ANALISIS TABEL KONTINGENSI

TABEL 2 ARAH

Analisis Data Eksploratif

 Keterkaitan Antar Variabel

 Berapa banyak variabel yang terkait?

 Tingkat pengukuran nilai variabel?

2
 Keterkaitan Antar Variabel
Berdasarkan banyak variabel yang dianalisis,
terdapat 3 kajian/analisis yaitu:
 Univariate Analysis, merupakan kajian pada satu
buah nilai variabel/informasi
 Bivariate Analysis merupakan kajian pada dua
buah nilai variabel/informasi yang terkait
 Multivariate Analysis merupakan kajian pada lebih
dari dua buah nilai variabel/informasi yang
terkait 3
 Keterkaitan Antar Variabel

Berdasarkan tingkat pengukuran nilai

variabel :
 Korelasi, merupakan ukuran keterkaitan
pada data numerik
 Asosiasi, merupakan ukuran keterkaitan
pada data kategorik
4
 Eksplorasi Keterkaitan Antar Variabel

Antara lain :
 Korelasi:
 Tabel Kontingensi: 2 arah, 3 arah
 Plot/grafik : Scatter plot
 Ukuran statistik: Korelasi Pearson, Korelasi Spearman
 Asosiasi:
 Tabel Kontingensi: 2 arah, 3 arah
 Ukuran statistik: Koefisien Kontingensi, Proporsi, Ukuran
Kecenderungan

5
 Eksplorasi Asosiasi Antar Variabel

 Akan dibahas dalam pertemuan

 Tabel Kontingensi
 Ukuran statistik: Koefisien Kontingensi, Proporsi, Ukuran
kecenderungan
Untuk asosiasi bivariate ataupun multivariate

6
Tabel Kontingensi
 Tabel kontingensi: tabel yang sel-nya menampilkan banyak
observasi dari setiap kategori.
 Tabel 2 arah: tabel yang memuat klasifikasi dari 2 variabel.
 Tabel 3 arah: tabel yang memuat klasifikasi dari 3 variabel.
 Tabel kontingensi terdiri dari i baris dan j kolom, dibaca tabel
i  j.
Asosiasi 2 Variabel

Dalam keseharian, fenomena yang terjadi dan menarik untuk diteliti melibatkan
sejumlah besar variabel, antara lain:
 Apakah ada hubungan antara pendidikan KRT dengan tingkat kesejahteraan
rumah tangga?
 Apakah ada hubungan antara sektor usaha dan kelangsungan usaha
informal?
 Apakah hubungan antara jenis kelamin, usia, dan afiliasi politik?

8
 Tabel 2 Arah
Tabel 2 arah / two-way table, adalah tabel yang memuat keterangan
mengenai dua hal atau dua karakteristik saja
Contoh
Dari penelitian di Kelurahan B diperoleh data bahwa untuk
KRT tidak tamat SLTA sebanyak 82 orang termasuk rumah
tangga miskin, 65 RT hampir miskin, 12 RT tidak miskin.
Untuk KRT tamat SLTA 59 termasuk RT miskin, 112 RT
hampir miskin, 24 RT tidak miskin. Untuk KRT berpendidikan
SLTA ke atas 37 termasuk RT miskin, 94 RT hampir miskin, 42
RT tidak miskin.
Tabel 2 Arah

Tabel 1. Jumlah Rumah Tangga menurut Pendidikan KRT dan Tingkat

Kesejahteraan di Kelurahan B

Tingkat Kesejahteraan
Pendidikan
Miskin Hampir Miskin Tidak Miskin
Tidak Tamat SLTA 82 65 12
Tamat SLTA 59 112 24
SLTA ke atas 37 94 42

10
Ukuran Statistik dalam Tabel 2 Arah
Merupakan ukuran yang digunakan dalam mendeskripsikan asosiasi antar
variabel kualitatif
 Koefisien Kontingensi

