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.

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 Tailed ; Flag

5. Klik Ok

 
 

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 :

1. Klik Analyze -> Scale -> Reliability Analysis

2. 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
UKURAN SENTRAL

Ukuran sentral atau nilai tengah atau nilai pusat adalah ukuran ringkasan
sekolompok data menjadi satu nilai yang diharapkan dapat mewakili
karakteristik data tersebut. Ada beberapa cara untuk melihat ukuran sentral,
yaitu :
 Mean (rata-rata)
 Median (nilai tengah)
 Modus (nilai yang sering muncul)

1. Mean (rata-rata)
Yaitu nilai tengah yang diperoleh dari jumlah seluruh nilai kumpulan data di
bagi dengan banyaknya data tersebut. Rata-rata hitung, Median dan Modus
Rata-rata hitung :

N
∑ xi
μ= i=1
Contoh 1: N
Diperoleh data tentang nilai yang diperoleh 5 mahasiswa pada mata kuliah
statistika, yaitu; 30, 50, 60, 40, dan 60. Jika data berasal dari populasi,
hitunglah berapa nilai rata-rata nilai statistika untuk 5 orang di atas.
Jawab: Karena data berasal dari populasi, maka rata-rata dapat dihitung
sebagai berikut:

30 + 50 +60 + 40 + 60
μ= =48
5

Contoh 2 :
Tabel 1
Kelas Batas kelas ttk tengah f x.f
1 20 – 29 24,5 4 98
2 30 – 39 34,5 7 241,5
3 40 – 49 44,5 8 356
4 50 – 59 54,5 12 654
5 60 – 69 64,5 9 580,5
6 70 – 79 74,5 8 596
7 80 – 89 84,5 2 169
 50 2695

Untuk data yang dikelompokkan

Rata-rata hitung :
∑ x .f
X̄ =
∑ f/ 50
Rata-rata = 2695 = 53,9

2. MEDIAN
Median adalah nilai yang berada di tengah, yang membagi dua jumlah data
sama banyak (setelah data diurut).

Pada data yang tidak dikelompokkan

1. Data diurut dari nilai kecil ke besar
2. Tentukan posisi median = (n+1)/2
3. Tentukan nilai median
Contoh : data : 9 5 7 8 4 5
1. Sort data : 4 5 5 7 8 9
2. Posisi median = (6+1)/2 = 3,5
3. Nilai median pada posisi 3,5 adalah 6

Untuk menghitung Median dari data bergolong, dipergunakan rumus:

( )
1
2n -F
Me = b + p
f
b = batas bawah, di mana median akan terletak
p = panjang kelas interval
F = jumlah semua frekuansi sebelum kelas interval
f = frekuensi kelas median
 CONTOH:

Berikut ini adalah data berat badan 50 orang mahasiswa jurusan statistika
yang telah dikelompokkan ke dalam kelas-kelas interval berat badan.
Hitunglah median berat badan mahasiswa tersebut.

Secara matematis, nilai-nilai tersebut dapat kita tulis dalam notasi sebagai
berikut.
xii = 69,5
n = 50
fkii = 16
fi = 15
p = 5

Dengan menggunakan rumus median data berkelompok di atas, kita dapat

mengetahui median berat badan mahasiswa.

Dengan demikian median berat badan mahasiswa jurusan statistika

adalah 72,5 kg.

3. MODUS
 Modus adalah nilai yang paling sering muncul.

Contoh:
Jika diperoleh data tentang besarnya sumbangan yang diberikan oleh tiap
propinsi untuk pengungsian di Aceh yang dinyatakan dalam juta, diperoleh
data: 9, 10, 5, 9, 9, 7, 8, 6, 10, dan 11 juta, maka modus dalam hal ini adalah 9
juta (karena angka 9 yang paling sering banyak muncul).

