Laporan ini menganalisis hubungan antara topografi, jenis tanah dengan daerah rawan genangan di Kota Semarang menggunakan analisis crosstab. Hasilnya menunjukkan ada hubungan antara topografi datar dengan daerah rawan genangan, serta antara jenis tanah aluvial dan asosiasi aluvial dengan daerah rawan genangan.

1. Laporan Praktikum Analisis Crosstab:
Pengaruh Topografi dan Jenis Tanah terhadap Area
Rawan Genangan dan Rob di Kota Semarang
Disusun Untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan
(TKP 342)
Dikerjakan Oleh :
Sally Indah Nurdyawati
21040113130096
Kelas B
Jurusan Perencanaan Wilayah dan Kota
Fakultas Teknik Universitas Diponegoro
Semarang
2015

2. 1
I. PENDAHULUAN
Analisis crosstabs merupakan metode untuk mentabulasikan beberapa variabel yang berbeda
ke dalam suatu matriks. Tabel yang dianalisis di sini adalah hubungan antara variabel dalam baris
dengan variabel dalam kolom. Secara umum, dalam analisis crosstab variabel-variabel dipaparkan
dalam 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 KASUS
Banjir di Semarang merupakan permasalahan yang sulit diatasi. Tercatat beberapa banjir
besar telah terjadi di Semarang, seperti banjir bandang tahun 1911 di mana air menggenangi
sebagian Kota Semarang. Banjir adalah peristiwa tergenangnya daratan karena volume air yang
meningkat atau karena tidak tertampungnya air oleh sungai sehingga mengakibatkan limpasan air
atau genangan pada daerah yang biasanya kering. Untuk memahami penyebab banjir di Kota
Semarang, maka perlu mengenal kondisi geografis yang ada. Oleh karena itu, pada laporan ini
akan dibahas mengenai keterkaitan aspek topografi dan jenis tanah terhadap daerah yang rawan
genangan air di Kota Semarang melalui analisis crosstab.
Tabel I
Topografi, Jenis Tanah, dan Area Rawan Genangan di Kota Semarang
No Kecamatan Topografi Jenis Tanah Area Rawan Genangan
1 Mijen Bergelombang Latosol Coklat Kemerahan Tidak
2 Gunungpati Bergelombang Latosol Coklat Kemerahan Tidak
3 Banyumanik Datar Latosol Coklat Kemerahan Tidak
4 Gajah Mungkur Bergelombang Mediteran Coklat Tua Tidak
5 Semarang Selatan Datar Asosiasi Auvial Kelabu Tidak
6 Candisari Bergelombang Mediteran Coklat Tua Tidak
7 Tembalang Bergelombang Mediteran Coklat Tua Tidak
8 Pedurungan Datar Asosiasi Auvial Kelabu Ya
9 Genuk Datar Asosiasi Auvial Kelabu Ya
10 Gayamsari Datar Asosiasi Auvial Kelabu Ya
11 Semarang Timur Datar Asosiasi Auvial Kelabu Ya
12 Semarang Utara Datar Aluvial Ya
13 Semarang Tengah Datar Asosiasi Auvial Kelabu Ya
14 Semarang Barat Datar Aluvial Ya
15 Tugu Datar Aluvial Ya
16 Ngaliyan Curam Mediteran Coklat Tua Tidak
Sumber: Bappeda, 2009
Uji hipotesis yang dilakukan dalam analisis ini adalah :
Ho = tidak ada hubungan antara baris dan kolom
H1 = ada hubungan antara baris dan kolom
III. HASIL DAN PEMBAHASAN
Berdasarkan analisis yang telah dilakukan, maka didapatkan hasil sebagai berikut:

3. 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 Genangan
dengan Topografi. Dari data yang diolah, terdapat 8 kecamatan yang bukan
merupakan area rawan genangan dan memiliki topografi yang bergelombang (5),
curam (1), dan datar (2). Sedangkan 8 kecamatan lainnya yang merupakan area rawan
genangan, seluruhnya memiliki topografi yang datar.

