Reliabilitas vs Validitas: Menguji Alat Ukur

Konsisten vs Akurat

Alat ukur yang baik harus reliabel (selalu konsisten) dan valid (mengukur sasaran yang tepat). Keduanya adalah dua pilar terpisah dalam sains yang sering disalahartikan sebagai hal yang sama.

Bayangkan kamu memiliki timbangan badan di kamar. Tiap kali dinaiki, timbangan itu selalu menambahkan tepat 5 kg dari berat badan aslimu. Jika kamu menimbang lima kali berturut-turut, angkanya selalu sama persis. Apakah timbangan tersebut rusak? Ya, timbangan itu tidak akurat. Namun, secara metodologis, alat tersebut memiliki tingkat reliabilitas yang sangat tinggi karena hasilnya selalu konsisten dan stabil (ajek). Di sisi lain, alat tersebut tidak memiliki validitas karena tidak mengukur berat badan yang sebenarnya.

Seseorang duduk di kursi sambil mengayunkan tangan yang memakai jam tangan pintar.

Sebagai perbandingan, perhatikan analogi sensor detak jantung di jam tangan pintar (smartwatch).

Dua pilar ini memegang peran berbeda: reliabilitas adalah urusan konsistensi hasil saat pengukuran diulang, sedangkan validitas adalah urusan kebenaran sasaran apa yang sedang diukur. Sebuah alat ukur bisa saja konsisten, meskipun keliru sasaran.

Menguji Konsistensi Waktu

Membagikan kuesioner yang sama di dua waktu berbeda adalah teknik test-retest untuk mengukur tingkat reliabilitas instrumen.

Pada kasus penelitian sosial di soal, peneliti membagikan kuesioner indeks modal sosial kepada kelompok masyarakat yang sama dalam dua waktu yang berbeda, lalu memperoleh skor yang relatif konsisten. Karena fokus prosedur ini adalah melihat kestabilan hasil pengukuran dari waktu ke waktu pada subjek yang sama, karakteristik metodologis yang berhasil dipenuhi adalah reliabilitas instrumen (membenarkan Opsi C).

Selain membandingkan dua waktu berbeda (test-retest), peneliti juga bisa menguji reliabilitas internal dalam satu kali pengisian kuesioner. Contohnya adalah teknik split-half, di mana butir-butir pertanyaan dalam satu kuesioner dibelah menjadi dua kelompok (misalnya butir bernomor ganjil dan genap). Jika skor kedua belahan tersebut selaras, kuesioner tersebut memiliki konsistensi internal yang baik tanpa harus mengulang survei di hari lain.

Budi mencoba sebuah kuis tes kepribadian di aplikasi media sosial. Pada hari Senin hasilnya menyatakan ia sangat 'Ekstrovert'. Saat ia iseng mengisi kembali dengan profil jawaban jujur yang sama pada hari Jumat, tes tersebut melabelinya sangat 'Introvert'. Berdasarkan prinsip metodologis alat ukur, masalah utama pada kuis kepribadian medsos tersebut adalah ….

  • Tes tersebut tidak memiliki validitas eksternal yang cukup luas.
  • Tes tersebut cacat karena kredibilitas datanya tidak divalidasi.
  • Tes tersebut memiliki tingkat reliabilitas yang sangat rendah.
  • Tes tersebut gagal menerjemahkan validitas konstruk dari kepribadian.

Jawaban: Tes tersebut memiliki tingkat reliabilitas yang sangat rendah.

Hasil tes yang berubah drastis (dari sangat ekstrovert menjadi sangat introvert) pada orang yang sama dalam waktu singkat menandakan alat ukur tersebut tidak ajek atau tidak konsisten. Sifat keajekan ini adalah inti dari reliabilitas instrumen. Pengecoh A salah karena validitas eksternal berkaitan dengan generalisasi ke populasi lain; B salah karena kredibilitas adalah kriteria kualitatif; D salah karena masalah langsungnya terletak pada inkonsistensi skor temporal, bukan pada penurunan definisi teoretis konstruknya.

Teknik test-retest digunakan untuk melihat apakah suatu instrumen memberikan hasil yang ajek pada individu yang sama walau diuji pada hari berbeda.

Mengevaluasi Jenis Validitas

Validitas berfokus pada ketepatan sasaran pengukuran dan ketahanan desain penelitian, yang mana diuji dengan pendekatan berbeda dari uji konsistensi waktu.

Pada soal, penyebutan frasa "indeks modal sosial" sering mengecoh siswa untuk langsung memilih Opsi D (validitas konstruk). Modal sosial memang merupakan sebuah konstruk (konsep teoretis abstrak yang dibangun peneliti). Namun, validitas konstruk tidak diuji dengan sekadar membandingkan skor di dua waktu berbeda, melainkan dengan membuktikan secara teoretis dan statistik apakah butir-butir pertanyaan benar-benar mewakili dimensi modal sosial (seperti rasa percaya dan jaringan sosial), bukan mengukur variabel lain seperti kepatuhan hukum.

Berikut alasan mengapa opsi lainnya tidak tepat untuk skenario ini: