3.

5 Crosstab Untuk Mengetahui Hubungan

Dua Variabel Berskala Nominal (Kategori)
Scperti telah dibahas pada kasus hubungar antara-' pekerjaan konsumen
tlcngan Gender, terdapat hubungan di antara keduanya. Dalam bab ini akan
tli.jelaskan berbagai cara untuk mengetahui seberapa besar hubungan tersebut.

SPSS menyediakan dua cara pengukuran:

I . Symmetric Measures atau hubungan yang setara dan berdasar perhitungan

Chi-Square.
l. Directional Measures atau hubungan yang tidak setara dan berdasarkan
pada Proportional Reduction In Error (PRE).

Kcdua cara perhitungan di atas akan diterapkan pada kasus hubungan antara
vrrriabel Kerja dan Gender.

I ;rngkah-langkahnya:
.r lluka lembar keria/file crosstab-l (dari baris menu pilih File, kemudian

I l9
 di atas, atau jika sudah terbuka ikuti Klik oK untuk mengakhiri pengisian prosedur anarisis. Terlihat SpSS
pilih submenu open...) sesuai kasus
rnelakukan pekerjaan analisis dan terlihat output SpSS.
langkah berikut.
b. Dari baris menu pilih menu Statistics, kemudian pilih submenu
Output SPSS dan Analisis
Crosstabs.... Tampak di layar tampilan seperti pada Gambar 3'18'
)
Row. Klik variabel gender, kemudian klik tanda (yung sebelah Berikut ini adalah output dari test Crosstab_I.
atas), maka variabel gender berpindah ke Row' Crosstabs
) (yung
Column(s). Klik variabel kerja, kemudian klik tanda sebelah
atas), maka variabel kerja berpindah ke Column' Case Processing Summary

Klik pilihan Statistics.... Tampak di layar tampilan seperti pada Gambar

Cases
Valid Missino Total
3.r9. N Percenl N Percent N Percent
(lihat
o Karena sudah diketahui ada hubungan antara kedua variabel
genoer
konsumen
Chi-Square
kasus sebelumnYa), maka di sini tidak perlu digunakan - pekerjaan 25 '100.0% o .ov" 25 100.0%
lagi. Pemakaian Chi-Square akan menghasilkan output yang sama konsumen
dengan kasus terdahulu.
r Klik pilihan correlations untuk mengetahui koefisien korelasi kedua gender konsumen' pekeriaan konsumen Crosstabulation
variabel secara Symmetric Measures' Counl
Pada option Nominal (yang berarti hanya khusus data
berskala
pekeriaan konsumen
nominaD, klik semua pitittun (Contingency coefficient'
Phi and karyawan wiraswasta Total
Cramer's V, lambda, Uncertainty cofficient)' Pilihan ini untuk Konsumen pria
gen0er o 2 3 13
Measures' wanita q
mengetahui korelasi kedua variabel secara Directional 1 6 12
Total I I
Perhatikan bahwa tidak dipilih option Ordinal dan Nominal
by 7 25
adalah berskala
Interval, karena kedua variabel lKerja dan Gender)
Nominal.
Klik Continue untuk melanjutkan pemasukan data'
3'20'
KIik pilihan Cells..., Tampak di layar tampilan seperli pada Gambar
o Pilihan Count -untuk keseragaman- hanya dipilih Observed'
o Pilihan Percentage. Untuk kasus ini, biarkan saja kolom tersebut
(tidak ada yang diPilih).
a Kolom Residual juga dibiarkan kosong'
a Klik Continue untuk melanjutkan pemasukan data'
Klik pilihan Format.... Tampak di layar tampilan seperti pada Gambar
3.21.
a Row Order -untuk keseragaman- pilih Ascending'
a Klik Continue untuk melanjutkan pemasukan data'
yang
Pilihan Displayclustered bar charts dan Suppress tatrles
di kiri bawih menu Crosstab tidak perlu dipilih (biarkan kosong).