 Proporsi
 Proporsi terhadap total kolom
 Proporsi terhadap total baris

 Ukuran Kecenderungan

11
Koefisien Kontingensi (Cc)
2 Dengan,
Cc  oij: data
2 n
n: banyaknya data
  
2
oij  eij 
2
i : kategori baris
i j eij j : kategori kolom
Interpretasi:
Nilai Cc akan dibandingkan dengan nilai
r  1 sebagai nilai batas
r
atas.
 Jika Cc/Nilai batas atas, lebih kecil dari 0,5 maka hubungan
variabel kualitatif tersebut lemah
 Jika Cc/Nilai batas atas, antara 0,5 dan 0,75 maka hubungan
variabel kualitatif tersebut cukup/sedang
 Jika Cc/Nilai batas atas, lebih dari 0,75 maka hubungan variabel 12
kualitatif tersebut kuat
Contoh Koefisien Kontingensi (Cc)
Dengan menggunakan tabel 1, maka nilai harapan untuk sel pada baris ke –
i dan kolom ke-j adalah :

eij 
ni.n. j 
n
Misal nilai harapan untuk sel pada baris ke –1 dan kolom ke-1 adalah

e11 
n1.n.1 159 178
  53,70
n 527

Dan seterusnya…

13
 Lanj. Contoh Koefisien Kontingensi (Cc)
Maka nilai Chi-Squre adalah:
  
2
3 3 o
ij  eij 
2

 45,54
i 1 j 1 eij
2 45,54
Cc    0,28
 n
2
45,54  527
Interpretasi:
Nilai Cc akan dibandingkan dengan nilai batas atas, yaitu:
r  1  3  1  0,82
r 3
Sehingga Cc/nilai batas atas, lebih kecil dari 0,5 (0,341) maka
hubungan variabel kualitatif tersebut lemah 14
Proporsi terhadap total kolom
Merupakan ukuran asosiasi data kualitatif yang digunakan dalam
mendeskripsikan kondisi antar kategori dalam variabel baris
Tabel 1. Jumlah Rumah Tangga menurut Pendidikan Proporsi terhadap total kolom, digunakan untuk
KRT dan Tingkat Kesejahteraan di Kelurahan B mengetahui proporsi tingkat kesejahteraan menurut
pendidikan KRT:
Tingkat Kesejahteraan
 Pada Tk. Pendidikan KRT Tidak Tamat SLTA,
Pendidikan
Hampir Rumah Tangga lebih banyak akan memiliki
Miskin Tidak Miskin
Miskin
tikngkat kesejahteraan pada level apa?
Tidak Tamat SLTA 82 65 12
 Apakah ada hubungan antara pendidikan KRT
Tamat SLTA 59 112 24 dengan tingkat kesejahteraan

SLTA ke atas 37 94 42

15
 Lanjutan proporsi terhadap total kolom
Tabel 1. Jumlah Rumah Tangga menurut Pendidikan KRT dan Tingkat Kesejahteraan di Kelurahan B
Tingkat Kesejahteraan
Pendidikan
Miskin Hampir Miskin Tidak Miskin

Tidak Tamat SLTA 46.067 23,985 15,385

Tamat SLTA 33.146 41,328 30,769

SLTA ke atas 20.787 34,686 53,846

Persentase 100 100 100

 Pada Ruta dengan tk pendidikan tidak tamat SLTA, Ruta yang memiliki proporsi lebih tinggi adalah Ruta
dengan Tk. Kesejahteraan Miskin
 Pada Ruta dengan tk pendidikan tamat SLTA, Ruta yang memiliki proporsi lebih tinggi adalah Ruta
dengan Tk. Kesejahteraan Hampir Miskin
 Pada Ruta dengan tk pendidikan SLTA ke atas, Ruta yang memiliki proporsi lebih tinggi adalah 16
Ruta
dengan Tk. Kesejahteraan Tidak Miskin
Proporsi terhadap total baris
Merupakan ukuran asosiasi data kualitatif yang digunakan dalam
mendeskripsikan kondisi antar kategori dalam variabel kolom
Tabel 1. Jumlah Rumah Tangga menurut Pendidikan Proporsi terhadap total baris, digunakan untuk
KRT dan Tingkat Kesejahteraan di Kelurahan B mengetahui proporsi pendidikan KRT menurut tingkat
kesejahteraan :
Tingkat Kesejahteraan
 Pada Tk. Kesejahteraan Miskin, KRT dengan
Pendidikan
Hampir Tidak pendidikan apakah yang memiliki proporsi lebih
Miskin
Miskin Miskin
tinggi?
Tidak Tamat SLTA 82 65 12
 Apakah ada hubungan antara tingkat
Tamat SLTA 59 112 24 kesejateraan dengan pendidikan KRT

