APLIKASI ANALISIS TABULASI SILANG (CROSSTAB) DALAM PERENCANAAN WILAYAH DAN KOTA Imam Indratno dan Rahmat Irwinsyah ABSTRACT The field of quantitative planning analysis concerns with collecting, organizing and interpreting data to support planning processes, including analysis of category data. It is an appropriate methods to analyze discrete data, This analysis, also called as tabulation analysis, is used to determine whether the variables are related to one another or independent, and to measure the extent of their association. To use this cross tabulation analysis, the types of measurement data and the types of categorical data should be understood. This analysis is carried out by determining if the observation frequencies of occurence of the categorical values of a qualitative could allow us to reject a hypothesis the expected frequencies of occurrence. Chi-square statistics is used to determine whether the observation frequencies differ significantly from the expected frequencies of occurrence. If computed x° value greater than the value of x2 random variable with (r-i)(c-I)df, then the hypothesis of independent could be rejected. Furthermore, to determine or measure the extent of association, we use coefficient contingency with value of 0-1 1. PENDAHULUAN Kegiatan perencanaan kerap menuntut pe- rencana untuk mampu menganalisis keter- kaitan antar variabel atau faktor. Pengujian terhadap sejumlah variabel dibutuhkan da- lam pengambilan keputusan untuk melihat keterhubungan maupun derajat keterhu- bungan (asosiasi) antar variabel atau fak- tor. Untuk itu setiap pengambilan keputus~ an harus didukung oleh informasi yang Iengkap dengan melibatkan banyak pertim- bangan dan kriteria maupun dukungan alat analisis sebagai alat bantu perencanaan, Perencana dalam melihat obyek selalu di- kaitkan dengan aspek keruangan. Pema- haman akan Karakteristik wilayah secara menyeluruh (semua aspek) sangat dituntut bagi perencana. Pemahaman aspek keru- angan harus sampai pada sub-sub wilayah yang akan menjadi dasar untuk menentu- kan dan memutuskan tindakan perencanaan yang paling sesuai pada keseluruhan wila- yah yang direncanakan (Dewi Sawitri & Iwan P. Kusumantoro, 1992). Jurnal PWK - 48, Pemahaman kerakteristik wilayah yang mendalam dengan berbagai pertimbangan (variabel/faktor) yang dilibatkan menuntut perencana untuk mampu menganalisis. ke- terhubungan antar variabel/faktor yang mempengaruhi perencanaan wilayah dan kota, Untuk melihat hubungan antar bebe- rapa variabel/faktor akan lebih mudah apa~ bila hubungan tersebut diterjemahkan da- Jam angka matematis (dikuantifikasikan). Pembaca akan mudah berbeda persepsi bi- la tingkat hubungan hanya diterjemahkan bukan dalam angka matematis (kualitatif). Untuk melihat hubungan antar_variabel atau faktor bergantung pada jenis data yang digunakan dalam perencanaan wila- yah dan kota, Bila data yang digunakan berasal dati data sekunder maka analisis korelasi yang akan digunakan. Apabila in- formasi diperoleh dari data primer (kue- sioner) maka analisis tabulasi silang (cross ab) lebih cocok untuk digunakan Analisis tabulasi silang merupakan suatu prosedur dalam uji statistik untuk melihat Vol.9, No.2/Mei 1998hubungan antar variabel