1

Pengertian Data Penelitian, Skala Data Dan Sumber Data

Data Penelitian
Pengertian Data Penelitian
Data Penelitian adalah segala fakta dan angka yang dapat dijadikan bahan untuk menyusun
suatu informasi (Suharsimi Arikunto, 2002 : 96).Pengertian Data adalah: “The word data is the
plural of Latin datum. A large class of practically important statements are measurements or
observations of variable. Such statements may comprise numbers, words, or images”
(Wikipedia, 2005).
Data merupakan materi mentah yang membentuk semua laporan penelitian (Dempsey dan
Dempsey, 2002: 76).
Berdasarkan penjelasan para pakar di atas, maka dalam artikel kali ini, penulis akan
menyebutkan istilah data sebagai data penelitian. Sebab dalam blog kami, lebih spesifik
membahas perihal penelitian.
Menurut penulis, yang dimaksud dengan data dapat berarti secara luas dan dapat pula berari
secara sempit. Pengertian Data dalam arti luas adalah sekumpulan informasi yang dapat diuat,
diolah, dikirimkan dan di analisis. Namun apabila kita mau mengartikan data dalam arti sempit
konteks penelitian, maka yang dimaksud dengan data adalah data penelitian. Untuk pengertian
yang kedua tersebut, maka sebaiknya kita merujuk kepada data definisi penelitian yang sudah
dikemukakan oleh para pakar di atas.

Klasifikasi Data Penelitian

Data Penelitian dapat diklasifikasikan berdasarkan sifat, sumber, dan juga skala
pengukurannya. Berikut di bawah ini akan kami jelaskan satu persatu tentang klasifikasi data
penelitian:
Berdasarkan sifatnya:
1) Data kuantitatif: data yang berupa angka-angka. Misalnya berat badan, luas rumah, tinggi
badan, nilai IQ, dll.
2) Data kualitatif: data yang berupa kata-kata atau pernyataan- pernyataan. Dapat pula diartikan
sebagai data kategorik, karena memang biasanya berupa kategori atau pengelompokan-
pengelompokan berdasarkan nama atau inisial tertentu. Misalkan: Kelompok PNS, Petani,
Buruh, Wiraswasta, dll.
Data Berdasarkan sumbernya
Berdasarkan sumbernya, data diklasifikasikan antara lain:
1. Data primer
Data primer adalah data yang diperoleh langsung pihak yang diperlukan datanya. Data
primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti perorangan
maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti
preferensi konsumen bioskop
2. Data sekunder
Data Sekunder adalah data yang tidak diperoleh langsung dari pihak yang diperlukan datanya.
adalah data yang didapat tidak secara langsung dari objek penelitian. Peneliti mendapatkan data
yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik
secara komersial maupun non komersial. Contohnya adalah pada peneliti yang menggunakan
data statistik hasil riset dari surat kabar atau majalah.

Data Berdasarkan Skala Pengukurannya

Berdasarkan skala pengukuruannya, data diklasifikasikan antara lain:
Data yang merupakan hasil pengukuran variabel penelitian, memiliki jenis skala pengukuran
sebagaimana yang terdapat pada variabel penelitian. Dengan demikian berdasarkan tinjauan ini,
data dapat dibedakan menjadi antara lain:
Data Nominal
Data nominal adalah salah satu jenis data kualitatif, dimana berupa kategori yang diantara
kategori tersebut tidak ada perbedaan derajat yang lebih tinggi dan yang lebih rendah.
Misalkan: Jenis kelamin perempuan dan laki-laki, dimana laki-laki belum tentu lebih tinggi dari
pada perempuan, begitu pula sebaliknya.
Contohnya :

Status kewarganegaraan
Status perkawinan
Warna kulit
Bahasa sehari-hari
Kota tempat tinggal

Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja ada perbedaan derajat lebih tinggi
dan lebih rendah. Misalnya: Pendidikan, dimana pendidikan perguruan tinggi lebih tinggi dari
pada SMA, dan sebaliknya pedidikan SMA lebih rendah dari pada perguruan tinggi.
Contohnya :

Tingkat kesembuhan penyakit

Prestasi kerja
Urutan juara dalam pertandingan
Senioritas pegawai
Pangkat kepolisian

