Prodi Bisnis Digital · FEB UNDIP

Metodologi Penelitian Bisnis

Pertemuan 9: Skala Pengukuran, Validitas & Reliabilitas Instrumen

Bagaimana kita mengubah konsep abstrak seperti "kepuasan pelanggan" menjadi angka yang bisa dihitung, dan bagaimana memastikan angka itu benar-benar bisa dipercaya?

RPS minggu 10 · 2x50 menit

Selamat datang kembali, Anda baru saja melewati UTS dan minggu lalu kita membahas metode kuantitatif serta sampling — hari ini kita masuk ke jantung dari kualitas data kuantitatif itu sendiri. Bayangkan Anda sedang meneliti kepuasan pengguna aplikasi Tokopedia terhadap fitur baru: "kepuasan" itu abstrak, tidak bisa dipegang, maka kita perlu instrumen pengukuran yang tepat agar angka yang keluar benar-benar mencerminkan apa yang ingin kita ukur. Materi hari ini akan membahas empat jenis skala pengukuran, konsep validitas dan reliabilitas, serta cara menghitung Cronbach's Alpha secara manual dari nol. Siapkan kalkulator Anda karena kita akan menghitung dua kasus riil bersama-sama, dan pastikan Anda paham konsep ini karena akan langsung dipakai saat menyusun proposal penelitian di pertemuan-pertemuan mendatang.

Tujuan Pembelajaran Hari Ini

TUJUAN 1-2

Membedakan empat jenis skala pengukuran: nominal, ordinal, interval, rasio.
Memilih skala yang tepat untuk variabel penelitian bisnis digital (misalnya jenis e-commerce vs omzet UMKM).

TUJUAN 3-4

Menjelaskan konsep validitas dan reliabilitas instrumen penelitian.
Menghitung Cronbach's Alpha dari data mentah, langkah demi langkah.

Materi ini melanjutkan Pertemuan 8 (metode kuantitatif & sampling) — instrumen yang valid dan reliabel adalah syarat mutlak sebelum data survei Anda layak dianalisis di Pertemuan 11.

Mengapa Ini Penting? Kasus Survei Kepuasan E-Commerce

Bayangkan tim riset UMKM digital ingin mengukur kepuasan pelanggan terhadap layanan toko online mereka di Shopee. Mereka membuat 5 pertanyaan kuesioner skala 1-5.

Masalah 1 — Skala salah: Mereka mencatat "kota domisili pelanggan" dengan angka 1=Semarang, 2=Jakarta, 3=Surabaya, lalu menghitung rata-ratanya. Rata-rata 1,8 itu tidak punya arti apa pun — kota bukan angka yang bisa dirata-rata.

Masalah 2 — Instrumen tak reliabel: Kalau kuesioner yang sama diisi ulang oleh pelanggan yang sama minggu depan, hasilnya melompat drastis. Berarti instrumen ini tidak konsisten — tidak bisa dipercaya.

Mari kita mulai dengan masalah nyata yang sering terjadi di lapangan, karena ini bukan sekadar teori kosong. Kasus pertama menunjukkan kesalahan level skala pengukuran: banyak mahasiswa dan bahkan peneliti pemula memberi kode angka pada kategori seperti kota atau jenis kelamin, lalu tanpa sadar menghitung rata-ratanya, padahal secara matematis itu tidak bermakna sama sekali. Kasus kedua menunjukkan masalah reliabilitas: kalau instrumen pengukuran Anda seperti timbangan yang menunjukkan berat badan berbeda setiap kali Anda naik turun dalam lima menit, maka timbangan itu rusak dan tidak bisa dipercaya datanya. Kedua masalah ini akan kita bedah tuntas hari ini, supaya proposal penelitian Anda nanti tidak jatuh ke jebakan yang sama. Fokus kita bukan hanya menghafal definisi, tapi benar-benar memahami logika di baliknya sampai Anda bisa menjelaskan ke teman sekelompok.

Bagian 1 dari 3

Empat Jenis Skala Pengukuran

Nominal, ordinal, interval, dan rasio — memilih skala yang salah membuat seluruh analisis statistik Anda tidak valid, sekuat apa pun desain penelitiannya.

Skala Nominal: Sekadar Label, Tanpa Urutan

Skala nominal hanya mengelompokkan data ke dalam kategori berbeda tanpa ada makna urutan atau tingkatan antar-kategori.

