ANALISIS ALAT UKUR SURVEI

Miftahun Ni’mah Suseno

VALIDITAS
 VALIDITAS
 Ketepatan dalam mengukur atribut yang
hendak diukur – tidak mengukur atribut lain
 Kecermatan dalam menunjukkan besar-
kecilnya, lemah-kuatnya atribut yang
diukurnya.
 Dapat dengan cermat menunjukkan perbedaan
ukuran suatu atribut
 Keterpercayaan sebagai alat ukur
 Validitas adalah sejauhmana akurasi suatu tes
atau skala dalam menjalankan fungsi
pengukurannya.
• Validitas tinggi jika pengukuran dapat
menghasilkan data yang secara akurat
memberikan gambaran mengenai variabel yang
diukur seperti tujuan pengukuran tersebut.

• Validitas rendah jika pengukuran menghasilkan

data yang tidak relevan dengan tujuan
pengukuran.
Jenis Validitas:

A. Validitas isi (Content Validity)

1. Validasi tampang/muka (Face Validity)
2. Validasi logik (Logical Validity)

B. Validitas konstrak (Construct Validity)

C. Validitas berdasar kriterion (Criterion Validity)

1. Validitas prediktif
2. Validitas konkuren
A.1. FACE VALIDITY

CONSTRUCT

?
MEASURE
Validitas Tampang (Face Validity)
• merupakan titik awal evaluasi kualitas tes, yaitu
aitem-aitemnya
• Tidak menghasilkan statistik validitas seperti
koefisien atau indeks
• Hanya merupakan tahap penerimaan orang pada
umumnya terhadap fungsi pengukuran tes tersebut
• Merupakan kondisi yang perlu dipenuhi pertama
kali sebelum membahas sisi lain dari kualitas tes
A.2. LOGICAL VALIDITY

MEASURE

CONSTRUCT
Validitas Logis (Logical Validity)
• Menilai kelayakan isi aitem dengan jabaran dari
indikator-indikator perilaku yang diukur
• Penilaian bersifat kualitatif dan judgemental yang
dilakukan oleh panel expert
• Seberapa tinggi kesepakatan di antara experts
mengenai kelayakan aitem, akan dapat diestimasi
dan dikuantifikasikan, kemudian statistiknya
dijadikan indikator validitas isi aitem dam validitas
isi tes
Prosedur Penilaian Validitas Logis

1. Koefisien Validitas Isi – Aiken’s V

2. Rasio Validitas Isi – Lawshe’s CVR
Validasi Isi - Aiken V
Meminta penilaian expert terhadap relevansi aitem
terhadap indikator perilaku.
Expert memberikan penilaian dari skor 1 sd 5
1 Sangat Tidak Relevan / Sangat Tidak Mewakili
2 Tidak Relevan / Tidak Mewakili
3 Cukup Relevan / Cukup Mewakili
4 Relevan / Mewakili
5 Sangat Relevavn/ Sangat Mewakili
Rumus Validitas Aiken’s V

V = s / [n(c-1)]

s = r – lo
lo = Angka penilaian validitas terendah (yaitu 1)
c = Angka penilaian validitas tertinggi (yaitu 5)
r = Angka yang diberikan oleh seorang expert
n = Banyaknya rater
Rasio Validitas Isi – Lawshe’s CVR
• Expert menilai setiap item, apakah esensial atau
tidak
• Esensial: diperlukan dan sangat penting bagi tujuan
pengukuran yang bersangkutan
• 3 tingkatan esensial:
- esensial (3)
- berguna tapi tidak esensial (2)
- tidak diperlukan (1)
 Rumus CVR (Content Validity Ratio)
CVR = (2ne / n) - 1
Ne = Banyaknya exspert yang menilai suatu aitem
‘esensial’
n = Banyaknya ekspert yang melakukan penilaian

Catatan:
rentang cvr antara -1,00 s/d +1,00, bila CVR  0,00 artinya 50%
expert dalam panel menyatakan aitem tersebut esensial,
semakin besar CVR, maka semakin tinggi validitas isinya
CVI
• Selain CVR, dapat pula dihitung CVI (Content
Validity Index) yang merupakan indeks validasi tes.
• CVI adalah rata-rata dari CVR semua aitem

CVI = (CVR) / k
k = banyaknya aitem
 B. CONSTRUCT VALIDITY
• Adalah tipe validitas yang menunjukkan
sejauhmana tes mengungkap suatu trait
atau konstrak teoritis yang hendak
diukurnya.
• Kesesuaian antara konstrak teoritik
psikologis yang akan diukur yaitu
indikator-indikatornya dengan isi tes/item
• Tidak menggunakan kriteria luar untuk
pengujiannya
CONSTRUCT VALIDITY

