ID|EN
Chat di WhatsApp

Tag: kuesioner

  • 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.

    Butuh bantuan menyusun instrumen, mengujinya, atau menafsirkan hasil uji validitas dan reliabilitas? Tim datalytics.indo membantu dari desain penelitian dan kuesioner, analisis (faktor, PLS-SEM/SEM, regresi, analisis jalur, dan lainnya), sampai interpretasi. Tersedia juga bimbingan privat SPSS dan SmartPLS. Hubungi kami untuk mendapatkan solusi terbaik.

    Chat di WhatsApp

  • Kuesioner yang Baik Itu Seni dan Sains: 7 Jebakan Pertanyaan yang Diam-diam Merusak Datamu

    Ada satu hal yang saya pelajari dari bertahun-tahun mengerjakan survei: hasil analisis sebaik apa pun tidak bisa menyelamatkan kuesioner yang buruk. Kita bisa memakai model paling canggih, tetapi kalau pertanyaannya membingungkan, bias, atau mengarahkan, yang kita analisis hanyalah kebingungan responden dengan tampilan yang rapi.

    Dalam statistik ada ungkapan lama yang cocok di sini: garbage in, garbage out. Dan kuesioner adalah pintu masuk pertama bagi data kita. Berikut tujuh jebakan yang paling sering saya temui, lengkap dengan contoh dan cara memperbaikinya.

    Jebakan 1: Pertanyaan ganda (double-barreled)

    Contoh buruk: “Saya puas dengan gaji dan tunjangan yang saya terima.”

    Bagaimana kalau responden puas dengan gaji tetapi tidak puas dengan tunjangan? Ia tidak punya jawaban yang jujur. Apa pun jawabannya, kamu tidak akan tahu yang mana yang ia maksud.

    Perbaikan: pecah menjadi dua pertanyaan. “Saya puas dengan gaji yang saya terima.” dan “Saya puas dengan tunjangan yang saya terima.”

    Tanda yang mudah dikenali: kata “dan” atau “serta” di tengah pertanyaan. Tidak selalu salah, tapi selalu patut diperiksa.

    Jebakan 2: Pertanyaan yang menggiring

    Contoh buruk: “Seberapa setuju Anda bahwa atasan Anda sudah memberikan dukungan yang sangat baik?”

    Pertanyaan itu sudah menyiratkan jawaban yang diharapkan. Responden cenderung mengikuti arah yang disodorkan, terutama bila pertanyaannya menyangkut atasan atau institusi mereka.

    Perbaikan: gunakan kalimat netral: “Atasan saya memberikan dukungan yang saya butuhkan untuk menyelesaikan pekerjaan.” Dengan pilihan jawaban dari sangat tidak setuju sampai sangat setuju, kedua arah jawaban terasa sama pantasnya.

    Jebakan 3: Istilah yang kabur atau terlalu teknis

    Contoh buruk: “Apakah Anda sering menggunakan layanan digital kami?” Sering itu seberapa? Setiap hari? Setiap minggu? Bagi sebagian orang, tiga kali sebulan adalah “sering”.

    Perbaikan: gunakan batasan yang jelas dan terukur: “Dalam satu bulan terakhir, berapa kali Anda menggunakan aplikasi kami?” dengan pilihan jawaban yang konkret (0 kali, 1 sampai 3 kali, 4 sampai 10 kali, lebih dari 10 kali).

    Selain itu, hindari jargon. Kalau responden harus membuka kamus untuk memahami pertanyaanmu, kamu kehilangan data atau mendapat tebakan.

    Jebakan 4: Kata mutlak (“selalu”, “tidak pernah”, “semua”)

    Contoh buruk: “Atasan saya selalu mendengarkan pendapat saya.”

    Kata “selalu” memaksa responden menolak pernyataan walaupun atasannya mendengarkan sembilan dari sepuluh kali. Hasilnya, skor tampak lebih rendah daripada kenyataan.

    Perbaikan: gunakan skala frekuensi yang eksplisit (“Seberapa sering atasan saya mendengarkan pendapat saya?” dengan pilihan tidak pernah, jarang, kadang-kadang, sering, selalu), atau pernyataan tanpa kata mutlak.

    Jebakan 5: Pilihan jawaban yang tidak seimbang atau tumpang tindih

    Contoh buruk: pilihan usia “20 sampai 30”, “30 sampai 40”, “40 sampai 50”. Seseorang yang berusia 30 tahun akan bingung memilih yang mana.

    Perbaikan: buat kategori yang saling lepas dan menyeluruh: “20 sampai 29”, “30 sampai 39”, “40 sampai 49”, “50 ke atas”.

    Pada skala Likert, pastikan keseimbangan: jumlah pilihan positif dan negatif sama, dengan pilihan netral yang jelas bila diperlukan. Pilihan seperti “sangat baik, baik, cukup, kurang” cenderung condong ke sisi positif dan membuat data menumpuk di atas.

    Jebakan 6: Urutan dan konteks yang memengaruhi jawaban

    Pertanyaan sebelumnya bisa memengaruhi jawaban pertanyaan berikutnya (priming). Kalau kamu menanyakan serangkaian pertanyaan tentang masalah di kantor lalu bertanya, “Seberapa puas Anda secara keseluruhan dengan pekerjaan Anda?”, responden sudah dikondisikan untuk memikirkan hal-hal buruk.

