Timbangan Beras dan Timbangan Emas: Memahami Validitas dan Reliabilitas Tanpa Pusing

Kalau ada satu topik yang membuat mahasiswa dan peneliti pemula paling bingung, mungkin itu validitas dan reliabilitas. Dua kata itu muncul di setiap proposal penelitian, dituntut oleh setiap penguji, dan sering dijawab dengan angka-angka yang disalin dari keluaran SPSS tanpa benar-benar dipahami.

Mari kita pakai satu analogi yang sederhana. Bayangkan kamu ingin menimbang berat badanmu. Alat ukur yang tepat adalah timbangan badan. Kalau kamu memakai timbangan beras, ia mungkin bisa menunjukkan angka, tetapi hasilnya tidak bisa dipercaya untuk keperluan itu. Kalau kamu memakai timbangan emas yang sangat sensitif, hasilnya mungkin sangat teliti, tetapi alatnya tidak dirancang untuk beban sebesar tubuh manusia.

Itulah inti validitas dan reliabilitas. Reliabilitas bertanya: apakah alat ini konsisten? Validitas bertanya: apakah alat ini mengukur apa yang seharusnya diukur? Keduanya diperlukan, dan keduanya tidak sama.

Reliabilitas: konsistensi alat ukur

Sebuah alat ukur yang reliabel menghasilkan hasil yang konsisten ketika dipakai berulang kali dalam kondisi yang sama. Timbangan yang hari ini menunjukkan 60 kg, dua menit kemudian 72 kg, lalu 55 kg, jelas tidak reliabel. Dalam penelitian dengan kuesioner, ada beberapa cara menilai reliabilitas:

• Test-retest. Instrumen yang sama diberikan kepada responden yang sama pada dua waktu berbeda. Kalau hasilnya sangat berbeda padahal kondisinya sama, instrumen itu tidak stabil. Syaratnya, yang diukur diasumsikan tidak berubah banyak dalam rentang waktu itu.
• Bentuk paralel. Dua versi instrumen yang setara diberikan, dan hasilnya dibandingkan.
• Konsistensi internal. Ini yang paling umum dipakai. Kita memeriksa apakah butir-butir pernyataan yang dimaksudkan mengukur konsep yang sama memang saling selaras. Alat yang paling populer adalah Cronbach’s alpha. Dalam PLS-SEM, ukuran yang lebih disarankan adalah composite reliability.

Patokan yang lazim: nilai alpha atau composite reliability sekitar 0,70 ke atas dianggap memadai untuk penelitian umum, dan nilai yang lebih tinggi untuk keputusan yang lebih berisiko. Tetapi patokan hanyalah patokan. Alpha dipengaruhi jumlah butir, jadi instrumen panjang cenderung mendapat alpha lebih tinggi hanya karena panjang.

Validitas: apakah kita mengukur hal yang benar?

Validitas lebih sulit dibuktikan daripada reliabilitas, karena ia menyangkut makna, bukan hanya angka. Ada beberapa jenis bukti validitas:

• Validitas isi. Apakah butir-butir pernyataan mencakup seluruh aspek konsep yang ingin diukur? Biasanya dinilai oleh pakar atau lewat kajian teori. Instrumen kepuasan kerja yang hanya menanyakan gaji tidak punya validitas isi yang baik, karena kepuasan kerja bukan hanya soal gaji.
• Validitas konstruk. Apakah butir-butir benar-benar membentuk konsep yang dimaksud? Di sinilah analisis faktor berperan (eksploratori atau konfirmatori). Butir yang mengukur konsep yang sama seharusnya mengelompok pada faktor yang sama. Dalam PLS-SEM, kita memeriksa outer loading, average variance extracted (AVE), dan validitas diskriminan, yaitu bukti bahwa konsep-konsep yang berbeda memang berbeda.
• Validitas kriteria. Apakah skor instrumen berhubungan dengan ukuran lain yang relevan? Misalnya, apakah skor tes seleksi memprediksi kinerja karyawan beberapa bulan kemudian?

Mengapa keduanya tidak sama

Ini bagian yang paling sering disalahpahami. Reliabel belum tentu valid. Bayangkan timbangan beras yang rusak, tetapi selalu menunjukkan angka yang sama persis setiap kali kamu naik. Ia sangat konsisten, namun tidak mengukur beratmu dengan benar. Konsisten, tapi salah.

Sebaliknya, valid pasti reliabel (dalam batas tertentu). Kalau sebuah alat benar-benar mengukur apa yang dimaksud, hasilnya tidak mungkin acak sembarangan.