CONSTRUCT

= = = = =
Validitas Konstruk
• Membuktikan apakah hasil pengukuran yang
diperoleh melalui aitem aitem tes berkorelasi tinggi
dengan konstruk teoritik yang mendasari
penyusunan tes tersebut
• Ada 2 prosedur:
1. Multitrait – Multimethod
2. Factor Analysis
 C. CRITERION VALIDITY

CONSTRUCT
PREDICTIVE CONCURRENT

OLD
MEASURE

MEASURE

FUTURE BEHAVIOR
Tersedia kriterion eksternal, yaitu variabel perilaku
yang diprediksi oleh skor tes
1. Validitas prediktif
Kesesuaian antara besarnya skor tes sebagai
ukuran atribut dengan perilaku subyek dikemudian
hari sebagai manifestasi atribut tersebut
Ex : Tes IQ memprediksi prestasi anak yang akan
datang
2. Validitas konkuren
Korelasi antara tes yang dicari validitasnya dengan
tes lain (yang mengukur atribut yang sama) yang
sudah valid
Ex : tes kepemimpinan diuji dengan tes lain yang
sudah valid, diberikan bersama
PRAKTEK
UJI VALIDITAS ISI
Contoh Identitas Validator
Contoh Lembar Validasi Isi
Tabulasi dan Perhitungan Aiken V
 Rumus Validitas Aiken’s V

V = s / [n(c-1)]
s = r – lo
lo = Angka penilaian validitas terendah (yaitu 1)
c = Angka penilaian validitas tertinggi (yaitu 5)
r = Angka yang diberikan oleh seorang expert
n = Banyaknya rater
PRAKTEK
Kroscek dengan Tabel
• Setelah dilakukan perhitungan dan menghasilkan
indeks V, Aiken juga memberikan panduan untuk
kita apakah suatu item tersebut diterima atau tidak.

• Rambu-rambu untuk menilai indeks V tersebut

ditampilkan dalam tabel di bawah ini.
• Kolom pertama tabel tersebut menunjukkan jumlah rater.
Untuk jumlah rater yang berbeda, nilai minimum indeks V juga
berbeda. Semakin banyak rater, semakin kecil nilai V yang
disyaratkan. Dari tabel tersebut terlihat bahwa sebenarnya
secara teoritis batas minimal untuk menetapkan jumlah rater
adalah dua orang. Meskipun demikian, untuk dapat diterima
suatu item harus memperoleh nilai V yang sempurna (1).
• Number of category menunjukkan pilihan skala kita ketika
memberikan penilaian ke rater. Apabila kita menyusun skala
kita menjadi sangat tidak relevan, ridak relevan, relevan, dan
sangat relevan, maka ada empat kategori. Sedangkan tabel
juga memberikan dua pilihan nilai p yang ditetapkan. Jika
peneliti menetapkan nilai p<0,01 yang artinya mengizikan
peluang eror sebesar 1%, maka dilihat baris pertama tiap
jumlah rater. Sedangkan jika peneliti menetapkan nilai p<0,05
yang artinya mengizikan peluang eror sebesar 5%, maka
dilihat baris kedua tiap jumlah rater.
• Sebagai contoh, jika kita menggunakan perhitungan
sebelumnya, dimana suatu item dinilai oleh 3 rater
dengan 5 pilihan skala dan menghasilkan V=0,83,
maka jika kita merujuk pada tabel nilai V minimal
yang diterima dengan taraf kesalahan 5% adalah 0,92.
Dengan demikian item tersebut belum cukup valid.

• Namun jika suatu item kita dinilai oleh 15 orang rater

dengan 5 pilihan kategori dan menghasilkan indeks V
sebesar 0,70, maka dengan taraf kesalahan 5% kita
dapat menerima item tersebut dan item tersebut
dinyatakan valid karena nilai minimal yang
disyaratkan adalah 0,67.
Follow Up
• Aitem yang tidak valid segera dilakukan revisi
sesuai masukan dari validator
• Yakinkan bahwa aitem revisi sesuai dengan
indikator perilaku dan kaedah penulisan soal.
• Pastikan semua aitem yang ada dalam alat ukur siap
untuk dilakukan field test dengan FGD dan try out
di lapangan.
 ANALISIS DAYA BEDA
(INDEKS DISKRIMINASI)
TUJUAN ANALISIS AITEM
• Melakukan analisis untuk seleksi aitem, memilih
aitem dengan standar minimal nilai corrected item
total correlation (indeks daya beda/daya
diskriminasi)
• riX ≥ 0,3 dinyatakan aitem LOLOS
• riX < 0,3 dinyatakan aitem GUGUR