Contoh Skala Nominal — Riset Bisnis Digital

Jenis platform e-commerce yang digunakan: 1=Tokopedia, 2=Shopee, 3=Lazada, 4=Blibli
Metode pembayaran: 1=GoPay, 2=OVO, 3=Transfer Bank, 4=COD (Cash on Delivery)
Jenis kelamin responden: 1=Pria, 2=Wanita

Operasi statistik yang diizinkan hanya modus (kategori paling sering muncul) dan frekuensi/persentase. Menghitung rata-rata dari angka 1, 2, 3, 4 di sini adalah kesalahan fatal — angkanya cuma label, bukan besaran.

Skala nominal adalah level pengukuran paling dasar, dan Anda perlu ingat kata kuncinya adalah "label" bukan "angka bermakna". Ketika Anda memberi kode 1 untuk Tokopedia dan 2 untuk Shopee, angka itu semata-mata alat bantu untuk memasukkan data ke komputer, bukan menunjukkan bahwa Shopee "dua kali lebih besar" dari Tokopedia. Contoh sehari-hari yang mudah diingat: nomor punggung pemain sepak bola bukan berarti pemain nomor 10 "lebih hebat" secara matematis dua kali dari pemain nomor 5. Untuk data nominal, satu-satunya statistik yang masuk akal adalah menghitung berapa banyak atau berapa persen responden di tiap kategori, misalnya "60 persen responden UMKM digital kita berjualan lewat Shopee". Kalau ada mahasiswa menghitung rata-rata dari kode platform e-commerce, itu tanda ia belum memahami skala nominal dengan benar.

Skala Ordinal: Ada Urutan, Jarak Tak Pasti

Skala ordinal memiliki urutan atau peringkat yang jelas, tetapi jarak antar-tingkatan tidak bisa dipastikan sama besar.

Contoh Skala Ordinal

Tingkat pendidikan: 1=SMA, 2=Diploma, 3=S1, 4=S2, 5=S3 — urut, tapi jarak SMA→Diploma belum tentu sama dengan S1→S2
Tingkat kepuasan: 1=Sangat Tidak Puas ... 5=Sangat Puas (skala Likert klasik)
Peringkat startup unicorn Indonesia berdasarkan valuasi

Operasi yang diizinkan: modus, median, dan persentil. Perdebatan akademik: skala Likert 5-poin sering diperlakukan "seolah-olah" interval agar bisa dirata-rata — praktik umum, namun secara ketat statistikawan tetap menyebutnya ordinal.

Naik satu tingkat dari nominal, skala ordinal sudah punya urutan yang jelas — Anda bisa mengatakan mana yang lebih tinggi atau lebih rendah — tapi jarak antar-tingkat belum tentu sama. Contoh paling relevan untuk mata kuliah ini adalah skala Likert yang biasa Anda pakai di kuesioner, misalnya "1=Sangat Tidak Puas" sampai "5=Sangat Puas" terhadap layanan aplikasi BCA mobile. Secara ketat, jarak psikologis antara "Tidak Puas" ke "Netral" belum tentu identik dengan jarak antara "Puas" ke "Sangat Puas", sehingga secara teori kita seharusnya hanya menghitung median, bukan rata-rata. Namun dalam praktik riset bisnis sehari-hari, banyak peneliti memperlakukan skala Likert seolah interval demi kemudahan analisis statistik parametrik — ini kompromi yang lazim, tapi Anda perlu tahu bahwa itu adalah asumsi, bukan fakta matematis murni. Yang penting Anda pahami perbedaan konseptualnya terlebih dahulu.

Coba Sendiri: Rancang Item Skala Likert Anda

Susun pernyataan dan jumlah poin skala Likert Anda, lalu lihat pratinjau tampilannya seperti yang akan dilihat responden.

Skala Interval: Jarak Sama, Nol Tak Mutlak

Skala interval memiliki jarak yang sama antar-titik pengukuran, tetapi titik nolnya bersifat arbitrer (buatan), bukan "tidak ada sama sekali".

CONTOH KLASIK

Suhu dalam derajat Celsius: 0°C bukan berarti "tidak ada suhu sama sekali"
Tahun kalender Masehi: tahun 0 bukan "awal waktu"

CONTOH BISNIS DIGITAL

Skor indeks kepuasan gabungan (0-100) yang dikalibrasi dengan asumsi jarak setara
Skor IPK (0-4) bila diasumsikan berjarak setara antar-poin

Operasi yang diizinkan: mean, standar deviasi, korelasi. Tapi rasio tidak bermakna — suhu 40°C bukan "dua kali lebih panas" dari 20°C, karena titik nol bukan ketiadaan mutlak.