121
r20
 Analisis
Directional Measures
AsymP. Approx. Output Bagian Pertama (Case Processing Summary)
eta trrrofl Annrox. -tJ Sio.
Ada 25 data yang semuanya diproses (tidak ada data yang missing
I
atau
. toJ 2.003 .045
.3e3
Nominal i lang), sehingga tingkat kevalidannya 1007o'
by Nominal gender I
I

1.572 .1 16
I r

500 .236
konsumen
Output Bagian Kedua (Crosstab antara Kerja dengan Gender)
I
I
DePendent I
pekerlaan
I I

.041
'l.crlihat tabel silang yang memuat hubungan di antara kedua variabel. Misal
I
.313 . tJ/ 2.O41
konsumen
plda baris Z kolom t, terdapat angka 1' Hal ini berarti ada 1 orang konsumen
I
DePendent
wanita yang bekerja sebagai karyawan. Demikian juga untuk data
I
I yang
Goodman gender
c
I .025
.1 65
and konsumen I 308 lrrinnya.
Kruskal tau Dependent I

Pekerjaan I
.095
.o21
c
Output Bagian Ketiga (Symmetric Measures)
konsumen 160
DePendent
I

l)i sini hanya diperhatikan besar korelasi antara Nominal-Nominal. Hal

ini
1.673 01 4d
191 114 Karena itu, besaran Pearson dan
tJrlcettailntY-=Ym metrrc rliscbabkan kedua variabel berskala nominal.
d
Coefficient gender 1.673 .014 Spcarman tidak relevan untuk dibahas.
.246 .147
konsumen
DePendent
d
l\thtigabesaranuntukmenghitungkorelasiantaravariabelKerjadengan
Pekerjaan
konsumen .156 .093 1 673 .014 r icndei dan ketiganyu -"-funyui angka signifikan atau nilai probabilitas
Deoendent ().02 l. Karenu nilui'probabliitas di bawah 5Vo, ma1<a bisa dikatakan ada
hasil
lrrrtrungan antara kedua variabel nominal tersebut (bandingkan dengan
a. Not assuming the null hypothesis' kesimpulan sama).
b. Usinq the asymptotic standard error assuming
the null hypothesis ,,rr.lisii <lengan Chi-Square terdahulu, yang menghasilkan
c Based on chi-square approximation llt'saran korelasi (Phi dan Cramer) menghasilkan angka sama'
yaitu 0'555'
d. Likelihood ratio chi-square probability' St.tlangkan coefficient contingency menghasilkan angka sedikit lebih
kecil'
adanya hubungan
5,485. Dari ketiga besaran tersebut bisa disimpulkan
'.rru erat (eraijika mendekati I dan lemah jika mendekati 0) antara
\;rrg cukup
r:u iabel Kerja dan variabel Gender.
( )rrtput Bagian Keempat (Directional Measures)
Cramer's V I)r sini juga ada tiga ukuran untuk mengukur hubungan kedua variabel'
ContingencY Nrrrtun Oi lirrl uOu pembedaan, yaitu satu variabel sebagai variabel dependen
Coefficient (bebas)'
{ l('rgantung), sedangkan yang lain sebagai variabel independen
lnterval bY lnterval Pearson's R

Ordinal ' Ordinal

bV SPearman t rrrtuk lebih jelasnya, lihat pada besaran korelasi Lambda:
Correlation

N of Valid Cases
.Symmetricataukeduavariabelsetara(bebas),makabesar-korelasi
adalah0,3g3ataucukuplemah.Angkasignifikansiadalah0,045ataudi
secara
a Not assuming the null hypothesis' bawah 0,05, yang berarti kedua variabel memang berhubungan
b. Using the asymptotic standard error
assuming the null hypothesis' nyata (lihat pemb-ahasan output bagian ketiga di atas yang menghasilkan
c. Based on normal approximation' kesimpulan sama).

lrl':radaperkataanDependent,dipakaipedoman(berlakuuntukketigaalat
rtlt):

| .lika,angka korelasi adalah 0' maka pengetahuan akan variabel inde-

t23
122
 I
pendent (bebas) tidak menolong dalam usaha memprediksi variabel
dependent (tergantung).
2. Jrka angka korelasi adalah 1,maka pengetahuan akan variabel
independent (bebas) menolong dalam usaha memprediksi variabel
dependent (tergantung) dengan sempuma.