atau faktor sekali- gus memperoleh besarnya derajat keterhu- bungan atau asosiasi antar variabel atau faktor yang diukur. Pada bagian-bagian se- Janjumnya dari tulisan ini akan diperkenal- kan metode tabulasi silang secara garis be- sar, meliputi sekilas analisis tabulasi_ si Jang, penggunaan, masukan data, keluaran data dan bagaimana_mengintepretasikan- nya. I. SEKILAS ANALISIS TABULASI SILANG Tabulasi silang merupakan metode analisis Kategori data yang menggunakan data no- minal, ordinal, interval, serta kombinasi di antaranya. Prosedur tabulasi silang diguna- kan untuk menghitung banyaknya kasus yang mempunyai kombinasinilai-nilai yang berbeda dari dua variabel dan meng- hritung harga-harga statistik beserta ujinya. Contoh: ingin diketahui hubungan dan tingkat hubungan antara tipe rumah dan besarnya pendapatan Metode tabulasi silang (crosstab atau cross classified) memiliki beberapa metode pen- dekatan yang berbeda dan menggunakan Uji statistik yang berbeda pula, bergantung pada banyaknya variabel yang akan diiden- tifikasi hubungannya satu sama lain. Jika hanya menggunakan dua variabel maka da- pat menggunakan metode tabel kontingen- si, Metode ini merupakan metode yang pa- Jing umum digunakan dalam analisis tabu- Iasi silang. Jika variabel yang hendak divji jumlahnya lebih dari dua, dapat menggu- nakan model yang disebut dengan Hierar- chical Log Linear. Tabulasi silang merupakan metode yang mentabulasikan beberapa variabel yang berbeda ke dalam suatu matriks yang ha- silnya disajikan dalam suatu tabel dengan variabel yang tersusun dalam baris dan kolom, Variabel ini merupakan variabel kategori bebas pada satu bagian dan varia- bel kategori prediktor pada bagian lainnya Tabel ini menunjukkan hubungan bivariat Vol.9, No.2/Mei 1998 antara pengukuran ketergantungan pada setiap variabel prediktor yang terpisah. Analisis tabel kontingensi dua dimensi ter- fokus pada penentuan saling ketergantung- an antara dua variabel. Diasumsikan terda- pat N buah ukuran sampel, Xy merupakan jumlah responden dari sampel pada setiap sel, X4, merupakan jumlah margin baris dan X,; merupakan jumlah margin kolom, i= 1.2...) = 1,2,.... Dikaitkan dengan tabel jumlah (count), tabel_kemungkinan ‘multi nominal diperoleh dengan cara mem- bagi masing-masing sel dengan total ukur- an sampel N. Py merupakan kemungkinan pada setiap sel (i,j) (Tabet 1). Tabel 1 BB, | Total_| At Pu Pa Pie Ay Py Pa Poy Total [Py Par | Pay =i A dan B adalah dua variabel. Jika kategori saling bebas maka Pu = Po= Pus = Bar Pat Pao Pay Pas Pry = PrsPar Pu = PryPa secara umum Pij =P{kategori bar =Plkatexori bari kategori kolom= j} }P{kategori_ kolon j= 12, © Dari distribusi_ multinomial dapat dilihat bahwa jumlah harapan dari observasi_ ke tergantungan dalam sel (ij) adalah mij = P,P; Margin observasi dapat diguna- kan untuk memperkirakan jumlah set ha- rapan dengan mensubstitusikan ;4/N un- tuk P dan x,i/N untuk P, Uji statistik ke- tergantungan dapat menggunakan Statistik Pearson atau uji Khi Kuadrat Pearson (Pearson Chi-square test). Uji Khi kuadrat ini adalah statistik yang biasa digunakan untuk menguji apakah ada hubungan an- Jurnal PWK - 49tara variabel baris dengan variabel kolom dalam suatu tabulasi silang, € = Ey tisk awlN) TW taek ile Bila dalam perhitungan nilai 1° lebih besar dari nilai 7° variabel acak dengan derajat Kebebasan (r-1)(¢-1) maka hipotesis dua variabel saling bebas ditolak atau dengan kata lain dua variabel safing berhubungan Jika ditulis dalam bentuk lain, maka dapat dijelaskan sebagai berikut Bila N adalah ukuran sampel (banyaknya seluruh case yang diobservasi), maka pro- babilitas independen (P) dari suatu obser- vasi yang berada dalam sel ij (baris ke-i dan Kolom ke-j) adalah. Py = wumlah_baris ke-i) x kolom ke: N sedangkan harga pengharapan (Bij) dari observasi dalam sel ij adalah: Ey = jumlah baris ke-i x jumlah ko Rp. 500.000,- Setelah dikompilasi, diperoleh kondisi data sebagai berikut Tipe Besar Tumiah Rumah | Pendapatan | Responden 15 8 6 6 i6 20 3 is rR ‘Total 00) sf cof eof] n2] 02} =f =f | Hasil tabulasi silang terlihat pada Gambar 1 Tabel 5: Tabel Multidimensi Membeli x Status Nikah x Pendapatan x Pekerjaan Maksud Membeli Tidak Status Nikah Status Nikah Pekerjaan | Pendapatan | _Nikah Belum Nikah Belum A = 10,000 10 2 2 4 10 - 20.000 8 2 8 6 > 20.000 ut 5 12 20 Fo < 10.000 3 7 12 8 10 - 20.000 18 5 1 1 > 20,000 2 2 5 2 = 10.000 12 8 5 6 30 - 20,000 5 4 25 10 > 20,000 15 5 3 7 Jurnal PWK - 52 Vol.9, No.2/Mei 1998Gambar 1. Tabulasi silang jumlah pendapatan dan tipe rumah JUMLAH Jumlah Pendapatan by TIPERUMA. Tipe Rumah TIPERUMA Page 1 of 1 Count Exp Val Row Pet Col Pet tipe 21 tipe 36 tipe 45 Tot Pet Row JUMLAH Residual 1.00 2.00 3.00 Total 100 T 0 He 6 < Rp. 250.000 14 10 3.6 24.0% 16.7% 0% 83.3% 16.7% 0% 33.3% 4.0% 0% 20.0% 24 -1.0 14 2.00 z 2 6 10 Rp. 250.000 - Rp. 24 1.6 6.0 40.0% 20.0% 20.0% 60.0% 33.3% 50.0% 40.0% 8.0% 8.0% 24.0% a4 4 0 3.00 3 2 4 9 > Rp. 500,000 22 14 s4 36.0% 33.3% 22.2% 44.4% 50.0% 50.0% 26.7% 12.0% 8.0% 16.0% 8 6 ola Column 6 4 15 25 Total 24.0% 16.0% 60.0% 100.0% Number of Mis Banyaknya case ng, Observation: 0 untuk masing-masing © Baris kedua adalah nilai harapan atau kombinasi nilai-nilai dari dua variabel di- tampilkan dalam sel tabel bersama-sama dengan berbagai variasi persentase. Sel-sel ini menyediakan informasi mengenai keter- hubungan antara kedua variabel tersebut. Pada tabel, TIPERUMA disebut sebagai variabel kolom (colunin variable), sedang- kan JUMLAH disebut sebagai variabel baris (row variable} Pada gambar 1 tersebut, tiap sel berisi 5 baris informasi, yaitu © Baris pertama adalah jumlah case atau frekuensi dalam set (Count). Contoh: 5 adalah jumtah case yang mempunyat jumlah pendapatan << Rp. 250.000 ‘dan rumah tipe 45. Vol.9, No.2/Mei 1998 jumlah case yang diharapkan dalam sel tersebut (Exp.Val.). Misalnya: 1.4 adalah nilai harapan dari rumah tipe 21 dengan jumlah pendapatan <~ Rp. 250.000, + Baris ketiga adalah persentase baris (Row Pct.). Persentase baris ini diper- oleh dengan membagi Count dalam su- atu sel dengan nilai marjinal baris set tersebut (Row Total). Contoh: 16.7% adalah persentase baris dari rumah tipe 21 dengan jumlah pendapatan < Rp. 250.000,- dan diperoleh dengan mem- bagi 1 dengan 6. ‘Baris keempat adalah persentase kolom (Col. Pet.). Persentase kolom ini di- peroleh dengan membagi Cow#t suatu Jurnal PWK - 53,sel dengan nilai marjinal kolom sel ter- sebut (Column Total). Contoh ; 