Sekarang kita naik ke level yang lebih kaya informasi: skala interval punya jarak yang konsisten antar-titik, sehingga selisih 10 derajat dari 20 ke 30 derajat Celsius sama besarnya dengan selisih dari 30 ke 40 derajat. Tapi kuncinya, titik nol pada skala interval itu buatan manusia, bukan menunjukkan ketiadaan total — nol derajat Celsius tetap ada suhunya, hanya kita sepakati sebagai titik beku air. Karena itu Anda tidak boleh mengatakan "hari ini dua kali lebih panas dari kemarin" hanya karena suhunya dua kali lipat angkanya. Dalam riset bisnis, skala interval sering muncul saat kita membuat indeks komposit, misalnya skor kepuasan gabungan 0 sampai 100 dari rata-rata beberapa item kuesioner — di sini nol bukan berarti "kepuasan benar-benar nihil", melainkan titik terendah pada skala yang kita buat sendiri.

Skala Rasio: Jarak Sama, Nol Mutlak

Skala rasio adalah level pengukuran paling lengkap: jarak antar-titik sama, DAN titik nol berarti "benar-benar tidak ada" (nol mutlak).

Contoh Skala Rasio — Riset Bisnis Digital

Omzet bulanan UMKM digital (Rp) — Rp 0 berarti benar-benar tidak ada penjualan
Jumlah transaksi di aplikasi e-commerce per bulan
Usia responden (tahun), lama berlangganan (bulan)

Karena nolnya mutlak, kita boleh membentuk rasio penuh: "Omzet UMKM A (Rp 20 juta) adalah dua kali omzet UMKM B (Rp 10 juta)" — pernyataan ini valid secara matematis, tidak seperti pada skala interval.

Skala rasio adalah level pengukuran paling informatif karena memiliki semua sifat skala interval, ditambah satu hal krusial: titik nolnya benar-benar berarti ketiadaan. Kalau omzet bulanan sebuah UMKM digital di Instagram Shop adalah nol rupiah, itu benar-benar berarti tidak ada penjualan sama sekali, bukan sekadar titik acuan buatan seperti pada suhu. Karena sifat nol mutlak inilah kita boleh membuat pernyataan rasio yang bermakna secara matematis, misalnya mengatakan toko online dengan omzet Rp 20 juta itu benar-benar dua kali lipat dari toko dengan omzet Rp 10 juta. Contoh lain yang sering Anda temui dalam riset bisnis digital adalah jumlah transaksi, usia responden, dan lama berlangganan layanan streaming — semuanya adalah data rasio karena punya titik nol yang bermakna nyata dan bisa dioperasikan dengan bebas: dijumlah, dikurangi, dikali, dan dibagi.

Ringkasan: Empat Skala dan Operasi yang Diizinkan

Skala	Ciri Utama	Contoh Bisnis Digital	Statistik yang Sah
Nominal	Label, tanpa urutan	Platform e-commerce yang dipakai	Modus, frekuensi
Ordinal	Ada urutan, jarak tak pasti	Tingkat kepuasan (Likert)	Median, persentil
Interval	Jarak sama, nol arbitrer	Skor indeks kepuasan 0-100	Mean, standar deviasi
Rasio	Jarak sama, nol mutlak	Omzet bulanan (Rp)	Mean, rasio, semua operasi

Ingat urutan dari "termiskin informasi" ke "terkaya informasi": Nominal → Ordinal → Interval → Rasio. Skala yang lebih tinggi selalu bisa "diturunkan" ke skala lebih rendah, tapi tidak sebaliknya.

Coba Sendiri: Klasifikasikan Variabel ke Empat Skala

Ketik contoh variabel dari topik penelitian Anda, lalu lihat widget menandai skala pengukuran mana yang cocok dan operasi statistik apa yang diizinkan.

Bagian 2 dari 3

Validitas Instrumen

Apakah instrumen kita benar-benar mengukur apa yang seharusnya diukur? Kita bedah tiga jenis validitas yang paling relevan untuk riset bisnis.

Validitas: Mengukur yang Seharusnya Diukur

Validitas adalah sejauh mana instrumen benar-benar mengukur konsep (konstruk) yang ingin diukur — bukan konsep lain yang mirip atau tidak relevan.

VALIDITAS ISI

Apakah item pertanyaan mewakili seluruh aspek konsep? Diuji lewat penilaian pakar (expert judgment).

VALIDITAS KONSTRUK

Apakah instrumen mengukur konstruk teoritis dengan tepat? Diuji lewat korelasi item-total atau analisis faktor.

