Cara Uji Validitas dan Reliabilitas Kuesioner di SPSS

Uji validitas kuesioner di SPSS dijalankan lewat Analyze, Correlate, Bivariate, dengan mengkorelasikan setiap item terhadap total skor konstruknya. Uji reliabilitas lewat Analyze, Scale, Reliability Analysis. Dua menu itu saja. Yang sering salah bukan caranya, tapi angka pembandingnya: r tabel berubah mengikuti jumlah responden uji coba, dan banyak skripsi memakai angka milik orang lain yang jumlah respondennya berbeda.

#Langkah di SPSS, dua menu dan satu persiapan

Persiapan datanya dulu, karena kesalahan di tahap ini membuat semua item terlihat valid.

Susun data satu kolom satu pertanyaan. Lalu buat kolom total lewat Transform, Compute Variable, dengan menjumlahkan item yang berada di konstruk yang sama saja. Kalau kuesionermu punya lima konstruk, kamu butuh lima kolom total, bukan satu kolom total keseluruhan.

Untuk uji validitas:

1. Analyze, Correlate, Bivariate.
2. Masukkan semua item dari satu konstruk, ditambah kolom total konstruk itu.
3. Pilih Pearson, two-tailed, dan centang flag significant correlations.
4. Baca kolom total di output. Angka di kolom itu adalah r hitung tiap item.

Untuk uji reliabilitas:

1. Analyze, Scale, Reliability Analysis, model Alpha.
2. Masuk ke Statistics, centang Scale if item deleted dan Item-Total.
3. Baca Cronbach Alpha di tabel pertama, lalu kolom Corrected Item-Total Correlation dan Cronbach Alpha if Item Deleted di tabel Item-Total Statistics.

Satu konstruk per kali, selalu. Memasukkan 40 item dari lima konstruk sekaligus akan memberi angka alpha yang tinggi dan tidak berarti apa-apa, karena yang kamu ukur jadi konsistensi kuesioner sebagai satu kesatuan, bukan konsistensi tiap konsep.

#Berapa r tabel untuk jumlah responden uji coba saya?

Nilai r tabel dihitung dari derajat kebebasan n dikurangi 2, pada taraf signifikansi 5 persen dua arah.

Lihat kenapa meminjam angka orang lain berbahaya. Item dengan r hitung 0,35 tidak valid pada 30 responden, karena ambangnya 0,361. Item yang sama valid pada 40 responden, karena ambangnya turun jadi 0,312. Angka 0,361 adalah nilai yang paling sering dikutip di skripsi Indonesia karena uji coba 30 orang paling umum, dan angka itu kemudian ikut tersalin ke skripsi yang respondennya 50. Akibatnya kamu memakai ambang yang lebih ketat dari seharusnya dan membuang item yang sebenarnya baik.

Ada jalan pintas yang sah kalau kamu ragu soal r tabel. Nilai Sig. dua arah di output SPSS diturunkan dari distribusi yang sama dengan r tabel, jadi item dengan Sig. di bawah 0,05 otomatis punya r hitung di atas r tabel. Dua cara itu memberi keputusan yang identik. Jadi kamu boleh membaca tanda bintang dan nilai Sig., dan tetap menuliskan tabel r di lampiran untuk pembimbing yang memintanya.

#Cronbach alpha 0,6 atau 0,7, mana yang benar?

Dua-duanya benar di tempatnya, dan itu sebabnya kebingungan ini tidak selesai dengan mencari satu angka yang paling sering muncul di Google.

Ambang 0,70 dipakai untuk instrumen yang sudah mapan dan untuk penelitian yang menguji hipotesis. Ambang 0,60 sering diterima untuk instrumen yang baru dikembangkan dan untuk penelitian eksploratori. Yang penting, kalau kamu memakai 0,60, sebutkan alasannya di bab tiga, jangan cuma menyebut satu nama penulis.

Baris terakhir itu yang paling jarang ditulis. Alpha 0,97 bukan prestasi. Biasanya artinya kamu menanyakan hal yang sama lima kali dengan kata yang ditukar, dan konstruk yang terukur jadi lebih sempit dari yang kamu definisikan di bab dua.

#Kenapa alpha bisa naik hanya karena item ditambah?

Cronbach alpha dihitung dari dua hal saja: jumlah item dan korelasi rata-rata antar item. Jumlah item ada di dalam rumusnya, jadi menambah pertanyaan menaikkan alpha tanpa kualitas apa pun ikut membaik.

Angkanya begini, dengan korelasi rata-rata antar item dipatok tetap di 0,20:

Korelasi antar itemnya tidak berubah sedikit pun di keempat baris itu. Yang berubah cuma banyaknya pertanyaan, dan alpha melompat dari 0,556 ke 0,833.

Tiga akibat praktisnya. Pertama, alpha 0,92 pada skala 30 item bukan sesuatu yang perlu dibanggakan di bab empat, itu hal yang wajar. Kedua, alpha 0,68 pada skala 4 item sebenarnya lebih meyakinkan daripada 0,85 pada skala 25 item. Ketiga, angka yang lebih jujur ada di output yang sama: Inter-Item Correlation Mean, yang sehat di kisaran 0,15 sampai 0,50. Di bawah itu item-itemmu tidak mengukur hal yang sama, di atas itu mereka mengulang.

#Aturan membuang item dari kolom Corrected Item-Total Correlation

Kolom ini lebih bisa dipercaya daripada korelasi item-total di menu Correlate, karena nilai itemnya sudah dikeluarkan dari totalnya sendiri. Pada skala pendek, korelasi item-total biasa selalu terlihat lebih tinggi dari yang sebenarnya, sebab item itu ikut menyusun angka yang jadi pembandingnya. Kalau dua angka itu berbeda, percaya yang Corrected.

Patokannya:

1. Nilai negatif. Jangan buang apa pun dulu. Ini hampir selalu item yang berbunyi terbalik dan lupa dibalik skornya sebelum dianalisis. Perbaiki datanya, jalankan ulang, baru nilai lagi.
2. Di bawah 0,20. Hampir pasti dibuang atau diperbaiki. Item itu tidak berbagi apa pun dengan item lain di konstruk yang sama.
3. Antara 0,20 dan 0,30. Zona pertimbangan, dan keputusannya ditentukan isi pertanyaannya, bukan angkanya.
4. Di atas 0,30. Pertahankan.

Urutan kerjanya satu per satu. Buang item dengan nilai terendah, jalankan ulang, baca ulang seluruh kolom. Jangan membuang tiga item sekaligus, karena angka tiap item berubah setelah satu item keluar dari skala.

Kolom Cronbach Alpha if Item Deleted dipakai sebagai konfirmasi, bukan sebagai pemicu. Membuang item satu demi satu sampai alpha mencapai angka yang kamu inginkan adalah cara cepat mendapat instrumen yang mengukur sesuatu yang lebih sempit dari konstruk yang kamu tulis di bab dua. Dan ada batas bawah yang keras: kalau satu konstruk tinggal kurang dari tiga item, konstruk itu tidak lagi bisa dipertanggungjawabkan. Pertimbangan lengkap soal membuang atau memperbaiki ada di item kuesioner tidak valid, dibuang atau diperbaiki.

#Kesalahan yang sering terjadi

1. r tabel diambil dari skripsi lain dengan jumlah responden berbeda. Angka 0,361 dipakai pada uji coba 50 orang, padahal ambangnya 0,279, sehingga item yang baik dibuang.
2. Kolom total dihitung dari seluruh kuesioner, bukan per konstruk. Semua item jadi terlihat valid karena semuanya menyumbang ke total yang sama.
3. Derajat kebebasan dihitung sebagai n, bukan n dikurangi 2.
4. Item yang berbunyi terbalik lupa dibalik skornya, nilai korelasinya jadi negatif, lalu itemnya dibuang. Yang bermasalah penyiapan datanya.
5. Uji coba dilakukan pada 30 orang, kuesioner direvisi setelah itu, tapi 30 data itu tetap ikut dipakai di analisis akhir tanpa disebutkan.
6. Alpha dilaporkan sebagai satu angka untuk seluruh kuesioner padahal ada lima konstruk.
7. Item dibuang hanya berdasarkan kolom Alpha if Item Deleted, tanpa membaca isi pertanyaannya.
8. Hasil korelasi item-total diklaim sebagai bukti validitas konstruk. Korelasi item-total adalah bukti konsistensi internal, bukan bukti bahwa instrumenmu mengukur konsep yang kamu maksud.

#FAQ

#Berapa responden yang dibutuhkan untuk uji coba kuesioner?

Tiga puluh adalah angka minimum yang umum diterima. Lima puluh jauh lebih nyaman, karena r tabelnya lebih longgar dan nilai Corrected Item-Total Correlation lebih stabil, sehingga keputusan membuang item tidak berubah-ubah.

#Apakah responden uji coba boleh ikut di analisis akhir?

Kalau kuesionernya direvisi setelah uji coba, sebaiknya tidak, karena mereka mengisi versi yang berbeda. Kalau tidak ada satu kata pun yang berubah, boleh, tapi tulis itu secara terbuka di bab tiga.

#r hitung saya 0,355 dan r tabel 0,361. Apakah itemnya dibuang?

Lihat isinya dulu. Selisih enam per seribu bukan garis alam. Kalau item itu satu-satunya yang mewakili satu dimensi penting dari konstrukmu, memperbaiki redaksinya lalu menguji ulang lebih benar daripada membuangnya.

#Alpha saya 0,58, apa yang harus dilakukan?

Jangan menambah item secara acak supaya naik. Baca kolom Corrected Item-Total Correlation, biasanya ada satu atau dua item di bawah 0,20 yang menarik seluruh skala ke bawah. Periksa juga apakah ada item terbalik yang belum dibalik skornya.

#Apakah perlu uji normalitas sebelum uji validitas?

Tidak. Korelasi Pearson pada data item Likert dipakai luas untuk keperluan ini, dan uji normalitas tempatnya sebelum uji hipotesis, bukan sebelum uji instrumen.

#Apa bedanya validitas isi dan validitas konstruk?

Validitas isi dinilai manusia, biasanya dua atau tiga dosen ahli yang menilai apakah pertanyaanmu mewakili konsepnya. Validitas konstruk dinilai data, lewat analisis faktor. Korelasi item-total di SPSS bukan dua-duanya, dia bagian dari konsistensi internal, jadi jangan menamainya validitas konstruk di bab empat.

Setelah instrumennya lolos, tahap berikutnya menentukan jumlah responden sebenarnya, dan itu dibahas di rumus Slovin dan kapan dia tidak valid. Kalau modelmu punya variabel perantara atau moderator, baca juga variabel moderasi vs intervening. Urutan keseluruhannya ada di panduan skripsi dari nol.