33.3% adalah persentase kolom dari penda- balan < Rp. 250.000 dan rumah tipe 45 dan diperoleh dengan membagi 5 dengan 15. © Baris kelima adalah persentase total (Tot. Pet). Diperoleh dengan membagi count di sel tersebut dengan jumlah to- (al case. Misalnya, 20% adalah per- sentase total dari jumlah pendapatan < Rp. 250.000 dan rumah tipe 45 dan di- peroleh dengan membagi 5 dengan 25. Angka-angka di sebelah kanan dan di ba- wah tabel disebut marjinal. Jika berada di baris disebut marjinal baris dan jika berada dalam kolom disebut nilai marjinal kolom, Pada gambar 2, statistik chi-kuadrat yang diasilkan harus dibandingkan dengan titik kritis dari distribusi teoritis chi-kuadrat un- tuk menentukan apakah Kedua variabel be- nar-benar independen. Untuk itu diperlu- kan juga derajat kebebasan (degree of free- domidj) dati tabel. Derajat kebebasan un- Jom adalah (7-1) x (¢-1). Dari hasil olahan terlihat bahwa probabi- litas sebuah sampel random yang berada dalam nilai chi-kuadrat yang. dihasilkan adalah sedikitnya 0.00016. Probabilitas ini juga dikenal sebagai taraf signifikan peng- amatan, Jika probabilitas (taraf signifikan- si) yang dihasilkan cukup kecil (biasanya lebih Kecil dari 0.05 atau 0.01), maka hi- potesis yang mengatakan bahwa kedua va- riabel tersebut independen, ditolak. Gambar 2. Tabulasi silang dan statistik Chi-Kuadrat JUMLAH Juma Pendapatan by TIPERUMA. Tipe Rumah ‘TIPERUMA Page 1 of 1 Count Exp Val tipe 21 tipe 36 tipe 45 Residual Row JUMLAH 1.00 2.00 3.00 | Total 7.00 T 0 3 6 < Rp. 250.000 14 10 3.6 | 24.0% “4 -1.0 14 2.00 2 2 6 10 Rp. 250.000 - Rp. 24 16 60 | 400% 4 4 0 3.00 3 2 + 9 > Rp, 500.000 22 14 34 | 36.0% 8 6 “4 Column 3 7 3B 35 Total 24.0% 16.0% 60.0% 100.0% sare Value DF Significance Pearson 2.71296 4 00016 Liketiiood Ratio 3.60325 4 -00015 Mantel-Haenszel test for 1.93655 1 61344 linear association Minimum Expected Frequency - 960 Cells with Expected Frequency <5- 7 of 9 (77.8%) Number of Missing Observation: 0 Jurnal PWK - 54 Vol.9, No.2/Mei 1998Alternatif dari uji Pearson chi-kuadrat yang iasa digunakan adalah Likelihood-ratio chi -square. Uji ini didasarkan pada teori maxi- mum-likelihood dan sering digunakan da Jam analisis data Kategori. Untuk ukuran sampel yang besar, pengujian dengan Pear- son maupun ikelihood-ratio akan memberi- kan hasil yang sama. Sedangkan uji Mantel -Haenszel chi-square hanya diaplikasikan untuk data dalam pengukuran ordinal Uji chi-kuadrat hanyalah uji independensi, sehingga hanya sedikit memberikan infor- masi mengenai kekuatan atau bentuk asosi- asi antara dua variabel. Harga chi-kuadrat yang dihasilkan tidak hanya bergantung pa- da kebaikan model independensi, akan teta- pi juga bergantung pada ukuran sampel, Ji- ka ukuran sampel pada sebuah tabel ditam- bah maka harga chi-kuadrat juga bertam- bah. Jadi, besarnya harga chi-kuadrat bisa dihasilkan melalui residual yang relatif ke- cil untuk frekuensi harapan akan tetapi ukuran sampelnya besar. Untuk mendapatkan pendekatan distribusi chi-kuadrat yang baik, beberapa kondisi ha- rus dipenuhi, yaitu: data harus berupa sam- pel random dari distribusi multinomial dan harga pengharapan harus tidak terlalu kecil. Bila seluruh frekuensi harapan paling sedi- kit S, hal