SLTA ke atas 37 94 42

17
 Lanjutan proporsi terhadap total baris
Tabel 1. Jumlah Rumah Tangga menurut Pendidikan KRT dan Tingkat Kesejahteraan di Kelurahan B

Tingkat Kesejahteraan
Pendidikan Persentase
Miskin Hampir Miskin Tidak Miskin

Tidak Tamat SLTA 51.572 40.881 7.5472 100

Tamat SLTA 30.256 57.436 12.308 100

SLTA ke atas 21.387 54.335 24.277 100

 Pada Tk. Kesejahteraan Miskin, KRT dengan pendidikan tidak tamat SLTA memiliki proporsi
lebih tinggi
 Pada Tk. Kesejahteraan Hampir Miskin, KRT dengan pendidikan tamat SLTA memiliki proporsi
lebih tinggi
 Pada Tk. Kesejahteraan Tidak Miskin, KRT dengan pendidikan SLTA keatas memiliki proporsi 18
lebih tinggi
Ukuran Kecenderungan
Merupakan ukuran kecenderungan terjadinya kejadian “sukses” yang
merupakan rasio kejadian “gagal” baris 1

odds 
banyaknya kejadian' sukses' pada baris 1
banyaknya kejadian ' gagal' pada baris 1

Nilai odds nonnegatif.

Odds > 1 menunjukkan sukses lebih mungkin terjadi daripada gagal.
Jika odds = 4.0, maka sukses empat kali cenderung terjadi daripada gagal.
Odds = 1, maka kecenderungan kejadian sukses atau gagal sama, dengan
kata lain tidak berhubungan dengan kondisi baris
19
 Contoh
Tabel 1. Jumlah Rumah Tangga menurut Pendidikan KRT
dan Tingkat Kesejahteraan di Kelurahan B
Tingkat Kesejahteraan
Pendidikan
Miskin Tidak Miskin
(‘sukses’) (‘gagal’)
Tidak Tamat SLTA 82 77

Tamat SLTA atau lebih 96 272

82 Interpretasi:
Maka: oddstdk SLTA   1,065
77 Odds =1,065. maka kejadian sukses cenderung terjadi
96 1,065 kali daripada gagal. Artinya pada KRT tidak
oddsSLTA ke atas   0,353 tamat SLTA, keluarganya 1,065 kali cenderung miskin
272
daripada tidak miskin
 Rasio Kecenderungan
Rasio kecenderungan (θ) atau odds ratio , merupakan rasio antara dua ukuran
kecenderungan

odds1
 
odds2

Interpretasi:
Odds ratio = 1, menunjukkan hubungan dua variabel tersebut adalah independent
atau saling bebas
Odds ratio > 1, menunjukkan odds baris 1 lebih besar daripada odds baris 2

21
 Contoh
Contoh berdasarkan tabel 1:
Odds _ tidak SLTA= 1,065
Odds _ SLTA ke atas = 0,353
1,065
Maka rasio kecenderungannya adalah:    3,017
0,353

Odds ratio = 3,017 artinya odds_tidak SLTA lebih besar daripada odds_SLTA ke atas

Interpretasi: Terdapat asosiasi antara variabel tingkat pendidikan dan tingkat

kesejahteraan rumah tangga