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

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

825 134.584 11.815. Jika menggunakan nilai signifikansi H0 ditolak bila nilai signifikansinya kurang dari .2 88. sedangkan nilai Chi-square tabel adalah 25%.k-1.133 Total 7664 1 7664 387.4 = 7.73 1021. mengingat nilai statistic uji lebih besar dari nilai chi-square tabel. maka dapat disimpulkan bahwa dugaan perbandingan pengemar berburu tidak didukung oleh data.267 dan 0. Harapan 20-24 255 0.067 25-29 721 0.adalah adalah 0. 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. Menurut data PERBAKIN.133.4.H0 ditolak jika nilai statistik uji lebih besar dari nilai tabel Chisquare dengan derajat bebas (k-1) atau . 0.267 40864 0. proporsi penggemar berburu usia 20-24 : 25-29 : 30-34 : 35-39 : 40. 3 . Sehingga nilai harapan dan nilai statistik uji adalah : Usia Data Proporsi N.389 (ni-Ei)2/Ei Nilai statistik uji adalah 385.93 1021.87 3065.4 35-39 2568 0.485 510.487 24.067. 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 : 2.87 128.133. 0.1.133 30-34 3256 0.6 2043.

466 Mengingat nilai statistic uji (8. 3.2 60 0.466) nilai signifikansinya 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 0.67 Total 300 5 1 300 8.0373 (lebih kecil dari 5%).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. Sedangkan dalam suatu penelitian.2 60 0.833 Apr-Jun 57 1 0.4 120 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. Tabulasi Silang Pada pembahasan sebelumnya tiap obyek hanya diamati terhadap satu variabel kategori.15 Jul-Sep 53 1 0.817 Okt-Des 80 1 0. maka dugaan bahwa jumlah kelahiran periode Januari-Maret dua kali lebih banyak dari periode yang lain tidak didukung oleh data. perbandingan . 4 .2 60 6.

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

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

70 20.919.00 19.90 15.60 12.80 17.25 8.05 6. Mengingat nilai statistik uji lebih besar dari nilai tabel.05 6.25 55 11. yang berarti antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan ada keterkaitan atau ada hubungan.85 59 Teknisi 8.Pendidikan Adm.45 43 Jenis Pekerjaan Penjualan Operator 11.65 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.60 12.9 =16.90 15.50 19.45 43 40 60 70 30 200 Total Nilai statistic uji adalah 123. SMP SMA D3 S1 Total 8. Jika diolah dengan menggunakan program MINITAB : Input data : 7 .7106. sedangkan nilai Chi-square tabel 2 5%. maka hipotesis awal ditolak.

000 8 .57 2 6.00 10 16. P-Value = 0.50 Columns: kerja 2 3 6 15.67 59 29. P-Value = 0.50 All 40 100.Langkah pengolahan Data :  Stat > Tables > CrossTabulation and Chi-Square Hasil pengolahan adalah : Tabulated statistics: pendd.00 8 11.713.00 43 21.67 35 50. kerja Using frequencies in frek Rows: pendd 1 1 2 3 4 All 5 12.00 43 21.00 4 13.43 24 80. DF = 9. DF = 9.50 4 22 55.33 7 10.00 30 100.00 70 100.00 Pearson Chi-Square = 123.50 30 50.00 60 100.00 20 28.141.00 0 0.33 55 27.000 Likelihood Ratio Chi-Square = 107.50 6 10.00 200 100.00 14 23.50 7 17.

perdagangan dan industri rendah dan ketergantungan tinggi. q=min(k.1n. Dalam hubungannya dengan partisipasi kerja dapat ditabelkan sebagai berikut : 9 . Koefisien Pearson Q1=123. industri dan ketergantungan tinggi. industri dan ketergantungan rendah. Pertanian. Koefisien Cramer 2.206 Q2=0. perdagangan. perdagangan. 3. n.Bila antara kategori baris dengan kategori kolom ada hubungan atau ada asosiasi. Koefisien Pearson untuk tabel 2 x 2 Q3  (n11n22  n12 n21 ) n1. Koefisien Cramer : Q1  2 n( q  1) .7106/(200x3) = 0.6182 4. Koefisien Pearson : Q2  2 n 2 : 3. Ukuran asosiasi dapat dicari dengan : 1. ukuran asosiasi antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan adalah : 1. 2. perdagangan dan industri tinggi dan ketergantungan rendah. 4.2 Dari contoh di atas. Pertanian. Pertanian. yaitu : 1. n2.L) 2. maka perlu dihitung besarnya asosiasi antara kedua kategori tersebut. Pertanian. Latihan Suatu penelitian tentang tingkat perkembangan wilayah yang dikategorikan dalam 4 kategori.

Statistical Concepts and Methods. 1995. PT Gramedia Jakarta. Bhattacharyya.. B.. 3. 1997.100 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. G.. John Wiley & Sons.K.J. 4.TPAK (%) Tipe Perkembangan Wilayah 1 2 0 2 2 3 1 5 6 4 4 2 6 Total ≤ 75 75 ..W. Lyberty Yogyakarta. Sutijo. Hubungan Tingkat Kesejahteraan Masyarakat dengan Tingkat Partisipasi Angkata Kerja di Kabupaten Sidoarjo. Lemlit ITS Surabaya. N. Awat. 2. 10 . 1996. USA Daniel. 1989. W. Metode Statistika dan Ekonometri. Statistik Non Parametrik Terapan.

Sign up to vote on this title
UsefulNot useful