VALIDITAS KRITERIA

Apakah skor instrumen berkorelasi dengan ukuran hasil nyata (misalnya skor kepuasan vs keputusan beli ulang)?

Anda bisa membayangkan validitas seperti anak panah yang menembak sasaran: instrumen yang valid adalah anak panah yang benar-benar mengenai target yang dituju, bukan target lain di sebelahnya. Validitas isi diuji dengan meminta pakar, misalnya dosen pembimbing atau praktisi bisnis digital, menilai apakah pertanyaan kuesioner Anda sudah mencakup seluruh aspek penting dari konsep yang diteliti. Validitas konstruk lebih teknis, biasanya diuji dengan menghitung korelasi antara skor tiap item dengan skor total, dan item yang korelasinya terlalu rendah dianggap tidak mengukur konstruk yang sama dan sebaiknya dibuang. Validitas kriteria menguji apakah skor instrumen Anda benar-benar bisa memprediksi perilaku nyata, misalnya apakah skor "niat beli" dari kuesioner benar-benar berkorelasi dengan data transaksi aktual di aplikasi Shopee pelanggan tersebut.

Menguji Validitas Konstruk: Korelasi Item-Total

Cara paling umum menguji validitas konstruk secara kuantitatif adalah menghitung korelasi Pearson antara skor tiap item dengan skor total seluruh item (dikurangi item itu sendiri).

r-hitung = korelasi(skor item, skor total)

Nilai r-hitung	Interpretasi
≥ 0,30 (dan p < 0,05)	Item dianggap valid, layak dipertahankan
< 0,30	Item dianggap tidak valid, sebaiknya direvisi atau dibuang

Ambang 0,30 adalah konvensi umum dalam riset bisnis dan psikologi (bukan hukum matematis mutlak) — beberapa referensi memakai ambang berbeda tergantung ukuran sampel.

Cara paling praktis dan sering Anda temui di software seperti SPSS adalah menghitung korelasi item-total: kita mengorelasikan skor jawaban tiap item pertanyaan dengan skor total semua item lain dalam kuesioner tersebut. Logikanya sederhana, kalau sebuah item benar-benar mengukur konstruk yang sama dengan item-item lain, seharusnya responden yang menjawab tinggi di item itu juga cenderung menjawab tinggi di item-item lainnya, sehingga korelasinya kuat. Ambang batas 0,30 yang saya tuliskan di tabel ini adalah konvensi yang banyak dipakai peneliti bisnis dan psikologi, bukan angka yang diturunkan dari rumus matematis mutlak — jadi anggap sebagai pedoman praktis, bukan hukum kaku. Kalau nanti Anda menguji kuesioner tentang kepercayaan konsumen terhadap marketplace, dan salah satu item ternyata korelasinya hanya 0,15, itu sinyal kuat bahwa item tersebut sebaiknya direvisi kalimatnya atau dibuang dari kuesioner final.

Coba Sendiri: Uji Validitas Item dengan Korelasi Pearson

Masukkan skor beberapa item kuesioner, lalu lihat nilai r-hitung tiap item dan apakah item itu lulus ambang 0,30.

Bagian 3 dari 3

Reliabilitas & Cronbach's Alpha

Instrumen yang valid belum tentu konsisten. Kita akan menghitung Cronbach's Alpha dari nol, dua kali, dengan data yang bisa Anda verifikasi sendiri.

Reliabilitas: Konsisten Setiap Kali Diukur

Reliabilitas adalah sejauh mana instrumen menghasilkan hasil yang konsisten/stabil bila diukur berulang kali pada kondisi yang sama.

TEST-RETEST

Kuesioner yang sama diberikan ke responden yang sama di dua waktu berbeda; hasilnya dikorelasikan.

KONSISTENSI INTERNAL

Semua item dalam satu instrumen diukur SEKALI, lalu diuji apakah item-itemnya saling konsisten — inilah yang diukur Cronbach's Alpha.

Analogi timbangan: kalau Anda naik-turun timbangan lima kali dalam lima menit dan angkanya melompat dari 60kg ke 75kg ke 55kg, timbangan itu tidak reliabel — meski mungkin masih "valid" mengukur berat badan secara konsep.

