Laporan Praktikum Analisis Crosstab:Pengaruh Topografi dan Jenis Tanah terhadap Area

Rawan Genangan dan Rob di Kota SemarangDisusun Untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan

(TKP 342)

Dikerjakan Oleh :Sally Indah Nurdyawati

21040113130096Kelas B

Jurusan Perencanaan Wilayah dan KotaFakultas Teknik Universitas Diponegoro

Semarang2015

1

I. PENDAHULUANAnalisis crosstabs merupakan metode untuk mentabulasikan beberapa variabel yang berbeda

ke dalam suatu matriks. Tabel yang dianalisis di sini adalah hubungan antara variabel dalam barisdengan variabel dalam kolom. Secara umum, dalam analisis crosstab variabel-variabel dipaparkandalam satu tabel dan berguna untuk : Menganalisis hubungan-hubungan antar variabel yang terjadi. Melihat bagaimana kedua atau beberapa variabel berhubungan. Mengatur data untuk keperluan analisis tatistic. Untuk mengadakan kontrol terhadap variabel tertentu sehingga dapat dianalisis ada

tidaknya hubungan.

II. STUDI KASUSBanjir di Semarang merupakan permasalahan yang sulit diatasi. Tercatat beberapa banjir

besar telah terjadi di Semarang, seperti banjir bandang tahun 1911 di mana air menggenangisebagian Kota Semarang. Banjir adalah peristiwa tergenangnya daratan karena volume air yangmeningkat atau karena tidak tertampungnya air oleh sungai sehingga mengakibatkan limpasan airatau genangan pada daerah yang biasanya kering. Untuk memahami penyebab banjir di KotaSemarang, maka perlu mengenal kondisi geografis yang ada. Oleh karena itu, pada laporan iniakan dibahas mengenai keterkaitan aspek topografi dan jenis tanah terhadap daerah yang rawangenangan air di Kota Semarang melalui analisis crosstab.

Tabel ITopografi, Jenis Tanah, dan Area Rawan Genangan di Kota Semarang

No Kecamatan Topografi Jenis Tanah Area Rawan Genangan1 Mijen Bergelombang Latosol Coklat Kemerahan Tidak2 Gunungpati Bergelombang Latosol Coklat Kemerahan Tidak3 Banyumanik Datar Latosol Coklat Kemerahan Tidak4 Gajah Mungkur Bergelombang Mediteran Coklat Tua Tidak5 Semarang Selatan Datar Asosiasi Auvial Kelabu Tidak6 Candisari Bergelombang Mediteran Coklat Tua Tidak7 Tembalang Bergelombang Mediteran Coklat Tua Tidak8 Pedurungan Datar Asosiasi Auvial Kelabu Ya9 Genuk Datar Asosiasi Auvial Kelabu Ya

10 Gayamsari Datar Asosiasi Auvial Kelabu Ya11 Semarang Timur Datar Asosiasi Auvial Kelabu Ya12 Semarang Utara Datar Aluvial Ya13 Semarang Tengah Datar Asosiasi Auvial Kelabu Ya14 Semarang Barat Datar Aluvial Ya15 Tugu Datar Aluvial Ya16 Ngaliyan Curam Mediteran Coklat Tua Tidak

Sumber: Bappeda, 2009

Uji hipotesis yang dilakukan dalam analisis ini adalah :Ho = tidak ada hubungan antara baris dan kolomH1 = ada hubungan antara baris dan kolom

III. HASIL DAN PEMBAHASANBerdasarkan analisis yang telah dilakukan, maka didapatkan hasil sebagai berikut:

2

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Area_Rawan_Genangan *

Topografi

16 100.0% 0 .0% 16 100.0%

Area_Rawan_Genangan *

Jns_Tanah

16 100.0% 0 .0% 16 100.0%

Keterangan Output: Dari 16 data yang telah diproses, kevalidannya adalah 100% sehingga tidak ada data

yang hilang atau missing. Variabel yang akan dibahas adalah keterkaitan antara Area Rawan Genangan dengan

Topografi dan Area rawan Genangan dengan Jenis Tanah.