ini menunjukkan kemungkinan yang sangat kuat, V. INTERPRETASI HASIL Interpretasi hasil analisis tabulasi_silang adalah bentuk pengujian keterhubungan an- tar variabel menggunakan Uji Chi Square Pearson danfatau likelihood ratio, pengu- kuran derajat asosiasi antar’dua_variabel/ faktor menggumakan koefisien kontingensi dan penentuan jenis asosiasi antar variabel- nya untuk mendefinisikan jenis masing-ma- sing variabel [Apakah variabel tak bebas (dependent) atau variabel bebas (independ- ent)?]. Pengujian keterhubungan didasar- kan pada dua jenis pengukuran yaitu peng- ukuran nominal dan pengukuran ordinal Masing-masing jenis pengukuran ini akan Vol.9, No.2/Mei 1998 berbeda pada alat ukur yang digunakan un tuk pengukuran 5. Pengukuran Nominal a, Pengukuran berdasarkan chi! Pengukuran nominal yang, didasarkan pada chi-kuadrat adalah hasil modifikasi dari sta- tistik chi-kuadrat_yang digunakan untuk meminimatkan pengaruh ukuran sampel dan derajat kebebasan maupun membatasi rentang harga pengukuran antara 0 s/d 1 Koefisien Phi diperoleh dari persamaan: =VOC/N) Khusus untuk tabel 2 x 2 koefisien phi yang dihasilkan sama dengan koefisien korelasi Pearson. Untuk tabel yang mempunyai di- mensi (banyaknya Kategori kolom atau ka- tegori baris dalam tabel) lebih besar dari 2, maka phi yang dihasilkan bisa tidak berada di antara 0 dan 1. Hal ini dikarenakan harga chi-kuadratnya bisa lebih besar dari ukuran sampelnya. Oleh Karena itu, untuk menca- pai nilai antara 0 dan 1 Pearson mencipta- kan pengukuran sebagai berikut CHV G22 +N) Nilai C ini disebut sebagai Koefisien Kon- tingensi (Comingency Coefficient). Mesk pun nifainya terletak antara 0 dan 1 namun pada umumnya nilai C tidak bisa mencapai limit 1. Harga maksimum koefisien ini ber- gantung pada banyaknya baris dan banyak- nya kolom tabel, Sebagai contoh: untuk ta- bel berukuran 4 x 4, harga maksimum dati koefisien C adalah 0,87. 6. Nilai Cramer's V Terdapat varian lain di perhitungan berda- sarkan chi-kuadrat yang diperkenalkan oleh Cramer dan disebut nilai Cramer's V, yang dituliskan datam persamaan berikut V=V6¢0/ NOI) di mana k adalah banyaknya baris atau ko- Jom terkecil, Harga yang dihasifkan bisa Jurnal PWK - 55mencapai | untuk tabel dengan sembarang dimensi. Jika salah satu dimensi tabel ada- lah 2, maka V dan @ adalah identik, Reduksi proporsional pada error (propor- ional reduction in error-PRE) adalah dasar dari berbagai_pengukuran yang didasarkan pada chi-kuadrat. Dengan ukuran PRE, arti dari asosiasi menjadi lebih jelas, Pengukur- an ini pada dasarnya adalah rasio dari peng- ukuran error dalam memprediksi nilai-nilai sebvah variabel yang didasarkan pada vari- abel itt sendiri dan pengukuran error yang sama diaplikasikan untuk memprediksi ber- dasarkan sebuah variabel tambahan Pada hasil output, misalnya, terlihat bahwa yang berlaku sebagai kategori modal (kate- kori keberhasilan dari observasi_ dengan proporsi terbesar -- ramalan yang terbaik dari hasil perlakuan bilamana tidak ada in- formasi tain yang tersedia adalah dengan mengeunakan Kategori modal yang ada) adalah Tipe 45 karena merupakan kategori hasil terbesar, yaitu 38% dari subyek. Esti- masi probabilitas daci klasifikasi yang tidak tepat (incorrect) adalah | dikurangi proba- bilitas Kategori modal yaitu PC)=1-0,38= 0,62 Informasi yang dihasikan oleh besar pon- dapatan keluarga (bpk) dapat digunakan un- tuk memperbaiki aturan pengklasifikasian. Untuk masing-masing kategori bpk, katego- 11 hasil (variabel tipe rumah) yang mempu- nyai frekuensi terbesar untuk kategori bpk. yang bersangkutan adalah yang diprediksi. Jad, Kategori tipe 21 dipredikst untuk pasti- sipan bpk Rp.500.000. dan tipe 45 dipre- diksi ofeh bpk Rp 250,000, ~ Rp. 500.000,- Probabititas error yang menggunakan bpk untuk memprediksi hasil adalah jumlah pro- babilitas scluruh sel yang tidak’ merupakan modhis baris, jadi P Q) = 0.06 + 0,05 + 0,08 + 0,1 + 0.06 + 0.12 = 0,47 Lambda dari Goodman dan Kruskal yang hasitnya (variabel tipe rumah) dijadikan va- riabel prediksi (variabel dependen) oleh dari 2.= PCL- PQ) = 0,62 = 0,47~ 0,242 Pay 0,62 Jadi diperoleh reduksi 24,2% pada error bi Jamana level besar pendapatan keluarga d gunakan untuk memprediksi hasil. Harga lambda yang dihasitkan selalu di an- tara 0 dan 1. Harga 0 berarti variabel inde- penden tidak bisa memprediksi variabel de- penden, sedangkan harga 1 berarti variabel independen sangat jelas menentukan kate- gori-kategori variabel dependen (harga sempurna ini hanya akan terjadi bila ma- sing-masing baris mempunyai paling ba- nnyak satu sel yang tidak Kosong). Jika ke- dua variabel independen, maka harga lamb- danya 0, tetapi tidak berlaku sebaliknya, Sebagaimana pengukuran asosiasi lainnya, lambda juga merupakan pengukuran asosi- asi yang sangat spesifik. Dalam hal tertentu, lambda merefleksikan reduksi pada error bilamana nilai-nilai suatu variabel diguna- kan untuk memprediksi nilai-niai variabel lain. Jika tipe asosiasi tidak ada, maka har- ga lambdanya 0, tetapi tidak berlaku seba- liknya. Untuk tabel tertentu, dua harga lambda yang berbeda bisa dihasitkan, satu menggu- nakan variabel baris sebagai prediktor dan yang lain menggunakan variabel kolom se~ bagai prediktor. 2. Pengukuran Ordinal Hubungan antar variabel ordinal sebenar- ya dapat diuji dengan pengukuran nomi- 1, tetapi_masih perlu ditambah dengan pengukuran yang berkenaan dengan rank- ing. Hal yang dipertimbangkan dari hu- bungan yang terjadi antar variabel ordinal adalah arah hubungan dan konsep korelasi Variabel-variabel akan mempunyai korelasi Vol.9, No.2/Mei 1998positifjika case-case yang bernilai kecil da- ri suatu variabel cenderung mempunyai ni- lai yang kecil pula untuk variabel yang lain, dan case-case yang bernilai besar untuk su- atu variabel cenderung bemilai besar pula untuk variabel lainnya, Sebaliknya, untak variabel-vatiabel yang, mempunyai korelasi negatif jika mempunyai nilai yang kecil pada suatu variabel, pada variabel lainnya cenderung mempunyai nilai yang besar dan sebaliknya, Koefisien korelasi Spearman biasa diguna- kan untuk mengukur korelasi antar dua va riabel ordinal. Untuk seluruh case, value- vadue dari masing-masing variabel dirank- ing dari yang kecil hingga yang besar, dan pada ranking tersebut dihitung koefisien ko- relasi Pearson-nya. Dalam tabulasi silang, untuk mengukur aso- siasi linier antara variabel baris dan variabel kolom digunakan Mantel-flaenszel Chi-Ku- adrat, Statistik yang