Uji Validitas dan Reliabilitas: Panduan Lengkap plus Contoh Hitung Manual

Uji validitas ngecek apakah tiap butir pertanyaan di kuesionermu beneran ngukur hal yang mau kamu ukur. Uji reliabilitas ngecek apakah hasil pengukurannya konsisten kalau diulang.

Dua uji ini yang nentuin apakah data kuesionermu layak dipakai. Kalau dilewat, semua analisis setelahnya jadi rapuh, mau seheboh apa pun uji lanjutan yang kamu pakai.

Di bawah ini rumusnya, contoh hitung manual pakai 10 responden yang bisa kamu ikutin pakai kalkulator, plus batas nilai yang biasa dipakai dosen pembimbing buat nentuin item lolos atau gugur.

Apa itu uji validitas dan reliabilitas?

Uji validitas adalah pengecekan apakah tiap item pertanyaan beneran mengukur konsep yang kamu maksud, biasanya lewat korelasi antara skor item dan skor total. Uji reliabilitas adalah pengecekan apakah item-item itu memberi hasil yang konsisten, biasanya lewat Cronbach's Alpha. Validitas soal ketepatan sasaran, reliabilitas soal kestabilan hasil.

Contoh gampangnya begini. Timbangan yang tiap kali ditimbang nunjukin 60 kg untuk barang yang sama itu reliabel. Tapi kalau berat aslinya 55 kg, timbangan itu nggak valid.

Di kuesioner, logikanya sama. Responden bisa menjawab konsisten untuk pertanyaan yang salah sasaran, dan itu nggak bikin datamu bermakna.

Kenapa kuesioner harus diuji dulu sebelum disebar luas?

Soalnya kesalahan alat ukur nggak bisa diperbaiki di tahap analisis. Kalau item pertanyaanmu ambigu, responden menjawab hal yang beda-beda, dan skornya jadi campuran dua konsep. Regresi atau uji beda yang kamu jalankan setelahnya cuma merapikan data yang udah salah dari awal.

Alur normalnya: sebar kuesioner ke sekitar 30 responden uji coba, jalankan uji validitas dan reliabilitas, buang item yang gugur, baru sebar ke sampel penuh.

Banyak mahasiswa nunda langkah ini karena buru-buru. Yang kejadian, item gugur baru ketahuan setelah 200 kuesioner balik, dan pengumpulan data harus diulang.

Gimana rumus uji validitas item?

Validitas item dihitung pakai korelasi product moment Pearson antara skor satu item dan skor total seluruh item. Hasilnya disebut r hitung, lalu dibandingkan sama r tabel pada derajat bebas n dikurangi 2. Kalau r hitung lebih besar dari r tabel, item itu dinyatakan valid.

r = ( n·ΣXY - ΣX·ΣY ) / √( [ n·ΣX² - (ΣX)² ] · [ n·ΣY² - (ΣY)² ] )

X = skor satu item
Y = skor total semua item per responden
n = jumlah responden

Langkahnya lima:

1. Jumlahkan skor tiap responden di semua item jadi kolom skor total (Y).
2. Ambil satu item sebagai X, hitung ΣX, ΣY, ΣXY, ΣX², dan ΣY².
3. Masukkan ke rumus, dapat r hitung untuk item tersebut.
4. Cari r tabel di derajat bebas df = n - 2, taraf signifikansi 0,05.
5. Ulangi untuk semua item.

Konsep korelasinya sama persis dengan yang dipakai buat menghubungkan dua variabel biasa. Kalau kamu mau segarkan lagi dasarnya, ada penjelasan terpisah di korelasi Pearson.

Contoh hitung manual validitas pakai dataset ngulikdata

Ini dataset contoh ngulikdata bernama survei_berkah: 10 responden mengisi 6 pernyataan skala Likert 1 sampai 5 tentang pengalaman belanja di toko_berkah.

Isi pernyataannya:

• P1: harga di toko ini masuk akal
• P2: barang yang aku cari hampir selalu ada
• P3: kasirnya melayani dengan ramah
• P4: antrean di kasir cepat
• P5: aku bakal belanja lagi di sini
• P6: aku sering belanja online

P6 sengaja aku selipkan sebagai item nyasar. Isinya kebiasaan belanja online, bukan kepuasan terhadap toko.

Responden	P1	P2	P3	P4	P5	P6	Total (Y)
R1	4	4	5	4	4	2	23
R2	5	5	4	5	5	3	27
R3	3	3	3	2	3	5	19
R4	4	4	4	4	3	3	22
R5	5	4	5	5	5	2	26
R6	2	2	3	2	2	4	15
R7	4	5	4	4	4	5	26
R8	3	4	3	3	3	3	19
R9	5	5	5	4	5	2	26
R10	4	3	4	4	4	4	23
Σ	39	39	40	37	38	33	226

Sekarang hitung r untuk P1. Angka yang kamu butuhkan: n = 10, ΣX = 39, ΣY = 226, ΣXY = 915, ΣX² = 161, ΣY² = 5.246.