1. Area_Rawan_Genangan * Topografi

Crosstab

Count

Topografi

TotalBergelombang Curam Datar

Area_Rawan_Genangan Tidak 5 1 2 8

Ya 0 0 8 8

Total 5 1 10 16

Keterangan Output:Tabel di atas menunjukkan tabulasi silang antara variabel Area Rawan Genangandengan Topografi. Dari data yang diolah, terdapat 8 kecamatan yang bukanmerupakan area rawan genangan dan memiliki topografi yang bergelombang (5),curam (1), dan datar (2). Sedangkan 8 kecamatan lainnya yang merupakan area rawangenangan, seluruhnya memiliki topografi yang datar.

3

Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)

Pearson Chi-Square 9.600a 2 .008

Likelihood Ratio 12.173 2 .002

N of Valid Cases 16

a. 4 cells (66,7%) have expected count less than 5. The minimum

expected count is ,50.

Keterangan Output:Dalam pengambilan kesimpulan Uji Chi-Square, dasar yang digunakan adalah sebagaiberikut: Jika nilai probabilitas >0,05 maka Ho diterima = H1 ditolak, tidak ada hubungan

antar variabel. Jika nilai probabilitas ≤0,05 maka Ho ditolak = H1 diterima, ada hubungan antar

variabel.Berdasarkan kolom Asymp.Sig adalah 0,08, atau probabilitas lebih dari 0,05, makaHo diterima dan H1 ditolak.Selain itu, dalam analisis Chi-Square Pearson, dasar yang digunakan adalah sebagaiberikut: Jika nilai Chi-Square hitung < Chi-Square tabel, maka Ho diterima, tidak ada

hubungan antar variabel. Jika nilai Chi-Square hitung > Chi-Square tabel, maka Ho ditolak, ada hubungan

antar variabel.Nilai Chi-Square hitung dapat dilihat dari kolom value, yakni 9,6. Sedangkan nilaiChi-Square tabel dengan df bernilai 2 dan alfa 0,05, yakni 4,303. Hal tersebutmenunjukkan bahwa Chi-Square tabel lebih besar dari nilai Chi-Square hitung.Berdasarkandua kondisi tersebut, maka dapat disimpulkan bahwa ada hubunganantara Area Rawan Genangan dengan Topografi.

4

Directional Measures

Value

Asymp.

Std. Errora

Approx.

Tb

Approx.

Sig.

Nominal by

Nominal

Lambda Symmetric .643 .227 2.254 .024

Area_Rawan_Genangan

Dependent

.750 .198 2.155 .031

Topografi Dependent .500 .312 1.182 .237

Goodman and

Kruskal tau

Area_Rawan_Genangan

Dependent

.600 .190 .011c

Topografi Dependent .477 .166 .001c

Uncertainty

Coefficient

Symmetric .499 .153 3.038 .002d

Area_Rawan_Genangan

Dependent

.549 .181 3.038 .002d

Topografi Dependent .458 .142 3.038 .002d

a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

c. Based on chi-square approximation

d. Likelihood ratio chi-square probability.

Keterangan Output:Tabel Directional Measures merupakan cara pengukuran untuk hubungan tidak setaraberdasarkan pada Proportional Reducion in Error (PRE). Lambda Symmetric Value

Mendekati 0 = kolerasi antar variabel lemah, kemungkinan terdapat faktor lainyang mempengaruhi

Mendekati 1 = kolerasi antar variabel kuatPada tabel terlihat angka 0,643 maka kolerasi antara Area Rawan Genangandengan Topografi adalah kuat.

Lambda Symmetric Approx.Sig< 0,05 = ada hubungan secara nyata> 0,05 = tidak ada hubungan secara nyataPada tabel terlihat angka 0,024 maka ada hubungan secara nyata antara AreaRawan Genangan dengan Topografi.

Area_Rawan_Genangan Dependent>0,05 = Area Rawan Genangan dapat memprediksi Topografi<0,05 = Area Rawan Genangan tidak dapat memprediksi TopografiPada tabel telihat angka 0,031 maka dapat disimpulkan bahwa Area RawanGenangan tidak dapat memprediksi Topografi

Topografi Dependent>0,05 = Topografi dapat memprediksi Area Rawan Genangan

5

<0,05 = Topografi tidak dapat memprediksi Area Rawan GenanganPada tabel telihat angka 0,237 maka dapat disimpulkan bahwa Topografi dapatmemprediksi Area Rawan Genangan

Goodman and Kruskal tau ValueMendekati 0 = dapat memprediksi variabel lainnyaMendekati 1 = tidak dapat memprediksi variabel lainnyaPada baris Area_Rawan_Genangan Dependent terlihat angka 0,6 maka AreaRawan Genangan tidak dapat memprediksi Topografi. Sedangkan padaTopografi Dependent terlihat angka 0,477 maka Topografi dapat memprediksiArea Rawan Genangan

Symmetric Measuresa

Value Approx. Sig.

Nominal by Nominal Phi .775 .008

Cramer's V .775 .008

Contingency Coefficient .612 .008

N of Valid Cases 16

a. Correlation statistics are available for numeric data only.

Keterangan Output:Dalam membaca tabel Symmetric Measures, dasar yang digunakan adalah sebagaiberikut:Approx.Sig Symmetric Measures menandakan seberapa kuat hubungan antara duavariabel, jika value mendekati 1 maka terdapat hubungan yang kuat dan jikamendekati 0 maka hubungan antar variable tidak kuat.Besaran Phi dan Cramer’s V menghasilkan besaran yang sama, yakni 0,775.Contingency Coefficient menghasilkan angka yang kebih kecil, yakni 0,612 sehinggadapat disimpulkan besaran tersebut memiliki hubungan yang cukup erat dengan syaratmendekati 1.

6

Keterangan Output:Grafik di atas menggambarkan hasil tabulasi silang antara variabel Area RawanGenangan dengan Topografi. Kecamatan yang merupakan area rawan genangan,seluruhnya memiliki topografi yang datar. Sedangkan pada 8 kecamatan lainnya yangbukan merupakan daerah rawan genangan memiliki variasi topografi, yakni 5diantaranya adalah bergelombang, 1 curam, dan 2 lainnya memiliki topografi datar.

2. Area_Rawan_Genangan * Jns_Tanah

Crosstab

Count

Jns_Tanah

TotalAluvial Asosiasi Auvial Latosol Coklat

Mediteran

Cokla

Area_Rawan_Genangan Tidak 0 1 3 4 8

Ya 3 5 0 0 8

Total 3 6 3 4 16

Keterangan Output:Tabel di atas menunjukkan tabulasi silang antara variabel Area Rawan Genangandengan jenis Tanah. Dari data yang diolah, terdapat 8 kecamatan yang bukanmerupakan area rawan genangan dan memiliki jenis tanah berupa Asosiasi Aluvial(1), Latosol Coklat (3), dan Mediteran Coklat (4). Sedangkan 8 kecamatan lainnya

7

yang merupakan area rawan genangan memiliki jenis tanah berupa Aluvial (3) danAsosiasi Aluvial (5).

Chi-Square Tests

Value df

Asymp. Sig. (2-

sided)

Pearson Chi-Square 12.667a 3 .005

Likelihood Ratio 16.774 3 .001

N of Valid Cases 16

a. 8 cells (100,0%) have expected count less than 5. The minimum

expected count is 1,50.

