Berbagai Uji Validitas dengan SPSS Versi 23

Uji validitas adalah uji statistik yang dipergunakan untuk mengukur valid atau tidaknya sudah kuesioner. Suatu rangkaian kuesioner harus diuji validitas terlebih dahulu sebelum dipergunakan sebagai sumber data penelitian. Sebenarnya juga ada uji reliabilitas, tetapi tidak dibahas di sini. Akan tetapi kuesioner yang mengukur suatu fakta memang tidak perlu diuji validitas atau reliabilitasnya, misalnya yang berisi pertanyaan jenis kelamin, alamat dan sejenisnya, tidak perlu diuji validitasnya. Kuesioner yang mengukur respons sangat perlu untuk diuji validitas dan reliabilitasnya karena merupakan alat ukur. Kita harus punya alat ukur yang valid dan reliabel. Valid berarti mampu mengukur apa yang ingin diukur, dan reliabel berarti akan memberikan hasil yang relatif saja jika dipergunakan untuk mengukur suatu objek yang relatif sama.

Uji validitas tidak semata-mata menggunakan uji statistik. Ada juga uji yang lain, misalnya pendapat dari seorang ahli, meskipun di sini istilah 'ahli' harus diambil secara hati-hati. Juga dapat dilakukan dengan cara mengecek langsung, jika memungkinkan. Misalnya pertanyaan berapa kali bolos sekolah, bisa juga dilihat dari data absensi. Atau gaji seseorang bisa dilihat dari sumber lain. 

Berikut akan dibahas uji validitas yang meliputi uji Korelasi Pearson, Corrected Item to total correlation dan Analisis faktor.

1. Korelasi Pearson

Korelasi Pearson, atau juga sering disebut Product Moment dapat dipergunakan untuk menguji validitas suatu item dalam kuesioner. Persamaannya sudah populer yaitu sebagai berikut:

Persamaan Korelasi Pearson

Dengan n adalah jumlah sampel, atau responden yang diberikan kuesioner, X adalah skor jawaban dari responden dan Y adalah jumlah skor total. Skor total adalah jumlah dari jawaban responden dari masing-masing pertanyaan atau indikator. Persamaan tersebut sudah banyak diakomodir dalam berbagai program termasuk SPSS, bahkan Excel pun sudah tersedia. 

Aplikasi dengan SPSS dilakukan dengan memilih Analyze, pilih Correlate lalu klik pada Bivariate seperti pada gambar di bawah:

Box Dialog Korelasi Pearson

Setelah Klik pada Bivariate, maka akan diarahkan ke Box sebagai berikut:

Menu Box Korelasi Pearson

Masukkan indikator pada X1 termasuk skor totalnya seperti pada gambar di atas. Setelah itu klik OK sehingga akan keluar output sebagai berikut:

Output Korelasi Pearson

Output tersebut adalah memuat korelasi dari masing-masing indikator dan juga korelasi antara indikator dengan variabel yang dibentuk yaitu Kepuasan Nasabah. Sebenarnya yang akan dipergunakan hanya korelasi antara masing-masing indikator dengan Kepuasan Nasabah. Jika diinginkan bisa di-hide sehingga akan tampak sebagai berikut:

Output Korelasi Pearson Ringkas

Gambar 4 di atas hanya lebih ringkas dibandingkan Gambar 3. Tampak bahwa r (korelasi Pearson) x11 dengan Kepuasan Nasabah adalah sebesar 0,659 dengan Signifikansi sebesar 0,000 < 0,05 yang berarti indikator tersebut valid dalam mengukur kepuasan nasabah. Hal yang sama juga tampak jelas pada indikator yang lain.

Cara lain juga bisa membandingkan nilai korelasi dengan r tabel. Cara ini juga bisa dipergunakan dan akan memberikan hasil yang sama. Atau cara lain juga bisa dengan mengubah nilai r ke dalam bentuk t hitung lalu dibandingkan dengan t tabel. Hasil akhirnya akan sama persis. Mungkin sedikit lebih rumit karena harus melihat r tabel atau juga harus memasukkan rumus untuk mencari t hitung dari r hitung yang telah diketahui. 