Pembilang  = 10 × 915 - 39 × 226
           = 9.150 - 8.814
           = 336

Penyebut   = √[ (10 × 161 - 39²) × (10 × 5.246 - 226²) ]
           = √[ (1.610 - 1.521) × (52.460 - 51.076) ]
           = √( 89 × 1.384 )
           = √123.176
           = 350,97

r hitung   = 336 / 350,97 = 0,957

Ulangi langkah yang sama untuk lima item sisanya. Hasil lengkapnya:

Item	r hitung	r tabel (df 8, α 0,05)	Keputusan
P1	0,957	0,632	Valid
P2	0,843	0,632	Valid
P3	0,763	0,632	Valid
P4	0,904	0,632	Valid
P5	0,938	0,632	Valid
P6	-0,362	0,632	Gugur

P6 bukan cuma gugur, korelasinya negatif. Responden yang puas sama toko justru cenderung jarang belanja online di dataset ini. Itu tanda paling jelas bahwa item tersebut ngukur konsep lain.

Catatan soal r tabel: 0,632 itu nilai untuk n = 10 pada uji dua arah. Kalau responden uji cobamu 30 orang, df jadi 28 dan r tabelnya turun ke 0,361, sehingga item lebih gampang lolos.

Gimana rumus Cronbach's Alpha untuk uji reliabilitas?

Cronbach's Alpha ngukur seberapa seragam item-item dalam satu instrumen ketika mengukur konsep yang sama. Rumusnya membandingkan jumlah varians tiap item dengan varians skor total. Makin kecil porsi varians item terhadap varians total, makin tinggi alphanya, dan makin konsisten instrumenmu.

α = ( k / (k - 1) ) × ( 1 - Σs²ᵢ / s²ₜ )

k    = jumlah item
s²ᵢ  = varians skor tiap item
s²ₜ  = varians skor total

Varians yang dipakai adalah varians sampel dengan pembagi n dikurangi 1. Di Excel itu fungsi VAR.S.

Contoh hitung manual Cronbach's Alpha

Pakai dataset survei_berkah yang tadi. Varians tiap item:

Item	Varians
P1	0,989
P2	0,989
P3	0,667
P4	1,122
P5	1,067
P6	1,344
Σs²ᵢ	6,178

Varians skor total (kolom Y) = 15,378. Jumlah item k = 6.

α = (6 / 5) × ( 1 - 6,178 / 15,378 )
  = 1,2 × ( 1 - 0,4017 )
  = 1,2 × 0,5983
  = 0,718

Alpha 0,718 udah lewat ambang 0,70, tapi angkanya ketarik ke bawah gara-gara P6.

Buang P6, hitung ulang dengan 5 item, dan alphanya naik ke 0,948. Lompatan 0,23 poin dari satu item saja. Ini angka original dari dataset contoh ngulikdata, dan pola kayak gini yang bikin banyak instrumen tiba-tiba lolos setelah satu item nyasar dibuang.

Pelajaran praktisnya: kalau alphamu mentok di angka 0,6-an, jangan langsung nambah responden. Cek dulu item mana yang korelasinya paling rendah.

Berapa batas nilai r dan alpha supaya lolos?

Untuk validitas, patokannya r hitung harus lebih besar dari r tabel di df = n - 2. Beberapa pembimbing pakai ambang praktis r di atas 0,30 untuk sampel besar. Untuk reliabilitas, ambang yang paling sering dipakai adalah Cronbach's Alpha minimal 0,70.

Nilai alpha	Tafsiran umum	Tindakan
di bawah 0,60	Reliabilitas rendah	Tulis ulang item, uji coba lagi
0,60 - 0,69	Batas bawah, masih dipertanyakan	Buang item berkorelasi rendah
0,70 - 0,79	Diterima	Lanjut ke sampel penuh
0,80 - 0,90	Bagus	Lanjut
di atas 0,90	Tinggi banget	Cek apakah ada item kembar

Nilai r tabel yang paling sering kepakai, taraf 0,05 uji dua arah:

Jumlah responden (n)	df = n - 2	r tabel
10	8	0,632
20	18	0,444
30	28	0,361
50	48	0,279
100	98	0,197

Nilai signifikansi di output software juga bisa jadi patokan. Kalau sig di bawah 0,05, korelasi itemnya dianggap nyata. Penjelasan angka ini ada di glossary p-value.

Gimana cara hitungnya di Excel?

Kamu nggak harus punya SPSS buat uji ini. Susun data di Excel dengan baris responden dan kolom item, lalu tambahkan kolom total.

' Kolom B sampai G = P1..P6, kolom H = total, baris 2..11 = R1..R10

Skor total tiap responden:
H2  =SUM(B2:G2)

r hitung item P1:
B13 =CORREL(B2:B11,$H$2:$H$11)

Varians item P1:
B14 =VAR.S(B2:B11)

Varians skor total:
H14 =VAR.S(H2:H11)

Cronbach's Alpha:
B16 =(6/5)*(1-SUM(B14:G14)/H14)

Fungsi CORREL ngasih hasil yang identik dengan rumus product moment manual, jadi kamu bisa pakai perhitungan tangan tadi buat verifikasi.

