› Tutorial Olah Data
Cara Uji Validitas dan Reliabilitas Kuesioner di SPSS
Tim Statistician Jokify · Terbit 7 Mei 2026
Instrumen kuesioner yang baik harus memenuhi dua syarat utama: valid (mengukur apa yang seharusnya diukur) dan reliabel (menghasilkan pengukuran yang konsisten). Uji validitas dan reliabilitas dilakukan pada tahap uji coba instrumen — sebelum kuesioner disebarkan ke seluruh sampel penelitian. SPSS menyediakan fitur yang mudah digunakan untuk kedua pengujian ini. Artikel ini memandu Anda dari persiapan data, langkah teknis di SPSS, interpretasi output, penanganan masalah, hingga penulisan hasil di skripsi.
Mengapa Uji Validitas dan Reliabilitas Itu Penting?
Bayangkan Anda menggunakan penggaris yang bengkok untuk mengukur panjang buku — hasilnya tidak akurat meski Anda mengukur berkali-kali dengan penggaris yang sama. Begitu pula kuesioner yang tidak valid dan reliabel: sebanyak apapun data yang dikumpulkan, hasilnya tidak dapat diandalkan untuk menarik kesimpulan yang berarti.
- Validitas memastikan setiap butir pertanyaan benar-benar mengukur konstruk yang dituju. Item yang tidak valid mengukur sesuatu yang berbeda dari yang dimaksud — misalnya item tentang "kepuasan gaji" yang sebenarnya lebih mencerminkan "beban kerja".
- Reliabilitas memastikan hasil pengukuran konsisten jika dilakukan berulang kali dalam kondisi yang sama. Instrumen yang reliabel menghasilkan respons yang stabil dari waktu ke waktu (asumsi kondisi responden tidak berubah).
Keduanya bersifat saling melengkapi: instrumen bisa reliabel namun tidak valid (konsisten mengukur hal yang salah), tetapi instrumen yang valid selalu reliabel dalam batas tertentu.
Jenis Validitas dalam Penelitian Kuesioner
Sebelum masuk ke teknis SPSS, penting memahami bahwa "validitas" dalam penelitian kuesioner memiliki beberapa dimensi:
| Jenis Validitas | Definisi | Cara Mengujinya |
|---|---|---|
| Validitas isi (content validity) | Seberapa baik item mencakup semua aspek konstruk | Penilaian pakar (expert judgment), tidak diuji statistik |
| Validitas konstruk (construct validity) | Seberapa baik instrumen mengukur konstruk teoretis | Analisis faktor konfirmatori (CFA) |
| Validitas konvergen (convergent validity) | Item dalam satu konstruk berkorelasi satu sama lain | Average Variance Extracted (AVE) |
| Validitas diskriminan (discriminant validity) | Konstruk berbeda tidak terlalu berkorelasi | AVE vs. korelasi antar konstruk |
| Validitas item (item validity) | Setiap item berkorelasi dengan skor total variabelnya | Korelasi item-total di SPSS |
Untuk skripsi S1 dan S2 dengan metode survei, yang paling umum digunakan adalah validitas item melalui korelasi item-total (corrected item-total correlation) — inilah yang dibahas secara teknis dalam artikel ini.
Persiapan Sebelum Uji Coba Instrumen
Ukuran Sampel Uji Coba
Uji coba instrumen menggunakan sampel terpisah dari sampel penelitian utama — responden harus memiliki karakteristik yang serupa dengan populasi target, tetapi tidak boleh sama dengan responden yang akan digunakan dalam pengumpulan data utama.
| Ukuran Sampel Uji Coba | Konsekuensi pada r Tabel |
|---|---|
| n = 20 | r tabel (α=5%) = 0,444 — standar tinggi, banyak item mungkin gugur |
| n = 25 | r tabel = 0,396 |
| n = 30 | r tabel = 0,361 — standar yang paling umum digunakan |
| n = 40 | r tabel = 0,312 — lebih banyak item yang lolos |
| n = 50 | r tabel = 0,279 — paling longgar |
Rekomendasi: gunakan minimal 30 responden untuk uji coba. Dengan 30 responden, r tabel pada α = 0,05 (two-tailed, df = n-2 = 28) adalah 0,361.
Input Data di SPSS
- Buka SPSS dan masukkan data di Data View.
- Setiap baris = satu responden uji coba.
- Setiap kolom = satu butir pertanyaan (item).