4. 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 sebagai
berikut:
 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, maka
Ho diterima dan H1 ditolak.
Selain itu, dalam analisis Chi-Square Pearson, dasar yang digunakan adalah sebagai
berikut:
 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 nilai
Chi-Square tabel dengan df bernilai 2 dan alfa 0,05, yakni 4,303. Hal tersebut
menunjukkan bahwa Chi-Square tabel lebih besar dari nilai Chi-Square hitung.
Berdasarkandua kondisi tersebut, maka dapat disimpulkan bahwa ada hubungan
antara Area Rawan Genangan dengan Topografi.

5. 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 setara
berdasarkan pada Proportional Reducion in Error (PRE).
 Lambda Symmetric Value
Mendekati 0 = kolerasi antar variabel lemah, kemungkinan terdapat faktor lain
yang mempengaruhi
Mendekati 1 = kolerasi antar variabel kuat
Pada tabel terlihat angka 0,643 maka kolerasi antara Area Rawan Genangan
dengan Topografi adalah kuat.
 Lambda Symmetric Approx.Sig
< 0,05 = ada hubungan secara nyata
> 0,05 = tidak ada hubungan secara nyata
Pada tabel terlihat angka 0,024 maka ada hubungan secara nyata antara Area
Rawan Genangan dengan Topografi.
 Area_Rawan_Genangan Dependent
>0,05 = Area Rawan Genangan dapat memprediksi Topografi
<0,05 = Area Rawan Genangan tidak dapat memprediksi Topografi
Pada tabel telihat angka 0,031 maka dapat disimpulkan bahwa Area Rawan
Genangan tidak dapat memprediksi Topografi
 Topografi Dependent
>0,05 = Topografi dapat memprediksi Area Rawan Genangan

6. 5
<0,05 = Topografi tidak dapat memprediksi Area Rawan Genangan
Pada tabel telihat angka 0,237 maka dapat disimpulkan bahwa Topografi dapat
memprediksi Area Rawan Genangan
 Goodman and Kruskal tau Value
Mendekati 0 = dapat memprediksi variabel lainnya
Mendekati 1 = tidak dapat memprediksi variabel lainnya
Pada baris Area_Rawan_Genangan Dependent terlihat angka 0,6 maka Area
Rawan Genangan tidak dapat memprediksi Topografi. Sedangkan pada
Topografi Dependent terlihat angka 0,477 maka Topografi dapat memprediksi
Area 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 sebagai
berikut:
Approx.Sig Symmetric Measures menandakan seberapa kuat hubungan antara dua
variabel, jika value mendekati 1 maka terdapat hubungan yang kuat dan jika
mendekati 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 sehingga
dapat disimpulkan besaran tersebut memiliki hubungan yang cukup erat dengan syarat
mendekati 1.

7. 6
Keterangan Output:
Grafik di atas menggambarkan hasil tabulasi silang antara variabel Area Rawan
Genangan dengan Topografi. Kecamatan yang merupakan area rawan genangan,
seluruhnya memiliki topografi yang datar. Sedangkan pada 8 kecamatan lainnya yang
bukan merupakan daerah rawan genangan memiliki variasi topografi, yakni 5
diantaranya 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 Genangan
dengan jenis Tanah. Dari data yang diolah, terdapat 8 kecamatan yang bukan
merupakan area rawan genangan dan memiliki jenis tanah berupa Asosiasi Aluvial
(1), Latosol Coklat (3), dan Mediteran Coklat (4). Sedangkan 8 kecamatan lainnya

8. 7
yang merupakan area rawan genangan memiliki jenis tanah berupa Aluvial (3) dan
Asosiasi 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 sebagai
berikut:
 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, artinya
ada hubungan diantara Area Rawan Genangan dengan Jenis Tanah.
Selain itu, dalam analisis Chi-Square Pearson, dasar yang digunakan adalah sebagai
berikut:
 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 nilai
Chi-Square tabel dengan df bernilai 3 dan alfa 0,05, yakni 3,182. Hal tersebut
menunjukkan bahwa Chi-Square tabel lebih kecil dari nilai Chi-Square hitung.
Berdasarkandua kondisi tersebut, maka dapat disimpulkan bahwa ada hubungan
antara Area Rawan Genangan dengan Jenis Tanah

