TABULASI SILANG

Oleh : Brodjol Sutijo

1. Pendahuluan Statistik deskriptif adalah metode statistik untuk menyajikan data dalam bentuk tabel atau grafik agar mudah difahami. Salah satu bentuk tampilan data adalah tabulasi silang. Tabulasi silang adalah merupakan satu bentuk distribusi frekuensi untuk dua variabel atau lebih. Tabulasi atau hasil statistic deskriptif dalam bentuk tabel untuk setiap data kuantitatif dapat dibuat dengan sangat mudah dalam waktu singkat. Akan tetapi, tidak semua pengolah data (penganalisis) mengetahui dengan baik bagaimana menyajikan tabulasi yang cocok agarsuatu laporan dapat berbobot. Apabila dalam analisis data variabel yang diamati adalah dua variabel atau lebih kita dapat melakukan analisis hubungan antara variabelvariabel tersebut. Berbicara tentang hubungan (asosiasi) antara dua variabel atau lebih adalah membahas tentang ada tidaknya hubungan dan hubungan kausal serta pengaruh faktor interaksi antara variabel bebas terhadap variabel tak bebas. Oleh karena dalam analisis data, pada umumnya peneliti cenderung akan memperhatikan sedemikian banyak variabel, maka pendekatan analisis asosiasi untuk multivariate, misalnya analisis tabulasi silang dengan menerapkan model log liniear menjadi sangat penting. Pada dasarnya analsis hubungan dengan tabel tabulasi silang dapat dilakukan pada setiap data survey, dengan catatan semua variabel numerik (skala interval dan rasio) ditransformasi menjadi variabel kategorik, misalnya variabel Pasangan Usia Subur (15-49 tahun) diubah menjadi variabel kelompok 5 tahunan, yaitu : kelompok I (15-19), kelompok II (20-24), kelompok III (25-29) sampai dengan kelompok VII (45-49).

1

Pk ≠ Pk0 Statistik uji untuk hipotesis adalah Chi-square. Katolik. sehingga data berupa frekuensi dari kelas tertentu. Kristen. Contoh dari data yang berupa klasifikasi adalah jenis kelamin (pria. P2 = P20. … . cacat) dll. maka setiap hasil observasi dapat dimasukkan dalam salah satu dari k kelas tersebut. Bila ada dugaan bahwa masing-masing kelas mempunyai proporsi P10. dan dilakukan observasi dengan mengambil sample sebanyak n. wanita). Uji Homogenitas Pada pengumpulan data sering dijumpai bahwa informasi yang berasal dari sampel mempunyai struktur yang paling sederhana. … . Dengan mengambil hipotesis awal (H0) dan hipotesis alternative (H1) berikut : H0 : P1 = P10. agama (Islam. Ei dimana Ei = nPi0 ( nilai harapan kategori ke i) 2 . Jika data dikategorikan dalam k kategori atau k kelas. … . Budha). kondisi produk (baik. … . maka perlu dilakukan pengujian terhadap dugaan proporsi tersebut. yaitu : 2   i 1 k (ni  Ei ) 2 . P20. Pk0) didukung oleh data. yaitu data diklasifikasikan atau dikategorikan dalam kelas-kelas. Pk0. P20. maka dapat ditabelkan sebagai berikut : Kategori Proporsi Observasi Proporsi sampel 1 P10 n1 ˆ n P1  1 n 2 P20 n2 n ˆ P2  2 n … … … … K Pk0 nk n ˆ Pk  k n Total 1 n 1 Untuk mengetahui apakah nilai proporsi yang dihipotesakan (P10. Hindu. P2 ≠ P20. Pk = Pk0 H1 : P1 ≠ P10.2.

4 35-39 2568 0.adalah adalah 0. mengingat nilai statistic uji lebih besar dari nilai chi-square tabel. 0.87 128.87 3065. Harapan 20-24 255 0.267 40864 0.133.067.2 88.133 Total 7664 1 7664 387. maka dapat disimpulkan bahwa dugaan perbandingan pengemar berburu tidak didukung oleh data.133.k-1.267 dan 0. Contoh Ada dugaan bahwa kegemaran berburu (olahraga tembak) tergantung pada usia (20-24 : 25-29 : 30-34 : 35-39 : 40-) dengan perbandingan 1 : 2 : 6 : 4 : 2. diketahui bahwa penggemar olahraga tembak dapat ditabelkan seperti di bawah : Usia Data 20-24 255 25-29 721 30-34 3256 35-39 2568 40864 Total 7664 Apakah perbandingan di atas dapat dipercaya ? Berdasarkan perbandingan di atas. 0.6 2043.H0 ditolak jika nilai statistik uji lebih besar dari nilai tabel Chisquare dengan derajat bebas (k-1) atau . proporsi penggemar berburu usia 20-24 : 25-29 : 30-34 : 35-39 : 40.73 1021.487 24. Jika menggunakan nilai signifikansi H0 ditolak bila nilai signifikansinya kurang dari .389 (ni-Ei)2/Ei Nilai statistik uji adalah 385.825 134. Menurut data PERBAKIN.133 30-34 3256 0.1. sedangkan nilai Chi-square tabel adalah 25%.485 510.4. 0. Sehingga nilai harapan dan nilai statistik uji adalah : Usia Data Proporsi N.815.4 = 7.584 11. 3 .93 1021.067 25-29 721 0.