Contoh Analisis pada Lambda

Gender Konsumen Dependent atau Gender sebagai variabel
tergantung. Jadi di sini variabel independent adalah Kerja. Karena angka
sig-nlRtanil adalah 0,116 -lebih besar dari 0,05- maka variabel bebas
(Kerja) tidak bisa untuk memprediksi Gender.
Pekerjaan Konsumen Dependent atau variabel Kerja sebagai variabel
tergantung. Jadi di sini variabel independent adalah Gender. Karena
anfta sifnlftkansi adatah 0,041 -lebih kecil dari 0,05- maka variabel
be6as (Gender) bisa untuk memprediksi variabel Kerja. Angka korelasi
Lambda adalah 0,313 yang menunjukkan korelasi yang lemah' Bisa
dikatakan di sini, pengetahuan akan Gender seorang konsumen tidak
begitu menolong dalam upaya memprediksi pekerjaan konsumen
teriebut. Atau pekerjaan konsumen sebagai karyawan atau petani atau
wiraswasta tidak bid diperkirakan begitu saja karena ia pria atau wanita.

Analisis pada Korelasi Goodman dan Kruskal Tau

Dari angka signifikansi, keduanya adalah signifikan (berbeda, dengan
Lambda), n*un besar korelasi juga tidak kuat. Atau variabel gender tidak
bisa memprediksi secara kuat pekerjaan seorang konsumen, dan demikian
sebaliknya.

Analisis pada Korelasi Uncertainty Coefficient

Dari angka signifikansi, ketiganya adalah signifikan, namun besar korelasi
juga tid*ak kuit. Atau variabel gender tidak bisa memprediksi Secara kuat
pekerjaan seorang konsumen, dan demikian sebaliknya.

Analisis Asymptotic Standard Error

Di sini syaratnya harus didapatkan korelasi yang signifikan. Sebagai contoh,
angka korelasi Lambda sebesar 0,313 yang signifikan, didapat standard error
0,131.
Pada tingkat kepercayaan 95Vo atau ada 2 standard deviasi. maka rentang
korelasi adalah:
0,313 !(2x0,131) atau antara 0,039 sampai0,587