Keterangan Output:Dalam pengambilan kesimpulan Uji Chi-Square, dasar yang digunakan adalah sebagaiberikut: Jika nilai probabilitas >0,05 maka Ho diterima = H1 ditolak, tidak ada hubungan

antar variabel. Jika nilai probabilitas ≤0,05 maka Ho ditolak = H1 diterima, ada hubungan antar

variabel.Berdasarkan kolom Asymp.Sig adalah 0,05 maka Ho ditolak dan H1 diterima, artinyaada hubungan diantara Area Rawan Genangan dengan Jenis Tanah.Selain itu, dalam analisis Chi-Square Pearson, dasar yang digunakan adalah sebagaiberikut: Jika nilai Chi-Square hitung < Chi-Square tabel, maka Ho diterima, tidak ada

hubungan antar variabel. Jika nilai Chi-Square hitung > Chi-Square tabel, maka Ho ditolak, ada hubungan

antar variabel.Nilai Chi-Square hitung dapat dilihat dari kolom value, yakni 12,667. Sedangkan nilaiChi-Square tabel dengan df bernilai 3 dan alfa 0,05, yakni 3,182. Hal tersebutmenunjukkan bahwa Chi-Square tabel lebih kecil dari nilai Chi-Square hitung.Berdasarkandua kondisi tersebut, maka dapat disimpulkan bahwa ada hubunganantara Area Rawan Genangan dengan Jenis Tanah

8

Directional Measures

Value

Asymp.

Std. Errora

Approx.

Tb

Approx.

Sig.

Nominal by

Nominal

Lambda Symmetric .556 .144 3.203 .001

Area_Rawan_Genangan

Dependent

.875 .133 2.873 .004

Jns_Tanah Dependent .300 .187 1.424 .154

Goodman and

Kruskal tau

Area_Rawan_Genangan

Dependent

.792 .152 .008c

Jns_Tanah Dependent .269 .077 .007c

Uncertainty

Coefficient

Symmetric .515 .097 4.908 .001d

Area_Rawan_Genangan

Dependent

.756 .154 4.908 .001d

Jns_Tanah Dependent .391 .072 4.908 .001d

a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

c. Based on chi-square approximation

d. Likelihood ratio chi-square probability.

Keterangan Output:Tabel Directional Measures merupakan cara pengukuran untuk hubungan tidak setaraberdasarkan pada Proportional Reducion in Error (PRE). Lambda Symmetric Value

Mendekati 0 = kolerasi antar variabel lemah, kemungkinan terdapat faktor lainyang mempengaruhi

Mendekati 1 = kolerasi antar variabel kuatPada tabel terlihat angka 0,556 maka kolerasi antara Area Rawan Genangandengan Jenis Tanah adalah kuat.

Lambda Symmetric Approx.Sig< 0,05 = ada hubungan secara nyata> 0,05 = tidak ada hubungan secara nyataPada tabel terlihat angka 0,01 maka ada hubungan secara nyata antara AreaRawan Genangan dengan Jenis Tanah

Area_Rawan_Genangan Dependent<0,05 = Area Rawan Genangan tidak dapat memprediksi Jenis Tanah>0,05 = Area Rawan Genangan dapat memprediksi Jenis TanahPada tabel telihat angka 0,04 maka dapat disimpulkan bahwa Area Rawan

Genangan tidak dapat memprediksi Jenis Tanah Jenis Tanah Dependent

9

<0,05 = Jenis Tanah tidak dapat memprediksi Area Rawan Genangan>0,05 = Jenis Tanah dapat memprediksi Area Rawan GenanganPada tabel telihat angka 0,154 maka dapat disimpulkan bahwa Jenis Tanah dapatmemprediksi Area Rawan Genangan

Goodman and Kruskal tau ValueMendekati 0 = dapat memprediksi variabel lainnyaMendekati 1 = tidak dapat memprediksi variabel lainnyaPada baris Area_Rawan_Genangan Dependent kolom value terlihat angka 0,792maka Area Rawan Genangan tidak dapat memprediksi Jenis Tanah. Sedangkanpada Jenis Tanah Dependent terlihat angka 0,269 maka Jenis Tanah dapatmemprediksi Area Rawan Genangan

Symmetric Measuresa

Value Approx. Sig.

Nominal by Nominal Phi .890 .005

Cramer's V .890 .005

Contingency Coefficient .665 .005

N of Valid Cases 16

a. Correlation statistics are available for numeric data only.

