2. SKALA PENGUKURAN

SKALA PENGUKURAN

1.   Skala Likert

Skala Likert adalah suatu skala psikometrik yang umum digunakan dalam kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset berupa survei. Nama skala ini diambil dari nama Rensis Likert, yang menerbitkan suatu laporan yang menjelaskan penggunaannya. Sewaktu menanggapi pertanyaan dalam skala Likert, responden menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu dari pilihan yang tersedia. Biasanya disediakan lima pilihan skala dengan format seperti:

1. Sangat tidak setuju
2. Tidak setuju
3. Netral
4. Setuju
5. Sangat setuju

Contoh Kasus :

Mahasiswa boleh tidak ikut kuliah, asal sungguh-sungguh belajar mandiri.

1. Sangat setuju

2. Setuju

3. Tidak setuju

4. Sangat tidak setuju

Pertanyaan dibuat demikian agar orang berpendapat, tidak bersikap netral atau tidak berpendapat.

Berapa jenjang skala dibuat dalam Skal Likert? Itu amat tergantung pada “kata-kata” yang digunakan di dalam butir (item) Skala Likert. Kalau digunakan model verbal (kata-kata) setuju–tidak setuju, maka paling tidak ada tiga, yaitu setuju–netral–tidak setuju. Perubahan lebih banyak tentu akan mengikuti kutubnya (kutub setuju dan kutub tidak setuju). Jadi, jika ditambah, akan menjadi, misalnya: sangat setuju–setuju–netral–tidak setuju–sangat tidak setuju (ada 5 skala). Tentu bisa jadi tujuh jika ditambahi lagi dengan sangat setuju sekali dan sama sekali tidak setuju. Atau tambahannya berupa “agak setuju” (sebelum setuju) dan “agak tidak setuju” (sebelum tidak setuju). Jika digabungkan, maka jadi sembilan skala (jenjang).

1. Sangat setuju sekali

2. Sangat setuju

3. Setuju

4. Agak setuju

5. Netral

6. Agak tidak setuju

7. Tidak setuju

8. Sangat tidak setuju

9. Sama sekali tidak setuju

Menganalisis data Skala Likert

1. Analisis Frekuensi (Proporsi)

     Nah, yang sering dilakukan kesalahan adalah pada saat menganalisis data dari Skala Likert. Ingat, Skala Likert berkait dengan setuju atau tidak setuju terhadap sesuatu. Jadi, ada dua kemungkinan. Pertama, datanya data ordinal (berjenjang tanpa skor). Angka-angka hanya urutan saja. Jadi, analisisnya hanya berupa frekuensi (banyaknya) atau proporsinya (persentase).

Contoh (pilihan “netral” dalam angket ditiadakan) dengan responden 100 orang:

·         Yang sangat setuju 30 orang (30%)

·         Yang setuju 50 orang (50%)

·         Yang tidak setuju 15 orang (15%)

·         Yang sangat tidak setuju 5 orang (5%).

Jika digabungkan menurut kutubnya, maka yang setuju (gabungan sangat setuju dan setuju) ada 80 orang (80%), dan yang tidak setuju (gabungan sangat tidak setuju dan tidak setuju) ada 20 orang (20%).

2. Analisis Terbanyak (Mode)

Analisis lain adalah dengan menggunakan “mode,” yaitu yang terbanyak. Dengan contoh data di atas, maka jadinya “Yang terbanyak (50%) menyatakan setuju” (Dari data yang sangat setuju 15%, setuju 50%, netral 20%, tidak setuju 10%, sangat tidak setuju 5%).

Skala Likert Sebagai Skala Penilaian

Skala Likert kerap digunakan sebagai skala penilaian karena memberi nilai terhadap sesuatu. Contohnya skala Likert mengenai produk komputer di atas, komputer yang baik atau tidak. Terhadapnya bisa diberlakukan angka skor. Jadi, yang dianalisis skornya. Dalam contoh di atas angka 7 sebagai skor tertinggi. Datanya bukan ordinal, melainkan interval.

Ingat! Pilihan ordinal setuju–agak setuju–netral–kurang setuju–tidak setuju tak bisa diskor. Misalnya setuju diberi skor 5, agak setuju 4, netral 3, kurang setuju 2, dan tidak setuju 1.

Kenapa?