    Perbaikan: tempatkan pertanyaan umum lebih dulu sebelum yang spesifik. Letakkan pertanyaan sensitif (pendapatan, kesehatan, perilaku pribadi) di bagian akhir setelah responden merasa nyaman. Kelompokkan pertanyaan berdasarkan tema, dan pertimbangkan mengacak urutan butir dalam satu skala bila memungkinkan.

    Jebakan 7: Kuesioner yang terlalu panjang dan melelahkan

    Responden yang lelah akan menjawab asal-asalan: memilih jawaban tengah terus-menerus atau pola zig-zag (straight-lining). Di bagian akhir kuesioner yang panjang, kualitas data biasanya turun.

    Perbaikan: tanyakan hanya yang kamu perlukan. Untuk setiap pertanyaan, tanyakan: “Analisis apa yang akan memakai jawaban ini?” Kalau tidak ada jawabannya, buang pertanyaan itu. Perkirakan waktu pengisian dan uji coba. Sebagian besar survei yang disebar umum sebaiknya selesai dalam beberapa menit.

    Bonus: dua kebiasaan yang membedakan kuesioner profesional

    Uji coba (pilot). Berikan kuesioner kepada sepuluh sampai dua puluh orang yang mirip dengan responden sebenarnya. Tanyakan: bagian mana yang membingungkan? Pertanyaan mana yang terasa aneh? Berapa lama waktunya? Dua jam uji coba bisa menyelamatkan dua bulan pengumpulan data yang sia-sia.

    Uji validitas dan reliabilitas. Setelah data uji coba terkumpul, periksa korelasi butir-total, struktur faktor, dan reliabilitas (misalnya Cronbach’s alpha atau composite reliability). Butir yang berperilaku aneh perlu diperbaiki sebelum survei utama dijalankan.

    Pertimbangan etika

    Jelaskan tujuan survei, siapa yang mengakses data, dan bagaimana kerahasiaan dijaga. Berikan pilihan untuk tidak menjawab pertanyaan sensitif. Dan jangan meminta data identitas yang tidak benar-benar kamu perlukan. Responden yang percaya pada kerahasiaan akan menjawab lebih jujur, dan jawaban yang jujur adalah satu-satunya hal yang membuat survei bernilai.

    Ringkasan: daftar periksa tujuh jebakan

    Sebelum menyebar kuesioner, periksa setiap pertanyaan:

    1. Apakah hanya menanyakan satu hal?
    2. Apakah netral, tidak menggiring?
    3. Apakah istilahnya jelas dan terukur?
    4. Bebas dari kata mutlak yang memaksa?
    5. Pilihan jawabannya seimbang dan tidak tumpang tindih?
    6. Urutannya tidak mengondisikan jawaban?
    7. Apakah panjangnya wajar dan setiap pertanyaan punya tujuan?

    Kuesioner yang baik tidak terlihat. Responden mengisinya dengan lancar, dan kamu mendapat data yang bisa dipercaya. Itulah tanda bahwa seni dan sains sudah bekerja bersama.

    Contoh perbaikan tiga pertanyaan lagi

    Contoh A. ‘Bagaimana pendapat Anda tentang kualitas dan harga produk kami?’ (ganda). Perbaikan: pisahkan menjadi ‘Bagaimana pendapat Anda tentang kualitas produk kami?’ dan ‘Bagaimana pendapat Anda tentang harga produk kami?’.

    Contoh B. ‘Tidakkah Anda setuju bahwa pelayanan kami sudah sangat cepat?’ (menggiring dan negatif ganda). Perbaikan: ‘Pelayanan kami cepat.’ dengan skala setuju-tidak setuju.

    Contoh C. ‘Seberapa sering Anda menggunakan layanan kami?’ dengan pilihan ‘jarang, kadang-kadang, sering’. Perbaikan: berikan jangka waktu dan rentang yang jelas, misalnya ‘Dalam 30 hari terakhir, berapa kali Anda menggunakan layanan kami?’ dengan pilihan angka.

    Skala ganjil atau genap?

    Skala dengan jumlah pilihan ganjil (misalnya lima) memberi titik tengah netral. Skala genap (misalnya empat atau enam) memaksa responden memilih arah. Tidak ada yang mutlak benar. Skala ganjil cocok bila netral adalah sikap yang sah. Skala genap cocok bila kamu ingin mengurangi kecenderungan memilih jawaban tengah demi aman. Yang penting, konsisten dalam satu instrumen, dan pahami konsekuensinya saat menganalisis.

    Menerjemahkan kuesioner dari bahasa lain

    Menerjemahkan instrumen dari bahasa Inggris tidak cukup dengan mesin penerjemah. Praktik yang baik: terjemahan oleh dua penerjemah independen, penggabungan oleh peneliti, terjemahan balik oleh penerjemah ketiga yang tidak melihat versi asli, lalu perbandingan dengan versi asli, dan uji coba pada responden. Setelah itu, uji ulang validitas dan reliabilitasnya pada sampelmu, karena makna kata bisa bergeser antarbudaya.

    Butuh kuesioner yang disusun dan diuji dengan benar sebelum disebar? Lihat layanan riset pasar dan survei kami.

    Sedang menyusun kuesioner untuk skripsi, tesis, disertasi, atau survei institusi? Tim datalytics.indo membantu dari perumusan konsep dan butir pertanyaan, uji coba dan uji validitas-reliabilitas, sampling, analisis (regresi, PLS-SEM/SEM, analisis jalur, faktor, klaster, dan lainnya), sampai interpretasi. Tersedia juga bimbingan privat. Hubungi kami untuk mendapatkan solusi terbaik.

    Chat di WhatsApp