- Beri nama kolom secara sistematis dan konsisten:
- Variabel X₁ (Motivasi):
M1,M2,M3,M4,M5 - Variabel X₂ (Disiplin):
D1,D2,D3,D4 - Variabel Y (Kinerja):
K1,K2,K3,K4,K5
- Variabel X₁ (Motivasi):
- Tambahkan label nilai di Variable View jika skala Likert menggunakan angka 1–5.
Penting: Jangan mencampurkan item dari variabel yang berbeda dalam satu analisis. Lakukan uji validitas dan reliabilitas secara terpisah untuk setiap variabel.
Bagian 1: Uji Validitas
Prinsip Korelasi Item-Total
Metode yang digunakan SPSS adalah Corrected Item-Total Correlation — korelasi antara skor satu item dengan skor total variabel, setelah mengeluarkan kontribusi item itu sendiri dari skor total. Koreksi ini penting karena tanpanya, item selalu tampak berkorelasi dengan skor total (karena item tersebut merupakan bagian dari skor total), sehingga nilai korelasi menjadi inflasi.
Kriteria validitas:
- Item dinyatakan valid jika r hitung (Corrected Item-Total Correlation) > r tabel
- r tabel ditentukan berdasarkan df = n-2 dan α = 0,05 (two-tailed)
Langkah-Langkah Uji Validitas di SPSS
Langkah 1: Klik Analyze di menu utama.
Langkah 2: Pilih Scale, kemudian klik Reliability Analysis.
Langkah 3: Pada kotak dialog Reliability Analysis:
- Pindahkan semua item dari satu variabel (misalnya semua item Motivasi: M1, M2, M3, M4, M5) ke kotak Items.
- Pastikan Model diset ke Alpha.
Langkah 4: Klik tombol Statistics.
Langkah 5: Pada kotak dialog Statistics:
- Di bagian Descriptives for, centang: Item, Scale, dan Scale if item deleted.
- Di bagian Inter-Item, centang: Correlations.
- Di bagian Summaries, centang: Means dan Variances.
- Klik Continue.
Langkah 6: Klik OK untuk menjalankan.
Ulangi langkah 1–6 secara terpisah untuk setiap variabel (X₂, X₃, Y, dst.).
Membaca Output Validitas: Tabel Item-Total Statistics
Item-Total Statistics (Variabel Motivasi, n=30)
Scale Mean if Scale Variance if Corrected Item- Cronbach's Alpha
Item Deleted Item Deleted Total Correlation if Item Deleted
M1 18.73 12.409 .621 .812
M2 18.90 12.162 .587 .820
M3 19.07 11.789 .643 .807
M4 19.13 13.085 .312 .864
M5 18.87 12.602 .598 .817
Kolom kunci: Corrected Item-Total Correlation — ini adalah r hitung untuk setiap item.
Interpretasi (r tabel = 0,361 untuk n=30):
| Item | r hitung | r tabel | Keterangan |
|---|---|---|---|
| M1 | 0,621 | 0,361 | Valid |
| M2 | 0,587 | 0,361 | Valid |
| M3 | 0,643 | 0,361 | Valid |
| M4 | 0,312 | 0,361 | Tidak Valid |
| M5 | 0,598 | 0,361 | Valid |
Item M4 (r hitung = 0,312 < 0,361) dinyatakan tidak valid dan perlu dihapus atau direvisi.
Kolom Cronbach's Alpha if Item Deleted juga berguna: perhatikan bahwa jika M4 dihapus, α keseluruhan naik dari 0,838 menjadi 0,864. Ini mengonfirmasi bahwa menghapus M4 memperbaiki kualitas instrumen.
Bagian 2: Uji Reliabilitas dengan Cronbach Alpha
Apa Itu Cronbach Alpha?
Cronbach Alpha (α) adalah koefisien yang mengukur konsistensi internal suatu instrumen — seberapa baik semua item dalam satu variabel "bergerak bersama" dalam mengukur konstruk yang sama. Semakin tinggi α, semakin konsisten item-item tersebut satu sama lain.
Formula sederhana: α naik ketika korelasi antar item tinggi dan jumlah item lebih banyak.
