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).

2. Uji Homogenitas 1

Pada pengumpulan data sering dijumpai bahwa informasi yang berasal dari sampel mempunyai struktur yang paling sederhana, yaitu data diklasifikasikan atau dikategorikan dalam kelas-kelas, sehingga data berupa frekuensi dari kelas tertentu. Contoh dari data yang berupa klasifikasi adalah jenis kelamin (pria, wanita), agama (Islam, Kristen, Katolik, Hindu, Budha), kondisi produk (baik, cacat) dll. Jika data dikategorikan dalam k kategori atau k kelas, maka setiap hasil observasi dapat dimasukkan dalam salah satu dari k kelas tersebut. Bila ada dugaan bahwa masing-masing kelas mempunyai proporsi P10, P20, , Pk0, dan dilakukan observasi dengan mengambil sample sebanyak n, maka dapat ditabelkan sebagai berikut : Kategori Proporsi Observasi Proporsi sampel 1 P10 n1 n P1 = 1 n 2 P20 n2 n P2 = 2 n K Pk0 nk n Pk = k n Total 1 n 1

Untuk mengetahui apakah nilai proporsi yang dihipotesakan (P10, P20, , Pk0) didukung oleh data, maka perlu dilakukan pengujian terhadap dugaan proporsi tersebut. Dengan mengambil hipotesis awal (H0) dan hipotesis alternative (H1) berikut : H0 : P1 = P10, P2 = P20, , Pk = Pk0 H1 : P1 P10, P2 P20, , Pk Pk0 Statistik uji untuk hipotesis adalah Chi-square, yaitu :

2 =
i =1

( ni E i ) 2 , Ei

dimana Ei = nPi0 ( nilai harapan kategori ke i) H0 ditolak jika nilai statistik uji lebih besar dari nilai tabel Chi-square dengan derajat bebas (k-1) atau ,k-1. Jika menggunakan nilai signifikansi H0 ditolak bila nilai signifikansinya kurang dari . 2

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. Menurut data PERBAKIN, 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, proporsi penggemar berburu usia 20-24 : 25-29 : 30-34 : 35-39 : 40- adalah adalah 0.067, 0.133, 0.4, 0.267 dan 0.133. Sehingga nilai harapan dan nilai statistik uji adalah :

Usia Data Proporsi

20-24 255 0.067 510.93 128.2

25-29 721 0.133 1021,8 7 88.584

30-34 3256 0.4 3065. 6 11.82 5

35-39 2568 0.267 2043.7 3 134.48 7

40864 0.133 1021.8 7 24.389

Total 7664 1 7664 387.485

(ni-Ei)2/Ei

Nilai statistik uji adalah 385.1, sedangkan nilai Chi-square tabel adalah 25%,4 = 7.815. mengingat nilai statistic uji lebih besar dari nilai chi-square tabel, maka dapat disimpulkan bahwa dugaan perbandingan pengemar berburu tidak didukung oleh data.

Contoh : 3

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, perbandingan , 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 0.4 120 0.833

Apr-Jun 57 1 0.2 60 0.15

Jul-Sep 53 1 0.2 60 0.817

Okt-Des 80 1 0.2 60 6.67

Total 300 5 1 300 8.466

Mengingat nilai statistic uji (8.466) nilai signifikansinya 0.0373 (lebih kecil dari 5%), maka dugaan bahwa jumlah kelahiran periode JanuariMaret dua kali lebih banyak dari periode yang lain tidak didukung oleh data.

3. Tabulasi Silang Pada pembahasan sebelumnya tiap obyek hanya diamati terhadap satu variabel kategori. Sedangkan dalam suatu penelitian, observasi terhadap obyek penelitian tidak hanya satu variabel akan tetapi lebih dari satu variabel. Jika setiap obyek dilakukan observasi lebih dari satu variabel kategori, maka data hasil observasi dapat 4

disajikan dalam bentuk tabel yang disebut Tabel tabulasi silang. Misalkan observasi terhadap karyawan perusahaan, variabel kategori yang dapat diobservasi adalah jenis kelamin, status perkawinan, pendidikan dan lain-lain. Pada Tabel tabulasi silang, 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. Bentuk tabel tabulasi silang dari suatu observasi adalah sebagai berikut : Kategori I 1 1 2 k Total n11 n21 nk1 n.1 2 n12 n21 nk1 n.2 Kategori II L n1L n2L n2L n.L n1. n2. nk. n Total

Proporsi masing-masing sel adalah : Kategori I 1 1 2 K Total P11 P21 Pk1 P.1 2 P12 P21 Pk1 P.2 Kategori II L P1L P2L P2L P.L P1. P2. Pk. 1 Total