Reliabilitas dan validitas adalah dua hal yang berbeda meski sering tertukar oleh mahasiswa baru, jadi mari kita luruskan dengan analogi timbangan badan yang mudah diingat. Timbangan itu secara konsep valid karena memang dirancang untuk mengukur berat badan, bukan mengukur hal lain seperti tinggi badan. Tapi kalau timbangan itu rusak sehingga menunjukkan angka berbeda-beda setiap kali Anda naik turun dalam waktu singkat, maka ia tidak reliabel meskipun validitasnya secara konsep tetap benar. Dalam riset bisnis, cara paling praktis mengukur reliabilitas adalah metode konsistensi internal, yaitu hanya perlu satu kali pengambilan data dan kita menguji apakah item-item dalam kuesioner tersebut "kompak" saling berkorelasi. Metode inilah yang menghasilkan angka yang disebut Cronbach's Alpha, yang akan kita hitung tuntas di dua slide berikutnya.

Formula Cronbach's Alpha

Cronbach's Alpha (α) mengukur seberapa konsisten seluruh item dalam satu instrumen saling berkorelasi satu sama lain.

α = [k / (k−1)] × [1 − (Σs_i² / s_t²)]

Jumlah item dalam kuesioner

Σs_i²

Jumlah varians tiap item

s_t²

Varians skor total (jumlah semua item per responden)

Rumus ini terlihat menakutkan pada pandangan pertama, tapi mari kita bedah komponennya satu per satu sehingga tidak ada lagi yang misterius. Huruf k sederhana saja, itu adalah jumlah pertanyaan atau item dalam kuesioner Anda — misalnya kalau Anda punya lima pertanyaan tentang kepuasan pelanggan GoFood, maka k sama dengan 5. Bagian sigma s-i-kuadrat adalah jumlah varians dari setiap item secara individual, sedangkan s-t-kuadrat adalah varians dari skor total, yaitu total skor gabungan kelima item tersebut untuk setiap responden. Intuisinya begini: kalau item-item saling konsisten dan mengukur hal yang sama, variasi jawaban individual per item akan jauh lebih kecil dibanding variasi skor totalnya, sehingga rasio di dalam kurung mendekati nol dan alpha mendekati satu. Sebaliknya kalau item-item saling tidak berhubungan, variasi item dan variasi total akan mirip, membuat alpha rendah.

Interpretasi Nilai Cronbach's Alpha

Rentang α	Interpretasi Reliabilitas
α ≥ 0,90	Sangat tinggi (excellent)
0,80 ≤ α < 0,90	Tinggi (good)
0,70 ≤ α < 0,80	Dapat diterima (acceptable) — ambang minimum umum riset bisnis
0,60 ≤ α < 0,70	Diragukan (questionable), sering ditoleransi untuk riset eksploratif
α < 0,60	Rendah — instrumen perlu direvisi

Ambang α ≥ 0,70 (Nunnally) adalah konvensi paling sering dikutip di jurnal bisnis dan manajemen — bukan angka mutlak, tapi patokan praktis yang layak Anda pakai dalam proposal.

Sekarang setelah Anda menghitung nilai alpha, pertanyaannya adalah, angka berapa yang dianggap "cukup baik"? Tabel ini adalah pedoman yang paling banyak dikutip di jurnal-jurnal manajemen dan bisnis, bersumber dari kriteria klasik Nunnally, dengan ambang 0,70 sebagai batas minimum yang dapat diterima untuk riset konfirmatori. Untuk riset yang sifatnya eksploratif, misalnya instrumen baru yang belum pernah diuji sebelumnya, banyak jurnal masih mentolerir alpha di kisaran 0,60. Yang perlu Anda waspadai justru adalah alpha yang terlalu tinggi, di atas 0,95, karena itu bisa mengindikasikan item-item Anda terlalu mirip atau bahkan redundan, seolah menanyakan hal yang sama berulang-ulang dengan kalimat berbeda. Ingat, angka 0,70 ini adalah konvensi praktis yang disepakati komunitas peneliti, bukan rumus matematis yang diturunkan secara ketat, jadi selalu sebutkan sumber acuannya di proposal Anda.

Hitung dari Nol #1: Varians Satu Item

Data mentah: 5 responden menjawab item "Saya puas dengan kecepatan pengiriman Shopee" (skala 1-5): 4, 5, 3, 4, 4

Langkah	Perhitungan	Nilai
1. Jumlah data (n)	5 responden	n = 5
2. Rata-rata (mean)	(4+5+3+4+4) / 5 = 20 / 5	4,0
3. Selisih kuadrat tiap data	(4-4)²=0; (5-4)²=1; (3-4)²=1; (4-4)²=0; (4-4)²=0	0, 1, 1, 0, 0
4. Jumlah selisih kuadrat	0+1+1+0+0	2
5. Varians item (s_i²)	2 ÷ (5−1) = 2 ÷ 4	0,50

VARIANS ITEM INI (s_i²)