Pada data yang dikelompokkan

Mo=B+
Mo = Nilai Modus
( d1
d 1+ d 2).i

B = Tepi Batas Bawah kelas modus

d1= beda frekuensi antara kelas modus dg kelas sebelumnya
d2 = beda frekuensi antara kelas modus dg kelas sesudahnya
i = interval kelas modus

Contoh :
Diberikan data berkelompok seperti di bawah ini.
Kelas interval Frekuensi
2-4 2
5-7 6
8-10 11
11-13 4
14-16 1
tentukan modus data tersebut!
Modus dari data berkelompok di atas berada pada kelas interval 8 - 10 karena kelas
interval tersebut memiliki frekuensi terbanyak, yaitu 11. Dari tabel di atas dapat
diketahui
i=3
Tb= 7,5
D1=11-6=5
D2= 11-4=7
Dengan menggunakan rumus modus data berkelompok, maka modus data tersebut
adalah
Mo=b+(d1/ d2+d1) i
=20,5+(10 / 8+10) 5
=20,5+2,78
=23,28

Ukuran Penyimpangan
Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi  rendahnya
perbedaan data yang diperoleh dari rata-ratanya. Ukuran penyimpangan
digunakan untuk mengetahui luas penyimpangan data atau homogenitas data.
Dua variabel data yang memiliki mean sama belum tentu memiliki kualitas yang
sama, tergantung dari besar atau kecil ukuran penyebaran datanya. Ada bebarapa
macam ukuran penyebaran data, namun yang umum digunakan adalah standar
deviasi.
Macam-macam ukuran penyimpangan data adalah :

 Jangkauan (range)
 Simpangan rata-rata (mean deviation)
 Simpangan baku (standard deviation)
 Varians (variance)
 Koefisien variasi (Coefficient of variation)

1. Jangkauan (range)
Range adalah salah satu ukuran statistik yang menunjukan jarak penyebaran data
antara nilai terendah (Xmin) dengan nilai tertinggi (Xmax). Ukuran ini sudah
digunakan pada pembahasan daftar distribusi frekuensi. Adapun rumusnya adalah

Contoh : 
Berikut ini nilai ujian semester dari 3 mahasiswa:

A = 60 55 70 65 50 80 40
B = 50 55 60 65 70 65 55
C = 60 60 60 60 60 60 60
Dari data diatas dapat diketahui bahwa:

A = memiliki Xmax=80, Xmin= 40 , R = 40 , meanya 60

B = memiliki Xmax=70, Xmin= 50 , R = 20 , meanya 60
C = memiliki Xmax=60, Xmin= 60 , R = 0 , meanya 60
Dari contoh di atas dapat disimpulkan bahwa :

a. Semakin kecil rangenya maka semakin homogen distribusinya

b. Semakin besar rangenya maka semakin heterogen distribusinya
c. Semakin kecil rangenya, maka meannya merupakan wakil yang representatif
d.   Semakin besar rangenya maka meannya semakin kurang representatif
2. Simpangan Rata-rata (mean deviation)
Simpangan rata-rata merupakan penyimpangan nilai-nilai individu dari nilai rata-
ratanya. Rata-rata bisa berupa mean atau median. Untuk data mentah simpangan rata-
rata dari median cukup kecil sehingga simpangan ini dianggap paling sesuai untuk
data mentah. Namun pada umumnya, simpangan rata-rata yang dihitung dari mean
yang sering digunakan untuk nilai simpangan rata-rata.
·                 Data tunggal dengan seluruh skornya berfrekuensi satu

dimana xi merupakan nilai data

·                 Data tunggal sebagian atau seluluh skornya berfrekuensi lebih dari satu

dimana xi merupakan nilai data

·                 Data kelompok ( dalam distribusi frekuensi)

dimana xi merupakan tanda kelas dari interval ke-i dan fi merupakan frekuensi

interval ke-i
Contoh :
Dari tabel diperoleh 
3. Simpangan Baku (standard deviation)
Standar deviasi merupakan ukuran penyebaran yang paling banyak digunakan. Semua
gugus data dipertimbangkan sehingga lebih stabil dibandingkan dengan ukuran
lainnya. Namun, apabila dalam gugus data tersebut terdapat nilai ekstrem, standar
deviasi menjadi tidak sensitif lagi, sama halnya seperti mean.
Standar Deviasi memiliki beberapa karakteristik khusus lainnya. SD tidak berubah
apabila setiap unsur pada gugus datanya di tambahkan atau dikurangkan dengan nilai
konstan tertentu. SD berubah apabila setiap unsur pada gugus datanya dikali/dibagi
dengan nilai konstan tertentu. Bila dikalikan dengan nilai konstan, standar deviasi
yang dihasilkan akan setara dengan hasilkali dari nilai standar deviasi aktual dengan
konstan.
Rumus Simpangan Baku untuk Data Tunggal
·       untuk data sample menggunakan rumus