• Jika terdapat kondisi tertentu diperbolehkan

menggunakan standar riX > 0,25
Langkah-langkah SELEKSI AITEM
 Buka file tabulasi data try out
 Lakukan Pengolahan Data dengan cara sebagai berikut :
 Klik Menu Analyze  Pilih Scale  Pilih Reliability
Analysis
 Masukkan variabel A1, A2, A3, A4 dan A5 ke kotak items
 Klik tombol Statistic  Pada bagian descriptives for, beri tanda
centang check box Scale if Item deleted, dan pilihan yang lain
tidak perlu dilakukan perubahan.
 Klik tombol Continue
 Klik OK
PRAKTEK UJI BEDA
Cek Hasil Output

Cek kolom corrected item total correlation (indeks daya

beda/daya diskriminasi)  riX ≥ 0,3 adalah aitem yang
LOLOS
Interpretasi Hasil Seleksi Aitem
 RELIABILITAS

• Konsistensi
• Keajegan
• Tipe:
1. Inter-rater /Inter-observer Reliability
2. Test-retest Reliability
3. Parallel Forms Reliability
4. Internal Consistency Reliability
 1. INTER-RATER
INTER-OBSERVER RELIABILITY
2. TEST-RETEST RELIABILITY
3. PARALLEL FORMS RELIABILITY
4. INTERNAL CONSISTENCY RELIABILITY
INTERNAL CONSISTENCY RELIABILITY
INTERNAL CONSISTENCY RELIABILITY
INTERNAL CONSISTENCY RELIABILITY
 INTERNAL CONSISTENCY RELIABILITY

 Korelasi antara item dalam suatu tes, atau

korelasi antar kelompok item dalam suatu tes
 Reliabel berarti konsistensi antar item atau
konsistensi antar kelompok item
 Konsistensi internal banyak digunakan karena
praktis dan efisien
 PRAKTEK
UJI RELIABILITAS CRONBACH ALPHA
Estimasi Nilai Reliabilitas

 Buatlah data base yang berisikan aitem-aitem yang

dinyatakan lolos/terpilih, untuk aitem yang dinyatakan
gugur dibuang dari data base yang akan diuji reliabilitasnya.
 Klik Menu Analyze  Pilih Scale  Pilih Reliability
Analysis
 Masukkan variabel item yang akan dianalisis ke kotak items
 Klik tombol Statistic  Pada bagian descriptives for, beri
tanda centang check box Scale if Item deleted, dan pilihan yang
lain tidak perlu dilakukan perubahan.
 Klik tombol Continue
 Model dipilih Alpha
 Klik OK
Interpretasi Hasil

Tabel Case Processing Summary menunjukkan:

 N cases valid yaitu jumlah subjek yang dilibatkan dalam pengujian
reliabilitas sebanyak 45 orang.
 Excluded menunjukkan jumlah orang yang tidak diikutsertakan dalam
proses analisis.
 Total yaitu jumlah subjek keseluruhan
 % menunjukkan prosentase pada masing-masing data
Tabel Realibility Statistics menunjukkan:
 Teknik pengujian reliabilitas dengan pendekatan konsistensi internal
dengan model Cronbach Alpha
 Jumlah aitem yang dianalisis.
 Skor koefisien Cronbach Alpha

Pada data tersebut diatas tampak bahwa reliabilitas alat ukur sebesar
0,952 dan jumlah aitem yang dianalisis sebanyak 70 aitem.
Tabel item – total Statistics:
 Cek kolom corrected item total correlation untuk melihat
sebaran koefisien rix.
 Laporkan skor koefisien rix terendah dan tertinggi.
Batasan Nilai Reliabilitas
 Guilford (1956)
 0,80 < rxx <1,00 reliabilitas sangat tinggi
 0,60 < rxx <0,80 reliabilitas tinggi
 0,40 < rxx <0,60 reliabilitas sedang
 0,20 < rxx <0,40 reliabilitas rendah
 -1,00 <rxx <0,20 reliabilitas sangat rendah (tidak reliabel)
 Sekaran (1992)
 rxx < 0,6 adalah kurang baik
 rxx 0,7 adalah dapat diterima
 rxx > 0,8 adalah baik.

 Hilton & Brownlow (2004)

 Jika alpha > 0,90 maka reliabilitas sempurna.
 Jika alpha antara 0,70 – 0,90 maka reliabilitas tinggi.
 Jika alpha antara 0,50 – 0,70 maka reliabilitas moderat.
 Jika alpha < 0,50 maka reliabilitas rendah.
miftah.suseno@uin-suka.ac.id 0812 2125 2407