Nama : Aulia Anggit Hanwita,S.Pd.

Kelas : 1D Pengasih S2 Pendidikan Dasar

Tugas Statistik Sessi ke 3 Tabulasi Silang (cross tabulation)

1. Statistik Tabulasi Silang itu termasuk statistik deskriptif atau korelatif?

Statistik Tabulasi Silang merupakan rumus statistic deskriptif korelatif yang dapat
digunakan untuk mengetahui distribusi frekuensi gejala dalam suatu variable apabila tersebut
dihubungkan dengan variable lain. Spesifikasi statistik tabulasi silang efektif dijalankan untuk
data yang tidak terlalu bervariasi. Contoh : Seorang kepala sekolah ingin mengetahui distribusi
frekuensi siswa berdasarkan jenis kelamin, tempat tinggal, dan kerajinan membayar SPP
kalua ketiga variable tersebut saling dihubungkan.
Pengertian tabulasi silang (crosstabs) adalah metode analisis yang paling sederhana
tetapi memiliki daya menerangkan cukup kuat untuk menjelaskan hubungan antar variabel.
Untuk itu ada beberapa prinsip sederhana yang perlu diperhatikan dalam menyusun tabel
silang agar hubungan antara variabel tampak dengan jelas. Untuk itu maka dalam analisis
crosstabs digunakan analisis statistik yaitu Chi Kuadrat (Chi-Square) yang disimbolkan
dengan X2.
Metode analisis tabulasi silang (crosstabs) ini digunakan untuk menguji korelasi antara
variabel dalam tabel kontigensi sehingga diketahui apakah proporsi dari dua (2) peubah terjadi
karena kebutuhan atau karena adanya asosiasi. Test ini cukup sederhana dan mudah dihitung
dari hasil tabel silang. Dalam analisis tabel silang, peneliti menggunakan distribusi frekuensi
pada sel-sel dalam tabel sebagai dasar untuk menyimpulkan hubungan antara variabel-
variabel penelitian sehingga dengan demikian dapat dengan mudah melihat keterkaitan
hubungan antara dua variabel.
Tabulasi silang (Indriatno, dkk, 1998) merupakan metode analisis kategori data yang
menggunakan data nominal, ordinal, interval serta kombinasi diantaranya. Prosedur tabulasi
silang digunakan untuk menghitung banyaknya kasus yang mempunyai kombinasi nilai-nilai
yang berbeda dari dua variabel dan menghitung harga-harga statistik berserta ujinya.
Metode analisis silang (Crosstab/Crossclasifed) memiliki beberapa metode
pendekatan yang berbeda dan menggunakan uji statistik yang berbeda pula, bergantung pada
banyaknya variabel yang akan diidentifikasi hubungannya satu sama lain. Jika hanya
menggunakan dua variabel maka dapat menggunakan metode kontigensi, metode ini
merupakan metode yang paling umum digunakan dalam analisis tabulasi silang. Jika variabel
yang hendak diuji jumlahnya lebih dari dua dapat menggunakan model yang disebut dengan
Hirarchical Log Linier.

Tabulasi silang merupakan metode untuk mentabulasikan beberapa variabel yang

berbeda ke dalam suatu matriks. Hasil tabulasi silang disajikan ke dalam suatu tabel dengan
variabel-variabel yang tersusun sebagai kolom dan baris.
Kegunaan Analisis Tabulasi Silang adalah dalam menyelesaikan permasalahan analisis data.
Manfaat yang dapat diperoleh dari analisis tabulasi silang, khususnya dalam perencanaan
wilayah dan kota, adalah:
 1. Membantu menyelesaikan penelitian yang berkaitan dengan penentuan hubungan
antara variabel atau faktor yang diperoleh dari data kualitatif, setelah melalui uji
statistik.
2. Menentukan besarnya derajat asosiasi (hubungan kuat atau lemah).
3. Dapat menentukan variabel dependent (terikat) dan variabel independent (bebas)
dari dua variable yang dianalisis.
Dilihat bahwa analisis silang akan sangat membantu perencanaan dalam
menganalisis pada tahap selanjutnya, sebagai dasar dalam pengambilan keputusan. Analisis
Tabulasi Silang berguna apabila data yang diperolah merupakan data dalam bentuk data
kategori yang diperoleh dari survey primer.
Dari penjelasan diatas dapat disimpulkan bahwa analisis crosstab merupakan suatu
metode analisis statistik yang digunakan untuk melihat keterkaitan/hubungan antara dua
variabel dengan menggunakan chi-square. Atas dasar inilah yang kemudian dinilai bahwa
analisis crosstabs dapat mengambarkan keterkaitan hubungan dalam penelitian ini mengenai
keterkaitan antara variabelvariabel karakteristik pergerakan dengan maksud bekerja.

2. Buatlah Statistik tabulasi silang yang melibatkan 2 variabel?

Analisis tabulasi silang merupakan salah satu analisis korelasional yang digunakan utnuk
melihat hubungan antar variable. Sehingga analisa tabulasi silang ini dapat digunakan untuk
menganalisa lebih dari dua variable.

Permasalahan:
Seorang kepala sekolah ingin mengetahui distribusi frekuensi siswa
berdasarkan jenis kelamin, tempat tinggal, dan kerajinan membayar
SPP kalau ketiga variabel tersebut saling dihubungkan
Penafsiran:
Dari perhitungan dalam Tabel 1 tersebut di atas dapat ditafsirkan
hal-hal sebagai berikut.
1. Tidak ada seorang pun siswa wanita yang bertempat tinggal di
Pinggiran.
2. Separo dari keseluruhan atau total siswa bertempat tinggal di
Kota.
3. Hanya ada 6 siswa atau 30 persen yang bertempat tinggal di
Desa.
5
Hubungan antara jenis kelamin (X1) dengan kerajinan membayar SPP
siswa (X3) dapat dijelaskan sebagai berikut
Penafsiran:
Dari perhitungan dalam Tabel 2 tersebut di atas dapat ditafsirkan
hal-hal sebagai berikut.
1. Para siswa pada umumnya rajin dan sangat rajin membayar SPP,
meskipun ada pula yang sangat malas.
2. Siswa pria pada umumnya lebih rajin membayar SPP daripada
siswa wanita.
3. Terdapat 2 siswa wanita atau 10 persen yang sangat malas
membayar SPP.
4. Hanya ada 1 siswa pria atau 5 persen yang malas membayar SPP;
dan tidak seorang pun yang sangat malas.
6
Hubungan antara tempat tinggal siswa (X2) dengan kerajinan
membayar SPP siswa (X3) dapat dijelaskan sebagai berikut

