SILANG
Penyajian data
dua variabel atau
lebih (bivariat; Tabel silang
multivariat)
2
•Tabel silang merupakan langkah
awal analisis bivariat & multivariat.
•Dalam analisis bivariat, harus
diawali dengan analisis tabel silang
terlebih dahulu, baru dilanjutkan
dengan uji kekuatan hubungan
3
Tabel Silang Kekuatan Hubungan
nilai signifikansi 4
Tabel Silang Bivariat
5
Kerangka Tabel Kontingensi
Tabel 1
Hubungan antara Variabel a dengan Variabel b
Variabel a Variabel b Total
variabel a
b1 b2 … bn
6
Prinsip dalam Analisis Tabel Silang
• Persentase dibuat searah variabel bebas (independent variable)
• Interpretasi dibuat searah variabel terikat (dependent variable)
• Beberapa peneliti menggunakan ukuran kasar “10 percentage point
rule” maksudnya bila selisih di antara sel variabel terikat 10% atau
lebih, maka kekuatan hubungan di antara kedua variabel itu bisa
diuji lebih lanjut.
• Tapi bila selisihnya di bawah 10% maka kekuatan hubungan di
antara kedua variabel tersebut tidak perlu diuji lebih lanjut karena
hubungannya akan lemah.
• Akan tetapi ada juga beberapa peneliti yang menganggap selisih 6%
sudah bisa untuk diuji lebih lanjut kekuatan hubungannya.
7
Cara menentukan variabel bebas
8
9
Variabel bebas/
independen
Variabel terikat /
Interpretasi
dependen
Persentase 100
10
Contoh pembuatan tabel silang
11
A B C A B C A B C A B C
1 1 1 11 1 1 21 2 2 31 1 1
2 1 1 12 1 2 22 2 2 32 1 1
3 2 2 13 2 2 23 2 2 33 1 2
4 2 1 14 1 1 24 1 2 34 2 2
5 1 2 15 2 2 25 1 1 35 2 1
6 1 1 16 2 2 26 2 1 36 2 2
7 1 1 17 1 2 27 1 1 37 2 2
8 2 1 18 2 2 28 2 1 38 1 2
9 2 2 19 1 1 29 2 2 39 1 1
10 1 2 20 1 2 30 2 2 40 2 2
12
Contoh Tabel Silang
Tabel 2
Hubungan antara Jenis Kelamin dengan
Sikap terhadap Free Sex
Sikap terhadap Jenis Kelamin Total
Free Sex Laki-Laki Perempuan
Setuju 12 5 17
Tidak setuju 8 15 23
Total 20 20 40
13
Contoh penggunaan persen baris
INTERPRETASI:
•Dari responden yang setuju free sex, paling banyak berjenis kelamin laki-laki
dibandingkan dengan yang berjenis kelamin perempuan. Lihat angka 60% (laki-
laki) dan 25% (perempuan)
•Dari responden yang tidak setuju free sex, paling banyak berjenis kelamin
perempuan dibandingkan dengan yang berjenis kelamin laki-laki. Lihat angka
40% (laki-laki) dan 75% (perempuan).
14
• Perhatikan selisih di antara variabel terikatnya
(kolom “setuju” dan “tidak setuju”):
• Dengan mengacu pada “10 percentage point rule”
maka hubungan di antara jenis kelamin dan sikap
terhadap free sex bisa diuji kekuatan
hubungannya, karena selisihnya lebih dari 10%
(60%-25%; 75%-40%)
• Dengan demikian bisa lanjut ke uji kekuatan
hubungan.
15
Contoh penggunaan persen kolom
Sikap terhadap Jenis Kelamin
Free Sex Laki-Laki Perempuan
INTERPRETASI:
•????
16
Bagaimana bila datanya seperti ini?
Sikap terhadap Jenis Kelamin
Free Sex Laki-Laki Perempuan
INTERPRETASI: ???
17
• Interpretasi:
• Perhatikan arah variabel terikat (baris “setuju” dan
“tidak setuju”)
• Analisis tabel silang menunjukkan bahwa tidak
ada hubungan di antara kedua variabel di atas
karena selisih di antara variabel terikatnya nol
persen (50%-50%; 50%-50%)
• Jadi tidak perlu dilanjutkan ke uji kekuatan
hubungan
18
Contoh penggunaan persen total
Jenis Sikap terhadap Free Sex Total
Kelamin Tidak setuju Setuju
INTERPRETASI:
•Paling banyak adalah responden perempuan yang menyatakan setuju terhadap
free sex (53,33%)
•Paling sedikit adalah responden laki-laki yang menyatakan tidak setuju terhadap
free sex (3,33%)
19
Uji Kekuatan Hubungan
• Bila hasil analisis tabel silang dengan memperhatikan “10 percentage
point rule” sudah dilakukan dan hasilnya menunjukkan bahwa selisih
persentase pada variabel terikat minimal 10%, maka langkah
selanjutnya mengukur kekuatan hubungan di antara kedua variabel.
20
Uji Kekuatan Hubungan
Scale Symbol Used With
Nominal λ (Lambda) 2 nominal-level variables- Asymmetric
Ф (Phi-coefficient) 2 dichotomous variables - Symmetric
С (Contingency 2 nominal-level variables with equal rows and
Coefficient) column - Symmetric
V (Cramer’s V) 2 nominal-level variables - Symmetric
Ordinal (goodman and 2 ordinal-level variables - Symmetric
kruskal’s gamma)
d (Somer’s d) 2 ordinal-level variables- Asymmetric
Tau-b (Kendall’s tau-b) 2 ordinal-level variables - Symmetric
Rs (Spearman’s rho) 2 ordinal-level variables. If one variable is
ordinal level and one is interval level, both must
be expressed as ranks prior to calculating - Sym
Interval/ R (Pearson’s correlation 2 interval- and/or ratio-level variables -
Ratio coefficient) Symmetric
R (multiple correlation
coefficient) 3 or more interval- and/or ratio-level variables
21 -
Kekuatan Hubungan
• Untuk hubungan nominal:
Nilai Keterangan tidak ada tanda minus, biasa
0,0 – 0,2 Sangat lemah, cenderung digunakan istilah asosiasi
tidak ada asosiasi • Untuk hubungan minimal
ordinal: dimungkinkan positif
0,2 – 0,4 Lemah, asosiasi lemah
atau negatif.
0,4 – 0,7 Sedang, asosiasi sedang Positif: semakin naik X maka
0,7 – 0,9 Kuat, ada asosiasi semakin naik Y atau semakin
0,9 – 1,0 Sangat kuat, sangat terlihat turun X maka semakin turun Y
adanya asosiasi Negatif: semakin naik X, maka
semakin turun Y atau
Sumber: TH Black (1993) dalam Argyrous sebaliknya
(1997), ph. 326
22
Kerangka Tabel Multivariat
Nomor dan Judul Tabel
VARIABEL Y
TOTAL
VARIABEL X Kategori 1 Kategori 2
VARIABEL Z a b c d
Kategori 1
Kategori 2
TOTAL
Sumber: ….
Letak Variabel Ketiga dapat berada di sisi baris atau di sisi
kolom 23
Cara membuat persentase dan menginterpretasikan
tabel multivariat tidak berbeda
dengan prosedur yang dilakukan pada tabel bivariat.
24
Elaborasi :
cara yang dilakukan untuk membandingkan hubungan antara dua variabel
atau lebih. Dapat dilakukan dengan melihat hasil pada persentase tabel atau
juga melihat kekuatan hubungan melalui uji statistik.
25
Daftar Pustaka
26