Data Interval
Data interval adalah data yang termasuk kelompok data kuantitatif, dimana berupa angka-
angka yang didalamnya dapat dilakukan operasi matematika serta urutan antara satu data
dengan data lainnya mempunyai rentang yang sama. Misalnya: Nilai ujian, dimana dikatakan
berurutan dengan rentang yang sama yaitu setelah angka 1 kemudian 2 kemudian 3 dst. Serta
dikatakan dapat dilakukan operasi matematika, adalah misalkan: angka 1 dapat dikalikan
dengan angka 2 dan hasilnya adalah 2.
Ciri khas penting lainnya adalah, data interval tidak mempunyai angka 0 absolut dan 100
absolut secara bersamaan atau dalam arti lain tidak bisa dipastikan peresentase antara satu data
dengan keseluruhan data. maksudnya 0 absolut misalkan nilai ujian. Secara akal sehat, tidak
mungkin ada nilai ujian kurang dari 0. Sedangkan 100 absolut misalkan juga nilai ujian, secara
akal sehat tidak mungkin ada nilai ujian lebih dari 100. jadi data interval contohnya adalah
berat badan, dimana tidak bisa dipastikan berapa sebenarnya nilai tertinggi berat badan. Bisa
jadi orang punya berat bada puluhan kilo, ratusan atau bahkan ribuan kilo.
Contohnya :

Tingkat kecerdasan (IQ)

Frekuensi denyut jantung
Besar sudut (derajat)
Tekanan udara
Tingkat radiasi

Data Rasio
Data rasio adalah data yang sebenarnya sama dengan data iterval, namun bedanya adalah data
rasio dapat dibuat persentase karena ada nilai 0 dan 100 absolut. Seperti yang sudah dibahas di
atas, yaitu misalnya nilai ujian yang mempunyai batasan nilai 0 sampai 100. Jika seorang siswa
mendapatkan nilai 25, dapat diartikan nilai tersebut adalah 25% dari nilai maksimal 100.

Nilai ujian
Dosis obat
Kadar zat kimia dalam makanan
 Banyaknya sel kanker
Luas suatu ruangan

Regresi Linier Berganda

Regresi linier berganda merupakan model persamaan yang menjelaskan

hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel bebas/

predictor (X1, X2,…Xn). Tujuan dari uji regresi linier berganda adalah untuk

memprediksi nilai variable tak bebas/ response (Y) apabila nilai-nilai variabel

bebasnya/ predictor (X1, X2,..., Xn) diketahui. Disamping itu juga untuk dapat

mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel -

variabel bebasnya.

Persamaan regresi linier berganda secara matematik diekspresikan oleh :

Y = a + b1 X1 + b2 X2 + … + bn Xn

yang mana :

Y = variable tak bebas (nilai variabel yang akan diprediksi)

a = konstanta

b1,b2,…, bn = nilai koefisien regresi

X1,X2,…, Xn = variable bebas

Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk persamaan regresinya

adalah :

Y = a + b1X1 + b2X2

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b1 dan b2 mempunyai nilai :

 Nilai=0. Dalam hal ini variabel Y tidak dipengaruh oleh X1 dan X2

  Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara

variabel tak bebas Y dengan variabel-variabel X1 dan X2

 Nilainya positif. Disni terjadi hubungan yang searah antara variabel tak bebas

Y dengan variabel bebas X1 dan X2

Koefisien-koefisien regresi b1 dan b2 serta konstanta a dapat dihitung dengan

menggunakan rumus :

yang mana :

X 1
 x1 2   X1 2

2


n
X
2

 x22   X2 2 2

 
n

y 2
  Y
Y 2

 2
n

 xy XY
  X Y
1
1 1
n
X 2
 x2 y   X 2Y
 Y
n

X 
xx  X1  X 2
1 2
X 1
n
2
 Metode alternatif, yaitu metode matriks (metode kuadrat terkecil) dapat

digunakan untuk menentukan nilai a, b1 dan b2. Metode ini dilakukan dengan cara

membuat dan menyusun suatu persamaan sebagi berikut :

an  b1   b2  X  Y
X1 2 1 2 1

a X 1  b1  X1  b2 X X  XY
2
2

a  X 2  b1  X 2  b X 2  X 2Y
2
X1

Matriks dengan 3 persamaan dan 3 variabel :

m11a  m12b1  m13b2 

h1 m21a  m22b1  m23b2
 h2 m31a  m32b1 
m33b2  h3

m11 m m13 a  h1 

1

 2

m m m b   
 h2 
 21 22 23  1 

m31 m32 m33 h3 

 b2 

det M
a  det M1

det M
b2 
1
det M
det M
b2  det M3

h1 m1 m13 
 2

M  h m m
1  2 22 23 

h3 m32 m33 

m11 h1 m13 
 
M  m h m
2  21 2 23 
m31 h3 m33 
 m11 m12 h1 
 
M  m m h
3  21 22 2

m31 m32 h3 

m11 m12 m13 

 
M m m m
 21 22 23 

m31 m32 m33 

Contoh :

