Analisis Crosstab dengan SPSS [Uji Chi-Square dan Correlation]

Cara Analisis Crosstab Menggunakan SPSS 

Pada artikel ini, Kita akan belajar analisis crosstabs menggunakan SPSS. Silahkan baca artikel ini sampai selesai ya, agar paham apa itu analisis crosstabs.

Pada SPSS, analisis crosstab merupakan bagian dari statistik deskriptif. Lalu apa kegunaan analisis crosstabs? Analisis crosstab merupakan alat analisis untuk mendeskripsikan data dalam bentuk kolom dan baris. Selain itu digunakan untuk memeriksa hubungan antar variabel kategori (nominal atau ordinal).

Analisis crosstab ini dibagi menjadi 2 bagian:

  1. Analisis Crosstab – Chi Square
  2. Analisis Crosstab – Correlations

Lalu apa perbedaannya? Ok, kita langsung ke yang pertama, analisis Crosstab – Chi Square

A. Analisis Crosstab Chi-Square

Analisis Crosstab Chi-Square ini merupakan teknik analisis untuk melihat hubungan antar variabel data nominal. Syarat uji chi-squre ini variabel yang akan kita uji harus data nominal.

Langsung aja ke contoh kasus, Suatu perusahaan mengamati apakah pelayanan karyawan front office berbeda antara staff laki-laki dengan perempuan. Jumlah karyawan front office antara laki-laki dan perempuan sama banyak. Berikut ini data pelayanan pelanggan:

Data pelayanan pelanggan, tampilan data view

Data pelayanan pelanggan, tampilan variable view
Gambar 1. Data Pelayanan Pelanggan 

Langkah-langkah Analisis Crosstab Chi-Square

Berikut ini langkah-langkah analisis hubungan layanan pelanggan antara karyawan front office laki-laki dengan perempuan:

1.  Buka aplikasi SPSS, kemudian masukkan data seperti gambar di atas (gambar 1).

Baca Juga: Cara Input Data di SPSS

2. klik Analyze, pilih Descriptive Statistics, lalu pilih Crosstabs pada menu sehingga muncul kotak dialog Crosstabs.

Kotak dialog Crosstabs SPSS

3. Masukkan variabel Jenis Kelamin pada kotak Row(s) dan masukkan variabel Pelayanan pelanggan pada kotak Column(s).

Input variabel pada Kotak dialog Crosstabs

4. Klik Statistics sehingga kotak dialog Crosstabs: Statistic muncul, beri centang pada Chi-Square.

Kotak dialog Crosstabs: Statistics

5. Klik Continue sehingga kembali ke kotak dialog Crosstabs.

6. Klik OK maka Output SPSS Viewer menampilkan hasil seperti berikut:

Output Case Processing Summary

Interpretasi Output Analisis Crosstab Chi-Square

Tabel Case Processing Summary pada baris menunjukkan variabel pengamatan, yaitu variabel Jenis Kelamin dengan variabel Pelayanan Pelanggan. Bagian kolom menyatakan jumlah dan persen pengamatan, baik untuk data valid, missing, dan total. Jumlah data valid ada 40 sampel (100%).

Output Jenis Kelamin * Pelayanan pelanggan Crosstabulation

Tabel Jenis Kelamin * Pelayanan pelanggan Crosstabulation memaparkan secara detail layanan pelanggan untuk masing-masing jenis kelamin. Terlihat pada gambar di atas, bahwa jumlah layanan pelanggan yang memuaskan lebih banyak perempuan (14) dari pada laki-laki (12).

Output Chi-Square Tests

Tabel Chi-Square Test menunjukkan bahwa nilai Asymp. Sig (2-sided) Pearson Chi-Square adalah 0.195

Hipotesis:

H0 = Tidak ada perbedaan layanan pelanggan antara karyawan front office laki-laki dengan perempuan.

H1 = Ada perbedaan layanan pelanggan antara karyawan front office laki-laki dengan perempuan.

Pedoman pengambilan keputusan:

Jika nilai Asymp. Sig (2-sided) Chi-Square hitung > ɑ (0.05) maka H0 diterima.

Jika nilai Asymp. Sig (2-sided) Chi-Square hitung < ɑ (0.05) maka H0 ditolak.