2. Corrected Item to Total Correlation

Metode ini sebenarnya sama dengan Product Moment, hanya mengurangi efek Spurious overlaps sehingga banyak yang menyatakan bahwa metode ini lebih akurat dalam mengukur validitas. Konsepnya sederhana, sebuah indikator dicari korelasinya dengan skor total, yang di dalam skor total tersebut juga mengandung unsur skor indikator yang kita ukur. Jadi seperti diukur dua kali sehingga cenderung memberikan hasil yang lebih tinggi dari yang sebenarnya.

Solusinya sederhana, yaitu dengan mengeluarkan indikator yang sedang kita ukur dari skor totalnya. Pada contoh ini, ketika menghitung validitas X11 maka skor totalnya hanya penjumlahan dari X12 sampai dengan X15 atau skor total awal dikurangi X11. Demikian juga analogi dengan indikator yang lain. Kita tidak perlu menghitung satu persatu, karena SPSS sudah menyediakan menu untuk keperluan itu. Klik Analyze, pilih pada Scale lalu klik pada Reliability Analysis seperti pada gambar berikut:

Menu Untuk Corrected Item to Total Correlation

 Setelah Anda klik, maka akan diarahkan ke Box sebagai berikut:

Memasukkan Semua Indikator

Masukkan kelima indikator (skor total tidak usah dimasukkan) lalu klik pada Statistic di kanan atas sehingga akan masuk ke box berikutnya sebagai berikut:

Menu Statistic

Klik pada Scale if Item Deleted. Abaikan yang lain, klik Continue lalu Klik OK sehingga akan keluar output sebagai berikut:

Output Correctect Item-Total Correlation

Tampak bahwa nilai r hitung untuk X11 adalah sebesar 0,471 yang lebih rendah dibandingkan r hitung pada product moment yaitu sebesar 0,659. Demikian juga dengan indikator yang lain yang mengalami penurunan nilai r hitung. Nilai r pada Gambar 8 dianggap lebih sesuai karena menghilangkan faktor spuorious overlaps. Justifikasinya sama, yaitu dengan membandingkan dengan r tabel. 

3. Analisis Faktor

Analisis faktor bisa dipergunakan untuk melihat apakah suatu indikator mampu membentuk suatu variabel tertentu. Simulasi Analisis faktor telah ada di link ini. Berikut akan diberikan simulasi atau contoh yang lain untuk analisis faktor.

Klik Analyze, pihlih Dimention Reduction, lalu klik pada Factor. Anda akan diarahkan ke menu analisis faktor sebagai berikut:

Menu Analisis Faktor

Anda akan diarahkan ke Box sebagai berikut:

Memasukkan Indikator

Masukkan indikator X11 sampai dengan X15 tanpa memasukkan skor totalnya dan juga indikator X21 sampai dengan X24. Lalu klik Descriptives di kanan atas.

Menu Descriptives pada Analisis Faktor

Berikan tanda centang pada KMO and Bartlett's Test of sphericity seperti pada gambar di atas. Klik Continue, lalu klik Rotation sehingga akan masuk ke box dialog berikut:

Menu Rotation

Berikan tanda tickmark pada Varimax, lalu klik Continue sehingga akan keluar output sebagai berikut:

Output KMO and Bartlett's Test of Sphericity

Nilai KMO adalah sebesar 0,702 dan nilai yang diharapkan adalah di atas 0,5. Berarti pengujian dapat diteruskan.

Output Rotation Matrix

Gambar di atas menunjukkan bahwa indikator X11 mempunyai skor lebih tinggi ke Component 1 dibadingkan ke Component 2 yaitu 0,732 > (-) 0,153. Bearti indikator X11 masuk ke kelompok 1. Demikian juga dengan X12, X13, X14 dan X15 yang serupa sehingga kelimanya mengelompok di Component 1. Ini selaras dengan rancangan kuesioner di mana kelima indikator tersebut mengukur satu variabel yang sama.

Dengan analogi tersebut maka tampak bahwa X21, X22, X23 dan X24 akan mengelompok ke Component 2 yang juga merupakan satu rangkaian kuesioner. Tampak bahwa indikator yang dipergunakan telah sesuai mengukur variabel yang diinginkan. Jadi ke-9 indikator yang diukur adalah valid.

Berikut adalah video singkat tentang Uji Validitas:

Share: