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

Hindu. 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. Jika data dikategorikan dalam k kategori atau k kelas. … . P2 ≠ P20. Ei dimana Ei = nPi0 ( nilai harapan kategori ke i) 2 . Budha). wanita). … . Pk ≠ Pk0 Statistik uji untuk hipotesis adalah Chi-square. sehingga data berupa frekuensi dari kelas tertentu. Contoh dari data yang berupa klasifikasi adalah jenis kelamin (pria.2. dan dilakukan observasi dengan mengambil sample sebanyak n. yaitu : 2   i 1 k (ni  Ei ) 2 . yaitu data diklasifikasikan atau dikategorikan dalam kelas-kelas. P20. Kristen. Pk0) didukung oleh data. Pk0. … . P2 = P20. maka setiap hasil observasi dapat dimasukkan dalam salah satu dari k kelas tersebut. kondisi produk (baik. … . agama (Islam. cacat) dll. P20. maka perlu dilakukan pengujian terhadap dugaan proporsi tersebut. Katolik. 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. Bila ada dugaan bahwa masing-masing kelas mempunyai proporsi P10. Pk = Pk0 H1 : P1 ≠ P10.

4.067.1.87 3065.584 11.H0 ditolak jika nilai statistik uji lebih besar dari nilai tabel Chisquare dengan derajat bebas (k-1) atau . 0.487 24.267 40864 0.485 510.133 30-34 3256 0.73 1021. sedangkan nilai Chi-square tabel adalah 25%. mengingat nilai statistic uji lebih besar dari nilai chi-square tabel. Jika menggunakan nilai signifikansi H0 ditolak bila nilai signifikansinya kurang dari .067 25-29 721 0. proporsi penggemar berburu usia 20-24 : 25-29 : 30-34 : 35-39 : 40.133.6 2043.adalah adalah 0.93 1021. 0. 3 . Menurut data PERBAKIN.2 88. maka dapat disimpulkan bahwa dugaan perbandingan pengemar berburu tidak didukung oleh data.4 35-39 2568 0.389 (ni-Ei)2/Ei Nilai statistik uji adalah 385.267 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.87 128. Harapan 20-24 255 0.k-1.825 134. Sehingga nilai harapan dan nilai statistik uji adalah : Usia Data Proporsi N.4 = 7.133. 0.133 Total 7664 1 7664 387.815.

proporsi dan nilai harapan tiap sel dan nilai statistik uji adalah : Periode Kelahiran Perbandingan Proporsi N.67 Total 300 5 1 300 8.466) nilai signifikansinya 0.466 Mengingat nilai statistic uji (8.15 Jul-Sep 53 1 0. 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.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. Harapan (ni-Ei)2/Ei Jan-Mar 110 2 0. Tabulasi Silang Pada pembahasan sebelumnya tiap obyek hanya diamati terhadap satu variabel kategori. 3. maka dugaan bahwa jumlah kelahiran periode Januari-Maret dua kali lebih banyak dari periode yang lain tidak didukung oleh data.0373 (lebih kecil dari 5%).4 120 0. Sedangkan dalam suatu penelitian. perbandingan . 4 .817 Okt-Des 80 1 0.2 60 6.833 Apr-Jun 57 1 0.2 60 0.2 60 0.

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

P. j ˆ Nilai dugaan proporsi kolom ke j : P. x P. maka nilai proporsi baris ke i kolom ke j (sel (i.j))adalah perkalian proporsi baris ke i dengan proporsi kolom ke j atau Pij=Pi. n n. j  n Nilai dugaan proporsi sel (i.  i. Teknisi) yang diharapkan.xP. Dari sampel sebanyak 200 pencari kerja. data hasil observasi dapat ditabelkan sebagai berikut : 6 . j  i. Contoh: Suatu survey tentang ketenagakerjaan ingin mengetahui apakah tingkat pendidikan (SMP. Operator. n ˆ Nilai dugaan proporsi baris ke i : Pi.j H1 : Pij ≠ Pi. D3 dan S1) mempunyai hubungan dengan jenis pekerjaan (Adm.j) Nilai harapan sel (i.Jika kategori I (baris) dan kategori II (kolom) saling bebas.j.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 . 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. x P.j) n n. Penjualan. j ˆ ˆ ˆ : Pij  Pi.(k-1)(L-1). SMA.