Pertama, tidak logis, yang netral lebih tinggi skornya dari yang tidak setuju. Padahal yang netral itu sebenarnya tidak berpendapat. Kedua, coba jika ada dua orang yang ditanya, yang satu menjawab setuju (skor 5), yang satu lagi menjawab tidak setuju (skor 1).  Berapa reratanya? [5 + 1] : 2 = 3. Skor 3 itu sama dengan netral. Lucu, kan?! Simpulannya kedua orang responden bersikap netral. Padahal realitanya yang satu setuju, yang satu tidak. Nah, ini bisa terjadi juga dengan yang sangat setuju (skor 5) 20 orang, setuju (skor 4) 25 orang, netral (skor 3) 10 orang, tidak setuju (skor 2) 25 orang, dan sangat tidak setuju (skor 1) 20 orang. Berapa rerata skornya? Pasti 3 (netral). Jadi, semua orang (diwakili 100 orang sampel) bersikap netral. Lucu, kan?!!! Padahal yang netral hanya 10 orang (10%)!!!

Skala Penilaian

Di atas dicontohkan Skala Likert untuk penilaian (menilai produk komputer). Sebenarnya tidak perlu menggunakan Skala Likert, cukup skala penilaian (rating scale). Responden diminta menilai produk itu dengan membubuhkan nilai (skor) jika ada kolom kosong untuk menilai, atau memilih skor tertentu yang sudah disediakan. Jadinya skornya bisa bergerak dari 0 sampai dengan  10 sebagai skor tertinggi.

Contohnya mengenai kepuasan konsumen terhadap layanan perpustakaan di bawah ini. Responden cukup diminta melingkari angka skor sesuai dengan penilaiannya.

1. Kemudahan menemukan koleksi       1  2  3  4  5  6  7  8  9  10

2. Kenyamanan ruangan                             1  2  3  4  5  6  7  8  9  10

3. Layanan petugas                                        1  2  3  4  5  6  7  8  9  10

Analisisnya bisa menggunakan dua macam, proporsi (persentase) dan mode (terbanyak menilai berapa), dan rerata atau means (rerata skornya berapa), dan termasuk pengkateorian puas atau tidak puas.

Jelasnya:

Pertama, dihitung banyaknya responden yang memberi nilai pada skor tertentu secara keseluruhan (seluruh butir pernyataan). Lihat yang terbanyak (mode) dari responden memilih pada skor berapa.

Kedua, hitung skor dari keseluruhan butir (responden yang menjawab dikalikan skor), lalu disusun reratanya. Rerata skor itu (bilangannya tentu akan 0 – 10) termasuk kategori tinggi atau rendah. Sebelumnya tentu sudah disusun kategorisasinya. Jadi,  jika rerata skornya misalnya 7,76, angka 7,76 itu termasuk kategori rendah, sedang, ataukah tinggi? Ingat, skor terendah berapa, dan skor tertinggi berapa! Jadi, 7,76 dari rentangan skor 1 – 10 tentu termasuk tinggi

 Kelemahan skala Likert:

1.      Karena ukuran yang digunakan adalah ukuran ordinal, skala Likert hanya dapat mengurutkan individu dalam skala, tetapi tidak dapat membandingkan berapa kali satu individu lebih baik dari individu yang lain. 2. Kadangkala total skor dari individu tidak memberikan arti yang jelas, karena banyak pola respons terhadap beberapa item akan memberikan skor yang sama

2.Skala Guttman

Skala Guttman dikembangkan oleh Louis Guttman. Skala ini mempunyai ciri penting, yaitu merupakan skala kumulatif dan mengukur satu dimensi saja dari satu variabel yang multi dimensi, sehingga skala ini termasuk mempunyai sifat undimensional. Skala Guttman yang disebut juga metode scalogram atau analisa skala (scale analysis) sangat baik untuk menyakinkan peneliti tentang kesatuan dimensi dari sikap atau sifat yang diteliti, yang sering disebut isi universal (universe of content) atau atribut universal (universe attribute). Dalam prosedur Guttman, suatu atribut universal mempunyai dimensi satu jika menghasilkan suatu skala kumulatif yang sempurna,yaitu semua responsi diatur sebagai berikut:

 

Pada pertanyaan yang lebih banyak pola ini tidak ditemukan secara utuh. Adanya beberapa kelainan dapat dianggap sebagai error yang akan diperhitungkan dalam analisa nantinya.

