Validitas Kesimpulan Penelitian

Valid berarti benar atau tepat. Kesimpulan penelitian dianggap valid jika
kesimpulan tersebut dengan benar atau tepat menggambarkan fenomena yang
diteliti. Misalnya: ketika peneliti menyimpulkan dari hasil penelitiannya bahwa
ada pengaruh A terhadap B, maka kesimpulan ini dianggap valid bila realitasnya
memang ada pengaruh A terhadap B.

Validitas kesimpulan penelitian ini tentu saja tidak bersifat dikotomis (valid-
tidak valid) dan tidak dapat diketahui dengan pasti. Namun demikian, peneliti
dapat merencanakan dan menjalankan desain penelitian yang dianggap dapat
memberikan bukti-bukti kuat (compelling evidence) yang mendukung
kesimpulan penelitian. Dengan demikian, pembaca penelitian tersebut akan
semakin diyakinkan bahwa kesimpulan penelitian memang dengan tepat
menggambarkan fenomena yang diteliti.
Ada 4 tipe validitas kesimpulan penelitian, yaitu :
1.Validitas Kesimpulan Statistik
2.Validitas Internal
3.Validitas Konstruk
4.Validitas Eksternal

Ke-empat tipe validitas ini akan dibahas dalam tulisan kali termasuk
ancaman-ancaman terhadap validitas kesimpulan penelitian dalam tipe
tertentu.
 1. Validitas Kesimpulan Statistik
• Validitas kesimpulan statistik terkait dengan pertanyaan: "apakah
kesimpulan hasil analisis statistik sudah tepat?" Salah satu
kesimpulan hasil analisis statistik yang sering diambil adalah
apakah kita menolak atau gagal menolak hipotesis nol (H0: H nol).
Ini berarti validitas kesimpulan statistik terkait dengan:

1. Jika kita menolak H0, apakah besarnya tipe kesalahan 1

(alpha:menolak H0 yang benar) sesuai dengan yang kita tetapkan
di awal. Misalnya, jika kita telah menetapkan bahwa kita hanya
mengijinkan alpha sebesar 0.05, apakah hasil analisis statistik
yang kita peroleh benar-benar memiliki alpha sebesar 0.05. Ini
terkait dengan isu mengenai pengujian yang terlalu liberal:
pengujian statistik mengakibatkan alpha lebih besar daripada yang
diharapkan. Misalnya, meskipun program analisis statistik p <
0.05, sebenarnya p memiliki nilai yang lebih besar dari alpha =
0.05. Kesalahan ini dapat mengakibatkan kita menganggap adanya
efek atau korelasi atau perbedaan mean, yang sebenarnya tidak
ada di populasi.
2. Jika kita gagal menolak H0, apakah besarnya
tipe kesalahan 2 (beta: gagal menolak H0 yang
salah) tergolong kecil. Misalnya jika hasil
analisis statistik menunjukkan tidak adanya
perbedaan mean, maka apakah hasil ini
memang diakibatkan tidak adanya perbedaan
mean di populasi, atau hanya diakibatkan
lemahnya sensitivitas analisis atau disebut
juga power. Pengujian statistik seperti ini
disebut pengujian statistik yang terlalu
konservatif.
Ada beberapa ancaman yang dapat menyebabkan
pengujian statistik menjadi terlalu liberal atau
terlalu konservatif.
1. Pengujian statistik yang terlalu liberal, dapat diakibatkan oleh
beberapa hal (catt: daftar di bawah ini tidak mencatat semua
kemungkinan penyebab, oleh karena itu peneliti perlu memikirkan
kemungkinan lainnya):
Melakukan pengujian lebih dari satu kali untuk membuktikan satu
hipotesis umum yang sama. Beberapa penulis menyebutnya sebagai
familywise error rate atau experimentwise error rate. Ancaman
ini dapat diatasi dengan melakukan misalnya penyesuaian alpha
yang dikehendaki dengan teknik-teknik seperti Bonferroni, Tukey,
Scheffe, dan lain-lain.
2. Pelanggaran asumsi oleh data penelitian. Pelanggaran asumsi dapat
mengakibatkan baik uji statistik menjadi terlalu liberal atau
konservatif. Ancaman ini dapat dikurangi dengan memilih analisis
statistik yang robust terhadap pelanggaran asumsi oleh data.
LANJUTAN
1. Estimasi efek yang bias karena didasarkan pada sampel. Misalnya
estimasi R kuadrat merupakan estimasi yang bias terhadap kondisi R
kuadrat di populasi. Oleh karena itu ada beberapa teknik yang
ditawarkan untuk mengoreksi estimasi ini agar lebih mendekati nilai
di populasi.
2. Adanya researcher degrees of freedom [3,4], yaitu pilihan-pilihan
peneliti yang terkait dengan desain penelitian yang dilakukan secara
sembarangan, seperti pemilihan besarnya sampel, pemilihan variabel,
dll. Misalnya peneliti mengumpulkan data mengenai banyak variabel
kemudian 'memancing' variabel-variabel mana yang sekiranya
berkorelasi satu dengan lain. Praktek ini akan meningkatkan
probabilitas munculnya false positive atau probabilitas kesalahan
pengambilan kesimpulan mengenai parameter populasi ketika
penelitian menunjukkan hasil yang signifikan. Kesalahan spesifikasi
model dalam analisis.
3. Kesalahan ini akan menyebabkan bias estimasi parameter yang dapat
berakibat pada hasil analisis yang terlalu liberal. Kesalahan ini dapat
terjadi ketika peneliti mengabaikan variabel yang penting atau relevan
di dalam analisisnya. Peneliti dapat menghindari kesalahan ini dengan
melakukan studi literatur yang sekomprehensif mungkin dan
memasukkan selengkap mungkin variabel-variabel yang penting dalam
analisis.
Pengujian statistik yang terlalu konservatif, atau dapat
dipandang juga sebagai lemahnya power dari analisis yang
dilakukan. Lemahnya power ini merupakan kendala yang dialami
banyak penelitian di Psikologi. Ancaman ini dapat muncul karena
beberapa hal:

1. Ukuran sampel terlalu kecil. Cara yang paling

sederhana untuk mengatasi ancaman ini adalah dengan
merencanakan ukuran sampel sebelum penelitian. Ini
dapat dilakukan dengan menggunakan power analysis
2. Reliabilitas pengukuran yang terlalu rendah.
Reliabilitas yang rendah akan berdampak pada
melebarnya standard error dan bias estimasi parameter.
Ini akan membuat analisis cenderung memberikan hasil
yang tidak signifikan dibandingkan yang seharusnya.
LANJUTAN
1. Variasi yang sangat besar pada subjek penelitian
sehingga mengakibatkan besarnya standard error dari
estimasi parameter. Ancaman ini dapat diatasi dengan
mengendalikan variasi individu ini, misalnya dengan
menggunakan statistik dengan memperlakukan variabel
dengan variasi yang besar sebagai kovariat atau dengan
memilih desain penelitian yang dapat mengurangi
variasi ini seperti penggunaan desain penelitian amatan
ulang atau penggunaan matched-pairs.
2. Pelanggaran asumsi oleh data juga dapat menyebabkan
lemahnya power dari analisis, oleh karena itu
transformasi data atau penggunaan analisis statistik
yang robust dapat dijalankan untuk mengatasi ancaman
ini.
2. Validitas Internal
Validitas internal merupakan validitas terkait dengan pengambilan kesimpulan
mengenai hubungan kausal / adanya pengaruh antara variabel independen dan variabel
dependen. Validitas internal akan makin tinggi ketika penelitian dapat menyajikan
dukungan yang meyakinkan akan adanya hubungan kausal ini. Ada beberapa ancaman
yang dapat membuat keyakinan akan hubungan kausal ini melemah:

1. Bias seleksi; yaitu ketika karakteristik partisipan yang dikenai intervensi

dan yang tidak memiliki perbedaan mencolok yang juga dapat
mempengaruhi variabel dependen. Jika dalam penelitian tersebut
diperoleh adanya perbedaan efek yang signifikan, maka akan muncul
keraguan apakah efek ini dapat berasal dari intervensi yang diberikan
atau akibat perbedaan karakteristik partisipan tadi.
2. Subjek gugur / mortalitas; yaitu ketika partisipan dengan karakteristik
tertentu tidak lagi dapat diambil datanya atau memutuskan tidak mau lagi
terlibat dengan penelitian. Karakteristik partisipan ini berkaitan dengan
variabel dependen, sehingga keluarnya partisipan ini akan mempengaruhi
hasil analisis. Keraguan akan muncul mengenai efek yang terlihat atau
tidak terlihat, apakah ini diakibatkan intervensi atau karena berkurangnya
partisipan yang memiliki karakteristik penting.
LANJUTAN
3. Pengetesan; yaitu perubahan skor tes dari subjek penelitian yang
tidak diakibatkan oleh intervensi melainkan karena terbawanya
efek saat pengetesan pertama. Ancaman ini relevan ketika peneliti
merancang desain yang melibatkan amatan ulang.
4. Regresi; yaitu perubahan skor seseorang pada variabel dependen,
khususnya ketika orang tersebut memiliki skor yang ekstrim, yang
diakibatkan oleh fenomena statistik bukan karena intervensi.
5. Kematangan; yaitu perubahan skor tes yang tidak diakibatkan oleh
intervensi, melainkan oleh kematangan subjek penelitian secara
alami. Sejarah; yaitu perubahan skor tes yang tidak diakibatkan
oleh intervensi, melainkan oleh peristiwa yang terjadi bersamaan
dengan dilakukannya intervensi.
3. Validitas Konstruk
• Tipe validitas kesimpulan penelitian ini terkait dengan pertanyaan:
"Apakah intervensi / tritmen dan / atau pengukuran yang dilakukan
dalam suatu penelitian mewakili secara tepat konstruk yang hendak
diwakili?". Misalnya jika seorang peneliti memilih melakukan
perlakuan dalam bentuk berbicara di depan umum untuk mewakili
konstruk situasi mencemaskan, maka apakah intervensi tersebut
telah benar-benar mewakili konstruk 'situasi mencemaskan'
tersebut. Validitas konstruk di sini berkenaan baik dengan
intervensi maupun instrumen pengukuran.

• Ancaman terbesar terhadap validitas konstruk ini adalah "tindakan

yang dimaksudkan untuk menggambarkan suatu konstruk
mengenai sebab [variabel independen] atau akibat [variabel
dependen] dapat ditafsirkan sebagai perwakilan dari lebih dari satu
konstruk, yang masing-masing dinyatakan pada tingkatan reduksi
yang sama"[1,hal 59]. Atau dengan kata lain, konstruk yang berbeda
dapat memiliki operasionalisasi yang sama baik dalam bentuk
intervensi maupun instrumen pengukuran.
Beberapa ancaman lain terhadap validitas konstruk
misalnya:
1. Bias peneliti, khususnya dalam penelitian
eksperimental ketika peneliti tidak melakukan
blind atau double blind sehingga muncul perlakuan
eksperimenter yang berbeda terhadap kelompok kontrol
di luar perlakuan yang menjadi tujuan penelitian.
2. Treatment diffusion, atau perlakuan yang 'bocor' akibat
adanya komunikasi antara kelompok eksperimen
dengan kelompok kontrol.
3. Resentful demoralization, atau menurunnya semangat
kelompok kontrol karena mereka tidak 'terpilih' sebagai
kelompok yang memperoleh perlakuan.
4. Compensatory rivalry, atau meningkatnya semangat
kelompok kontrol sebagai usaha untuk menunjukkan
bahwa mereka tetap memberikan hasil yang baik
meskipun tidak menerima perlakuan.
LANJUTAN
5. Eksplikasi konstruk preoperasional yang tidak tepat
terjadi ketika peneliti kurang berhati-hati dalam
menentukan komponen utama dari konstruk yang
hendak dijadikan dasar penyusunan intervensi atau
pengukuran. Eksplikasi konstruk ini tidak hanya
meliputi usaha mendefinisikan konstruk dengan
komprehensif tetapi juga memberikan batasan yang
jelas dari konstuk-konstruk lainnya, khususnya
konstruk yang berdekatan maknanya.
6. Mono-operation bias, atau penggunaan hanya satu set
perlakuan atau pengukuran untuk mewakili suatu
konstruk, sementara ada beberapa kemungkinan set
lain yang seharusnya dipertimbangkan.
4. Validitas Eksternal
Validitas eksternal terkait dengan
generalisasi hasil penelitian pada seluruh
populasi atau lintas waktu dan keadaan.
Kemampuan sampel untuk
merepresentasikan populasi merupakan isu
utama dalam validitas eksternal ini.
Validitas eksternal dapat ditingkatkan
dengan meningkatkan heterogenitas sampel,
baik sampel subjek penelitian maupun
sampel waktu dan keadaan.