Tabel-Kontingensi-SPJK.R

# 1. Buat data simulasi (100 responden) sekaligus
set.seed(123)
data_pjk <- data.frame(
  Jenis_Kelamin = factor(
    sample(c("Laki-laki", "Perempuan"), size = 100, replace = TRUE)
  ),
  Tingkat_Pendidikan = factor(
    sample(c("SD", "SMP", "SMA", "PT"), size = 100, replace = TRUE),
    levels = c("SD", "SMP", "SMA", "PT")
  ),
  Status_PJK = factor(
    sample(c("Ya", "Tidak"), size = 100, replace = TRUE),
    levels = c("Ya", "Tidak")
  )
)

# 2. Tabel 1: Jenis Kelamin vs Status PJK + Total
tabel_jk <- table(data_pjk$Jenis_Kelamin, data_pjk$Status_PJK)
names(dimnames(tabel_jk)) <- c("Jenis Kelamin", "Status PJK")
tabel_jk_total <- addmargins(tabel_jk)

cat("=== TABEL KONTINGENSI 2x2 (JENIS KELAMIN VS STATUS PJK) ===\n")

## === TABEL KONTINGENSI 2x2 (JENIS KELAMIN VS STATUS PJK) ===

print(tabel_jk_total)

##              Status PJK
## Jenis Kelamin  Ya Tidak Sum
##     Laki-laki  25    32  57
##     Perempuan  26    17  43
##     Sum        51    49 100

cat("\n--------------------------------------------------------\n\n")

## 
## --------------------------------------------------------

# 3. Tabel 2: Tingkat Pendidikan vs Status PJK + Total
tabel_pendidikan <- table(data_pjk$Tingkat_Pendidikan, data_pjk$Status_PJK)
names(dimnames(tabel_pendidikan)) <- c("Tingkat Pendidikan", "Status PJK")
tabel_pendidikan_total <- addmargins(tabel_pendidikan)

cat("=== TABEL KONTINGENSI 4x2 (TINGKAT PENDIDIKAN VS STATUS PJK) ===\n")

## === TABEL KONTINGENSI 4x2 (TINGKAT PENDIDIKAN VS STATUS PJK) ===

print(tabel_pendidikan_total)

##                   Status PJK
## Tingkat Pendidikan  Ya Tidak Sum
##                SD    8     9  17
##                SMP  12    17  29
##                SMA  16    13  29
##                PT   15    10  25
##                Sum  51    49 100