Tabulasi Silang : Hubungan Dua Variabel Kategori

Posted on March 25, 2013 by Arif Kamar Bafadal

Tentang tulisan ini, dalam ilmu statistika lebih

dikenal dengan sebutan tabel silang (cross-tabulation), yaitu analisis yang ingin menguji
apakah dua variabel yang bersifat ketegori bersifat independen (tidak berhubungan) atau
dependen (berhubungan).

Contoh rekaan berdasarkan kasus di atas, andai saja sampel PDAM = 100 dan HIPPAM =
200. Seandainya hasilnya sebagai berikut :

<= 47 tahun > 47 tahun Total

PDAM 100 0 100
HIPPAM 0 200 200
Total 100 200

Tabel ini, akan menjelaskan bahwa, semua yang menggunakan PDAM adalah penduduk
berusia hingga 47 tahun, dan semua yang menggunakan HIPPAM adalah penduduk berusia
lebih dari 47 tahun. Atau semua penduduk berusia hingga 47 tahun menggunakan PDAM,
dan semua penduduk berusia lebih dari 47 tahun menggunakan HIPPAM. Maka pada kasus
semacam ini berarti ADA HUBUNGAN antara usia dan air yang dipakai. Hubungan
sempurna seperti ini mengakibatkan nilai chi kuadrat yang diperoleh adalah sebesar 300
(sama dengan jumlah sampel). Begitu pula bila tabelnya sebagai berikut :

<= 47 tahun > 47 tahun Total

PDAM 0 100 100
HIPPAM 200 0 200
Total 200 100

Akan tetapi bila, komposisi hasil frekuensi adalah berimbang, seperti pada tabel berikut :

<= 47 tahun > 47 tahun Total

PDAM 50 50 100
HIPPAM 100 100 200
Total 150 150
Tabel ini bisa dibaca dari dua sisi :

Penduduk yang menggunakan PDAM, 50% berusia hingga 47 tahun, dan 50% berusia lebih
dari 47 tahun. Sedangkan pada penduduk yang menggunakan HIPPAM, 50% berusia hingga
47 tahun, dan 50% berusia lebih dari 47 tahun. Artinya, tidak ada kecenderungan usia yang
terlihat pada jenis air yang digunakan. Pilihan tersebar merata. Dapat pula di baca dari kolom
sebagai berikut :

Pada penduduk berusia hingga 47 tahun, 33,33% memilih PDAM, sedangkan pada penduduk
berusaia lebih dari 47 tahun, 33,33 % ,memilih HIPPAM. Maka, pada tabel ini tidak terihat
adanya hubungan antara usia dengan air yang dipakai. Pada tabel yang semacam ini akan
menghasilkan nilai chi-square sebesar 0, artinya TIDAK ADA HUBUNGAN antara usia
dan air yang dipakai.

Nah, bagaimana bila, hasil tabel silang yang diperoleh ternyata mempunyai sifat diantara
kedua bentuk ekstrem ini? Tentu saja bila nilainya mendekati nol, maka kesimpulan akan
mengarah pada TIDAK ADANYA HUBUNGAN kedua variabel, sedangkan bila nilainya
mendekati ukuran sampel (pada contoh ini adalah 300), maka kesimpulan akan mengarah
pada ADANYA HUBUNGAN kedua variabel. Sehingga dibutuhkan sebuah nilai kritis
yang akan mempermudah pengambilan keputusan pada tingkat kesalahan sebesar alpha, dan
terkoreksi oleh jumlah kategori untuk masing-masing variabel, yang disingkat dengan
c2(a;(baris-1)(kolom-1)). Pada contoh ini karena kedua variabel memiliki dua kategori, maka
simbol nilai kritisnya adalah : c2(0,05;(2-1)(2-1)) atau c2(0,05;1). Nilai kritis ini dapat dengan
mudah dihitung melalui EXCELL dengan fungsi : =CHIINV(0.05,1) enter (tanda sama
dengan diketikkan dalam sel excell), akan menghasilkan nilai 3,841459 atau disingkat
menjadi 3,84. Apabila nilai chi square sama dengan atau lebih kecil dari 3,84 maka diperoleh
kesimpulan TIDAK ADANYA HUBUNGAN, sedangkan bila nilai chi square lebih besar
dari 3,84 maka diperoleh kesimpulan ADANYA HUBUNGAN pada kedua variabel yang
diuji.

Jadi pada contoh sesungguhnya seperti dalam gambar yang dikirim, nilai chi kuadrat (df=1,
n=26)=0,008 adalah lebih kecil dari 3,84 memberikan kesimpulan bahwa TIDAK ADA
HUBUNGAN yang signifikan antara usia dengan jenis air yang dipakai.