9. 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 setara
berdasarkan pada Proportional Reducion in Error (PRE).
 Lambda Symmetric Value
Mendekati 0 = kolerasi antar variabel lemah, kemungkinan terdapat faktor lain
yang mempengaruhi
Mendekati 1 = kolerasi antar variabel kuat
Pada tabel terlihat angka 0,556 maka kolerasi antara Area Rawan Genangan
dengan Jenis Tanah adalah kuat.
 Lambda Symmetric Approx.Sig
< 0,05 = ada hubungan secara nyata
> 0,05 = tidak ada hubungan secara nyata
Pada tabel terlihat angka 0,01 maka ada hubungan secara nyata antara Area
Rawan 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 Tanah
Pada tabel telihat angka 0,04 maka dapat disimpulkan bahwa Area Rawan
Genangan tidak dapat memprediksi Jenis Tanah
 Jenis Tanah Dependent

10. 9
<0,05 = Jenis Tanah tidak dapat memprediksi Area Rawan Genangan
>0,05 = Jenis Tanah dapat memprediksi Area Rawan Genangan
Pada tabel telihat angka 0,154 maka dapat disimpulkan bahwa Jenis Tanah dapat
memprediksi Area Rawan Genangan
 Goodman and Kruskal tau Value
Mendekati 0 = dapat memprediksi variabel lainnya
Mendekati 1 = tidak dapat memprediksi variabel lainnya
Pada baris Area_Rawan_Genangan Dependent kolom value terlihat angka 0,792
maka Area Rawan Genangan tidak dapat memprediksi Jenis Tanah. Sedangkan
pada Jenis Tanah Dependent terlihat angka 0,269 maka Jenis Tanah dapat
memprediksi 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 sebagai
berikut:
Approx.Sig Symmetric Measures menandakan seberapa kuat hubungan antara dua
variabel, jika value mendekati 1 maka terdapat hubungan yang kuat dan jika
mendekati 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 sehingga
dapat disimpulkan besaran tersebut memiliki hubungan yang cukup erat dengan syarat
mendekati 1.

11. 10
Keterangan Output:
Grafik di atas menggambarkan hasil tabulasi silang antara variabel Area Rawan
Genangan dengan Jenis Tanah. Kecamatan yang merupakan area rawan genangan,
seluruhnya memiliki 2 variasi jenis tanah, yakni Aluvial pada 3 kecamatan dan
Asosiasi Aluvial pada 5 kecamatan. Sedangkan pada 8 kecamatan lainnya yang bukan
merupakan daerah rawan genangan memiliki 3 variasi jenis tanah, yakni Asosiasi
Aluvial pada 1 kecamatan, Latosol Coklat pada 3 kecamatan, dan Mediteran Coklat
pada 4 kecamatan.
IV. KESIMPULAN
Pada analisis chi-square Area_Rawan_Genangan*Topografi menunjukkan tidak adanya
hubungan antara 2 variabel tersebut, tetapi setelah melihat hasil Lambda dan Contingency
Coefficient, maka dapat disimpulkan bahwa terdapat hubungan antara Area Rawan
Genangan dengan Topografi. Oleh karena itu, secara keseluruhan, dapat disimpulkan bahwa
daerah yang menjadi area rawan genangan air kerapkali dipengaruhi oleh topografi dan jenis
tanah tersebut. Sehingga bencana banjir dan rob yang ada di Kota Semarang tidak semata-
mata merupakan kesalahan manusia, tetapi aspek fisik alami juga merupakan penyebab
terjadinya 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

12. 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, maka
gunakan Transform  Automatic Recode

13. 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 mengetikannya
di box New Name  Add New Name  OK
 Maka akan menghasilkan kolom baru yang berisikan angka (numerik) yang merupakan
pengkodean dari variabel yang telah diproses pada langkah sebelumnya.
 Pada Menu Bar klik Analyze  Descriptive Statistics  Crosstabs.
1
2
3
4

14. 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 berupa
data 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 charts 
OK dan akan muncul output analisis.