Diperoleh nilai Asymp. Sig (2-sided) (0.195) > ɑ (0.05) maka H0 diterima. Jadi tidak ada perbedaan layanan antara karyawan front office laki-laki dengan front office perempuan.

Baca juga: Cara Analisis Statistik Deskriptif dengan SPSS

B. Analisis Crosstab – Correlations 

Analisis Crosstab – Correlations merupakan teknik analisis untuk mengetahui hubungan antar variabel data ordinal. Syarat analisis crosstab correlations yaitu jenis data yang diamati harus data ordinal.

Baca Juga: Jenis-jenis Data Penelitian yang Perlu Dipahami

Kita ke contoh kasus: Suatu perusahaan mengamati apakah ada perbedaan tingkat kepuasan terhadap produk yang dikeluarkan dengan kualitas yang berbeda-beda (kualitas a > kualitas b > kualitas c) pada pasar yang sama. Berikut ini data tingkat kepuasan terhadap produk.

Data tingkat kepuasan terhadap produk, tampilan data view

Data tingkat kepuasan terhadap produk, tampilan variable view
Gambar 2. Data Tingkat Kepuasan Terhadap Produk

Langkah-langkah Analisis Crosstab - Correlations

Berikut ini langkah-langkah analisis hubungan kualitas produk dengan tingkat kapuasan menggunakan analisis Crosstab Correlations:

1. Buka aplikasi SPSS, kemudian masukkan data seperti gambar di atas (gambar 2)

2. Klik Analyze, pilih Descriptive Statistics, lalu pilih Crosstabs pada menu sehingga muncul kotak dialog Crosstabs

Kotak dialog Crosstabs SPSS

3. Masukkan variabel Kualitas Produk pada kotak Row(s) dan variabel tingkat kepuasan pada kotak Column(s).

Input variabel pada kotak dialog Crosstabs

4. Klik Statistics sehingga muncul kotak dialog Crosstabs: Statistics, lalu pilih Correlations.

Kotak dialog Crosstabs statistics

5. Klik Continue, sehingga kembali ke kotak dialog Crosstabs.

6. Klik OK maka output SPSS Viewer menampilkan hasil sebagai berikut:

Output Case Processing Summary

Interpretasi Output Analisis Crosstabs Correlation

Tabel Case Processing Summary pada baris menunjukkan variabel pengamatan, yaitu variabel kualitas produk dengan variabel tingkat kepuasan. Bagian kolom menyatakan jumlah dan persentase pengamatan, baik untuk data valid, missing, maupun total. Jumlah data valid ada 30 sampel atau 100%.

Output Kualitas produk * Tingkat kepuasan Crosstabulation

Tabel Kualitas produk * Tingkat kepuasan Crosstabulation memaparkan secara detail tingkat kepuasan untuk masing-masing kualitas produk.

Output Symmetric Measures

Tabel Symmetric Measures menunjukkan bahwa nilai Aprrox. Sig Ordinal by Ordinal Spearman Correlation adalah 0.467

Hipotesis:

H0 = Tidak ada perbedaan tingkat kepuasan terhadap berbagai kualitas produk.

H1 =  Ada perbedaan tingkat kepuasan terhadap berbagai kualitas produk.

Pedoman Pengambilan keputusan

Jika nilai Approx. Sig Spearman Correlation hitung > ɑ maka H0 diterima

Jika nilai Approx. Sig Spearman Correlation hitung < ɑ maka H0 ditolak

Diperoleh nilai Approx. Sig (0.467) > ɑ (0.05) maka H0 diterima, jadi Tidak ada perbedaan tingkat kepuasan terhadap berbagai kualitas produk.

Anda juga bisa melihat tutorial cara analisis Crosstabs Chi-Square dan Crosstabs Correlations dalam bentuk video di bawah ini.



Demikian artikel dari kami terkait Cara Analisis Crosstab Menggunakan SPSS, semoga artikel ini bermanfaat. Apabila Anda ada pertanyaan silahkan tuliskan di kolom komentar. Terimakasih sudah mengunjunggi blog faqirilmu.com.