·         untuk data populasi menggunkan rumus

Contoh :
Selama 10 kali ulangan semester ini sobat mendapat nilai 91, 79, 86, 80, 75, 100, 87,
93, 90,dan 88. Berapa simpangan baku dari nilai ulangan sobat?
Jawab
Soal di atas menanyakan simpangan baku dari data populasi jadi menggunakan rumus
simpangan baku untuk populasi.
Kita cari dulu rata-ratanya
rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 = 869/10 = 85,9

Kita masukkan ke rumus

Rumus Simpangan Baku Untuk Data Kelompok

untuk sample menggunakan rumus

untuk populasi menggunakan rumus

Contoh :

Diketahui data tinggi badan 50 siswa samapta kelas c adalah sebagai berikut

hitunglah berapa simpangan bakunya

1. Kita cari dulu rata-rata data kelompok tersebut

2. Setelah ketemu rata-rata dari data kelompok tersebut kita bikin tabel untuk
memasukkannya ke rumus simpangan baku

4. Varians (variance)
Varians adalah salah satu ukuran dispersi atau ukuran variasi.  Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif.  Varians diberi
simbol  σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel.
Selanjutnya kita akan menggunakan simbol s2  untuk varians karena umumnya kita
hampir selalu berkutat dengan sampel dan jarang sekali berkecimpung dengan
populasi.
Rumus varian atau ragam data tunggal untuk populasi
Rumus varian atau ragam data tunggal untuk sampel

Rumus varian atau ragam data kelompok untuk populasi

Rumus varian atau ragam data kelompok untuk sampel

Keterangan:

σ2 = varians atau ragam untuk populasi

S2 = varians atau ragam untuk sampel

fi = Frekuensi
xi = Titik tengah
x¯ = Rata-rata (mean) sampel dan   μ = rata-rata populasi
n =  Jumlah data
5. Koefisien variasi (Coefficient of variation)
Koefisien variasi merupakan suatu ukuran variansi yang dapat digunakan untuk
membandingkan suatu distribusi data yang mempunyai satuan yang berbeda. Kalau
kita membandingkan berbagai variansi atau dua variabel yang mempunyai satuan
yang berbeda maka tidak dapat dilakukan dengan menghitung ukuran penyebaran
yang sifatnya absolut.
Koefisien variasi adalah suatu perbandingan antara simpangan baku dengan nilai rata-
rata dan dinyatakan dengan persentase.
Besarnya koefisien variasi akan berpengaruh terhadap kualitas sebaran data. Jadi jika
koefisien variasi semakin kecil maka datanya semakin homogen dan jika koefisien
korelasi semakin besar maka datanya semakin heterogen.

DAFTAR PUSTAKA

1. Cara Menghitung Uji Validitas Dan Uji Reliabilitas Instrumen Skripsi Kuantitatif dengan SPSS.
Diakses dari http://devamelodica.com/cara-menghitung-uji-validitas-dan-uji-reliabilitas-
instrumen-skripsi-kuantitatif-dengan-spss/
2. UJI VALIDITAS KUISIONER. Diakses dari http://duwiconsultant.blogspot.com/2011/11/uji-
validitas-kuisioner.html
3. Uji validitas dan Uji Reliabilitas. Diakses dari
http://elearning.gunadarma.ac.id/docmodul/diklat_kursus_spss/d.Bab_II_Uji_Validitas_dan_
Uji_Reliabilitas.pdf
4. VALIDITAS DAN RELIABILITAS. Diakses dari http://merlitafutriana0.blogspot.com/p/validitas-
dan-reliabilitas.html
5. ANALISIS UJI VALIDASI DAN RELIABILITAS INSTRUMEN KUESIONER. Diakses dari
http://www.slideshare.net/rachmatstatistika/uji-validitas-dan-reliabilitas