1.

Validitas adalah sebuah proses yang harus dilalui instrumen agar dapat diketahui apakah
instrumen yang sudah dikonstruksi telah mengukur aitem yang seharusnya diukur. Cara
mengetahuinya melalui validitas isi (muka dan logik), konstrak, dan kriteria (prediktif dan
konkruen).

 Korelasi Pearson adalah suatu bentuk rumus yang digunakan untuk mencari hubungan
antara dua variabel, yaitu variabel bebas atau independent variable dan variabel terikat atau
dependent variable. Di mana umumnya variabel terikat diberi notasi Y dan variabel bebas
diberi notasi X, di mana variabel bebas ini merupakan pemberian dari hasil suatu pengamatan
sehingga variabel bebas tersebut tidak lagi Random atau acak. Untuk penelitian lebih lanjut
perlu dilakukan uji kerandoman data sampel. Pearson r correlation biasa digunakan untuk
mengetahui hubungan pada dua variabel. Korelasi dengan Pearson ini mensyaratkan data
berdistribusi normal.

Bila variabel X dan Y dikorelasikan, titik-titik koordinat yang terdapat dalam diagram pencar
bertendensi membentuk suatu lingkaran yang memiliki trend agak definitif arahnya.

Di mana titik asal dari sumbu X'Y' digambarkan pada titik koordinat (Xbar Ybar). Titik-titik
koordinat (X, Y) didistribusikan dalam keempat kuadran bidang Xbar Ybar. Tanda-tanda aljabar
dalam keempat kuadran diberikan seperti berikut :

I --> X' dan Y' positif, II --> X' negatif dan Y' positif, III --> X' dan Y' negatif, IV --> X' positif
dan Y' negatif

Hasil perkalian X' Y' akan positif bagi semua titik-titik yang terdapat dalam kuadran I dan III dan
negatif bagi semua titik-titik dalam kuadran II dan IV.

Penjumlahan secara aljabar dari kesemua hasil perkalian sedemikian itu sebetulnya
menggambarkan distribusi titik dalam kuadran.

Bila penjumlahannya positif, trend dari titik-titik tersebut akan melalui kuadran III dan I.
Sebaliknya, bila penjumlahannya negatif, trend dari titik-titik akan melalui kuadran II dan IV.
Akhirnya, bila penjumlahannya sama dengan nol trend tidak akan tertampak karena titik-titiknya
didistribusikan secara merata di antara keempat kuadran sehingga hasil perkalian positif dari
X'Y' diimbangi dengan hasil perkalian negatif dari X'Y'.

Sebagai konsekuensi logika di atas, pengukuran korelasi sampel diperoleh dengan jalan
menjumlahkan hasil perkalian X'Y' bagi semua nilai-nilai pengamatan dan mengrata-ratakannya
dengan pembagia n.

Bila X'Y' masing-masing dinyatakan dalam unit deviasi standarnya maka akan diperoleh
pengukuran korelasi yang bebas dari unit asal. Pengukuran sedemikian itu umumnya dirumuskan
sebagai Korelasi Pearson.

Asumsi dasar korelasi diantaranya seperti tertera di bawah ini:

 Kedua variabel bersifat independen satu dengan lainnya, artinya masing-masing variabel
berdiri sendiri dan tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas
dan variabel tergantung.
 Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi normal
artinya data yang distribusinya  simetris sempurna. Jika digunakan bahasa umum disebut
berbentuk kurva bel. Menurut Johnston (2004) ciri-ciri data yang mempunyai distribusi
normal ialah sebagai berikut:

1.      Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di

tengah-tengah, yaitu berada pada rata-rata (mean) nilai distribusi dengan
kurva sejajar dan tepat sama pada bagian sisi kiri dan kanannya.
Kesimpulannya, nilai yang paling sering muncul dalam distribusi normal
ialah rata-rata (average), dengan setengahnya berada dibawah rata-rata
dan setengahnya yang lain berada di atas rata-rata.

2.     Kurva normal, sering juga disebut sebagai kurva bel, berbentuk simetris
sempurna.

3.     Karena  dua bagian sisi dari tengah-tengah benar-benar simetris, maka

frekuensi nilai-nilai diatas rata-rata (mean) akan benar-benar cocok
dengan frekuensi nilai-nilai di bawah rata-rata.
 4.  Frekuensi total semua nilai dalam populasi akan berada dalam  area
dibawah kurva.  Perlu diketahui bahwa area total dibawah kurva
mewakili kemungkinan munculnya karakteristik tersebut. 

5.     Kurva normal dapat mempunyai bentuk yang berbeda-beda. Yang

menentukan bentuk-bentuk tersebut adalah nilai rata-rata dan simpangan
baku (standard deviation) populasi.

