P. 1
TABULASI SILANG

TABULASI SILANG

|Views: 178|Likes:
Published by -Wenthy Oktavin-

More info:

Published by: -Wenthy Oktavin- on Apr 20, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

08/21/2013

pdf

text

original

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

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

maka dapat disimpulkan bahwa dugaan perbandingan pengemar berburu tidak didukung oleh data. sedangkan nilai Chi-square tabel adalah 25%.133 Total 7664 1 7664 387. Jika menggunakan nilai signifikansi H0 ditolak bila nilai signifikansinya kurang dari .4.487 24.adalah adalah 0. 3 . Menurut data PERBAKIN.267 dan 0. 0.584 11. Harapan 20-24 255 0.73 1021.k-1.485 510.133.87 128. 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.067 25-29 721 0.815. proporsi penggemar berburu usia 20-24 : 25-29 : 30-34 : 35-39 : 40.267 40864 0.87 3065.2 88.389 (ni-Ei)2/Ei Nilai statistik uji adalah 385.4 = 7.067.H0 ditolak jika nilai statistik uji lebih besar dari nilai tabel Chisquare dengan derajat bebas (k-1) atau .133. 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. 0. mengingat nilai statistic uji lebih besar dari nilai chi-square tabel.93 1021.1.4 35-39 2568 0.6 2043. 0.825 134.133 30-34 3256 0. Sehingga nilai harapan dan nilai statistik uji adalah : Usia Data Proporsi N.

4 120 0. 3. perbandingan . maka dugaan bahwa jumlah kelahiran periode Januari-Maret dua kali lebih banyak dari periode yang lain tidak didukung oleh data. 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.67 Total 300 5 1 300 8. Sedangkan dalam suatu penelitian.2 60 6.466 Mengingat nilai statistic uji (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.2 60 0.15 Jul-Sep 53 1 0. proporsi dan nilai harapan tiap sel dan nilai statistik uji adalah : Periode Kelahiran Perbandingan Proporsi N. Harapan (ni-Ei)2/Ei Jan-Mar 110 2 0.466) nilai signifikansinya 0.833 Apr-Jun 57 1 0.0373 (lebih kecil dari 5%). Tabulasi Silang Pada pembahasan sebelumnya tiap obyek hanya diamati terhadap satu variabel kategori.817 Okt-Des 80 1 0.2 60 0. 4 .

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

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

25 55 11.85 59 Teknisi 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.45 43 40 60 70 30 200 Total Nilai statistic uji adalah 123.90 15. Mengingat nilai statistik uji lebih besar dari nilai tabel. maka hipotesis awal ditolak. Jika diolah dengan menggunakan program MINITAB : Input data : 7 .70 20.80 17.9 =16.919.05 6. SMP SMA D3 S1 Total 8.65 8.45 43 Jenis Pekerjaan Penjualan Operator 11.25 8. yang berarti antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan ada keterkaitan atau ada hubungan.7106.60 12.00 19.05 6.60 12.50 19.90 15.Pendidikan Adm. sedangkan nilai Chi-square tabel 2 5%.

000 8 .57 2 6.713.000 Likelihood Ratio Chi-Square = 107.00 60 100.33 55 27. P-Value = 0. P-Value = 0.00 14 23.Langkah pengolahan Data :  Stat > Tables > CrossTabulation and Chi-Square Hasil pengolahan adalah : Tabulated statistics: pendd.00 70 100.33 7 10.50 6 10.141.00 8 11.00 4 13. DF = 9.00 0 0.50 7 17.43 24 80. kerja Using frequencies in frek Rows: pendd 1 1 2 3 4 All 5 12.00 10 16.50 Columns: kerja 2 3 6 15. DF = 9.00 Pearson Chi-Square = 123.67 35 50.00 20 28.50 4 22 55.00 43 21.50 All 40 100.00 200 100.00 43 21.50 30 50.00 30 100.67 59 29.

Koefisien Pearson Q1=123. Dalam hubungannya dengan partisipasi kerja dapat ditabelkan sebagai berikut : 9 . 3. perdagangan dan industri tinggi dan ketergantungan rendah. n2. Koefisien Cramer 2.Bila antara kategori baris dengan kategori kolom ada hubungan atau ada asosiasi.6182 4. Ukuran asosiasi dapat dicari dengan : 1. q=min(k. Pertanian. 2. industri dan ketergantungan tinggi.2 Dari contoh di atas. perdagangan dan industri rendah dan ketergantungan tinggi. perdagangan. Koefisien Cramer : Q1  2 n( q  1) . perdagangan. Pertanian. Koefisien Pearson untuk tabel 2 x 2 Q3  (n11n22  n12 n21 ) n1.7106/(200x3) = 0. industri dan ketergantungan rendah. ukuran asosiasi antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan adalah : 1. Koefisien Pearson : Q2  2 n 2 : 3.L) 2. Pertanian.206 Q2=0. maka perlu dihitung besarnya asosiasi antara kedua kategori tersebut. yaitu : 1. n. Latihan Suatu penelitian tentang tingkat perkembangan wilayah yang dikategorikan dalam 4 kategori. 4.1n. Pertanian.

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->