t24
 pendent (bebas) tidak menolong dalam usaha memprediksi variabel
dependent (tergantung).
2. Jlka angka korelasi adalah I, maka pengetahuan akan variabel
independent (bebas) menolong dalam usaha memprediksi variabel
dependent (tergantung) dengan sempurna.
Contoh Analisis pada Lambda
. Gender Konsumen Dependent atau Gender sebagai variabel
tergantung. Jadi di sini variabel independent adalah Kerja. Karena angka
signlRtanii adalah 0,116 -lebih besar dari 0,05- maka variabel bebas
(Kerja) tidak bisa untuk memprediksi Gender.
r Pekerjaan Konsumen Dependent atau variabel Kerja sebagai variabel
tergantung. Jadi di sini variabel independent adalah Gender. Karena
anlta signinkansi adalah 0,041 -lebih kecil dari 0,05- maka variabel
bebas (Gender) bisa untuk memprediksi variabel Kerja. Angka korelasi
Lambda adalah 0,313 yang menunjukkan korelasi yang lemah' Bisa
dikatakan di sini, pengetahuan akan Gender seorang konsumen tidak
begitu menolong dalam upaya memprediksi pekerjaan konsumen
teriebut. Atau pekerjaan konsumen sebagai karyawan atau petani atau
wiraswasta tidak bist diperkirakan begitu saja karena ia pria atau wanita.
Analisis pada Korelasi Goodman dan Kruskal Tau
l)ari angka signifikansi, keduanya adalah signifikan (berbeda dengan
l.unthda), nulnun besar korelasi juga tidak kuat. Atau variabel gender tidak
hisu rncmprediksi secara kuat pekerjaan seorang konsumen, dan demikian
scbali knya.
Analisis pada Korelasi Uncertainty Coefficient
Dari angka signifikansi, ketiganya adalah signifikan, namun besar korelasi
juga tidak kuit. Atau variabel gender tidak bisa memprediksi secara kuat
pekerjaan seorang konsumen, dan demikian sebaliknya.
Analisis Asymptotic Standard Error
Di sini syaratnya harus didapatkan korelasi yang signifikan. Sebagai contoh,
angka korelasi Lambda sebesar 0,313 yang signifikan, didapat standard error
0,r3"/.
2 standard deviasi, maka
Pada tingkat kepercayaan 957o atau ada
korelasi adalah:
. 0,3 l3 + (2 x 0, I 37) atau antara 0,039 sampai 0,587
124
3.6 Chi-Square Untuk Multi Tabel
l:rlrcl Crosstab yang ditayangkan selama ini hanya menggunakan dua
vrrriubel, atau baris dan kolom. Namun dalam praktek sering dijumpai
|{.nggunaan lebih dari dua variabel, khususnya
jika diperlukan adanya
vrrrirrbel kontrol. Untuk itu, SPSS menyediakan fasilitas Lrryer untuk
1x'rlrmbahan satu variabel yang berfungsi sebagai variabel
kontrol.
\t'bagai contoh, akan diambil kasus di atas (lihat kasus yang pertama)' Di
,.,,,',, udu tiga variabel, yaitu kerja, didik dan gender. Sekarang akan diketahui
Irrrbungan antara Pekerjaan Konsumen dengan Tingkat Pendidikan
K,,rrsumen, dengan variabel pengendali adalah Gender. Jadi akan diteliti
;r;Irkah ada pengaruh antara Pekerjaan Konsumen dengan Tingkat Pendi-
,lrklrnnya untuk Konsumen Pria dan Wanita.
I .rr rr gkah-langkahnya:
;r Buka lembar kerja/file crosstab*l (dari baris menu pilih File, kemudian
pilih submenu open...) sesuai kasus di atas, atau jika sudah terbuka ikuti
langkah berikut.
tr l)ari baris menu pilih menu statistics, kemudian pilih submenu
Crosstabs.... Tampak di layar tampilan seperti pada Gambar 3' 18'
. Row. Klik variabel didik, kemudian ktik tanda ) (yang sebelah atas),
maka variabel didik berpindah ke Row.
. Column(s). Klik variabel kerja, kemudian klik tanda ) (yang sebelah
atas), maka variabel kerja berpindah ke Column.
. Layer I of 1. Sekarang akan dimasukkan variabel kontrol, yaitu
gender. Maka klik variabel gender, kemudian klik tanda ) (yung
sebelah atas), maka variabel gender berpindah ke Layer 1 of 1'
Disebut Layer 1 of I karena hanya ada satu variabel sisa, yaitu gender.
Jika ada 2 sebagai contoh, maka tertulis layer 2 of 2.
Klik pilihan Statistics.... Tampak di layar tampilan seperti pada Gambar
1.1 9.
. Di sini hanya digunakan Chi-Square, karena akan menguji ada
tidaknya hubungan. Karena itu, klik pilihan Chi-Square.
. Klik Continue untuk melanjutkan pemasukan data.
rentang Klik pilihan cells.... Tampak di layar tampilan seperti pada Gambar 3.20.
. Pilihan Count -untuk keseragaman- dipilih Observed dan Expected.
. Pilihan Percentage. Untuk kasus ini, persentase dihitung per baris.
Untuk itu, klik Row.
t25