Jika kategori I (baris) dan kategori II (kolom) saling bebas, 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.xP.j. ni . Nilai dugaan proporsi baris ke i : Pi. = n n. j Nilai dugaan proporsi kolom ke j : P. j = n Nilai dugaan proporsi sel (i,j) Nilai harapan sel (i,j) ni. n. j : Pij = Pi. P. j = n n : 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 H1 : Pij Pi. x P.j
2 Digunakan statistic uji = i =1 j =1 k L

(nij E i j ) 2 Eij

H0 ditolak jika nilai statistic uji lebih besar dari nilai Chi-square tabel ,(k-1)(L-1). Contoh: Suatu survey tentang ketenagakerjaan ingin mengetahui apakah tingkat pendidikan (SMP, SMA, D3 dan S1) mempunyai hubungan dengan jenis pekerjaan (Adm, Penjualan, Operator, Teknisi) yang diharapkan. Dari sampel sebanyak 200 pencari kerja, data hasil observasi dapat ditabelkan sebagai berikut :

Pendidikan Adm.

Jenis Pekerjaan Penjualan 6 Operato Teknisi

Total

r SMP SMA D3 S1 Total 5 6 8 24 43 6 10 35 4 55 7 30 20 2 59 22 14 7 0 43 40 60 70 30 200

Nilai harapan (Eij) untuk tipa sel adalah : Pendidikan Adm. SMP SMA D3 S1 Total 8.60 12.90 15.05 6.45 43 Jenis Pekerjaan Penjualan 11.00 19.50 19.25 8.25 55 Operato r 11.80 17.70 20.65 8.85 59 Teknisi 8.60 12.90 15.05 6.45 43 40 60 70 30 200 Total

Nilai statistic uji adalah 123.7106, sedangkan nilai Chi-square tabel 2 5%,9 =16.919. Mengingat nilai statistik uji lebih besar dari nilai tabel, maka hipotesis awal ditolak, yang berarti antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan ada keterkaitan atau ada hubungan. Jika diolah dengan menggunakan program MINITAB : Input data :

Langkah pengolahan Data : Stat > Tables > CrossTabulation and Chi-Square

Hasil pengolahan adalah :

Pearson Chi-Square = 123,713; DF = 9; P-Value = 0,000 Likelihood Ratio Chi-Square = 107,141; DF = 9; P-Value = 0,000

Bila antara kategori baris dengan kategori kolom ada hubungan atau ada asosiasi, maka perlu dihitung besarnya asosiasi antara kedua kategori tersebut. Ukuran asosiasi dapat dicari dengan : 1. Koefisien Cramer

2 Q1 = : n(q 1) ,
: Q2 =

q=min(k,L)

2. Koefisien Pearson

2 n+ 2
:

3. Koefisien Pearson untuk tabel 2 x 2 Q3 = n1. n 2. n.1 n.2

(n11 n22 n12 n 21 )

Dari contoh di atas, ukuran asosiasi antara tingkat pendidikan dengan jenis pekerjaan yang diharapkan adalah : 1. Koefisien Cramer 2. Koefisien Pearson Q1=123.7106/(200x3) = 0.206 Q2=0.6182

4. Latihan Suatu penelitian tentang tingkat perkembangan wilayah yang dikategorikan dalam 4 kategori, yaitu : 1. Pertanian, perdagangan dan industri tinggi dan ketergantungan rendah. 2. Pertanian, perdagangan, industri dan ketergantungan tinggi. 3. Pertanian, perdagangan, industri dan ketergantungan rendah. 4. Pertanian, perdagangan dan industri rendah dan ketergantungan tinggi. Dalam hubungannya dengan partisipasi kerja dapat ditabelkan sebagai berikut : TPAK (%) Tipe Perkembangan Wilayah Total

1 75 75 - 100 Total 0 4 4

2 0 2 2

3 1 5 6

4 4 2 6 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. 2. 3. 4.

Awat, N.J., 1995. Metode Statistika dan Ekonometri. Lyberty Yogyakarta. Bhattacharyya, G.K., 1997. Statistical Concepts and Methods. John Wiley & Sons, USA Daniel, W.W., 1989, Statistik Non Parametrik Terapan. PT Gramedia Jakarta. Sutijo, B., 1996, Hubungan Tingkat Kesejahteraan Masyarakat dengan Tingkat Partisipasi Angkata Kerja di Kabupaten Sidoarjo, Lemlit ITS Surabaya.

10