Modul 3

Statistik Deskriptif Crosstabs

 Analisis Crosstab (Tabel Silang)
Analisis Crosstab untuk Uji Ketergantungan (Test of
Independence)
Contoh Kasusnya:
Manajer perusahaan yang memproduksi minuman ringan dalam
kemasan sachet merek MAKNYUSS ingin mengetahui bagaimana
sikap konsumen terhadap produk perusahaan, serta bagaimana
profil mereka.
Untuk itu 25 orang konsumen yang pernah mencicipi produk
MAKNYUSS diminta mengisi identitas dan sikap mereka terhadap
produk MAKNYUSS.
No Pekerjaan Pendidikan Gender
1 Karyawan Akademi Pria 21 wiraswasta Sarjana Wanita
2 Petani Sarjana Pria
3 wiraswasta SMA Wanita 22 Petani Sarjana Wanita
4 Petani SMA Wanita
5 wiraswasta Akademi Wanita 23 Petani Sarjana Pria
6 Karyawan Sarjana Pria
7 wiraswasta SMA Wanita 24 Karyawan SMA Pria
8 wiraswasta SMA Pria
9 Petani Akademi Wanita 25 Karyawan SMA Pria
10 Petani Akademi Wanita
11 Karyawan Sarjana Pria
12 Karyawan Sarjana Pria
13 Petani SMA Wanita
14 wiraswasta Sarjana Pria
15 wiraswasta Akademi Wanita
16 Karyawan Sarjana Pria
17 Petani SMA Wanita
18 Karyawan Akademi Pria
19 Karyawan SMA Wanita
20 Petani Akademi Pria
Langkah penyelesaian:
• Buka lembar kerja baru
• Masukkan data seperti ketika Anda memasukan data. Jangan lupa
definsikan variabelnya. Karena semuanya data kategori pilih
Decimalsnya = 0.
• Untuk variabel pekerjaan, tipenya numerik, dimana: 1 = karyawan,
2= wiraswasta dan 3= petani.
• Untuk variabel pendidikan, tipenya numerik dengan; 1 = SMA, 2=
akademi, dan 3=sarjana
• Variabel gender seperti sebelumnya, 1=Pria dan 2 = Wanita.
• Selanjutnya data diketik pada Data View, setelah itu pilih menu
Analyze, lalu pilih submenu Descriptive Statistics, lalu pilih lagi
sumenu Crosstab. Lalu akan tampil gambar berikut ini
 Row(s) atau variabel yang akan ditempatkan pada baris (row) –
untuk keseragaman, kita pilih Gender
 Column(s) atau variabel yang akan ditempatkan pada Kolom) –
untuk keseragaman, kita pilih Pekerjaan
 Klik pilihan Statistics…, akan tampak dilayar gambar berikut.
 Karena kita akan melihat hubungan antara dua variabel, untuk
keseragaman pilih Chi-Square. Pilihan yang lainnya akan
digunakan pada kasus yang relevan di bagian lain. Lalu Klik
Continue
 Kemudian Klik pilihan Cells…, akan tampak di layar
 Pilihan Count untuk menampilkan hitungan Chi-square, apakah perlu
disertakan nilai Expected (nilai yang diharapkan) selain nilai observed.
Untuk keseragaman klik hanya Observed
 Pilihan Percentage untuk menampilkan perhitungan angka pada baris
dan kolom dalam persen. Untuk kasus ini biarkan saja kolom
tersebut (tidak ada yang dipilih). Lalu klik Continue,
 Klik pilihan Format…, akan tampak editor berikut
 Row Order atau penempatan nama variabel dalam baris, apakah naik
atau turun. Pilih Ascending. Klik Continue.
 Pilihan Displayclustered bar charts dan Suppers tables biarkan
kosong.
 Perhatikan variabel Pendidikan tidak dimasukkan, karena dalam proses
ini kita hanya memasukkan dua saja, tidak mesti semua, nanti kita akan
gunakan variabel pendidikan pada kasus yang lain.
 Klik OK, maka akan tampak output berikut.
 Output Crosstab
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
gender *
25 100.0% 0 .0% 25 100.0%
Pekerjaan

Analisis Output Bagian Pertama (Case Processing Summary)

Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat
validitasnya 100%.

gender * kerja Crosstabulation

Count
kerja
1 2 3 Total
gender 1 8 2 3 13
2 1 5 6 12
Total 9 7 9 25
Analisis Output Bagian Kedua (Crosstab antara Gender dengan Pekerjaan)
Terlihat tabel silang yang memuat hubungan diantara kedua variabel. Misalnya,
pada baris-1 kolom-1, terdapat angka 8. Hal ini berarti ada 8 orang pria (variabel
gender) yang mempunyai pekerjaan karyawan (varaibel Pekerjaan). Demikian
pula untuk data yanag lainnya.

Chi-Square Tests

Asymp. Sig.
Value df (2-sided)
Pearson Chi-Square 7.702(a) 2 .021
Likelihood Ratio 8.505 2 .014
Linear-by-Linear
5.342 1 .021
Association
N of Valid Cases 25
a 6 cells (100.0%) have expected count less than 5. The minimum expected count is 3.36.
Analisis Output bagian Ketiga (Uji Chi-square)
Uji Chi-square untuk mengamati ada tidaknya hubungan antara dua variabel (baris
dan kolom). Di dalam SPSS, selain alat uji Chi-Square juga dilengkapi dengan
beberapa alat uji yang sama tujuannya.

Hipotesis
Hipotesis untuk kasus ini:
Ho :Tidak ada hubungan antara baris dan kolom, atau Tidak ada hubungan
antara pekerjaan dengan gender.
Hi :Ada hubungan antara baris dan kolom, atau Ada hubungan antara
pekerjaan dengan gender.

Cara 1:
Pengambilan Keputusan
Dasar pengambilan keputusan, yaitu: Berdasarkan perbandingan Chi-
Quare Uji dan angka dari Tabel

•Jika Chi-square Hitung < Chi-square Tabel, Maka Ho diterima

•Jika Chi-square Hitung > Chi-square Tabel, Maka Ho ditolak
Chi-square Hitung dapat dilihat pada output bagian ketiga yaitu
7.702. Sedangkan Chi-square Tabel, dapat dilihat pada Tabel Uji-
Statistik untuk Chi-square. Dalam hal ini untuk tingkat signifikansi ()
= 5% dan derajat kebebasan (dk) = 2 adalah 5,9915.
Karena Chi-square Hitung (7.702) > Chi-square Tabel
(5,9915), Maka Ho ditolak Dengan demikian disimpulkan bahwa
ada hubungan antara baris dan kolom, atau antara pekerjaan n
dengan gender.

Cara 2:
Kita juga bisa menguji hipotesis dengan membandingkan nilai
Probabilitas yang nilainya dapat dilihat pada bagian Asymp. Sig. (2-
sided), yang dalam kasus ini sebesar 0.021.

Jika nilai Probabilitas > 0,05 maka Ho diterima.

Tetapi bila nilai Probabilitas < 0,05 maka Ho ditolak.

Dalam kasus ini 0.021 < 0,05 artinya Ho ditolak, atau ada hubungan
antara baris dan kolom, atau antara pekerjaan dengan gender.
Dari kedua analisis tersebut bisa diambil kesimpulan
yang sama, yaitu Ho ditolak atau ada hubungan
antara pekerjaan seorang dengan gender tersebut.
Dengan kata lain dapat saja dikatakan bahwa
kebanyakan pria berprofesi karyawan sedangkan
kebanyakan wanita tidak banyak yang berprofesi
karyawan, mungkin banyaknya wiraswasta.
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 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

Lakukan analisis tabulasi silang dan berikan

kesimpulannya?
Chi Square
tabel dk 2 =
5.991
 Jenis Prestasi 14 1 1
No
Kelamin Kerja 15 2 2
1 1 1 16 1 1
2 1 2 17 1 2
3 2 3
18 2 3
4 2 1
5 1 3 19 2 1
6 2 2 20 1 3
7 1 2 21 2 2
8 1 1 22 1 2
9 1 3 23 1 1
10 2 2 24 1 3
11 2 3
25 2 2
12 2 1
13 1 1