Fransiscus Fendy Novento

Dalam analisis data kuantitatif, kita mengenal perangkat Cross Tabulations untuk melihat korelasi antar variabel. Cross Tabulation adalah tabel yang disajikan dalam bentuk baris (variabel dependent/predictor/cause) dan kolom (variable independent/outcomes) – seperti pivot table dalam Excel – serta digunakan untuk data nominal dan/atau ordinal.

Apakah Anda melakukan safety talk setiap hari?	Pengawas	Operator	Total
Tidak	187 22,42%	501 29,70%	688 27,29%
Ya	647 77,58%	1186 70,30%	1833 72,71%
Total	834 100%	1687 100%	2521 100%

Dari tabel di atas, dapat dilihat bahwa jumlah operator yang melakukan safety talk harian ada 1186 (dari 1687 orang) dan jumlah pengawas ada 657 (dari 834 orang), sehingga orang dengan mudah menyimpulkan bahwa Operator lebih banyak melakukan safety talk harian daripada pengawas!

Akan tetapi,

Kalau kita buat dalam bentuk persentase (%), kita mendapatkan data bahwa jumlah operator yang melakukan safety talk harian sebesar 70,30% sedangkan pengawas sebesar 77,58%, artinya pengawas lebih banyak melakukan safety talk harian daripada operator dengan perbedaan sebesar 7,28%!

Pertanyaan berikutnya adalah apakah perbedaan 7,28% ini signifikan ? Untuk menjawab hal tersebut, maka diperlukan uji statistik untuk data nominal/ordinal yang disebut chi-square. Dengan menggunakan kalkulator statistik didapatkan nilai chi-square dari tabel diatas adalah 14,883 dengan nilai p = 0,000 (< 0.05), karena nilai p < 0.05 maka dapat disimpulkan bahwa perbedaan itu adalah signifikan!

Nilai chi-square menunjukkan apakah ada perbedaan signifikan antar variabel tetapi tidak dapat menunjukkan seberapa kuat korelasi / hubungan antar variable tersebut. Untuk melihat seberapa kuat korelasi / hubungan antar variable tersebut kita menggunakan gamma and kendall’s Tau-b. Dengan menggunakan kalkulator statistik didapatkan nilai gamma = 0,1875 dan nilai kendall’s tau-b = 0,07, ini menunjukan korelasi yang lemah (mendekati nilai 1 adalah korelasi yang kuat).

Dari penjelasan di atas, dapat disimpulkan bahwa cross tabulations merupakan salah satu cara untuk menampilkan korelasi antar variabel yang digabungkan dengan uji statistik yang tepat untuk membuat interpretasi / kesimpulan sahih.

Semoga bermanfaat (ditulis dari Tembagapura – FN)

Judul ini sengaja saya pilih karena banyak hal dalam pengukuran kinerja K3 yang kita ukur dan tampilkan dengan nilai rata-rata. Dalam ilmu statistik kita mengenal ada ukuran pemusatan dan ukuran penyebaran untuk menggambarkan karakteristik sekelompok data. Nilai rata-rata, median, dan modus masuk dalam ukuran pemusatan sedangkan range, simpangan baku, koefisien variasi masuk dalam ukuran penyebaran.

Sebagai contoh, saya akan memberikan dua area kerja dengan kelompok data jumlah temuan inspeksi K3 setiap bulan sebagai berikut:

Area Kerja A	30,31,28,30,29,29,32,30,32,29	rata-rata= 30 median=30 modus=30 simpangan baku=1.2 koefisien variasi=4%
Area Kerja B	33,29,30,31,34,28,29,29,27,30	rata-rata=30 median=29 modus=29 simpangan baku=2.0 koefisien variasi=7%

Dua area kerja di atas memiliki nilai rata-rata yang sama yaitu 30, apakah kita bisa menyimpulkan bahwa kedua area memiliki jumlah temuan inspeksi K3 yang sama dan tidak berbeda secara signifikan ?

Secara awam, kita bisa mengatakan YA! karena kedua area memiliki nilai rata-rata yang sama yaitu 30 sehingga prioritas tindakan koreksi akan sama untuk keduanya.

Secara statistik, kita bisa mengatakan TIDAK! karena area kerja B memiliki kelompok data yang lebih bervariasi daripada area kerja A. Hal ini dapat dilihat dari Koefisien variasi sebesar 7% (selisih 3% dari area kerja A), sehingga prioritas tindakan koreksi akan lebih difokuskan kepada area kerja B

Dari penjelasan di atas, dapat kita simpulkan bahwa kita harus lebih berhati-hati ketika hendak menggambarkan sekelompok data dengan ukuran pemusatan saja (istilah lain distribusi normal) karena pada kenyataannya ada kelompok data yang tidak berdistribusi normal karena variasinya yang tinggi sehingga ukuran penyebaran menjadi penting!

Semoga bermanfaat (ditulis dari Tembagapura – FN)