65 8.45 43 Jenis Pekerjaan Penjualan Operator 11.90 15.60 12.25 55 11.9 =16. sedangkan nilai Chi-square tabel 2 5%.80 17.25 8. 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.90 15. Jika diolah dengan menggunakan program MINITAB : Input data : 7 .60 12.7106.70 20.05 6. SMP SMA D3 S1 Total 8.85 59 Teknisi 8.00 19. maka hipotesis awal ditolak. Mengingat nilai statistik uji lebih besar dari nilai tabel.919. yang berarti antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan ada keterkaitan atau ada hubungan.05 6.Pendidikan Adm.45 43 40 60 70 30 200 Total Nilai statistic uji adalah 123.50 19.

000 Likelihood Ratio Chi-Square = 107. kerja Using frequencies in frek Rows: pendd 1 1 2 3 4 All 5 12.00 Pearson Chi-Square = 123.Langkah pengolahan Data :  Stat > Tables > CrossTabulation and Chi-Square Hasil pengolahan adalah : Tabulated statistics: pendd.00 30 100.00 43 21.57 2 6. P-Value = 0.000 8 .00 0 0.50 All 40 100. DF = 9.50 7 17.00 200 100.00 20 28.67 35 50.50 30 50.00 70 100.00 14 23.50 Columns: kerja 2 3 6 15. P-Value = 0.00 60 100.33 55 27.00 4 13.50 6 10.50 4 22 55.33 7 10.00 8 11.00 43 21.00 10 16. DF = 9.43 24 80.713.67 59 29.141.

3. q=min(k. yaitu : 1.7106/(200x3) = 0. Pertanian. ukuran asosiasi antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan adalah : 1. industri dan ketergantungan tinggi. maka perlu dihitung besarnya asosiasi antara kedua kategori tersebut. Koefisien Cramer : Q1  2 n( q  1) .Bila antara kategori baris dengan kategori kolom ada hubungan atau ada asosiasi. Koefisien Cramer 2.L) 2. 4. Dalam hubungannya dengan partisipasi kerja dapat ditabelkan sebagai berikut : 9 .1n. Koefisien Pearson untuk tabel 2 x 2 Q3  (n11n22  n12 n21 ) n1. 2. Koefisien Pearson : Q2  2 n 2 : 3. Pertanian. Pertanian. n. Pertanian. perdagangan.6182 4. perdagangan.2 Dari contoh di atas. n2. industri dan ketergantungan rendah. perdagangan dan industri rendah dan ketergantungan tinggi.206 Q2=0. Ukuran asosiasi dapat dicari dengan : 1. perdagangan dan industri tinggi dan ketergantungan rendah. Koefisien Pearson Q1=123. Latihan Suatu penelitian tentang tingkat perkembangan wilayah yang dikategorikan dalam 4 kategori.

. 3. PT Gramedia Jakarta. Lyberty Yogyakarta. W. Awat.W. 1996. Statistical Concepts and Methods..TPAK (%) Tipe Perkembangan Wilayah 1 2 0 2 2 3 1 5 6 4 4 2 6 Total ≤ 75 75 .. 4. 10 . Metode Statistika dan Ekonometri. Lemlit ITS Surabaya. Hubungan Tingkat Kesejahteraan Masyarakat dengan Tingkat Partisipasi Angkata Kerja di Kabupaten Sidoarjo. N. Statistik Non Parametrik Terapan. 1995. 1997. G. 1989. Sutijo. B. 2.J. USA Daniel. Bhattacharyya.K. John Wiley & Sons.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..

Sign up to vote on this title
UsefulNot useful