Penafsiran:
Dari perhitungan dalam Tabel 3 tersebut di atas dapat ditafsirkan
hal-hal sebagai berikut.
1. Para siswa pada umumnya rajin dan sangat rajin membayar SPP,
meskipun ada pula yang sangat malas.
2. Siswa yang rajin dan sangat rajin membayar SPP umumnya
bertempat tinggal di Kota dan Pinggiran; jarang yang bertempat
tinggal di Desa.
3. Tidak satu pun siswa yang bertempat tinggal di Desa yang sangat
rajin mau pun sangat malas membayar SPP.
7
Selanjutnya hubungan antara jenis kelamin (X1), tempat tinggal (X2),
dengan kerajinan membayar SPP siswa (X3) dapat dijelaskan sebagai
berikut
Penafsiran:
Dari perhitungan dalam Tabel 4 tersebut di atas dapat ditafsirkan
hal-hal sebagai berikut.
1. Separo atau 50 persen dari siswa tersebut bertempat tinggal di
Kota; pada yang sisi lain tidak ada seorang pun siswa wanita yang
bertempat tinggal di Pinggiran.
8
2. Kebanyakan siswa, tepatnya 14 anak atau 70 persen, ternyata rajin
dan sangat rajin membayar SPP.
3. Siswa yang bertempat tinggal di Kota dan Pinggiran umumnya
rajin dan sangat rajin membayar SPP, meskipun ada siswa wanita
yang bertempat tinggal di Kota yang sangat malas membayar SPP.
Kesimpulan:
1. Jumlah siswa pria lebih banyak daripada siswa wanita.
2. Sebagian besar siswa bertempat tinggal di Kota dan Pinggiran;
meskipun tidak ada seorang pun siswa wanita pun yang bertempat
tinggal di Pinggiran.
3. Kebanyakan siswa rajin dan sangat rajin membayar SPP meskipun
ada juga siswa yang sangat malas.
4. Tempat tinggal berhubungan signifikan dengan kerajinan
membayar SPP siswa; maksudnya siswa yang bertempat tinggal di
Kota dan Pinggiran umumnya rajin atau sangat rajin dalam hal
Membayar SPP
Berikut ini kami sajikan salah satu contoh perhitungan yang menggunakan analisis tabulasi
silang atau crosstab.
Penelitian untuk mengetahui ada tidaknya hubungan antara jenis kelamin dengan prestasi
kerja.
Ha : terdapat hubungan jenis kelamin dengan prestasi kerja
Ho : tidak ada hubungan jenis kelamin dengan prestasi kerja.
Untuk membuktikan hipotesis tersebut hal yang terlebih dahulu dilakukan adalah membuat
penelitian seperti mengadakan survei di suatu perusahaan atau organisasi. Data tersebut
dapat diperoleh dari kuesioner yang dibagikan kepada beberapa responden. Dalam contoh
ini, kita mengambil responden sebanyak 30 orang. Dari data tersebut dapat menghasilkan
data seperti contoh berikut ini:
Untuk memudahkan analisa maka kita dapat membuat kode pada jenis kelamin dan prestasi
kerja.
No Jenis Kelamin Prestasi Kerja
1. Value 1 = Laki-Laki Value 1 = Rendah misal skor 0-40
2. Value 2 = Wanita Value 2 = Sedang misal skor 41-80
3. Value 3 = Tinggi misal skor 81-120
Tabel 1. Pemberian Kode pada Variabel Jenis Kelamin dan Prestasi Kerja
Setelah data yang diperoleh diubah menjadi data nominal, yakni dengan memberi kode pada
setiap variable maka dapat disajikan menjadi seperti tabel di bawah ini:
No Jenis Kelamin Prestasi Kerja
1 1 1
2 1 2
3 2 3
4 2 1
5 1 3
6 2 2
7 1 2
8 1 1
9 1 3
10 2 2
11 2 3
12 2 1
13 1 1
14 1 1
15 2 2
16 1 1
17 1 2
18 2 3
19 2 1
20 1 3
21 2 2
22 1 2
23 1 1
24 1 3
25 2 2
26 2 3
27 2 1
28 1 1
29 1 1
30 1 1
Tabel 2. Data-data yang diperoleh telah diubah sesuai ketentuan kode pada tabel 1
Setelah kita memberi kode seperti contoh tersebut di atas, maka kita telah siap untuk
mengadakan analisa crosstab atau analisa tabulasi silang. Langkah-langkahnya sebagai
berikut:
 1. Membuka program SPSS dengan cara
• Double klik pada shortcut yang terdapat pada dekstop komputer
• Atau dengan cara Start > All Program > SPSS for Windows
Kedua cara tersebut akan muncul tampilan SPSS yang mirip dengan tampilan Microsoft Excel.
2. Memasukkan data tabel tersebut dalam program SPSS
a. Masukkan variabel jenis kelamin dan variable prestasi kerja pada sheet Variabel View
Gambar 1. Tampilan Input variabel jenis kelamin dan prestasi kerja pada Variable View
Perlu diingat bahwa dalam kolom Name tidak boleh terdapat karakter spasi, sehingga untuk
mengganti spasi tersebut dapat menggunakan karakter .
b. Dikarenakan variabel jenis kelamin dan prestasi kerja telah diubah menjadi data nominal
yakni menggunakan kode seperti pada Tabel 2, maka dalam kolom Value perlu ditambahkan
keterangan kode-kode tersebut dengan cara:
• Klik ikon di samping kanan tulisan None pada Kolom Value ,
• Maka akan muncul jendela dialog baru seperti gambar berikut ini:
Gambar 2. Kotak dialog untuk memberi label pada Value
• Isikan kode “1†pada kotak Value, dan “Laki-Laki†pada kotak label.
Klik Add.
• Lakukan hal yang sama, masukkan kode “2†pada kotak Value, dan
“Wanita†pada kotak label. Klik Add. Seperti gambar berikut ini:
Gambar 3. Kotak dialog untuk memberi label pada Value
• Klik OK
• Lakukan hal yang sama untuk variabel Prestasi Kerja.
1. Masukkan data Tabel 2 pada sheet Data View.
Gambar 4. Tampilan Input Data Dari Tabel 1. Ke dalam Sheet Data View
1. Selanjutnya Klik Analyze > Descriptive Statistic > Crosstab.
2. Masukkan variable “Jenis Kelamin [jenis_kelamin]†pada kotak Row(s)
dengan cara klik tanda panah yang terdapat pada samping kiri kotak Row(s)
tersebut.
3. Masukkan variabel “Prestasi Kerja [prestasi_kerja]†pada kotak Column(s)
dengan cara klik tanda panah yang terdapat pada samping kiri kotak Column(s)
tersebut.
Gambar 5. Tampilan Crostab
1. Kemudian Klik “Statistics..†sehingga akan muncul jendela baru. Beri tanda
centang (v) pada kotak Chi Square. Klik Continue.
1. Klik “Cells..â€, sehingga akan muncul jendela baru. Beri tanda centang (v)
pada kotal “Observedâ€, “Expectedâ€, “Rowâ€, “Columnâ€,
“Totalâ€. Dan Klik Continue.
1. Klik OK.
2. Setelah itu, secara otomatis output akan keluar. Seperti gambar berikut:
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Jenis Kelamin * Prestasi
Kerja 30 100.0% 0 .0% 30 100.0%
Penjelasan output SPSS:
Pada tabel “Case Processing Summaryâ€, menunjukkan dalam penelitian tersebut
terdapat 30 sampel. Tidak ada yang hilang atau missing sehingga tingkat kevalidannya adalah
100%.
Jenis Kelamin * Prestasi Kerja Crosstabulation
Prestasi Kerja
Rendah Sedang Tinggi Total
Count 9 4 4 17
Expected Count 7.4 5.1 4.5 17.0
% within Jenis
Kelamin 52.9% 23.5% 23.5% 100.0%
% within Prestasi
Kerja 69.2% 44.4% 50.0% 56.7%
Laki-Laki % of Total 30.0% 13.3% 13.3% 56.7%
Count 4 5 4 13
Expected Count 5.6 3.9 3.5 13.0
% within Jenis
Kelamin 30.8% 38.5% 30.8% 100.0%
% within Prestasi
Kerja 30.8% 55.6% 50.0% 43.3%
Jenis
Kelamin Wanita % of Total 13.3% 16.7% 13.3% 43.3%
Count 13 9 8 30
Expected Count 13.0 9.0 8.0 30.0
% within Jenis
Kelamin 43.3% 30.0% 26.7% 100.0%
% within Prestasi
Kerja 100.0% 100.0% 100.0% 100.0%
Total % of Total 43.3% 30.0% 26.7% 100.0%
Penjelasan output SPSS:
Pada tabel “Jenis Kelamin * Prestasi Kerja Crosstabulation†menunjukkan data objektif/
frekuensi nyata (Count) dan frekuensi harapan (Expected Count) baik dalam bentuk skor
maupun presentase.
Berikut hasilnya:
Dari penelitian tersebut terdapat 9 karyawan laki-laki yang memiliki prestasi kerja rendah, 4
karyawan laki-laki berprestasi kerja sedang dan 4 sisanya berprestasi tinggi.
Sedangkan untuk karyawan wanita, 4 wanita mempunyai prestasi kerja rendah, 5 orang
memiliki prestasi kerja sedang dan 4 orang lainnya mempunyai prestasi kerja tinggi.
Chi-Square Tests
Asymp. Sig.
Value df (2-sided)
a
Pearson Chi-Square 1.528 2 .466
Likelihood Ratio 1.550 2 .461
Linear-by-Linear
Association .916 1 .338
N of Valid Cases 30
a. 3 cells (50,0%) have expected count less than 5. The
minimum expected count is 3,47.
Penjelasan Output SPSS:
• Untuk tabel Chi-Square Tests, menunjukkan hasil Chi Kuadrat (Chi Square)
hitung sebesar 1.528. Tingkat signifikan (?) = 5 % yang telah ditentukan terlebih
dahulu sebelum melakukan penelitian.
Keputusan = 0.05 Asymp. Sig. (2-sided) maka Ho diterima dan Ha ditolak.
Bila = 0.05 Asymp. Sig. (2-sided) maka Ho ditolak dan Ha diterima.
Dari tabel Chi Square tersebut di atas, dapat diketahui bahwa ? = 0.05 ? Asymp. Sig. (2-sided)
yakni 0.466 maka Ho diterima dan Ha ditolak. Atau dengan kata lain tidak terdapat
hubungan antara jenis kelamin dengan prestasi kerja.
Jenis Kelamin * Prestasi Kerja Crosstabulation
Prestasi Kerja
Rend Seda Ting
ah ng gi Total
Count 9 4 4 17
Expect
ed
Count 7.4 5.1 4.5 17.0
%
within
Jenis
Kelami 52.9 23.5 23.5 100.
n % % % 0%
%
within
Presta
si 69.2 44.4 50.0 56.7
Kerja % % % %
Laki- % of 30.0 13.3 13.3 56.7
Laki Total % % % %
Count 4 5 4 13
Expect
ed
Count 5.6 3.9 3.5 13.0
%
within
Jenis
Kelami 30.8 38.5 30.8 100.
n % % % 0%
%
within
Presta
si 30.8 55.6 50.0 43.3
Jenis Kerja % % % %
Kela Wan % of 13.3 16.7 13.3 43.3
min ita Total % % % %
Count 13 9 8 30
Expect
ed
Count 13.0 9.0 8.0 30.0
%
within
Jenis
Kelami 43.3 30.0 26.7 100.
n % % % 0%
%
within
Presta
si 100.0 100.0 100. 100.
Kerja % % 0% 0%
% of 43.3 30.0 26.7 100.
Total Total % % % 0%
Penjelasan output SPSS:
 Pada tabel “Jenis Kelamin * Prestasi Kerja Crosstabulation†menunjukkan data
objektif/ frekuensi nyata (Count) dan frekuensi harapan (Expected Count) baik dalam
bentuk skor maupun presentase.
Berikut hasilnya:
Dari penelitian tersebut terdapat 9 karyawan laki-laki yang memiliki prestasi kerja
rendah, 4 karyawan laki-laki berprestasi kerja sedang dan 4 sisanya berprestasi tinggi.
Sedangkan untuk karyawan wanita, 4 wanita mempunyai prestasi kerja rendah, 5
orang memiliki prestasi kerja sedang dan 4 orang lainnya mempunyai prestasi kerja
tinggi.
Chi-Square Tests
Asymp.
Sig. (2-
Value df sided)
Pearson Chi-
Square 1.528a 2 .466
Likelihood
Ratio 1.550 2 .461
Linear-by-
Linear
Association .916 1 .338
N of Valid
Cases 30
a. 3 cells (50,0%) have expected count less than 5.
The minimum expected count is 3,47.
Penjelasan Output SPSS:
• Untuk tabel Chi-Square Tests, menunjukkan hasil Chi Kuadrat (Chi Square) hitung
sebesar 1.528. Tingkat signifikan (?) = 5 % yang telah ditentukan terlebih dahulu
sebelum melakukan penelitian.
Keputusan = 0.05 Asymp. Sig. (2-sided) maka Ho diterima dan Ha ditolak.
Bila = 0.05 Asymp. Sig. (2-sided) maka Ho ditolak dan Ha diterima.
Dari tabel Chi Square tersebut di atas, dapat diketahui bahwa ? = 0.05 ? Asymp. Sig.
(2-sided) yakni 0.466 maka Ho diterima dan Ha ditolak. Atau dengan kata lain tidak
terdapat hubungan antara jenis kelamin dengan prestasi kerja.