2. Reliabilitas adalah sebuah proses yang harus dilalui instrumen untuk mengetahui keandalan
atau keajegan dari sebuah instrumen. Dengan kata lain, instrumen yang baik akan menarik
jawaban/data yang sama walaupun diberikan di waktu dan kondisi yang berbeda. Cara
mengetahuinya melalui reliabilitas tes retes, bentuk alternatif, belah dua, Kuder-Richardson
dan koefisien alpha, dan pemberi skor.
 ASUMSI CROANBACH : Cronbach's α (alpha) [1] adalah koefisien reliabilitas. Hal ini
biasanya digunakan sebagai ukuran konsistensi internal atau keandalan skor tes psikometri
untuk sampel ujian. Ini adalah pertama bernama alpha oleh Lee Cronbach pada 1951, karena
ia bermaksud untuk melanjutkan dengan koefisien lebih lanjut. Ukuran ini dapat dipandang
sebagai perpanjangan dari Formula Kuder-Richardson 20 (KR-20), yang merupakan ukuran
setara untuk item dikotomis. Alpha tidak tahan terhadap data yang hilang. Beberapa huruf
Yunani lainnya telah digunakan oleh para peneliti kemudian untuk menunjukkan langkah-
langkah lain yang digunakan dalam konteks yang hampir sama [2] Agak terkait. adalah rata-
rata varians diekstraksi (AVE).
Artikel ini membahas penggunaan α dalam psikologi, tetapi statistik alpha Cronbach secara
luas digunakan dalam ilmu-ilmu sosial, bisnis, perawat, dan disiplin lainnya. Item Istilah
digunakan di seluruh artikel ini, tapi item bisa apa saja - pertanyaan, penilai, indikator - yang
salah satu mungkin bertanya sejauh mana mereka "mengukur hal yang sama". Item yang
dimanipulasi yang sering disebut sebagai variabel.
 Reliabilitas Belah Separuh (Split-Half Reliability)
Dengan cara ini, dua skor didapatkan untuk setiap orang dengan membagi tes menjadi
paruhan-paruhan yang ekuivalen. Jenis reliabilitas ini kadangkala disebut koefisien konsistensi
internal, karena hanya dibutuhkan penyelenggaraan tunggal atas satu bentuk tes saja.
 Untuk mendapatkan reliabilitas belah-separuh, masalah pertamanya adalah bagaimana
membagi tes dalam rangka mendapatkan paruhan-paruhan yang paling ekuivalen.
Efek yang akan dihasilkan pada koefisiennya dengan memperpanjang atau
memperpendek sebuah tes, dapat diperkirakan dengan rumus Spearman-Brown, seperti berikut :
rnn = nrtt

1 + (n – 1)rtt

rnn : koefisien yang diperkirakan

rtt : koefisien yang diperoleh
n : jumlah waktu tes diperpanjang/diperpendek
Ketika diterapkan pada reliabilitas belah separuh, rumus ini selalu melibatkan penggandaan
panjang tes. Dalam kondisi ini, rumus itu dapat disederhanakan sebagai berikut :
rtt = 2rhh
1 + rhh
 
Untuk rhh adalah korelasi dari tes-tes paruhan
Metode alternatif untuk mendapatkan reliabilitas belah separuh dikembangkan oleh
Rulon (1939). Hanya dibutuhkan varians dari perbedaan antara skor-skor tiap orang pada dua
tes-tes separuh (SDx2) dan varians skor total (SDd2) dua nilai ini disubstitusikan dalm rumus
berikut, yang menghasilkan reliabilitas seluruh tes secara langsung :
rtt = SDx2
SDd2
1–
Menarik untuk memperhatikan hubungan rumus ini
dengan varians kesalahan. Perbedaan apapun antara
skor-skor seseorang pada dua tes paruhan
menampilkan varians kesalahan atau varians yang tidak relevan. Varians-
varians perbedaan-perbedaan ini, dibagi dengan varians skor-skor total, memberikan proporsi
varians kesalahan dalam skor-skor itu. Ketika varians skor ini dikurangkan dari 1,00, hasilnya
adalah proporsi varians “benar” untuk penggunaan tes tertentu, yang sama dengan koefisien
reliabilitas.
  Spearman-Brown: Jumlah butir dibelah menjadi 2 dan dicari nilai rxx-nya. Jumlah butir dapat dibelah kiri
dan kanan, angka ganjil dan genap maupun dengan cara random / acak. Bila nilai rxx-nya > 0.8 maka
dianggap reliabel.

Alpha Cronbach: Alpha membagi jumlah butir dengan berapapun asal sama rata, tidak seperti Spearman-Brown dan
Rulon yang tidak dapat membagi dua angka ganjil menjadi sama rata seperti misalnya angka 15, Alpha bisa
membagi

 KET. RUMUS CROANBACH

KET. RMUS 1 : dimana K adalah jumlah komponen (K-item atau testlets), \ sigma ^ 2_X varians
dari skor total tes diamati, dan \ sigma ^ 2_ {} Y_i varians i komponen untuk sampel saat orang. Lihat
Develles (1991).
Atau, α Cronbach juga dapat didefinisikan sebagai
KET. RMS 2 : dimana K adalah seperti di atas, \ bar v variansi rata-rata, dan \ c bar rata-rata semua
covariances antara komponen-komponen di sampel saat orang.
 KELEBIHAN DAN KELEMAHAN CROANBACH
 KAPAN DIGUNAKAN
 KAPAN DIKATAKAN VALID DAN VARIABEL

 KR20 : Kuder Richardson mengeluarkan rumus perbaikan tetapi KR20 juga jarang dipakai karena KR20 hanya
dapat digunakan pada data dikotomi (pilihan ya dan tidak / 0 dan 1) tidak seperti diatas, yang bisa menghitung
data dikotomi dan kontinu. Bila nilai KR20-nya > 0.8 maka dianggap reliabel.


 REHABILITASI