Cara membuat skala guttman adalah sebagai berikut:

1. Susunlah sejumlah pertanyaan yang relevan dengan masalah yang ingin diselidiki.

2. Lakukan penelitiaan permulaan pada sejumlah sampel dari populasi yang akan diselidiki, sampel yang diselidiki minimal besarnya 50.

3. Jawaban yang diperoleh dianalisis, dan jawaban yang ekstrim dibuang. Jawaban yang ekstrim adalah jawaban yang disetujui atau tidak disetujui oleh lebih dari 80% responden.

4. Susunlah jawaban pada tabel Guttman.

5. Hitunglah koefisien reprodusibilitas dan koefisien skalabilitas.

Kelemahan pokok dari Skala Guttman, yaitu:

1. Skala ini bisa jadi tidak mungkin menjadi dasar yang efektif baik intuk mengukur sikap terhadap objek yang kompleks atau pun untuk membuat prediksi tentang perilaku objek tersebut.

2. Satu skala bisa saja mempunyai dimensi tunggal untuk satu kelompok tetapi ganda untuk kelompok lain, ataupun berdimensi satu untuk satu waktu dan mempunyai dimensi ganda untuk waktu yang lain.

3. Skala Diferensial Sematik

Skala Diferensial Semantik (perbedaan semantik) berisikan serangkaian karakteristik bipolar (dua kutub).

 Misalnya: Panas - dingin

              Popular- tidak popular

              Baik – tidak baik dsb.

 

Pada skala perbedaan semantik responden diminta  memberikan penilaian terhadap suatu konsep.

Misalnya:

- Kinerja pegawai

- Gaya kepemimpinan

- Prosedur kerja

- Produktivitas kerja

- Kontrol dan dukungan orang tua terhadap anaknya. Dsb.

Contoh : Berilah tanda x pada skala yang paling cocok dengan anda.

 

 

  

4. Skala Rating 

   Rating Scale yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian  kualitatif.

Contoh : Peneliti ingin mengetahui seberapa harmoniskah hubungan suami istri untuk menciptakan keluarga bahagia.

 

-  Skor tertinggi = 5 x 12 x 25 = 1500

-   hasil skor 25 responden = 1250 (Baik)

            Persentase persepsi 25 responden = 1250 : 1500 x 100 % = 80%.

  

5. Skala Thurstone

·         Skala Thurstone meminta responden untuk memilih pertanyaan yang ia setujui dari beberapa pernyataan yang menyajikan pandangan yang berbeda-beda.

·         Pada umumnya setiap item mempunyai nilai    dari 1 sampai 10, tetapi nilainya tidak diketahui oleh responden.

Contoh:

Merekrut calon dosen statistika fakultas ekonomi di sebuah perguruan tinggi, pilihlah 5 dari 10 pernyataan yang sesuai dengan persepsi anda:

1.   Saya memilih pekerjaan sebagai dosen karena pekerjaan yang mulia untuk mengembangkan ilmu pengetaguan.

2.   Saya akan mengusulkan agar mahasiswa fakultas ekonomi memakai simbol-simbol yang dapat dibanggakan.

3.   Saya merasa tersanjung bila saya lebih memiliki kemampuan dalam mengajar.

4.   Apa yang bisa dibanggakan oleh seorang dosen, bila gaji hanya pas-pasan, berangkat mengajar jalan kaki, di kampus sering berhadapan dengan mahasiswa yang bandel.

5.   Senangnya menjadi dosen apabila berhasil mendemonstrasikan pelajaran kepada mahasiswa yang menghadapi kesulitan di laboratorium statistika.

6.   Sebagai dosen, saya bangga karena dapat mewarisi ilmu.

7.   Semetinya gaji dosen lebih besar daripada gaji pegawai lainnya.

8.   Dosen tidak perlu di awasi dekan.

9.   Sebaiknya dosen membimbing mahasiswa dengan sepenuh hati.

10.  Seorang dosen perlu menyembunyikan identitasnya.

Berdasarkan pernyataan item di atas, dapat di analisis dengan cara sbb:

Peneliti memberikan kunci jawaban dan penilaian yang akurat .

   

Bagian A – Biodata

Pilih dan lingkari jawaban yang tepat

1.  Gender

     1. Laki-laki                   2. Perempuan

3. Umur

     1. 17-20                        2. 21-24              3. 25-28              4. 29 keatas

Bagian B- Soal

Pilih kenyataan yang anda rasa paling tepat dan lingkari skor yang disediakan pada setiap soal di bawah ini.