diperoleh_ dengan menguadratkan koefisien korelasi Pearson dan hasilnya dikalikan dengan banyaknya ease minus 1: Mantel-Haenszel = (Koefisi- en korelasi Pearson)2 * (N-1) Statistik Mantel-Haenszel chi-kuadrat mempunyai derajat kebebasan 1. Statistik. ini tidak bisa digunakan untuk data nomi- nal, meskipun SPSS selalu menampilkan- nya setiap kali chi-kuadrat diperlukan. yuku sanga Untuk tabel dati dua variabel ordinal, bebe- rapa pengukuran asosiasi didasarkan pada perbandingan nilai-nilai dari kedua variabel untuk seluruh pasangan-pasangan case-case yang mungkin atau observasi-observasi yang tersedia. Kasus-kasus tersebut perta- ima kali harus dibandingkan untuk menentu- kan apakah pasangannya concordant, dis- cordant, atau tied. Pasangan kasus tersebut disebut concordant apabila value-value dari kedua variabel un- tuk salah satu case lebih tinggi (atau lebih Vol.9, No.2/Mei 1998 rendah) dibandingkan value-value yang berkorespondensi untuk case yang lain. Pa- sangan case lebih disebut discordant jika value dati salah satu variabel untuk sebuah case lebih besar dibanding value yang ber- korespondensi untuk ease yang Iain, dan arahnya dibalik untuk variabel kedua. Se- dangkan pasangan disebut tied apabila ke- dua case mempunyai nilai-nilai yang iden- Uik pada salah satu atau kedua variabel Jadi untuk sembarang pasangan case yang, diberikan dengan pengukuran pada vavia- bel X dan Y, maka pasangan tersebut bisa concordant, discordant, atau tied dalam sa- tu dari tiga cara, yaitu mungkin tied pada X tapi tidak pada Y, mungkin tied pada ¥ na- mun tidak pada X atau mungkin ied pada kedua variabel. Jika data disusun dalam ta- bulasi silang, maka banyaknya pasangan yang concordant, discordant atau tied dapat dengan mudah dihitung, karena seluruh kemungkinan pasangan dapat ditentukan dengan baik. Jika pasangan-pasangan terscbut lebih ba- nyak yang concordant, maka asosiasinya dikatakan positif sebagaimana _naiknya {atau menurunnya) rank variabel X seiring dengan menaiknya (menurunnya) rank va- riabel Y. Jika sebagian besar pasangan ter- sebut discordant, maka dikatakan asosiasi- nya negatif scbagaimana naiknya rank salah satu variabel yang diikuti dengan turunnya rank variabel yang lain. Jika pasangan con- cordant dan discordant berkemungkinan sama, maka dikatakan tidak ada asosiasi Pengukuran ordinal yang dijelaskan d seluruhnya mempunyai pembilang yang sa ma, yaitu : banyaknya pasangan concordant (P) dikurangi banyaknya pasangan discord- ant (Q) yang dihitung untuk semua pasan; an pengamatan yang berbeda. Hasil P-Q yang dibagi dengan banyaknya pasangan merupakan wkuran yang sederhana. Ukuran ini disebut Kemdall's tau-a yang jika tidak ada pasangan dengan ties, maka range dari harga-harga yang mungkin akan semakin sempit karena range ini bergantung, pada Jurnat PWK - 57banyaknya (ies. Hal ini dikarenakan semua observasi yang berada dalam baris yang sa- ma adalah fied, demikian juga yang berada dalam kolom yang sama, dan hasi! ukuran tata ini sulit Sekali diinterpretasikan, Ukuran yang digunakan untuk menormal- kan P-Q dengan mempertimbangkan ties pada masing-masing variabel dalam sebuah pasangan secara terpisah tetapi tidak untuk ties pada kedva variabel dalam suate pa- sangan, adalah tau-b 7 P-Q VPHQHT)PHQET,) dengan Tx adalah banyaknya pasangan tied pada X tetapi tidak pada Y. dan Ty adalah banyaknya pasangan fied pada Y tetapi dak pada X. Jika tidak ada firckuensi mar Jinal yang berharga 0, maka tau-b dapat mencapai +I atau -L, akan tetapi hanya untuk tabel bujursangkar, Suatu ukuran yang dapat mencapai atau ndekati +1 atau -( untuk tabel berukur- adalah tau-e - 2 -C N?