0,50

Dipakai sebagai salah satu komponen Σs_i² di formula Alpha

Sebelum kita bisa menghitung Cronbach's Alpha untuk seluruh kuesioner, kita perlu tahu cara menghitung varians satu item terlebih dahulu, karena inilah bahan baku dasarnya. Mari kita ambil contoh sederhana: lima responden menjawab pertanyaan tentang kepuasan kecepatan pengiriman Shopee dengan skor 4, 5, 3, 4, dan 4. Langkah pertama kita hitung rata-ratanya yaitu 4,0, lalu untuk setiap responden kita hitung selisihnya dari rata-rata itu dan kuadratkan, sehingga responden kedua yang menjawab 5 punya selisih kuadrat 1, sementara responden ketiga yang menjawab 3 juga punya selisih kuadrat 1. Setelah semua selisih kuadrat dijumlahkan kita dapat angka 2, lalu kita bagi dengan n dikurangi 1, yaitu 4, sehingga hasil akhirnya adalah varians sebesar 0,50. Perhatikan baik-baik pembagi n-1, bukan n — ini disebut varians sampel, dan hampir selalu inilah yang dipakai dalam riset survei karena kita menganggap responden kita adalah sampel dari populasi yang lebih besar.

Hitung dari Nol #2: Cronbach's Alpha 3 Item

Kuesioner kepuasan Tokopedia, 3 item (k=3), 5 responden. Diketahui: Σs_i² = 0,50 + 0,70 + 0,80 = 2,00 dan varians skor total s_t² = 6,00

Langkah	Perhitungan	Nilai
1. Faktor k/(k−1)	3 ÷ (3−1) = 3 ÷ 2	1,50
2. Rasio Σs_i² / s_t²	2,00 ÷ 6,00	0,333
3. Satu dikurangi rasio	1 − 0,333	0,667
4. Kalikan kedua faktor	1,50 × 0,667	α = 1,00

HASIL CRONBACH'S ALPHA

1,00

Nilai maksimum teoretis — item-item sangat konsisten (contoh ilustratif untuk pembelajaran)

Nilai α=1,00 di data ilustratif ini jarang terjadi di data riil (biasanya 0,60-0,95); dipakai di sini agar aritmetikanya bersih dan mudah diverifikasi manual.

Sekarang mari kita rangkai seluruh komponen menjadi Cronbach's Alpha yang utuh untuk kuesioner kepuasan Tokopedia dengan tiga item pertanyaan. Kita sudah diberikan bahwa jumlah varians ketiga item adalah 2,00, dan varians skor total gabungan ketiga item tersebut adalah 6,00. Langkah pertama kita hitung faktor k dibagi k-minus-satu, yaitu 3 dibagi 2, hasilnya 1,50. Langkah kedua kita hitung rasio jumlah varians item dibagi varians total, yaitu 2,00 dibagi 6,00 sama dengan 0,333, lalu kita kurangkan dari 1 sehingga menjadi 0,667. Langkah terakhir kita kalikan kedua faktor tadi, 1,50 dikali 0,667, dan hasilnya adalah alpha sama dengan 1,00. Saya sengaja memakai angka yang menghasilkan alpha sempurna di contoh ini supaya aritmetikanya bersih dan mudah Anda verifikasi sendiri di rumah dengan kalkulator; di data riset sungguhan, nilai alpha yang sangat tinggi seperti ini justru jarang dan patut dicurigai sebagai item yang terlalu redundan.

Validitas vs Reliabilitas: Tidak Selalu Berjalan Beriringan

Slide ini penting untuk meluruskan miskonsepsi paling umum di antara mahasiswa: validitas dan reliabilitas bukan hal yang otomatis mengikuti satu sama lain. Bayangkan analogi menembak sasaran seperti pada gambar ini — kotak pertama menunjukkan tembakan yang rapat di tengah target, ini valid sekaligus reliabel, ideal yang kita cari. Kotak kedua menunjukkan tembakan yang rapat satu sama lain tapi jauh dari titik tengah, ini reliabel karena konsisten, tapi tidak valid karena tidak mengenai sasaran yang dituju, misalnya timbangan yang selalu menunjukkan angka 2 kilogram lebih berat dari berat sesungguhnya secara konsisten. Kotak ketiga adalah yang paling buruk, tembakan tersebar acak dan jauh dari sasaran, tidak reliabel dan tidak valid sekaligus. Aturan mainnya: kalau instrumen Anda tidak reliabel sama sekali, sudah pasti ia juga tidak valid, tapi instrumen yang reliabel belum tentu otomatis valid — inilah kenapa kita perlu menguji keduanya secara terpisah, tidak cukup hanya salah satu.

Latihan Kelas: Identifikasi Skala & Diagnosis Instrumen

Soal 1 — Tentukan Skala Pengukuran

a) Jumlah follower akun Instagram bisnis
b) Peringkat kepuasan aplikasi (1=Buruk ... 5=Sangat Baik)
c) Kategori sektor usaha (kuliner/fesyen/jasa)
d) Skor indeks reputasi merek (0-100)

Soal 2 — Diagnosis Kasus

Sebuah kuesioner niat beli online diuji dua kali seminggu berturut-turut pada 20 responden yang sama. Hasilnya berkorelasi tinggi (r=0,85), tapi ahli pemasaran menilai isi pertanyaannya justru lebih mengukur "harga murah" daripada "niat beli". Apa diagnosisnya?

Diskusikan berkelompok 5 menit, lalu kita bahas bersama. Jawaban soal 1: (a) rasio, (b) ordinal, (c) nominal, (d) interval. Jawaban soal 2: reliabel (konsisten test-retest) tapi TIDAK valid (validitas isi lemah).

Sekarang giliran Anda mempraktikkan apa yang sudah kita pelajari. Untuk soal pertama, silakan diskusikan dengan teman sebangku Anda dan tentukan keempat variabel itu masuk skala nominal, ordinal, interval, atau rasio — perhatikan baik-baik apakah ada urutan, apakah jaraknya sama, dan apakah nolnya mutlak. Untuk soal kedua, ini adalah kasus klasik yang menggabungkan konsep reliabilitas dan validitas yang baru saja kita bahas: instrumen ini jelas reliabel karena hasilnya konsisten saat diuji ulang dengan korelasi 0,85, tapi ahli pemasaran menemukan masalah validitas isi karena pertanyaannya melenceng dari konsep "niat beli" yang seharusnya diukur. Saya beri waktu lima menit untuk diskusi kelompok, silakan gunakan slide sebelumnya tentang target menembak sebagai panduan berpikir, lalu kita akan membahas jawabannya bersama-sama di depan kelas.

Kesalahan Umum Mahasiswa Saat Menyusun Instrumen

Kesalahan 1: Menghitung rata-rata dari data nominal (misalnya kode platform e-commerce) — hasilnya angka yang tidak punya makna sama sekali.

Kesalahan 2: Melaporkan hanya nilai Cronbach's Alpha tanpa pernah menguji validitas isi/konstruk — instrumen bisa konsisten tapi salah sasaran.

Kesalahan 3: Mengadopsi kuesioner dari penelitian lain (misalnya dari jurnal luar negeri) tanpa uji ulang validitas-reliabilitas pada konteks responden Indonesia.

Kesalahan 4: Menganggap alpha tinggi (>0,95) selalu baik — bisa jadi tanda item pertanyaan terlalu redundan/mirip.

Sebelum kita masuk ke rangkuman, saya ingin membagikan empat kesalahan yang paling sering saya temukan saat mengoreksi proposal penelitian mahasiswa selama bertahun-tahun mengajar. Kesalahan pertama adalah kesalahan skala yang sudah kita bahas di awal, menghitung rata-rata dari data yang sebetulnya kategori bukan angka bermakna. Kesalahan kedua yang sering luput adalah mahasiswa terlalu fokus melaporkan angka Cronbach's Alpha yang tinggi sebagai bukti "kuesioner saya bagus", padahal alpha hanya mengukur konsistensi, bukan ketepatan sasaran — validitas tetap wajib diuji terpisah. Kesalahan ketiga sering terjadi ketika mahasiswa mengambil kuesioner dari jurnal internasional, misalnya tentang loyalitas pelanggan e-commerce di Amerika, lalu langsung dipakai untuk responden UMKM digital Semarang tanpa uji ulang — padahal konteks budaya dan bahasa bisa mengubah validitas instrumen. Kesalahan keempat, alpha yang terlalu tinggi justru perlu dicurigai, bukan dirayakan begitu saja, karena bisa menandakan pertanyaan Anda mengulang-ulang hal yang sama dengan kalimat berbeda.

Posisi Skala & Validitas-Reliabilitas dalam Alur Riset

Kalau instrumen di P9 cacat, seluruh data yang dikumpulkan di P10 dan dianalisis di P11 ikut cacat — inilah mengapa validitas-reliabilitas dicek SEBELUM turun ke lapangan, bukan sesudahnya.

Slide ini membantu Anda melihat gambar besar: mengapa topik hari ini diletakkan tepat di antara pembahasan sampling minggu lalu dan pengumpulan data minggu depan. Setelah Anda menentukan siapa yang akan disurvei melalui teknik sampling di Pertemuan 8, langkah berikutnya yang wajib dilakukan sebelum turun ke lapangan adalah memastikan alat ukur atau kuesioner Anda sudah teruji skala, validitas, dan reliabilitasnya — inilah yang kita bahas hari ini. Kalau langkah ini dilewati dan Anda langsung menyebarkan kuesioner yang belum teruji di Pertemuan 10, risikonya besar: data yang terkumpul bisa jadi tidak valid atau tidak konsisten, dan seluruh analisis statistik di Pertemuan 11 akan dibangun di atas fondasi yang rapuh, bahkan proposal penelitian Anda di Pertemuan 13-14 bisa ditolak dosen penguji karena instrumen tidak teruji. Prinsip "cacat masuk, cacat keluar" atau garbage in garbage out ini berlaku persis di sini.

Rangkuman: Cheat Sheet Skala & Kualitas Instrumen

Konsep	Pertanyaan Kunci	Cara Uji
Skala Pengukuran	Jenis data apa yang saya kumpulkan?	Nominal / Ordinal / Interval / Rasio
Validitas	Apakah saya mengukur hal yang benar?	Expert judgment, korelasi item-total (r ≥ 0,30)
Reliabilitas	Apakah pengukuran saya konsisten?	Cronbach's Alpha (α ≥ 0,70)

Urutan kerja praktis: (1) tentukan skala tiap variabel → (2) susun item kuesioner → (3) uji validitas isi/konstruk → (4) uji reliabilitas (Alpha) → (5) baru sebar ke sampel penuh.

Mari kita rangkum seluruh materi hari ini dalam satu lembar contekan yang bisa Anda simpan sebagai acuan cepat. Tiga konsep inti yang kita pelajari adalah skala pengukuran yang menjawab jenis data apa yang sedang kita kumpulkan, validitas yang menjawab apakah kita mengukur hal yang tepat, dan reliabilitas yang menjawab apakah pengukuran kita konsisten. Urutan kerja praktis di bagian bawah slide ini penting untuk Anda ingat sebagai langkah-langkah nyata: mulai dari menentukan skala setiap variabel penelitian Anda, menyusun item pertanyaan kuesioner, menguji validitasnya baik lewat penilaian pakar maupun korelasi statistik, menguji reliabilitasnya dengan Cronbach's Alpha, dan baru setelah semua lolos, Anda menyebarkan kuesioner final ke seluruh sampel penelitian. Jangan pernah membalik urutan ini — banyak mahasiswa yang terburu-buru sebar kuesioner dulu baru menyadari instrumennya cacat setelah data terkumpul, dan itu artinya harus mengulang dari awal.

Alat Bantu: Simulator Cronbach's Alpha

Coba ubah nilai varians item dan varians total pada simulator berikut untuk melihat bagaimana Cronbach's Alpha berubah secara langsung.

Penutup: Rangkuman & Persiapan Minggu Depan

MINGGU DEPAN — PERTEMUAN 10

Metode pengumpulan data primer & sekunder
Survei, observasi, eksperimen
Sumber data sekunder: BPS, laporan tahunan, data platform

TUGAS SEBELUM MINGGU DEPAN

Susun draf 5 item kuesioner untuk topik penelitian Anda
Klasifikasikan tiap variabel ke skala nominal/ordinal/interval/rasio
Bawa draf ini — akan dipakai langsung di Pertemuan 10

Sampai di sini kita telah menuntaskan pembahasan tentang skala pengukuran, validitas, dan reliabilitas instrumen — tiga fondasi yang wajib kokoh sebelum Anda mengumpulkan satu pun data dari lapangan. Sebagai tugas sebelum pertemuan berikutnya, saya minta Anda menyusun draf lima item kuesioner untuk topik penelitian yang sedang Anda kembangkan, lalu klasifikasikan setiap variabel yang Anda ukur ke dalam salah satu dari empat skala yang sudah kita pelajari hari ini. Minggu depan kita akan membahas metode pengumpulan data primer dan sekunder secara lebih detail, termasuk survei, observasi, dan eksperimen, dan draf kuesioner yang Anda siapkan ini akan langsung kita gunakan sebagai bahan latihan. Terima Kasih atas partisipasi aktif Anda hari ini, sampai jumpa minggu depan, dan jangan ragu menghubungi saya lewat email kampus kalau ada pertanyaan tentang tugas ini.