Kriteria Reliabilitas
| Nilai Cronbach Alpha | Interpretasi | Kelayakan |
|---|---|---|
| α ≥ 0,90 | Sangat tinggi / excellent | Sangat layak |
| 0,80 ≤ α < 0,90 | Tinggi / good | Layak |
| 0,70 ≤ α < 0,80 | Cukup tinggi / acceptable | Layak |
| 0,60 ≤ α < 0,70 | Cukup / questionable | Dapat diterima dengan catatan |
| α < 0,60 | Rendah / poor | Tidak reliabel; instrumen perlu direvisi |
Batas minimum yang umum diterima dalam penelitian sosial adalah α ≥ 0,60 (Nunnally, 1978). Namun banyak pembimbing skripsi di Indonesia mensyaratkan α ≥ 0,70 sebagai standar yang lebih aman.
Membaca Output Reliabilitas: Tabel Reliability Statistics
Reliability Statistics (Variabel Motivasi, setelah M4 dihapus)
Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items
.864 .867 4
Interpretasi: α = 0,864 → berada dalam kategori Tinggi / good (0,80 ≤ α < 0,90) → instrumen variabel Motivasi reliabel.
Contoh Kasus Lengkap: Penelitian Kepuasan Pelanggan (n=35)
Seorang mahasiswa meneliti kepuasan pelanggan (Y) yang dipengaruhi oleh kualitas produk (X₁) dan kualitas layanan (X₂) di sebuah kafe. Uji coba dilakukan terhadap 35 responden.
r tabel untuk n=35: df = 33, α=0,05 → r tabel = 0,334.
Hasil uji validitas dan reliabilitas:
| Variabel | Item | r hitung | r tabel | Valid? |
|---|---|---|---|---|
| Kualitas Produk (X₁) | KP1 | 0,712 | 0,334 | Valid |
| KP2 | 0,658 | 0,334 | Valid | |
| KP3 | 0,291 | 0,334 | Tidak Valid | |
| KP4 | 0,734 | 0,334 | Valid | |
| KP5 | 0,681 | 0,334 | Valid | |
| Kualitas Layanan (X₂) | KL1 | 0,571 | 0,334 | Valid |
| KL2 | 0,543 | 0,334 | Valid | |
| KL3 | 0,612 | 0,334 | Valid | |
| KL4 | 0,489 | 0,334 | Valid | |
| Kepuasan Pelanggan (Y) | KP1 | 0,643 | 0,334 | Valid |
| KP2 | 0,718 | 0,334 | Valid | |
| KP3 | 0,597 | 0,334 | Valid | |
| KP4 | 0,667 | 0,334 | Valid |
Langkah selanjutnya: Item KP3 dari variabel Kualitas Produk dihapus. Uji reliabilitas dijalankan ulang pada 4 item yang tersisa:
| Variabel | Cronbach Alpha | N of Items | Reliabel? |
|---|---|---|---|
| Kualitas Produk (X₁) — setelah hapus KP3 | 0,821 | 4 | Ya |
| Kualitas Layanan (X₂) | 0,783 | 4 | Ya |
| Kepuasan Pelanggan (Y) | 0,847 | 4 | Ya |
Narasi untuk skripsi:
"Hasil uji validitas menunjukkan bahwa dari 5 item kuesioner variabel Kualitas Produk, terdapat 1 item yang tidak valid (item KP3, r hitung = 0,291 < r tabel = 0,334) dan 4 item yang valid. Item yang tidak valid dikeluarkan dari instrumen penelitian. Uji reliabilitas pada 4 item yang tersisa menghasilkan nilai Cronbach Alpha sebesar 0,821 > 0,70, sehingga instrumen dinyatakan reliabel. Seluruh item kuesioner Kualitas Layanan (4 item, α = 0,783) dan Kepuasan Pelanggan (4 item, α = 0,847) juga dinyatakan valid dan reliabel, sehingga instrumen final yang digunakan dalam penelitian utama terdiri dari 12 item."
Uji Validitas dengan Cara Alternatif: Korelasi Pearson Bivariate
Sebagai alternatif, beberapa mahasiswa menghitung validitas dengan mengkorelasikan skor tiap item dengan skor total menggunakan Analyze → Correlate → Bivariate.
Cara ini:
- Hitung skor total setiap variabel terlebih dahulu: Transform → Compute Variable, buat variabel baru
Total_X1 = M1 + M2 + M3 + M4 + M5. - Jalankan Analyze → Correlate → Bivariate, masukkan semua item (M1–M5) dan
Total_X1. - Nilai korelasi Pearson antara setiap item dengan
Total_X1adalah nilai r hitung.
