UJI VALIDITAS DAN RELIABILITAS Dalam penelitian, data mempunyai kedudukan yang paling tinggi, karena data merupakan penggambaran variabel yang diteliti dan berfungsi sebagai alat pembuktian hipotesis. Benar tidaknya data, sangat menentukan bermutu tidaknya hasil penelitian. Sedang benar tidaknya data, tergantung dari baik tidaknya instrumen pengumpulan data.  Pengujian instumen biasanya terdiri dari uji validitas dan reliabilitas.

A. Definisi Validitas dan Reliabilitas

Validitas adalah tingkat keandalah dan kesahihan alat ukur yang digunakan. Intrumen dikatakan valid berarti menunjukkan alat ukur yang dipergunakan untuk mendapatkan data itu valid atau dapat digunakan untuk mengukur apa yang seharusnya di ukur (Sugiyono, 2004:137). Dengan demikian, instrumen yang valid merupakan instrumen yang benar-benar tepat untuk mengukur apa yang hendak di ukur.

Penggaris dinyatakan valid jika digunakan untuk mengukur panjang, namun tidak valid jika digunakan untuk mengukur berat. Artinya, penggaris memang tepat digunakan untuk mengukur panjang, namun menjadi tidak valid jika penggaris digunakan untuk mengukur berat.

Uji reliabilitas berguna untuk menetapkan apakah instrumen yang dalam hal ini kuesioner dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama akan menghasilkan data yang konsisten. Dengan kata lain, reliabilitas instrumen mencirikan tingkat konsistensi. Banyak rumus yang dapat digunakan untuk mengukur reliabilitas diantaranya adalah  rumus Spearman Brown

Ket :

R 11 adalah nilai reliabilitas

R b adalah nilai koefisien korelasi

Nilai koefisien reliabilitas yang baik adalah diatas 0,7 (cukup baik), di atas 0,8 (baik).

Pengukuran validitas dan reliabilitas mutlak dilakukan, karena jika instrument yang digunakan sudah tidak valid dan reliable maka dipastikan hasil penelitiannya pun tidak akan valid dan reliable. Sugiyono (2007: 137) menjelaskan perbedaan antara penelitian yang valid dan reliable dengan instrument yang valid dan reliable sebagai berikut :

Penelitian yang valid artinya bila terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada objek yang diteliti. Artinya, jika objek berwarna merah, sedangkan data yang terkumpul berwarna putih maka hasil penelitian tidak valid. Sedangkan penelitian yang reliable bila terdapat kesamaan data dalam waktu yang berbeda. Kalau dalam objek kemarin berwarna merah, maka sekarang dan besok tetap berwarna merah.

**tulisan ini diedit Tgl 28 November 2012

dirangkum dari :

Sugiyono. 2007. Metode Penelitian Administrasi. Bandung,Alfabeta.

Ada beberapa jenis validitas yang digunakan untuk menguji ketepatan ukuran, diantaranya validitas isi (content validity) dan validitas konsep (concept validity).

Validitas Isi

Validitas isi atau content validity memastikan bahwa pengukuran memasukkan sekumpulan item yang memadai dan mewakili yang mengungkap konsep. Semakin item skala mencerminkan kawasan atau keseluruh konsep yang diukur, semakin besar validitas isi. Atau dengan kata lain, validitas isi merupakan fungsi seberapa baik dimensi dan elemen sebuah konsep yang telah digambarkan.

Validitas muka (face validity) dianggap sebagai indeks validitas isi yang paling dasar dan sangat minimum.  Validitas isi menunjukkan bahwa item-item yang dimaksudkan untuk mengukur sebuah konsep, memberikan kesan mampu mengungkap konsep yang hendak di ukur.

Validitas Konsep

Validitas konsep atau concept validity menunjukkan seberapa baik hasil yang diperoleh dari pengukuran cocok dengan teori yang mendasari desain test. Hal ini dapat dinilai dari validitas konvergen dan validitas diskriminan.