2 60 0.0373 (lebih kecil dari 5%).833 Apr-Jun 57 1 0. maka dugaan bahwa jumlah kelahiran periode Januari-Maret dua kali lebih banyak dari periode yang lain tidak didukung oleh data.2 60 6. Berdasarkan data administrasi kecamatan jumlah kelahiran selama tahun 2008 adalah : Periode Kelahiran Jan-Mar 110 Apr-Jun 57 Jul-Sep 53 Okt-Des 80 Total 300 Apakah dugaan tersebut didukung oleh data ? Data pengeluaran.15 Jul-Sep 53 1 0.67 Total 300 5 1 300 8.4 120 0. perbandingan . 4 . Tabulasi Silang Pada pembahasan sebelumnya tiap obyek hanya diamati terhadap satu variabel kategori.817 Okt-Des 80 1 0. 3. proporsi dan nilai harapan tiap sel dan nilai statistik uji adalah : Periode Kelahiran Perbandingan Proporsi N.466 Mengingat nilai statistic uji (8.466) nilai signifikansinya 0. Harapan (ni-Ei)2/Ei Jan-Mar 110 2 0. Sedangkan dalam suatu penelitian.Contoh : Jumlah pengeluaran untuk berobat di kesatuan ‘XYZ’ selama tahun 2008 jika dikelompokkan tiap tiga bulan ada dugaan bahwa pada periode Januari-Maret dua kali lebih banyak dibandingkan dengan periode yang lain.2 60 0.

… Pk. status perkawinan. n2.2 … … Kategori II … … … L n1L n2L … n2L n. akan diperoleh informasi tentang ada tidaknya keterkaitan antara variabel kategori satu dengan variabel kategori yang lain dengan menggunakan uji independensi. Misalkan observasi terhadap karyawan perusahaan.L n1. pendidikan dan lain-lain. n Total Proporsi masing-masing sel adalah : Kategori I 1 1 2 … K Total P11 P21 … Pk1 P.2 5 … … Kategori II … … … L P1L P2L … P2L P. jika dilakukan analisis lebih lanjut.L P1. maka data hasil observasi dapat disajikan dalam bentuk tabel yang disebut Tabel tabulasi silang. Bentuk tabel tabulasi silang dari suatu observasi adalah sebagai berikut : Kategori I 1 1 2 … k Total n11 n21 … nk1 n. 1 Total .1 2 n12 n21 … nk1 n.1 2 P12 P21 … Pk1 P. Pada Tabel tabulasi silang. variabel kategori yang dapat diobservasi adalah jenis kelamin. P2. Jika setiap obyek dilakukan observasi lebih dari satu variabel kategori. … nk.observasi terhadap obyek penelitian tidak hanya satu variabel akan tetapi lebih dari satu variabel.

 i. maka nilai proporsi baris ke i kolom ke j (sel (i. Operator.(k-1)(L-1).j H1 : Pij ≠ Pi. D3 dan S1) mempunyai hubungan dengan jenis pekerjaan (Adm.j Digunakan statistic uji    2 i 1 j 1 k L (nij  Ei j ) 2 Eij H0 ditolak jika nilai statistic uji lebih besar dari nilai Chi-square tabel .j))adalah perkalian proporsi baris ke i dengan proporsi kolom ke j atau Pij=Pi.j. n ˆ Nilai dugaan proporsi baris ke i : Pi.j) Nilai harapan sel (i. Teknisi) yang diharapkan. n n.xP. n n ˆ : Eij  nPij Untuk menguji hipotesis bahwa kategori baris dengan kategori kolom saling bebas dengan hipotesis alternative antara kategori baris dan kolom tidak saling bebas atau : H0 : Pij = Pi. SMA. P. j ˆ Nilai dugaan proporsi kolom ke j : P. data hasil observasi dapat ditabelkan sebagai berikut : 6 . Penjualan. x P. j ˆ ˆ ˆ : Pij  Pi.j) n n. j  n Nilai dugaan proporsi sel (i. Contoh: Suatu survey tentang ketenagakerjaan ingin mengetahui apakah tingkat pendidikan (SMP. x P.Jika kategori I (baris) dan kategori II (kolom) saling bebas. j  i. Dari sampel sebanyak 200 pencari kerja.

90 15.Pendidikan Adm. Mengingat nilai statistik uji lebih besar dari nilai tabel.00 19.9 =16.90 15. SMP SMA D3 S1 Total 8.80 17.65 8. Jika diolah dengan menggunakan program MINITAB : Input data : 7 .45 43 40 60 70 30 200 Total Nilai statistic uji adalah 123.25 55 11.919.05 6. SMP SMA D3 S1 Total 5 6 8 24 43 Jenis Pekerjaan Penjualan Operator 6 10 35 4 55 7 30 20 2 59 Teknisi 22 14 7 0 43 Total 40 60 70 30 200 Nilai harapan (Eij) untuk tipa sel adalah : Pendidikan Adm.7106.85 59 Teknisi 8.45 43 Jenis Pekerjaan Penjualan Operator 11.50 19.60 12. maka hipotesis awal ditolak.70 20.60 12.25 8.05 6. yang berarti antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan ada keterkaitan atau ada hubungan. sedangkan nilai Chi-square tabel 2 5%.

000 8 .00 60 100.50 6 10.00 14 23. P-Value = 0.50 7 17.00 200 100.713.43 24 80.57 2 6.00 10 16.50 4 22 55.00 4 13.50 Columns: kerja 2 3 6 15. DF = 9.00 30 100.00 43 21.000 Likelihood Ratio Chi-Square = 107.00 Pearson Chi-Square = 123.00 0 0.Langkah pengolahan Data :  Stat > Tables > CrossTabulation and Chi-Square Hasil pengolahan adalah : Tabulated statistics: pendd. kerja Using frequencies in frek Rows: pendd 1 1 2 3 4 All 5 12.00 8 11.50 All 40 100.67 35 50. DF = 9.67 59 29.141.00 70 100.00 20 28.00 43 21. P-Value = 0.50 30 50.33 55 27.33 7 10.

Pertanian. Pertanian.1n.7106/(200x3) = 0. 3. Koefisien Cramer : Q1  2 n( q  1) . Koefisien Cramer 2. industri dan ketergantungan rendah. Dalam hubungannya dengan partisipasi kerja dapat ditabelkan sebagai berikut : 9 . perdagangan dan industri rendah dan ketergantungan tinggi. yaitu : 1. perdagangan. Koefisien Pearson : Q2  2 n 2 : 3. n.2 Dari contoh di atas. perdagangan. perdagangan dan industri tinggi dan ketergantungan rendah. ukuran asosiasi antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan adalah : 1. Pertanian. industri dan ketergantungan tinggi. Latihan Suatu penelitian tentang tingkat perkembangan wilayah yang dikategorikan dalam 4 kategori. Ukuran asosiasi dapat dicari dengan : 1. Koefisien Pearson untuk tabel 2 x 2 Q3  (n11n22  n12 n21 ) n1. n2. maka perlu dihitung besarnya asosiasi antara kedua kategori tersebut.206 Q2=0.L) 2. Koefisien Pearson Q1=123. 4.6182 4. Pertanian. q=min(k.Bila antara kategori baris dengan kategori kolom ada hubungan atau ada asosiasi. 2.

J.K. 1997. 1995.. 1996. Lemlit ITS Surabaya. 10 . 3. Metode Statistika dan Ekonometri. 1989. Lyberty Yogyakarta.W. Statistik Non Parametrik Terapan... N.100 Total 0 4 4 5 13 18 Berdasarkan tabel di atas apakat dapat dikatakan bahwa antara tingakt partisipasi kerja dan perkembangan wilayah ada hubungan ? jika ada hubungan tentukan besarnya ukuran tingkat hubungan tersebut ! DAFTAR PUSTAKA 1. Sutijo. John Wiley & Sons. Hubungan Tingkat Kesejahteraan Masyarakat dengan Tingkat Partisipasi Angkata Kerja di Kabupaten Sidoarjo. 2. W. 4.. PT Gramedia Jakarta. Statistical Concepts and Methods. Awat. G. B.TPAK (%) Tipe Perkembangan Wilayah 1 2 0 2 2 3 1 5 6 4 4 2 6 Total ≤ 75 75 . USA Daniel. Bhattacharyya.

Sign up to vote on this title
UsefulNot useful