 41
3 51 47 48
4 40 35 37
5 42 43 35
6 39 27 38
7 45 37 25
8 107 45 56
9 41 27 35
10 24 14 22

Dengan alpa 5 persen ujilah apakah 3 merek sepeda motor memiliki keunggulan yang sama
pada berbagai wilayah pemasaran yang diteliti?

JABAWAN :
1. Formulasi hipotesis
Ho : 3 merek sepeda motor yang diteliti memiliki keunggulan yang sama pada wilayah
pemasaran yang diteliti.
H1 : Paling sedikit satu merek sepeda motor memiliki perbedaan keunggulan
dibandingkan dengan merek lainnya pada wilayah pemasaran yang diteliti.

2. Level of significant = 5% derajat bebas = 3 – 1 = 2 (2 = 5,99)

3. Kriteria Pengujian
Ho diterima bila 2 hitung  5,99
Ho ditolak bila 2 hitung > 5,99
Atau
Ho diterima bila nilai Asymp.Sig > 0,05 (tidak ada perbedaan)
Ho ditolak bila nilai Asymp.Sig < 0,05 (ada perbedaan )

4. Perhitungan dengan SPSS

Langkah-langkah Pengolahan Data dengan SPSS (SPSS v 23)

1. Pilih Variabel View pada program SPSS yang telah terbuka, lalu pada bagian Name
ketik A, B, dan C. Setelah itu, pada bagian Type, Widith, Decimals, Label, Values,
Missing, Coloums, Align, Measure, dan Role akan terisi secara otomatis.

2. Kemudian, pada bagian Decimals ubah menjadi angka 0 (nol), pada Label Name A
diisikan Merek A, Label Name B diisikan Merek B dan Label Name C diisikan Merek
C. Pada Measure diganti menjadi Scale karena Scale melakukan perhitungan data
terhadap variabel angka seperti menghitung nilai statistika deskriptif, untuk yang lainnya
biarkan tetap default.
3. Setelah itu, pilih Data View lalu masukan data A, B, dan C.

4. Langkah selanjutnya yaitu pilih Analyze > Nonparametric Tests > Legacy Dialogs > K
Related Samples .
5. Setelah itu, muncul kolom dengan nama Test for Several Related Samples. Lalu
pindahkan variable Merek A, B, dan C pada Test Variable List. Pada Test Type pilih
Friedman.

6. Setalah memindahkan ketiga variable tersebut, lalu pilih OK.

7. Setalah OK, maka akan muncul tabel Friedman Tests.

Kesimpulan :

Berdasarkan tabel output Test Statistics di atas, diketahui nilai Asymp.Sig adalah
sebesar 0,002 yang lebih kecil dari taraf signifikansi yaitu 0,05. Jadi, dapat disimpulkan
bahwa Ho ditolak yang artinya paling sedikit satu merek sepeda motor memiliki perbedaan
keunggulan dibandingkan dengan merek lainnya pada wilayah pemasaran yang diteliti.
 DAFTAR PUSTAKA

Artaya, I. (2018, Desember). Uji Cochran. Retrieved from researchgate:

https://www.researchgate.net/publication/329484135_UJI_COCHRAN
Azuharu. (2013, April 10). Penjelasan Uji Cochran Q. Retrieved from Azuharu:
https://azuharu.net/penjelasan-uji-cochran-q/
Bimo, S. (2013, Mei 22). Uji Friedman. Retrieved from statistikolahdata:
http://www.statistikolahdata.com/2013/05/uji-friedman.html
S, F. (2013, juni 3). Metode Uji Friedman. Retrieved from blogspot:
https://chemic08.blogspot.com/2013/06/metode-uji-fredman.html
Sain, S. (2017, Februari 26). Uji Cochran Menggunakan SPSS. Retrieved from statistik sains:
https://statistiksains.blogspot.com/2017/02/uji-cochran-menggunakan-
spss.html#.X6tqKGgzbIV
Utama, M. S. (2016). Aplikasi Analisis Kuantitatif. Denpasar: CV. Surya Utama.