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

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

4 35-39 2568 0. 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.4 = 7. 0.487 24.k-1.87 3065.389 (ni-Ei)2/Ei Nilai statistik uji adalah 385. 0.267 dan 0.H0 ditolak jika nilai statistik uji lebih besar dari nilai tabel Chisquare dengan derajat bebas (k-1) atau .87 128.73 1021.adalah adalah 0.6 2043. Menurut data PERBAKIN. Jika menggunakan nilai signifikansi H0 ditolak bila nilai signifikansinya kurang dari .2 88.267 40864 0.93 1021. 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 : 2.815.485 510. sedangkan nilai Chi-square tabel adalah 25%.584 11.067 25-29 721 0.4. Sehingga nilai harapan dan nilai statistik uji adalah : Usia Data Proporsi N. maka dapat disimpulkan bahwa dugaan perbandingan pengemar berburu tidak didukung oleh data.067.133. proporsi penggemar berburu usia 20-24 : 25-29 : 30-34 : 35-39 : 40. 0.133 30-34 3256 0. 3 .133 Total 7664 1 7664 387. mengingat nilai statistic uji lebih besar dari nilai chi-square tabel. Harapan 20-24 255 0.825 134.1.133.

466 Mengingat nilai statistic uji (8.2 60 0. maka dugaan bahwa jumlah kelahiran periode Januari-Maret dua kali lebih banyak dari periode yang lain tidak didukung oleh data.466) nilai signifikansinya 0.67 Total 300 5 1 300 8.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. 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.817 Okt-Des 80 1 0.833 Apr-Jun 57 1 0.0373 (lebih kecil dari 5%). perbandingan .15 Jul-Sep 53 1 0. Sedangkan dalam suatu penelitian. Tabulasi Silang Pada pembahasan sebelumnya tiap obyek hanya diamati terhadap satu variabel kategori. 3.4 120 0. Harapan (ni-Ei)2/Ei Jan-Mar 110 2 0. 4 . proporsi dan nilai harapan tiap sel dan nilai statistik uji adalah : Periode Kelahiran Perbandingan Proporsi N.2 60 6.2 60 0.

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

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

maka hipotesis awal ditolak. yang berarti antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan ada keterkaitan atau ada hubungan.45 43 40 60 70 30 200 Total Nilai statistic uji adalah 123.25 55 11.60 12.7106.90 15.Pendidikan Adm.05 6.65 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.80 17.50 19.25 8.00 19. SMP SMA D3 S1 Total 8.70 20.919.90 15. Mengingat nilai statistik uji lebih besar dari nilai tabel.85 59 Teknisi 8.45 43 Jenis Pekerjaan Penjualan Operator 11.60 12. Jika diolah dengan menggunakan program MINITAB : Input data : 7 .9 =16.05 6. sedangkan nilai Chi-square tabel 2 5%.

00 0 0.00 200 100. kerja Using frequencies in frek Rows: pendd 1 1 2 3 4 All 5 12.141.000 Likelihood Ratio Chi-Square = 107.57 2 6.00 20 28.00 70 100. P-Value = 0.33 7 10.67 35 50.50 7 17.00 14 23.00 60 100.50 All 40 100.43 24 80.00 30 100.00 Pearson Chi-Square = 123.000 8 .67 59 29.00 10 16. DF = 9.00 43 21.Langkah pengolahan Data :  Stat > Tables > CrossTabulation and Chi-Square Hasil pengolahan adalah : Tabulated statistics: pendd. P-Value = 0.00 8 11. DF = 9.50 Columns: kerja 2 3 6 15.00 43 21.33 55 27.713.50 6 10.00 4 13.50 4 22 55.50 30 50.

perdagangan dan industri tinggi dan ketergantungan rendah. 4. Koefisien Pearson : Q2  2 n 2 : 3. perdagangan dan industri rendah dan ketergantungan tinggi. Pertanian. 3. yaitu : 1.7106/(200x3) = 0. ukuran asosiasi antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan adalah : 1.1n.L) 2. Ukuran asosiasi dapat dicari dengan : 1. perdagangan.206 Q2=0. Dalam hubungannya dengan partisipasi kerja dapat ditabelkan sebagai berikut : 9 . n2. Pertanian.6182 4. n. Koefisien Cramer : Q1  2 n( q  1) . industri dan ketergantungan tinggi. maka perlu dihitung besarnya asosiasi antara kedua kategori tersebut.Bila antara kategori baris dengan kategori kolom ada hubungan atau ada asosiasi. Pertanian. Koefisien Pearson untuk tabel 2 x 2 Q3  (n11n22  n12 n21 ) n1.2 Dari contoh di atas. Pertanian. industri dan ketergantungan rendah. Latihan Suatu penelitian tentang tingkat perkembangan wilayah yang dikategorikan dalam 4 kategori. perdagangan. 2. Koefisien Cramer 2. Koefisien Pearson Q1=123. q=min(k.

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