Teknik Pengolahan Data dengan Implementasikan Uji Validitas

Banyak penelitian pastinya sudah tidak asing menggunakan kuesioner sebagai sebuah panduan untuk melakukan pengumpulan data. Dalam kuesioner telah tersusun beberapa daftar pertanyaan yang akan diajukan kepada responden, operasionalisasi variabel yang akan diuji dan skala pengukuran variabel yang digunakan. Salah satu kriteria kuesioner yang memenuhi persyaratan untuk lanjut dalam proses analisis data adalah telah melewati pengujian validitas dan reliabilitas. Validitas dalam kuesioner menggambarkan seberapa baik penyusunan kuesioner terkait skala pengukuran yang diukur. Suatu kuesioner yang baik harus dapat mengukur seberapa jelas kriteria yang akan dituju. Misalnya ketika seorang peneliti melakukan penelitian terkait dengan kinerja karyawan, maka penyusunan kuesionernya diharapkan sesuai dengan konsep kinerja karyawan. Kuesioner dikatakan valid apabila telah menjelaskan secara rinci dan mampu mengukur kerangka konsep dan skala pengukuran yang dipakai dalam penelitian. Skala pengukuran ini biasanya kehendak dari si peneliti langsung. Bisa skala nominal, ordinal, interval, rasio atau kolaborasi antar berbagai skala. Uji validitas menjadi tanggung jawab yang besar apabila melakukan penelitian menggunakan kuesioner. Sebab, jika seandainya pengujian ini dilewatkan dengan sengaja maka bisa berakibat fatal terkait olahan data maupun analisis data yang menghasilkan data yang tidak terbukti kebenarannya.

Suatu data dapat dikatakan valid apabila instrumen penelitian dapat dipercaya kebenarannya sesuai dengan kenyataan di lapang. Valid juga menggambarkan data dalam penelitian tepat mengukur apa yang seharusnya diukur. Biasanya dalam sebuah penelitian, uji validitas dilakukan dengan korelasi Pearson Product Moment. Cara analisis korelasi Pearson adalah dengan melakukan korelasi antara setiap nilai pada nomor maupun instrumen pertanyaan dengan nilai keseluruhan total pada setiap instrumen pertanyaan. Selanjutnya masing-masing instrumen mendapatkan koefisien korelasi dan dibandingkan dengan r-tabel dan taraf signifikansinya. Taraf signifikansi yang disediakan ada tiga jenis yaitu 0,01, 0,05 dan 0,10. Penentuan taraf signifikansi ini disesuaikan kembali oleh si peneliti, bersedia menentukan sebebas-bebasnya berapa taraf signifikansi yang diinginkan dalam penelitian. Seandainya jika ada item yang tidak memenuhi persyaratan maka item tersebut gugur dan tidak akan diteliti lebih lanjut. Kira-kira apa saja yang menjadi bahasan dalam topik analisis ini sehingga menjadi sebuah teknik pengolahan data yang seringkali digunakan oleh periset atau peneliti dalam menguji validitas suatu kuesioner. Mari kita cari tahu lebih dalam. Pada artikel DQLab kali ini, kita akan membahas mengenai salah satu teknik pengolahan data yaitu uji validitas. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!

1. Mengenal Uji Validitas

Validitas adalah suatu ukuran yang menunjukkan kevalidan atau kesahihan suatu instrumen. Jadi pengujian validitas itu mengacu pada sejauh mana suatu instrumen dalam menjalankan fungsi. Dalam sebuah penelitian memiliki tujuan yakni suatu kebenaran, dalam usaha soal validitas merupakan aspek yang sangat penting. Kebenaran hanya bisa diperoleh dengan instrumen yang valid. Maka dikatakan validitas merupakan esensi kebenaran hasil dari penelitian. Validitas dipandang sebagai konsep yang paling penting dalam sebuah penelitian. Dalam setiap penelitian selalu dipertanyakan validitas alat yang digunakan. Oleh karena itu membuat instrumen yang valid harus mendapat perhatian setiap peneliti.

Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode Pengumpulan Data

2. Jenis-Jenis Validitas

Ada beberapa jenis-jenis dalam uji validitas:

• Validitas Isi

  Validitas Isi merupakan bahwa isi atau bahan yang diuji relevan dengan kemampuan, pengetahuan, pelajaran, pengalaman atau latar belakang orang yang diuji. Jika misalnya kita uji bahan yang ada di luar yang dipelajari maka tes itu tidak memiliki validitas isi. Misalnya menguji kemampuan bahasa Inggris, maka yang perlu dites ialah structure, grammar, vocabulary, reading, writing, listening, bahkan sampai dilakukan tes conversation dan pronunciation.

• Validitas Konstruk

  Ada sifat-sifat yang tidak langsung tampak perwujudannya dalam kelakuan manusia, misalnya kepribadian seseorang. Kepribadian terdiri dari berbagai komponen dengan tes kepribadian kita ingin mengetahui aspek-aspek manakah yang sebenarnya kita ukur. Dengan teknik statistik yang disebut analisis faktor dapat diselidiki berbagi komponen kepribadian tersebut, sehingga tes itu dapat disusun berdasarkan komponen itu. Tes yang demikian ini dikatakan memiliki validitas konstruk. Validitas konstruk digunakan apabila kita menyaksikan apakah gejala yang dites benar-benar hanya mengandung satu dimensi. Bila ternyata gejala tersebut mengandung lebih dari satu dimensi, maka validitas tes itu diragukan. Keuntungan validitas konstruk ini adalah bahwa kita mengetahui komponen-komponen sikap atau sifat yang diukur dengan tes itu.

3. Kriteria Uji Validitas

Hasil pengukuran dikatakan valid apabila terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya ada pada objek yang diukur, ada kesamaan antara hasil tes dengan kondisi yang sesungguhnya dari orang yang diukur. Uji validitas instrumen penelitian dapat dinyatakan valid apabila setiap item pertanyaan yang ada pada kuesioner dapat digunakan untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Indikator dalam kuesioner dapat dikatakan valid apabila nilai r hitung hasilnya lebih besar dari r tabel. Jika nilai validitas setiap jawaban yang didapatkan ketika memberikan daftar pertanyaan nilainya lebih besar dari 0,3 maka item pertanyaan tersebut dapat dikatakan valid.

4. Cara Menentukan Validitas

Proses mengukur validitas faktor tersebut adalah dengan cara menghubungkan atau mengkorelasikan antara skor faktor (penjumlahan dari semua item dalam satu faktor) dengan skor total faktor (total keseluruhan dari faktor). Sedangkan pengukuran validitas item adalah dengan cara mengkorelasikan antara skor item dengan skor total dari semua item yang ada. Indikator dalam kuesioner dapat dikatakan valid apabila nilai r hitung hasilnya lebih besar dari r tabel. Jika nilai validitas setiap jawaban yang didapatkan ketika memberikan daftar pertanyaan nilainya lebih besar dari 0,3 maka item pertanyaan tersebut dapat dikatakan valid.

Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif

5. Belajar Teknik Pengolahan Data Paling Mudah Bersama DQLab!

Penelitian merupakan kegiatan yang terpenting dalam sebuah riset untuk menggali sebuah permasalahan yang terjadi di lapang. Tidak terkecuali dengan adanya pemahaman akan pentingnya analisis data tentunya juga membutuhkan keuletan dan kepiawaian dalam melakukannya. Hal ini juga tidak boleh diabaikan karena pada tahap ini peneliti harus menentukan jenis penelitiannya. Apalagi penentuan teknik pengolahan data juga tidak boleh dianggap enteng. Justru itulah yang merupakan kunci dalam sebuah penelitian. Karena pada dasarnya penerapan analisis data berbeda jika jenis penelitiannya berbeda. Salah satu penerapannya adalah data science yang terdiri dari bidang ilmu matematika, statistik, dan komputer. Dengan mempelajari Data Science, kamu akan terlatih dan terbiasa untuk menghasilkan informasi dari olahan data mentah dan insight yang valuable. 

Jika kamu penasaran dengan data science dan ingin belajar data science dan pengolahan data secara langsung, caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id atau bisa klik button di bawah ini yap. Kamu juga bisa loh cobain Modul lain untuk mengasah kemampuan data science kamu biar lebih oke lagi dan bisa diakses tanpa batas. Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu. Kalian juga bisa mencoba studi kasus penerapan real case industry. Ayo persiapkan dirimu untuk berkarir sebagai praktisi data yang kompeten!

Penulis: Reyvan Maulid