Komentar

Posting Komentar

Postingan populer dari blog ini

Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS

Gambar
Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS      Measure merupakan salah satu kolom yang berada di variable view IBM SPSS. Kolom measure harus ditetapkan terlebih dahulu sebelum melakukan analisis data lebih lanjut. Terdapat 3 tipe variabel pada kolom measure SPSS yaitu scale, nominal dan ordinal . Ketiga variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut ini pengertian dan perbedaan scale, nominal dan ordinal pada SPSS.      Penentuan measure merupakan hal dasar yang sangat penting untuk diketahui saat bekerja menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi.  Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada lembar kerja Variabel View SPSS. Gambar dibawah ini merupakan ilustrasinya. A.  Variabel Nominal pada SPSS      Variabel nominal merupakan tipe variabel yang digunakan hanya sebatas memberi label pembeda pada suatu data. Variabel
Read more »

Cara Membaca nilai R Tabel dan Download R Tabel (Tabel R)

Gambar
Pengertian R Tabel Apa yang dimaksud R Tabel? R tabel merupakan sebuah tabel angka yang biasa dipakai untuk melakukan uji validitas suatu instrumen penelitian.  Fungsi R Tabel Berdasarkan definisi di atas, maka dapat diambil kesimpulan bahwa r tabel ini mempunyai fungsi untuk melakukan suatu pengujian terhadap instrumen penelitian agar mengetahui apakah instumen penelitian tersebut valid atau tidak.  Dibawah ini merupakan R tabel. Gambar Tabel R ( R Tabel) Mau mendownload R tabel? Silahkan melalui link dibawah ini.  DOWNLOAD R Tabel Cara Membaca Nilai r Tabel dalam Uji Validitas Pearson Ada beberapa cara dalam mengambil keputusan uji validitas. Cara yang pertama dengan menggunakan r tabel dan cara kedua dengan menggunakan nilai signifikansi . Berikut ini pedoman pengambilan keputusan uji validitas SPSS: Membandingkan Nilai r Hitung dengan Nilai r Tabel Jika nilai r hitung > r tabel, maka item pertanyaan kuesioner valid Jika nilai r hitung < r tabel, maka item pertanyaan kuesione
Read more »

Cara Analisis Regresi Linear Berganda dengan SPSS

Gambar
Analisis Regresi Linear Berganda dengan SPSS Pengertian Analisis Regresi Linear Berganda Analisis regresi linear berganda adalah analisis yang digunakan untuk mengetahui pengaruh dua atau lebih variabel independen terhadap variabel dependen . Selain itu analisis regresi linear berganda juga digunakan untuk meramalkan suatu variabel dependen berdasarkan beberapa variabel independen. Regresi linear berganda disebut juga dengan regresi berganda . Pada regresi linear, variabel independen disimbolkan dengan X dan variabel dependen disimbolkan dengan Y.  Perbedaan regresi linear berganda dengan regresi linear sederhana  Apakah Anda tahu perbedaan regresi linear berganda dengan regresi linear sederhana ?  Perbedaan regresi linear berganda dengan regresi linear sederhana terletak pada jumlah variabel independen. Apabila pada regresi linear sederhana hanya terdapat satu variabel independen , sedangkan pada regresi linear berganda terdapat dua atau lebih variabel independen yang mempengaruhi
Read more »

Pengertian Uji T dan Uji F serta Cara Analisis dengan SPSS

Gambar
Pengertian Uji T dan Uji F pada Regresi Linear Berganda serta Cara Analisis dengan SPSS Pada artikel ini kita akan mempelajari cara uji t dan uji f pada regresi linear berganda dengan SPSS, serta cara interpretasi output uji t dan uji f. Kita mulai dari pengertian uji t Pengertian Uji T Uji t adalah uji yang digunakan untuk mengetahui ada tidaknya pengaruh secara parsial variabel independent (variabel X) terhadap variabel dependent (variabel Y). Maksud pengaruh parsial yaitu pengaruh sendiri-sendiri oleh variabel independent. Pada kasus uji regresi linear berganda dengan dua variabel independent, berarti kita akan melihat pengaruh variabel independent pertama (X1) terhadap variabel dependent (Y) dan melihat pengaruh variabel independent kedua (X2) terhadap variabel dependent (Y). Pada paragraf sebelumnya Saya menyebutkan regresi linear berganda. Apa itu uji regresi linear berganda ? Uji regresi linear berganda merupakan uji yang digunakan untuk mengetahui ada tidaknya pengaruh dari du
Read more »