Validitas konvergen terpenuhi jika skor yang diperoleh dengan dua instrument berbeda yang mengukur konsep yang sama menunjukkan korelasi yang tinggi.

Validitas diskriminan terpenuhi jika berdasarkan teori, dua variabel diprediksi tidak berkorelasi, dan skor yang diperoleh dengan mengukurnya benar-benar secara empiris membuktikan hal tersebut.

Secara umum, Sekaran (2006) membagi beberapa istilah validitas sebagai berikut :

1. Validitas isi yaitu apakah pengukuran benar-benar mengukur konsep ?2. Validitas muka yaitu apakah para ahli mengesahkan bahwa instrument mengukur apa

yang seharusnya diukur3. Validitas berdasarkan criteria yaitu apakah pengukuran membedakan cara yang

membantu memprediksi criteria variabel4. Validitas konkuren yaitu apakah pengukuran membedakan cara yang membantu

memprediksi criteria saat ini ?5. Validitas prediktif yaitu apakah pengukuran membedakan individual dalam

membantu memprediksi di masa depan ?6. Validitas Konsep yaitu apakah instrument menyediakan konsep sebagai teori ?

7. Validitas konvergen yaitu apakah dua instrument mengukur konsep dengan korelasi yang tinggi ?

8. Validitas diskriminan yaitu apakah pengukuran memiliki korelasi rendah dengan variabel yang diperkiraka tidak ada hubungannya dengan variabel tersebut ?

Referensi :

Uma Sekaran. 2006. Metode Riset Bisnis. Jakarta : Salemba Empat

Uji Validitas dan Reliabilitas SPSS   15 A. VALIDITAS DAN RELIABILITAS

Reliabilitas adalah ukuran yang menujukkan bahwa alat ukur yang digunakan dalam penelitian keperilakukan mempunyai keandalan sebagai alat ukur, diantaranya di ukur melalui konsistensi hasil pengukuran dari waktu ke waktu jika fenomena yang diukur tidak berubah (Harrison, dalam Zulganef, 2006). Sementara 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)

Penelitian memerlukan data yang betul valid dan reliabel. Dalam rangka urgensi ini, maka kuesioner sebelum digunakan sebagai data penelitian primer, terlebih dahulu diujicobakan ke sampel uji coba penelitian. Uji coba ini dilakukan untuk memperoleh bukti sejauh mana ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya

Definisi validitas dan reliabilitas dapat dilihat di sini

B. CONTOH KASUS

Akan di uji validitas dan reliabilitas variabel kepuasan kerja. Variabel ini berjumlah 5 indikator yang diadaptasi dari Intrinsic factor dari teori dua factor Herzberg meliputi pekerjaan itu sendiri, keberhasilan yang diraih, kesempatan bertumbuh, kemajuan dalam karier dan pengakuan orang lain.

Skala yang digunakan adalah skala Likert 1 – 5 dengan jumlah sampel sebanyak 30. Setelah angket ditabulasi maka diperoleh data sbb (Data Reliabilitas)

C. PENYELESAIAN

Tahap 1. Analisis Faktor

Klik Analyze – Data Reduction – Factor

Masukkan seluruh pertanyaan ke box “Variables”

Klik Desctiptive – Aktifkan KMO and Bartlett’s Test of Specirity dan Anti-Image

Klik Rotation : Aktifkan Varimax

Hasil Analisis Faktor

Nilai KMO sebesar 0.840 menandakan bahwa instumen valid karena sudah memenuhi batas 0.50 (0.840 > 0.50)

Korelasi anti image menghasilkan korelasi yang cukup tinggi untuk masing-masing item, yaitu 0.850 (X1), 0.791 (X2), 0.856 (X3), 0.956 (X4) dan 0.804 (X5). Dapat dinyatakan bahwa 5 item yang digunakan untuk mengukur konstruk kepuasan instrinsik memenuhi kriteria sebagai pembentuk konstak.