Karena itu, alpha 0,90 tidak membuktikan apa pun tentang validitas. Banyak mahasiswa menulis “instrumen ini valid dan reliabel karena Cronbach’s alpha = 0,92”. Kalimat itu mencampuradukkan dua hal. Alpha hanya berbicara tentang konsistensi internal. Bahkan, alpha yang sangat tinggi kadang menandakan butir-butir yang terlalu mirip (redundan).

Analisis butir: memeriksa satu per satu

Selain menilai instrumen secara keseluruhan, kita memeriksa tiap butir pernyataan. Ukuran yang umum dipakai adalah korelasi butir-total terkoreksi: seberapa kuat skor sebuah butir berkorelasi dengan jumlah butir lainnya. Butir yang korelasinya rendah (misalnya di bawah sekitar 0,30) patut dicurigai: ia mungkin mengukur hal lain, ditulis ambigu, atau dijawab asal-asalan. Kita juga memeriksa bagaimana alpha berubah kalau butir itu dihapus. Namun, jangan menghapus butir secara mekanis. Pertimbangkan dulu teori: butir yang penting secara isi sebaiknya diperbaiki, bukan langsung dibuang.

Langkah praktis menyiapkan instrumen yang baik

1. Mulai dari teori. Definisikan konsepmu dengan jelas, dan turunkan dimensi serta indikatornya dari kajian pustaka.
2. Tulis butir yang jelas. Satu gagasan per butir, bahasa sederhana, tanpa kata ganda atau menggiring.
3. Minta penilaian pakar untuk validitas isi.
4. Uji coba (pilot). Berikan kepada sekelompok kecil responden yang mirip dengan sampel akhir, tanyakan apa yang membingungkan.
5. Analisis hasil uji coba. Periksa korelasi butir-total, reliabilitas, dan struktur faktor.
6. Revisi, lalu uji ulang pada sampel utama. Validitas dan reliabilitas dinilai kembali pada data penelitian sebenarnya, karena instrumen yang baik pada satu sampel belum tentu baik pada sampel lain.
7. Laporkan dengan jujur. Sebutkan ukuran yang dipakai, nilainya, dan interpretasinya, termasuk kelemahan yang ditemukan.

Kesalahan yang paling sering terjadi

• Mengambil kuesioner dari penelitian lain lalu mengklaim “sudah valid”. Instrumen yang valid di populasi A belum tentu valid di populasi B, apalagi kalau diterjemahkan.
• Menghapus butir sampai angka bagus. Instrumen jadi tinggal tiga butir yang sangat selaras, tetapi sudah tidak mencakup konsepnya.
• Mengabaikan validitas isi dan hanya mengandalkan angka statistik. Angka tidak bisa mengganti penalaran tentang makna.
• Mencampuradukkan skala. Instrumen yang memuat beberapa dimensi dihitung alpha-nya sebagai satu skala. Hitung per dimensi.

Validitas dan reliabilitas bukan ritual administratif sebelum analisis. Keduanya adalah jaminan bahwa semua angka yang kamu analisis sesudahnya benar-benar berarti sesuatu. Kalau timbanganmu salah, secanggih apa pun analisis di atasnya, hasilnya tetap salah.

Contoh mini: instrumen kepuasan kerja delapan butir

Bayangkan kamu menyusun instrumen kepuasan kerja dengan delapan butir pernyataan, lalu mengujinya pada 60 karyawan. Keluaran SPSS memberi dua hal penting. Pertama, Cronbach’s alpha keseluruhan, misalnya 0,84, yang menunjukkan konsistensi internal yang baik. Kedua, tabel item-total statistics. Misalkan butir nomor 6 punya korelasi butir-total terkoreksi hanya 0,12 dan alpha naik menjadi 0,87 jika butir itu dihapus. Butir itu patut dicurigai. Tetapi sebelum dihapus, baca kembali kalimatnya. Mungkin ia berupa pernyataan negatif yang lupa dibalik skornya (reverse-coded), mungkin ia menanyakan hal yang berbeda (misalnya soal jarak ke kantor, bukan kepuasan), atau mungkin kalimatnya ambigu. Memperbaiki butir sering lebih tepat daripada membuangnya.

Sesudah reliabilitas, lakukan analisis faktor untuk melihat apakah delapan butir itu memang membentuk satu dimensi, atau dua dimensi yang berbeda (misalnya kepuasan terhadap pekerjaan itu sendiri dan kepuasan terhadap kompensasi). Kalau analisis menunjukkan dua dimensi, hitung reliabilitas untuk masing-masing dimensi, bukan sebagai satu skala. Itulah cara kerja yang jujur: data memberi tahu struktur, dan kamu menyesuaikan analisis dengan struktur itu.

---

Butuh uji validitas dan reliabilitas kuesioner yang rapi? Lihat layanan jasa analisis data dan statistik kami.