Keterangan Output:Dalam membaca tabel Symmetric Measures, dasar yang digunakan adalah sebagaiberikut:Approx.Sig Symmetric Measures menandakan seberapa kuat hubungan antara duavariabel, jika value mendekati 1 maka terdapat hubungan yang kuat dan jikamendekati 0 maka hubungan antar variable tidak kuat.Besaran Phi dan Cramer’s V menghasilkan besaran yang sama, yakni 0,890.Contingency Coefficient menghasilkan angka yang kebih kecil, yakni 0,665 sehinggadapat disimpulkan besaran tersebut memiliki hubungan yang cukup erat dengan syaratmendekati 1.

10

Keterangan Output:Grafik di atas menggambarkan hasil tabulasi silang antara variabel Area RawanGenangan dengan Jenis Tanah. Kecamatan yang merupakan area rawan genangan,seluruhnya memiliki 2 variasi jenis tanah, yakni Aluvial pada 3 kecamatan danAsosiasi Aluvial pada 5 kecamatan. Sedangkan pada 8 kecamatan lainnya yang bukanmerupakan daerah rawan genangan memiliki 3 variasi jenis tanah, yakni AsosiasiAluvial pada 1 kecamatan, Latosol Coklat pada 3 kecamatan, dan Mediteran Coklatpada 4 kecamatan.

IV. KESIMPULANPada analisis chi-square Area_Rawan_Genangan*Topografi menunjukkan tidak adanyahubungan antara 2 variabel tersebut, tetapi setelah melihat hasil Lambda dan ContingencyCoefficient, maka dapat disimpulkan bahwa terdapat hubungan antara Area RawanGenangan dengan Topografi. Oleh karena itu, secara keseluruhan, dapat disimpulkan bahwadaerah yang menjadi area rawan genangan air kerapkali dipengaruhi oleh topografi dan jenistanah tersebut. Sehingga bencana banjir dan rob yang ada di Kota Semarang tidak semata-mata merupakan kesalahan manusia, tetapi aspek fisik alami juga merupakan penyebabterjadinya banjir dan rob.

V. DAFTAR PUSTAKA___. 2012. “Crosstab dan Chi-Square: Analisis Antarvariabel” dalam dosen.narotama.ac.id

Diunduh pada 28 Maret 2015___.2011. “Penyebab Banjir di Semarang” dalam www.kabarindonesia.com Diunduh pada

28 Maret 2015

11

LAMPIRAN LANGKAH KERJA

Buka Program SPSS Pada variable view isikan data Kecamatan, Luas Wilayah, Jumlah Rumah Tangga, dan

Jumlah PBB

Input Data yang telah ada di bagian Data View.

Untuk mengubah data tipe string yang telah diinput sebelumnya menjadi data numeric, makagunakan Transform Automatic Recode

12

Pindahkan variabel jenis string yang akan diubah ke dalam bentuk numerik, yakni Topografi,Jenis_Tanah, dan Area_Rawan Genangan. Lalu berikan nama baru dengan mengetikannyadi box New Name Add New Name OK

Maka akan menghasilkan kolom baru yang berisikan angka (numerik) yang merupakanpengkodean dari variabel yang telah diproses pada langkah sebelumnya.

Pada Menu Bar klik Analyze Descriptive Statistics Crosstabs.

1

23

4

13

Pindahkan variable-variabel yang akan diolah ke kotak Row dan Column. Variabel yang akan ditempatkan pada baris (row) adalah variabel Dependent atau yang

dipengaruhi, yakni Area_Rawan_Genangan Variabel yang akan ditempatkan pada kolom (column) adalah variabel Independent atau

yang mempengaruhi, yakni Topografi dan Jns_Tanah

Pilih Statistics lalu beri centang pada opsi di kelompok Nominal seperti gambar di bawah Continue. Pemilihan output analisis tersebut dilakukan karena data yang diolah berupadata nominal.

Pilih Cells lalu beri centang pada opsi seperti gambar di bawah Continue. Pilih Format lalu beri centang pada opsi seperti gambar di bawah Continue.

Jika sudah melakukan step-step di atas, maka centang box Display clustered bar chartsOK dan akan muncul output analisis.