Output ketiga adalah Total variance Explained menunjukkan bahwa dari 5 item yang digunakan, hasil ekstraksi SPSS menjadi 1 faktor dengan kemampuan menjelaskan konstak sebesar 72.132% .

Dengan melihat component matrix terlihat bahwa seluruh item meliputi pekerjaan itu sendiri (x1), keberhasilan yang diraih (x2), kesempatan bertumbuh (x3), kemajuan dalam karier (x4) dan pengakuan orang lain (x5) memiliki loading faktor yang besar yaitu di atas 0.50. Dengan demikian dapat dibuktikan bahwa 5 item valid.

Tahap 2

Pilih Analyze > Scale > Reliability Analysis

Masukkan semua variabel (item 1 s/d 5) ke kotak items

Klik Kotak Statistics, lalu tandai ITEM, SCALE, dan SCALE IF ITEM DELETED pada kotak DESCRIPTIVES FOR > Continue

Klik OK

Maka akan tampil output sebagai berikut :

D. INTERPRETASI

Reliabilitas

Sekaran (dalam Zulganef, 2006) yang menyatakan bahwa suatu instrumen penelitian mengindikasikan memiliki reliabilitas yang memadai jika koefisien alpha Cronbach lebih besar atau sama dengan 0,70. Sementara hasil uji menunjukkan koef cronbach alpha sebesar 0.900, dengan demikian dapat disimpulkan bahwa variabel ini adalah reliabel.

Analisis Item

Model pengujian menggunakan pendekatan korelasi item-total dikoreksi (corrected item-total correlation) untuk menguji validitas internal setiap item pernyataan kuesioner yang disusun dalam bentuk skala. Untuk menentukan apakah sebuah item dinyatakan valid atau tidak maka para ahli menetapkan patokan besaran koefisien korelasi item total dikoreksi sebesar 0,25 atau 0,30 sebagai batas minimal valid tidaknya sebuah ítem. Artinya, sama atau lebih besar dari 0,25 atau 0,30 mengindikasikan item tersebut memiliki validitas yang memadai (dalam Kusnendi, 2008:96)

Berdasarkan hasil uji yang diperlihatkan seluruh item pernyataan yang diberikan memiliki nilai koefisien korelasi lebih besar dari 0,30 maupun dengan cara membandingkannya dengan r tabel. Dengan demikian, item-item pernyataan yang diberikan dalam kuesioner telah memenuhi syarat valid dan dapat diikutsertakan dalam analisis data selanjutnya.

Lebih Lanjut Tentang Validitas

Validitas memiliki beberapa jenis antara lain : validitas isi (content validity), validitas berdasarkan kriteria (criterion-related validity) dan validitas konsep (contruct validity).

Validitas isi memastikan bahwa pengukuran memasukkan sekumpulan item yang memadai dan mewakili konsep, validitas berdasarkan kriteria terpenuhi jika pengukuran membedakan individu menurut suatu kriteria yang diharapkan diprediksi, dan validitas konsep menunjukkan seberapa baik hasil yang diperoleh dari penggunaan ukuran cocok dengan teori yang mendasari desain test. Penjelasannya bisa dilihat disini

Tentang Corrected Item-Total Correlation

Contoh di atas menggunakan uji validitas internal dengan menggunakan teknik korelasi item-total dikoreksi (corrected item total correlation). Teknik ini digunakan untuk menghilangkan spurious overlap (Guilford, dalam Saifuddin Azwar, 2003), yaitu adanya tumpang tindih atau pengaruh kontribusi masing-masing skor item terhadap skor total. Untuk menghilangkan efek spiruous overlap tersebut maka koefisien korelasi item-total dikoreksi dengan nilai simpangan baku (standard deviation) skor item dengan skor total (dalam Kusnendi, 2008)

Penjelasan Corrected item-total correlation dapat anda baca lebih dalam di Paper :

George W. Bohrnstedt . A Quick Method for Determining the Reliability and Validity of Multiple-Item Scale. American Sociological Review, Vol. 34, No. 4 (Aug., 1969), pp. 542-548

atau dibuku Robert B. Burns, Richard Burns, Robert P Burns. “Business Research Methods and Statistics Using SPSS”,  p. 430

Tentang Cronbach Alpha

Cronbach’s alpha is a measure of internal consistency, that is, how closely related a set of items are as a group.  A “high” value of alpha is often used (along with substantive arguments and possibly other statistical measures) as evidence that the items measure an underlying (or latent) construct. However, a high alpha does not imply that the measure is unidimensional. If, in addition to measuring internal consistency, you wish to provide evidence that the scale in question is unidimensional, additional analyses can be performed. Exploratory factor analysis is one method of checking dimensionality. Technically speaking, Cronbach’s alpha is not a statistical test – it is a coefficient of reliability (or consistency).

Source : http://www.ats.ucla.edu/stat/spss/faq/alpha.html

Didasarkan pada penjelasan di atas, maka penggunaan cronbach alpha bukanlah satu-satunya pedoman untuk menyatakan instrumen yang digunakan sudah reliabel. Untuk mengecek unidimensional pertanyaan diperlukan analisis tambahan yaitu ekplanatory factor analysis.

Teknik Yang Lebih Akurat Untuk Mengukur Validitas dan Reliabilitas

Untuk teknik yang lebih akurat untuk menguji validitas dan reliabilitas adalah analisis faktor konfirmatory. Menurut Joreskog dan Sorbom (1993), CFA digunakan untuk menguji “theoritical or hypotesical concepts, or contruct, or variables, which are not directly measurable or observable”.

Penjelasan Hair, dkk (2006) mengenai CFA adalah :

“CFA is way of testing how well measured variables represent a smaller number of contruct…CFA is used to provide a confirmatory test of our measurement theory. A Measurement theory specifies how measured variables logically and systematically represent contruct involved in a theoretical model. In Order words, measurement theory specifies a series relationships that suggest how variables represent a latent contruct that is non measured directly” (dalam Kusnendi, 2008:97).

Penjelasan CFA lihat di sini

Referensi :

Kusnendi. 2008. Model_Model Persamaan Struktural. Bandung : Alfabeta, p.94

Zulganef. 2006. Pemodelan Persamaan Struktur dan Aplikasinya menggunakan AMOS 5. Bandung : Pustaka

Contoh-Contoh Pengujian dan Artikel Penting : 

Analisis faktor dengan SPSS

CFA dengan LISREL

Eksternal Link

Psychometric testing OA pain measure by Hawker, GA, dkk

Development and Psychometric Evaluation of the Impact of Health Information Technology (I-HIT) Scale by Patricia C Dykes, dkk

Construct Validity : Advances in Theory and Methodology by Milton E. Strauss, Gregory T. Smith

KOMENTAR PILIHAN

Dari Pak. Wahyu, Yogyakarta.

Referensi mengenai psikometri menyarankan bahwa sebelum menghitung r-it sebagai koefisien validitas aitem, skor tes harus dibuktikan valid terlebih dahulu, karena bisa saja butir memiliki r-it tinggi, akan tetapi tidak valid dalam mengukur.

ReferensiFishman, J.A., & Galguera, T. (2003). Introduction to Test Construction in the Social and Behavioral Sciences: A Practical Guide. Lanham, MD: Rowman & Littlefield Publishers, Inc. [page 64]

Penjelasan Lengkap bisa di dilihat disini

Terimakasih atas masukan dari Pak Wahyu.