2a  b1  4b2  16

3a  2b1  b2  10
a  3b1  3b2 
 16 
2 1 4a  16

3 2    
 1b1   10 
1 3 3  b2  16 
 2 1 4

M  3 2 1

1 3 3 

16 1 4

M 1  10 2 1
 
16 3 3

2 16 4

M 2  3 10 1 
 
1 16 3 
2 1 16 
 
M 3  3 2 10

1 3 16 

Nilai a, b1 dan b2 diperoleh dari determinan, yaitu :

 det M 26
a  det M1  26  1
det M 2 52
b1   2
det M 26
det M 3 78
b2   3
det M 26

Koefisien Determinasi (r2)

• Untuk mengetahui prosentase pengaruh variable-variable X1 dan X2 terhadap

variable Y digunakan koefisien determinasi

• Besarnya r2 dihitung dengan rumus :

(𝑏1 ∑ 𝑥1 𝑦) + (𝑏2 ∑ 𝑥2𝑦)

𝑟2 = ∑ 𝑦2

• Apabila r2 bernilai 0 , maka dalam model persamaan regresi yang terbentuk,

variasi variable tak bebas Y tidak sedikitpun dapat dijelaskan oleh variasi

variable-variable bebas X1 dan X2

• Apabila r2 bernilai 1, maka dalam model persamaan regresi yang terbentuk,

variable tak bebas Y secara sempurna dapat dijelaskan oleh variasi variable-

variable bebas X1 dan X2.

Koefisien Korelasi Ganda (r)

 Untuk mengetahui seberapa besar korelasi secara serentak/ simultan antara

variable-variable X1, X2, , Xn dengan variabel Y dapat digunakan koefisien

korelasi ganda.

 Besarnya nilai koefisien korelasi ganda dapat dihitung dengan rumus :

(𝑏1 ∑ 𝑥1 𝑦) + (𝑏2 ∑ 𝑥2𝑦)

𝑟 = √𝑟2 = √
∑ 𝑦2
  Nilai r : -1 ≤ r ≤ +1.

Apabila nilai r mendekati nilai +1 atau – 1, maka dapat dikatakan bhawa

semakin kuatnya hubungan/korelasi yang terjadi. Sebaliknya, apabila nilai r

mendekati 0, maka semakin lemahnya hubungan/korelasi yang terjadi.

Korelasi Parsial

Merupakan suatu korelasi yang menjelaskan korelasi antara 1 variable dengan

1 variable dan variable lainnya dianggap konstan. Terdapat 3 macam bentuk korelasi

parsial, yaitu :

1) korelasi antara X1 dengan X2 yang mana Y dianggap konstan (r12.Y)

𝑟12.𝑌 = 𝑟12 − (𝑟𝑌1𝑟𝑌2)

√(1 − 𝑟2 )(1 − 𝑟2 )
𝑌1 𝑌2

2) korelasi antara Y dengan X1 yang mana X2 dianggap konstan (rY1.2)

𝑟𝑌1.2 = 𝑟𝑌1 − (𝑟𝑌2𝑟12)

√(1 − 𝑟2 )(1 − 𝑟2 )
𝑌2 12

3) korelasi antara Y dengan X2 yang mana X1 dianggap konstan (rY2.1)

𝑟𝑌2.1 = 𝑟𝑌2 − (𝑟𝑌1𝑟12)

√(1 − 𝑟2 )(1 − 𝑟2 )
𝑌1 12

yang mana
Kesalahan Baku Estimasi (Standart Error Estimate)

Kesalahan baku estimasi digunakan untuk melihat apakah persamaan regresi

yang terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/ memprediksi

variabel response Y. Jika kesalahan bakunya besar, maka persamaan regresi yang

dibentuk kurang tepat dipakai untuk mengestimasi. Hal ini disebabkan karena selisih

nilai antara variable response Y estimasi dengan Y kenyataan akan besar. Secara

matematik kesalahan baku estimasi diekspresikan oleh :

𝑆𝑒(𝑆𝑦𝑥) =
∑ 𝑌2 − (𝑎 ∑ 𝑌) − (𝑏1 ∑ 𝑋1𝑌) − (𝑏2 ∑ 𝑋2𝑌)
√ 𝑁−3
 I. KEGIATAN BELAJAR 2

Pengujian Hipotesis

Pengujian hipotesis dimaksudkan untuk melihat apakah suatu hipotesis yang

diajukan ditolak atau dapat diterima Hipotesis merupakan asumsi atau pernyataan

yang mungkin benar atau salah mengenai suatu populasi. Dengan mengamati seluruh

populasi, maka suatu hipotesis akan dapat diketahui apakah suatu penelitian itu benar

atau salah.

Untuk keperluan praktis, pengambilan sampel secara acak dari populasi akan

sangat membantu. Dalam pengujian hipotesis terdapat asumsi/ pernyataan istilah

hipotesis nol. Hipotesis nol merupakan hipotesis yang akan diuji, dinyatakan oleh H 0

dan penolakan H0 dimaknai dengan penerimaan hipotesis lainnya/ hipotesis alternatif

yang dinyatakan oleh H1.