(r-f) dengan r adalah banyaknya baris terkecil atau kolom terkevil Goodman and Kruskal’s: Gamma bethu- bungan erat dengan statistik tau dan diper- ‘oleh dari Gamma dapat dianggap sebagai probabili- tas bahwa pasangan random dari observasi- observasi adalah concordant dikurangi pro- babilitas bahwa pasangan tersebut discord- ‘ant, dengan asumsi tidak ada pasangan ried. Harga absolut dari gamma merupakan re- duksi proporsional dalam error antara per- Kiran ranking concordant dan discordant dari_masing-masing pasangan bergantung urnal PWK - 58 pada kejadian mana yang paling sering dan ranking yang, bergantung pada toss (pelem- paran koin). Gamma akan berharge | jika seluruh observasi terkonsentrasi pada dia- gonal tabel kiri atas hingga kanan bawah, Dalam kasus independen, gamma akan ber- harga 0. Akan tetapi jika gamma berharga 0, belum tentu kasusnya independen, kecu- ali untuk tabel berukuran 2 x 2 Dalam menghitung harga gamma tidak di- bedakan variabel independen dan variabel dependen, keduanya dianggap simetris. So- mers membuat koefisien dy (Somer's d) yang merupakan perluasan asimetris. dari koefisien gamma. Koefisien ini dibedakan hanya dengan memasukkan banyaknya pa- sangan yang bukan tied pada variabel inde- penden (X) pada penyebutnya, dy= P-Q P+Q+Ty VI. KESIMPULAN Tabulasi silang dapat diaplikasikan di da- lam perencanaan wilayah dan kota terutama di dalam menganalisis keterkaitan antara dua variabel yang mempunyai tipe data ter- utama dalam bentuk data kualitatif. Tabula- si silang mengolah data dan melakukan tiga tahap perhitungan 1, Perhitungan-perhitungan statistik dalam bentuk uji-uji hipotesa yang sangat bera- gam akan membantu dalam menguj terkaitan antara dua variabel 2. Tabulasi silang juga menghasilkan koe- fisien-koefisien yang menunjukkan de- rajat hubungan antara dua variabel terse- but 3. Tabulasi silang menentukan arah hu- bungan yang terjadi, yaitu dengan me- nentukan variabel mana yang, bebas dan variabel mania yang tidak bebas. 7 Dengan ketiga tahapan tersebut, maka tabu- fasi silang akan membantu di dalam meng- analisis tahap selanjuinya, sebagai dasar da- am suatu pengambilan keputusan Vol9, No.2/Mei 1998VILREFERENSI Dillon, William dan Matthew Goldstein. 1984, “Multivariate Analysis - Methods and Applications". New York: John Wiley & Sons Inc. Kachigan, Sam Kash. 1986. "Statistical Analysis ~ An Interdiciplinary. Intro- duction (0 Univariate & Multivariate Methods”. New York: Radius Press, Sawitri, Dewi dan Iwan P.Kusumantoro, 1992. “Penerapan Analisis Faktor D Jam Perencanaan Wilayah dan Kota", Jurnal Perencanaan Wilayah dan Kote, No$/ Triwulan HII/ September 1992, Indratno, Imam dan Rahmat trwinsyah, 1997, “Modul Praktikum Analisis Ta- bulasi Silang”, Laboratorium MAP, Ju- tusan Teknik Planologi UNISBA. Vol9, No.2/Mei 1998 Jurnal PWK - 59