UJI AUTOKORELASI dengan   spss By Hendry

Tentang Uji Autokorelasi

Autokorelasi umumnya terjadi pada data time series. Hal ini karena observasi-observasi pada data timeserie mengukuti urutan alamiah antarwaktu sehingga observasi-observasi secara berturut-turut mengandung interkorelasi, khususnya jika rentang waktu diantara observasi

yang berurutan adalah rentang waktu yang pendek, seperti hari, minggi atau bulan. Gujarati (2012)

Istilah autokorelasi adalah korelasi di antara anggota seri dari observasi-observasi yang diurutkan berdasarkan waktu. Dalam kaitannya dengan asumsi OLS, autokorelasi merupakan korelasi antara satu variabel gangguan dengan variabel gangguan lain.

Konsekuensi Autokorelasi

Menurut Gujarati (2012), keberadaan autokorelasi pada OLS memiliki konsekuensi antara lain : estimasi OL masih linier dan tidak bias, serta konsisten dan secara asumtotis terdistribusi secara normal, namun estimator-estrimator tersebut tidak lagi efisien (memiliki varian terkecil).

Widarjono (2009) melanjutkan, jika varian tidak minimum, maka menyebabkan perhitungan standar error metode OLS tidak lagi dipercaya kebenarannya. Selanjutnya, interval estimasi maupun uji hipotesis yang didasarkan pada distribusi t maupun F tidak lagi bisa dipercaya untuk evaluasi hasil regresi.

 

UJI NORMALITAS UJI NORMALITAS

Normalitas dalam statistik parametric seperti regresi dan Anova merupakan syarat pertama. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal.  Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan melalui dua pendekatan yaitu melalui pendekatan grafik (histogram dan P-P Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun Shapiro-Wilk

Bagaimana mengatasi masalah normalitas ?

Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak normal; yaitu :

1.       Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari data (bahasan outliner akan dibahas kemudian)

2.       Melakukan transformasi data

3.       Menggunakan alat analisis nonparametric

(bahasan mengatasi masalah normalitas akan dibahas terpisah)

Contoh Kasus :

AKan diuji pengaruh pengaruh kinerja keuangan terhadap return saham. Variabel independen yang digunakan adalah variabel kinerja keuangan yang diwakili oleh rasio EPS, PER, DER,

ROA, ROE, sedangkan variabel dependen/variabel yang dijelaskan yang diteliti adalah return saham perusahaan

Data diperoleh dari kinerja keuangan diperoleh dari ICMD, sementara data saham diperoleh dari yahoo finance (lihat bagaimana cara memperoleh data saham melalui yahoo)

Rangkuman data adalah sbb :

EPS PER DER ROA ROE RET0.001 0.481 0.295 5.667 0.007 -0.4810.333 0.154 0.362 0.838 0.317 0.1900.205 0.078 1.282 8.755 0.063 0.5970.014 0.121 1.163 6.587 0.081 0.6800.067 0.181 0.806 5.152 0.087 -0.3000.284 0.098 3.125 10.409 0.073 0.3790.077 0.014 0.429 0.838 0.353 0.3630.242 0.083 0.658 -4.470 0.026 0.1780.017 0.073 1.639 2.949 0.195 4.6890.012 1.031 0.433 4.155 0.007 5.6850.083 3.030 0.269 9.388 0.002 12.7160.125 0.054 2.222 2.306 0.299 4.9210.500 0.005 1.852 0.399 1.628 4.0662.890 0.039 1.563 2.786 0.223 7.9449.820 0.084 1.449 0.852 0.694 3.0795.440 0.061 0.645 1.997 0.019 2.7220.063 0.119 1.538 0.917 0.103 0.8880.008 0.170 2.439 1.523 0.054 1.5310.333 0.027 1.042 1.927 0.265 2.2600.100 0.066 2.564 4.499 0.159 4.5990.016 0.065 1.316 1.381 0.037 1.3970.500 0.055 4.762 1.299 0.630 1.799-2.400 0.022 0.014 -0.135 -0.010 0.1000.388 0.106 4.762 2.661 0.031 0.0790.050 0.074 7.143 3.093 0.284 -0.0610.002 0.145 5.263 17.033 0.049 -0.0110.005 0.044 1.316 37.480 0.012 0.318-0.014 -0.377 0.917 -6.211 -0.077 -0.5230.040 0.308 0.260 1.818 0.113 -0.0770.008 0.833 2.857 25.743 0.029 3.800

Penyelesaian

Pertama. Lakukan pengujian regresi ganda seperti biasa, dengan mengklik Analyze – Regression – Linier

Kedua, Masukkan variabel EPS, PER, DER, ROA, ROE ke kotak Independent dan RET ke kotak dependent

Ketiga. Klik Plot, lalu beri tanda pada “HISTOGRAM” dan “NORMAL PROBABILITY PLOT” seperti gambar di bawah

==

Klik Continue, lalu OK

Akan tampil output sbb : (output dapat didownload di sini)

Perhatikan Grafik Histogram dan P-P Plot

Berdasarkan grafik Histogram, diketahui bahwa sebaran data yang menyebar ke semua daerah kurva normal. Dapat disimpulkan bahwa data mempunyai distribusi normal. Demikian juga dengan Normal P-Plot. Data menyebar di sekitar garis diagonal dan mengikuti garis diagonal yang menandakan normalitas data.

Meski dua grafik di atas menunjukkan bahwa model telah memenuhi asumsi normalitas, namun untuk meyakinkan dilakukan uji statistik dengan melihat nilai kurtonis dan Skewness dari residual.

langkah-langkah ujinya :

Lakukan pengujian ulang seperti langkah2 satu dan dua di atas.

Klik Tombol “SAVE”, lalu beri tanda pada pilihan “UNSTANDARDIZED” seperti gambar di bawah

Sekarang kita memperoleh variabel baru yaitu RES_1. Variabel ini adalah data residual.

==

Kemudian dari Menu Utama SPSS, pilih Analyze – Descriptive Statistics, dan pilih sub menu Descriptive

Pada kotak variabel, masukkan data Residual (RES_1)

Aktifkan Kurtonis dan Skewness pada pilihan Option, lalu tekan continue

===

Interprestasi Nilai Skewness dan Kurtosis

Diperoleh nilai Skewness = 1.382 dan Kurtosis 2.458. Dari nilai ini kemudian dapat dihitung nilai ZKurtosis dan ZSkewness dengan formulasi sbb :

ZKurtosis = Kurtosis / sqrt (24/N)

ZSkewness = Skewness / sqrt (6/N)

Maka hasil perhitungannya adalah

ZKurtnosis = 2.748, dan ZSkewness = 3.090

Nilai Z kritis untuk alpha 0.01 adalah 2.58. Berdasarkan nilai ZKurtosis hasil uji menunjukkan bahwa residual adalah normal (ZKurtosis < 2.58), sementara berdasarkan ZSkewness nilai ZSkewness > 2.58 (tidak normal), karena dua pengujian ini berbeda, maka dilakukan uji lanjutan dengan menggunakan teknik Kolmogorov Smirnov

===

Masih menggunakan data yang sama,..

Pilih Analyze – nonparametric, lalu pilih 1-Sample-K-S

Masukkan variabel RES_1 ke kotak “TEST VARIABLE LIST”

Kemudian klik OK

=====

Hasil uji KOLMOGOROV-SMIRNOV menunjukkan bahwa nilai Asymp.Sig adalah sebesar 0.186. Nilai ini jauh lebih besar diatas 0.05 sehingga dapat disimpulkan residual berdistribusi Normal. Lihat Output

Dengan demikian dapat disimpulkan bahwa berdasarkan hasil uji diketahui bahwa model tidak terkena masalah normalitas

Silahkan mencoba dan semoga bermanfaat

NB : agar seluruh output dapat anda cocokkan dengan angka-angka yang saya berikan, maka terlebih dahulu dowload output hasil lengkapnya