Kalau kamu lebih nyaman di Python, fungsi scipy.stats.pearsonr mengembalikan koefisien korelasi sekaligus p-value dalam satu panggilan.

Kesalahan umum saat uji validitas dan reliabilitas

1. Mengkorelasikan item dengan skor total yang masih memuat item itu sendiri. Cara ini bikin r menggelembung, terutama kalau itemnya cuma sedikit. Output SPSS memakai Corrected Item-Total Correlation yang udah mengeluarkan item bersangkutan dari total.

2. Menghitung alpha lintas indikator yang beda. Kalau kuesionermu punya tiga variabel, hitung alpha per variabel, bukan sekaligus untuk semua item.

3. Lupa membalik skor item negatif. Pernyataan bernada negatif harus dibalik dulu, misalnya skor 1 jadi 5. Kalau nggak dibalik, korelasinya negatif dan itemnya keliatan gugur padahal cuma salah pengkodean.

4. Membuang banyak item sekaligus. Buang satu item dengan korelasi terendah, lalu hitung ulang. Kadang setelah item terburuk hilang, item lain yang tadinya di batas jadi lolos.

5. Mencampur responden uji coba ke dalam sampel akhir tanpa keterangan. Boleh dipakai ulang kalau instrumennya nggak berubah, tapi jelaskan di bagian metode supaya nggak jadi bahan sidang.

6. Menganggap alpha tinggi berarti kuesionernya valid. Alpha cuma ngukur konsistensi. Item yang seragam salah sasaran tetap menghasilkan alpha tinggi.

FAQ

Berapa jumlah responden minimal buat uji validitas dan reliabilitas?

Praktik yang paling umum dipakai di skripsi adalah 30 responden buat uji coba instrumen, soalnya di angka itu distribusi skor udah cukup stabil buat dihitung korelasinya. Kamu tetap bisa uji dengan 10 sampai 20 responden, tapi r tabelnya jadi jauh lebih tinggi sehingga item gampang dinyatakan gugur. Kalau jumlah respondenmu kecil, sebutkan keterbatasan ini di bagian metode.

Apa bedanya valid dan reliabel?

Valid artinya alat ukurnya kena sasaran, yaitu pertanyaan yang kamu tulis beneran ngukur konsep yang kamu maksud. Reliabel artinya hasilnya konsisten, jadi kalau diukur ulang di kondisi yang mirip, angkanya nggak loncat jauh. Kuesioner bisa reliabel tapi nggak valid, misalnya semua responden menjawab konsisten untuk pertanyaan yang salah sasaran. Sebaliknya, alat ukur yang nggak reliabel nggak mungkin dianggap valid.

Kalau ada item yang gugur, apakah kuesionernya harus dibuang semua?

Nggak. Buang item yang gugur, lalu hitung ulang validitas dan reliabilitas pakai item yang tersisa. Yang perlu kamu jaga, jangan sampai satu indikator kehilangan semua itemnya, karena konsep yang mau diukur jadi bolong. Kalau tinggal satu item per indikator, lebih baik pertanyaannya ditulis ulang dan diuji coba lagi daripada dipaksa lanjut.

Cronbach's Alpha 0,95 itu bagus atau malah masalah?

Angka setinggi itu memang lolos ambang reliabilitas, tapi sering jadi sinyal bahwa beberapa item isinya nyaris sama persis. Kalau kamu cuma mengganti kata di pertanyaan yang artinya identik, responden pasti menjawab seragam dan alpha jadi menggelembung. Idealnya alpha ada di rentang 0,70 sampai 0,90. Di atas itu, cek lagi apakah ada item kembar yang bisa digabung.

Apakah uji validitas dan reliabilitas wajib buat data sekunder?

Nggak wajib. Dua uji ini dipakai buat instrumen yang kamu susun sendiri, terutama kuesioner dengan skala Likert. Kalau datamu berupa laporan keuangan, data penjualan, atau angka dari BPS, yang kamu cek bukan validitas item melainkan kualitas datanya: kelengkapan, konsistensi satuan, dan sumber resminya.

Penutup

Tiga hal yang perlu kamu bawa dari sini. Validitas dihitung per item lewat korelasi skor item dengan skor total, lalu dibandingkan sama r tabel di df = n - 2. Reliabilitas dihitung sekali per variabel pakai Cronbach's Alpha dengan ambang 0,70. Dan satu item nyasar bisa nurunin alpha sampai 0,23 poin, kayak yang kejadian di dataset survei_berkah tadi.

Coba ambil data uji cobamu sendiri, susun di Excel, dan hitung r tiap item pakai CORREL. Lima menit, dan kamu udah tau item mana yang harus dibuang sebelum kuesioner disebar ke sampel penuh.

Kalau kamu mau langsung praktik di software statistik, lanjut ke panduan uji validitas dan reliabilitas SPSS. Buat uji hubungan antar variabel kategori, ada juga bahasan uji chi-square.