Jika telah ditentukan Koefisien Determinasi ( r2 ), maka selanjutnya dilakukan

uji signifikan hipotesis yang diajukan. Uji ini dapat menggunakan Uji-t ; Uji-F ; Uji-z

atau Uji Chi Kuadrat. Dengan uji signifikansi ini dapat diketahui apakah variable

bebas/ predictor/ independent (X) berpengaruh secara signifikan terhadap variable

tak bebas/ response/ dependent (Y). Arti dari signifikan adalah bahwa pengaruh antar

varible berlaku bagi seluruh populasi. Dalam modul ini hanya dibahas uji signifikansi

menggunakan Uji-F.

Uji - F

Penggunaan Uji-F bertujuan mengetahui apakah variabel-variabel bebas (X1

dan X2 ) secara signifikan bersama-sama berpengaruh terhadap variable tak bebas Y.

Tahapan yang dilakukan dalam Uji - F adalah:

1. Menentukan Hipotesis

H0 : 1 = 2 = 0; (variable X1 dan X2 tidak berpengaruh terhadap Y)

H1 : 1  2 ≠ 0; (variabel X1 dan X2 berpengaruh terhadap Y)

2. Menentukan Taraf/tingkat Signifikansi ()

Nilai yang sering digunakan untuk adalah  = 5%

3. Menentukan F hitung

𝑟 2⁄𝑘
𝑟2(𝑛−𝑘−1)
Rumus F hitung : 𝐹ℎ𝑖𝑡 = ( =
1−𝑟 2 )⁄(𝑛−𝑘−1) 𝑘(1−𝑟2)

4. Menentukan F table (mempergunakan table Uji-F)

Tabel Uji-F untuk  = 5% dengan derajat kebebasan pembilang

(Numerator, df) = k - 1; dan untuk penyebut (Denominator, df ) = n – k.

n= jumlah sample/ pengukuran, k= jumlah variable bebas dan terikat).

5. Kriteria Pengujian nilai Fhit dan ttab

Apabila nilai Fhit < Ftab, maka hipotesis H1 ditolak dan H0 diterima.

Apabila nilai Fhit > Ftab, maka hipotesis H1 diterima dan H0 ditolak.

6. Kesimpulan : akan disimpulkan apakah ada/ tidak pengaruh variable-

variable bebas ( X1 dan X2 ) terhadap variable tak bebas (Y).

Uji Koefisien Regresi Parsial (Uji-t)

Pengujian koefisien regresi secara parsial bertujuan mengetahui apakah

persamaan model regresi yang terbentuk secara parsial variable-variable bebasnya

(X1 dan X2) berpengaruh signifikan terhadap variable tak bebas (Y).
Tahapan dalam melakukan Uji-t sama dengan pada regresi linear sederhana. (Lihat

Modul Regresi Linier Sederhana)

Soal latihan :

Diberikan data tentang IQ dan tingkat kehadiran sepuluh siswa di kelas yang

diperkirakan mempengaruhi nilai UAS.

I Tingkat kehadiran Nilai

Sis Q (%) UAS
wa
( (X1) (Y)
X
2)
1 11 60 65
0
2 12 70 70
0
3 11 75 75
5
4 13 80 75
0
5 11 80 80
0
6 12 90 80
0
7 12 95 85
0
8 12 95 95
5
9 11 100 90
0
10 12 100 98
0

Pertanyaan :

1. Buatlah persamaan regresi linier berganda !

2. Variabel yang mana memberikan pengaruh lebih besar terhadap nilai UAS ?

Jelaskan mengapa demikian ?

3. Berapa koefisien determinasinya? Interpretasi hasil ini !

4. Lakukan Uji-F
Jawaban :

1. Persamaan regresi : Y = 25.047 + 0.6705X1 – 0.00343X2

 2. Dilihat dari persamaan regresi, nilai b1 lebih besar dibandingkan dengan nilai

b2. Nilai b1 menandakan kemiringan X1 (kehadiran dikelas) dan b 2

menandakan kemiringan X2 (IQ). Dalam hal ini dapat disimpulkan bahwa

presentase kehadiran dikelas lebih berpengaruh daripada IQ.

3. Koefisien Determinasi : r2 = (0.6935)2 = 0.4809 = 48.09%

Nilai akhir (Y) yang dapat dijelaskan oleh tingkat kehadiran (X1) dan IQ

(X2) pada persamaan regresi Y = 25.047 + 0.6705X 1 – 0.00343X2 adalah

48.09%. Sisanya, sebesar 51.91% dijelaskan oleh faktor lain diluar variable-

variabel pada persamaan regresi Y = 25.047 + 0.6705X1 – 0.00343X2.

Contoh pembacaan dan penjelasan mengenai :

R2 , Uji-F, Uji-t parsial dan Persamaan regresi berganda dari hasil pengolahan data

software statistik.

Dari tabel terlihat, r atau R = 0,729 dan R2 = 0,532. Hal ini berarti bahwa

53,2% varians variabel tak bebas mampu dijelaskan oleh variabel bebas. Juga dapat

dikatakan bahwa 46,8% variable bebas belum mampu menjelaskan varians variabel

tak bebas.

Anova ( Uji-F; uji simultan ) :

 Nilai F-hitung adalah 9,658 dengan taraf signifikan 0,002. Nilai signifikan ini

lebih kecil dari 0,05 yang mengandung arti bahwa, secara serempak variable bebas

berpengaruh signifikan terhadap variable tak bebas untuk taraf signifikan 5 %.

Uji - t Parsial

Uji-t parsial digunakan untuk mengetahui pengaruh variable-variable bebas

terhadap variabel tak bebasnya secara parsial.

Berdasarkan hasil yang terdapat dalam table di atas, maka dapat dibentuk suatu

persamaan regresi linear berganda, yaitu :

Y = 66,051 + 0,823X1 – 0,664X2

yang mana :

Y = hasil pelajaran fisika

X1 = nilai matematika

X2 = nilai bahasa
2. Uji Reliabilitas
Uji reliabilitas adalah sebuah uji yang digunakan untuk mengukur konsistensi dari serangkaian
pengukuran.
Reliabilitas akan menunjukkan seberapa besar tingkat akurasi dan seberapa besar alat ukur
tersebut dapat dipercaya serta diandalkan dalam proses pengukuran.
Menurut Sugiono (2005), reliabilitas adalah serangkaian pengukuran atau serangkaian alat ukur
yang memiliki konsistensi bila pengukuran yang dilakukan dengan alat ukur itu dilakukan
secara berulang.
Menurut Sukadji (2000), uji reliabilitas adalah seberapa besar derajat tes mengukur secara
konsisten sasaran yang diukur. Reliabilitas dinyatakan dalam bentuk angka, biasanya sebagai
koefesien. Koefisien yang tinggi berarti reliabilitas yang tinggi.
Menurut Anastasia dan Susana (1997), reliabilitas adalah sesuatu yang merujuk pada
konsistensi skor yang dicapai oleh orang yang sama ketika mereka diuji ulang dengan tes yang
sama pada kesempatan yang berbeda, atau dengan seperangkat butir-butir ekuivalen (equivalent
items) yang berbeda, atau di bawah kondisi pengujian yang berbeda.
Ok, sebelum saya berikan penjelasan lebih lanjut mengenai uji reliabilitas serta perhitungan dan
contoh uji reliabilitas dengan excel, kita coba review sedikit apa keterkaitan uji validitas dan
reliabilitas.
Jenis-Jenis Uji Validitas
1. Validitas Internal
Jenis validitas yang pertama adalah validitas internal yang merupakan sebuah bentuk
kesesuaian instrumen.
Hal tersebut berasal dari perkembangan kontruksi yang tersusun dari bentuk hingga tata bahasa
penggunaannya.
Validitas jenis internal terdiri dari dua macam, yakni validitas konstruk dan isi, penjelasannya
adalah sebagai berikut:
a. Validitas Konstruk
Validitas internal jenis konstruk merupakan validitas yang merujuk pada asumsi bahwa alat
ukur yang digunakan akan mengandung definisi operasional yang tepat dan berasal dari suatu
konsep teoritis yang dapat diamati dan diukur.
Terdapat bermacam-macam cara yang dapat kita gunakan untuk mengetahui dan menghitung
reliabilitas internal. Pemilihan teknik mana yang digunakan biasanya didasarkan atas bentuk
instrumen maupun selera kita sebagai peneliti. Penggunaan teknik yang berbeda tentunya akan
menghasilkan indeks reliabilitas yang berbeda pula. Hal ini secara sederhana dapat kita pahami
karena wajar saja pengaruh sifat atau karakteristik data menyebabkan perhitungan
menghasilkan angka yang berbeda, salah satunya akibat pembulatan angka.
Secara khusus, beberapa teknik memerlukan persyaratan tertentu sehingga peneliti tidak dapat
begitu saja memilih teknik tersebut. Beberapa teknik mencari reliabilitas yang akan digunakan
adalah:
Spearman-Brown
Flanagan
Rulon
Kuder-Richardson (K-R) 20
K-R 21
Hoyt
Alpha.
b. Validitas Isi
Validitas isi merupakan suatu instrumen yang memiliki keseimbangan atau kesesuaian isi
dalam proses pengukuran suatu objek yang diukur.
Penentuan suatu alat ukur yang akan digunakan harus memiliki validitas isi, hal tersebut
biasanya dapat didasari dengan penilaian yang dilakukan oleh ahli dalam bidangnya.
Sedangkan, faktor-faktor yang dapat memengaruhi validitas internal ini antara lain adalah
kematangan, peristiwa sewaktu-waktu, ujian, pilihan yang berbeda, menguapnya sampel
penelitian, regresi statistik dan juga pengukuran yang tidak stabil.
2. Validitas Eksternal
Validitas eksternal biasanya juga disebut dengan validitas empiris, validitas ini biasanya
menggunakan teknik statistik yakni analisis korelasi.
Hal tersebut disebabkan validitas jenis ini bertujuan untuk mencari hubungan antara poin/skor
tes dengan suatu kriteria tertentu.
Kriteria tersebutlah yang digunakan sebagai tolak ukur pada hal-hal di luar tes yang
bersangkutan.
Validitas eksternal atau empiris terdiri dari tiga macam, yaitu validitas prediktif, validitas
konkuren, dan validitas sejenis dengan penjelasan sebagai berikut:
a. Validitas Prediktif
Validitas eksternal jenis prediktif merupakan validitas yang digunakan untuk mengukur suatu
hal dengan kriteria standar, seperti meramalkan prestasi belajar peserta didik di masa yang akan
datang.
b. Validitas Konkuren
Validitas konkuren merupakan salah satu jenis empiris yang digunakan untuk mengukur hal-hal
dengan kriteria standar yang berlainan.
c. Validitas Sejenis
Sedangkan, validitas sejenis merupakan validitas yang digunakan untuk mengukur hal-hal
dengan kriteria standar yang sejenis.
Sama halnya dengan validitas internal, validitas jenis empiris juga memiliki beberapa faktor
yang memengaruhi validitasnya, antara lain latar penelitian buatan, pengaruh placebo-home
thorne, ujian, pilihan yang bias, kontaminasi serta campur tangan treatment sebelumnya.
Jenis-Jenis Uji Reliabilitas
1. Koefisien Stabilitas
Jenis reliabilitas koefisien stabilitas merupakan reliabilitas yang menggunakan teknik tes dan
juga re-tes, yakni memberikan tes kepada kelompok individu.
Tes tersebut akan diadakan secara berulang kepada kelompok tersebut, tetapi pada waktu yang
digunakan berbeda.
Untuk mendapatkan hasilnya adalah dengan mengkorelasikan tes pertama dengan tes kedua,
sehingga mendapatkan hasil yang sesuai dengan koefisien stabilitas.
2. Koefisien Konsistensi Internal
Reliabilitas jenis ini didapat dengan cara mengkorelasikan dua jenis tes yang berbeda pada
suatu kelompok.
Namun, skor yang diambil bukanlah skor yang sama, melainkan skor genap untuk tes pertama
dan skor ganjil untuk tes kedua.
3. Koefisien Ekuivalen
Koefisien ekuivalen merupakan reliabilitas yang mengorelasikan dua buah tes yang bersifat
paralel pada suatu kelompok dalam waktu yang sama, dengan menggunakan metode
equivalence forms method.
Dari penjelasan di atas dapat diketahui bahwa Uji validitas dan reliabilitas merupakan dua hal
yang sangat penting dalam sebuah penelitian.
Pasalnya, dalam penelitian hasil yang didapatkan harus valid dan juga reliable. Tak hanya
hasilnya saja, proses untuk mendapatkan hasilnya pun sama.
Rumus Uji Reliabilitas Dengan EXCEL
Reliabilitas Tes Tunggal
Pada bahasan kali ini, kita hanya akan membahas tentang Reliabilitas Tes Tunggal (Internal
Consistency Reliability)
Tes tunggal adalah tes yang terdiri dari satu set yang diberikan terhadap sekelompok subjek
dalam satu kali pengetesan, sehingga dari hasil pengetesan hanya diperoleh satu kelompok
data. Ada dua teknik untuk perhitungan reliabilitas tes, yaitu:
Rumus Uji Reliabilitas Teknik Belah Dua (Split-Half Technique)
Rumus Uji Reliabilitas Teknik Belah Dua dilakukan dengan cara membagi tes menjadi dua
bagian yang relatif sama (banyaknya soal sama), sehingga masing-masing test mempunyai dua
macam skor, yaitu skor belahan pertama (awal / soal nomor ganjil) dan skor belahan kedua
(akhir / soal nomor genap). Koefisien reliabilitas belahan tes dinotasikan dengan r1/2 1/2 dan
dapat dihitung dengan menggunakan rumus yaitu korelasi angka kasar Pearson. Selanjutnya
koefisien reliabilitas keseluruhan tes dihitung menggunakan formula Spearman-Brown, yaitu:

Rumus Uji Reliabilitas

Kategori koefisien reliabilitas (Guilford, 1956: 145) adalah sebagai berikut:
0,80 < r11 1,00 reliabilitas sangat tinggi
0,60 < r11 0,80 reliabilitas tinggi
0,40 < r11 0,60 reliabilitas sedang
0,20 < r11 0,40 reliabilitas rendah.
-1,00 r11 0,20 reliabilitas sangat rendah (tidak reliable).
Berikut Contoh Uji Reliabilitas Belah Dua dengan menggunakan Software MS Excel:

Rumus Uji Reliabilitas Teknik Non Belah Dua (Non Split-Half Technique).
Rumus uji Reliabilitas teknik non belah dua: Salah satu kelemahan perhitungan koefisien
reliabilitas dengan menggunakan teknik belah dua adalah (1) banyaknya butir soal harus genap,
dan (2) dapat dilakukan dengan cara yang berbeda sehingga menghasilkan nilai yang berbeda
pula seperti terlihat pada contoh c.1 dan contoh c.2. Untuk mengatasi masalah tersebut dapat
dilakukan dengan menggunakan teknik non belah dua. Untuk perhitungan koefisien reliabilitas
dapat dilakukan dengan menggunakan rumus Kuder-Richardson (KR-20) dan Kuder-
Richardson (KR-21). Pada Bahasan kali ini kita tidak membahas lebih lanjut tentang Rumus
KR ini, karena akan dijelaskan pada postingan artikel berikutnya: KR 20.
Uji Reliabilitas Tes Uraian
Untuk menghitung uji reliabilitas tes bentuk uraian dapat dilakukan dengan menggunakan
rumus Cronbach-Alpha, yaitu:

Rumus Cronbach Alpha

Berikut Contoh Uji Reliabilitas Alfa dengan Menggunakan MS Excel:

Untuk Rumus KR 20 dan KR 21 Baca artikel kami yang berjudul:

KR 20 dengan Excel.
Perhitungan uji validitas dengan menggunakan SPSS dapat anda baca pada artikel kami:
Validitas dan Reliabilitas SPSS.

UJI VALIDITAS DAN RELIABILITAS

Uji Validitas
Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan
suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986). Selain itu validitas adalah
suatu ukuran yang menunjukkan bahwa variabel yang diukur memang benar-benar variabel
yang hendak diteliti oleh peneliti (Cooper dan Schindler, dalam Zulganef, 2006).
Sedangkan menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan suatu peubah
mengukur apa yang seharusnya diukur. Validitas dalam penelitian menyatakan derajat
ketepatan alat ukur penelitian terhadap isi sebenarnya yang diukur. Uji validitas adalah uji yang
digunakan untuk menunjukkan sejauh mana alat ukur yang digunakan dalam suatu mengukur
apa yang diukur. Ghozali (2009) menyatakan bahwa uji validitas digunakan untuk mengukur
sah,  atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada
kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Suatu tes dapat dikatakan memiliki validitas yang tinggi jika tes tersebut menjalankan fungsi
ukurnya, atau memberikan hasil ukur yang  tepat dan akurat sesuai dengan maksud
dikenakannya tes tersebut. Suatu tes menghasilkan data yang tidak relevan dengan tujuan
diadakannya pengukuran dikatakan sebagai tes yang memiliki validitas rendah.
Sisi lain dari pengertian validitas adalah aspek kecermatan pengukuran. Suatu alat ukur yang
valid dapat menjalankan fungsi ukurnya dengan tepat, juga memiliki kecermatan tinggi. Arti
kecermatan disini adalah dapat mendeteksi perbedaan-perbedaan kecil yang ada pada atribut
yang diukurnya.
Dalam pengujian validitas terhadap kuesioner, dibedakan menjadi 2, yaitu validitas faktor dan
validitas item. Validitas faktor diukur bila item yang disusun menggunakan lebih dari satu
faktor (antara faktor satu dengan yang lain ada kesamaan). Pengukuran validitas faktor ini
dengan cara mengkorelasikan antara skor faktor (penjumlahan item dalam satu faktor) dengan
skor total faktor (total keseluruhan faktor).
Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap item total (skor
total), perhitungan dilakukan dengan cara mengkorelasikan antara skor item dengan skor total
item. Bila kita menggunakan lebih dari satu faktor berarti pengujian validitas item dengan cara
mengkorelasikan antara skor item dengan skor faktor, kemudian dilanjutkan mengkorelasikan
antara skor item dengan skor total faktor (penjumlahan dari beberapa faktor).
Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang digunakan untuk
mengukur tingkat validitas suatu item dan untuk menentukan apakah suatu item layak
digunakan atau tidak. Dalam penentuan layak atau tidaknya suatu item yang akan digunakan,
biasanya dilakukan uji signifikansi koefisien korelasi pada taraf signifikansi 0,05, artinya suatu
item dianggap valid jika berkorelasi signifikan terhadap skor total.
Untuk melakukan uji validitas ini menggunakan program SPSS.  Teknik pengujian yang sering
digunakan para peneliti untuk uji validitas adalah menggunakan korelasi Bivariate
Pearson (Produk Momen Pearson). Analisis ini dengan cara mengkorelasikan masing-masing
skor item dengan skor total. Skor total adalah penjumlahan dari keseluruhan item. Item-item
pertanyaan yang berkorelasi signifikan dengan skor total menunjukkan item-item tersebut
mampu memberikan dukungan dalam mengungkap apa yang ingin diungkap à Valid. Jika r
hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan
berkorelasi signifikan terhadap skor total (dinyatakan valid). Langkah-langkah dalam pengujian
validitas ini yaitu :
1. Buat skor total masing-masing variabel  (Tabel perhitungan skor)

2. Klik Analyze ->  Correlate  ->  Bivariate  (Gambar/Output SPSS)

3. Masukan seluruh item variabel x ke Variabels

4. Cek list Pearson ; Two Tail

 
Tabel rangkuman hasil uji validitas dari variabel tersebut dapat dilihat sebagai berikut :

 
Dari tabel diatas dapat dijelaskan bahwa nilai r hitung > r tabel berdasarkan uji signifikan 0.05,
artinya bahwa item-item tersebut diatas valid
Rumus Korelasi Product Moment :

Keterangan :

Uji Reliabilitas
Reliabilitas berasal dari kata reliability. Pengertian dari reliability (rliabilitas) adalah keajegan
pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006) menyatakan bahwa reliabilitas
menunjuk pada suatu pengertian bahwa instrumen yang digunakan dalam penelitian untuk
memperoleh informasi yang digunakan dapat dipercaya sebagai alat pengumpulan data dan
mampu mengungkap informasi yang sebenarnya dilapangan. Ghozali (2009) menyatakan
bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari
peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang
terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Reliabilitas suatu test
merujuk pada derajat stabilitas, konsistensi, daya prediksi, dan akurasi. Pengukuran yang
memiliki reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan data yang
reliabel
Menurut Masri Singarimbun, realibilitas adalah indeks yang menunjukkan sejauh mana suatu
alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat pengukur dipakai dua kali –
untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relative konsisten,
maka alat pengukur tersebut reliable. Dengan kata lain, realibitas menunjukkan konsistensi
suatu alat pengukur di dalam pengukur gejala yang sama.
Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan sejauhmana hasil pengukuran
dengan alat tersebut dapat dipercaya. Hasil pengukuran harus reliabel dalam artian harus
memiliki tingkat konsistensi dan kemantapan.
Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran atau serangkaian
alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur yang sama (tes dengan tes ulang)
akan memberikan hasil yang sama, atau untuk pengukuran yang lebih subjektif, apakah dua
orang penilai memberikan skor yang mirip (reliabilitas antar penilai). Reliabilitas tidak sama
dengan validitas. Artinya pengukuran yang dapat diandalkan akan mengukur secara konsisten,
tapi belum tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas adalah
sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan berulang-ulang
terhadap subjek dan dalam kondisi yang sama. Penelitian dianggap dapat diandalkan bila
memberikan hasil yang konsisten untuk pengukuran yang sama. Tidak bisa diandalkan bila
pengukuran yang berulang itu memberikan hasil yang berbeda-beda.
Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka yang disebut nilai
koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan nilai rxx mendekati angka 1.
Kesepakatan secara umum reliabilitas yang dianggap sudah cukup memuaskan jika ≥ 0.700.
Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach karena
instrumen penelitian ini berbentuk angket dan skala bertingkat. Rumus Alpha Cronbach
sevagai berikut :

Keterangan :

Jika nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient reliability) sementara jika alpha
> 0.80 ini mensugestikan seluruh item reliabel dan seluruh tes secara konsisten memiliki
reliabilitas yang kuat. Atau, ada pula yang memaknakannya sebagai berikut:
Jika alpha > 0.90 maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka reliabilitas
tinggi. Jika alpha 0.50 – 0.70 maka reliabilitas moderat. Jika alpha < 0.50 maka reliabilitas
rendah. Jika alpha rendah, kemungkinan satu atau beberapa item tidak reliabel.
Langkah pengujian reliabilitas dengan SPSS :
Klik Analyze -> Scale -> Reliability Analysis
Masukan seluruh item variabel X ke Items

3.Pastikan pada model terpilih Alpha

4. Klik Ok

Nilai Cronbach Alpha sebesar 0.981 yang menunjukan bahwa ke-11 pernyataan cukup reliabel