Kelemahan metode ini: Nilai korelasi yang diperoleh bukan corrected (item itu sendiri sudah termasuk dalam skor total), sehingga nilainya sedikit lebih tinggi dibandingkan hasil Reliability Analysis. Metode Reliability Analysis lebih direkomendasikan karena menghasilkan corrected item-total correlation yang lebih akurat.
Masalah Umum dan Solusinya
Banyak Item Tidak Valid (> 50%)
Jika lebih dari separuh item gugur, kemungkinan ada masalah mendasar pada instrumen:
- Redaksi pertanyaan ambigu atau sulit dipahami responden
- Konstruk yang diukur tidak koheren (item mengukur hal yang terlalu berbeda-beda)
- Sampel uji coba tidak tepat (karakteristik berbeda dengan populasi target)
Solusi: Tinjau kembali kisi-kisi instrumen (blueprint), revisi redaksi item bermasalah, dan lakukan uji coba ulang dengan sampel yang lebih sesuai.
Cronbach Alpha Rendah (α < 0,60)
Langkah diagnosis:
- Periksa kolom Cronbach's Alpha if Item Deleted — jika menghapus satu item akan meningkatkan α secara signifikan, hapus item tersebut dan jalankan ulang.
- Periksa Inter-Item Correlation Matrix — cari item yang berkorelasi negatif atau mendekati nol dengan item lain. Item seperti ini "tidak berjalan bersama" dengan item lainnya.
- Pertimbangkan apakah semua item benar-benar mengukur satu konstruk yang sama, atau ada dimensi yang terpisah dan seharusnya dibuat variabel tersendiri.
- Tambah jumlah item — Cronbach Alpha secara matematis meningkat seiring bertambahnya item (dengan asumsi kualitas item tidak menurun).
Sampel Uji Coba Terlalu Kecil (n < 20)
Dengan n < 20, r tabel menjadi sangat tinggi — untuk n = 15, r tabel = 0,514 — sehingga banyak item tampak tidak valid meski sebenarnya cukup baik secara konseptual. Kondisi ini membuat keputusan validity menjadi tidak stabil (bergantung pada komposisi 15 orang tersebut). Selalu usahakan minimal 30 responden untuk uji coba.
Alpha Sangat Tinggi (α > 0,95)
Paradoksnya, alpha yang terlalu tinggi (misalnya > 0,95) bisa mengindikasikan redundansi item — item-item terlalu mirip satu sama lain sehingga tidak memberikan informasi tambahan. Dalam situasi ini, pertimbangkan untuk mengurangi item dan memastikan setiap item benar-benar mengukur aspek yang berbeda dari konstruk.
Menyajikan Hasil dalam Skripsi
Tabel Ringkasan Uji Validitas
Sajikan dalam satu tabel per variabel atau satu tabel komprehensif:
| No | Variabel | Item | r hitung | r tabel | Keterangan |
|---|---|---|---|---|---|
| 1 | Kualitas Produk (X₁) | KP1 | 0,712 | 0,334 | Valid |
| 2 | KP2 | 0,658 | 0,334 | Valid | |
| 3 | KP3 | 0,291 | 0,334 | Tidak Valid | |
| 4 | KP4 | 0,734 | 0,334 | Valid | |
| 5 | KP5 | 0,681 | 0,334 | Valid | |
| 6 | Kualitas Layanan (X₂) | KL1–KL4 | 0,489–0,612 | 0,334 | Semua Valid |
| 7 | Kepuasan Pelanggan (Y) | KP1–KP4 | 0,597–0,718 | 0,334 | Semua Valid |
Tabel Ringkasan Uji Reliabilitas
| Variabel | Cronbach Alpha | N of Items | Keterangan |
|---|---|---|---|
| Kualitas Produk (X₁) | 0,821 | 4 | Reliabel |
| Kualitas Layanan (X₂) | 0,783 | 4 | Reliabel |
| Kepuasan Pelanggan (Y) | 0,847 | 4 | Reliabel |
Penutup
Uji validitas dan reliabilitas adalah fondasi dari instrumen penelitian yang dapat dipercaya. Luangkan waktu yang memadai pada tahap ini karena instrumen yang baik akan menghasilkan data yang bermakna dan analisis yang dapat dipertanggungjawabkan secara ilmiah. Jangan tergoda untuk melewati tahap ini demi menghemat waktu — data yang dikumpulkan dengan instrumen yang tidak teruji tidak akan berguna, bahkan bisa membuat seluruh bab hasil penelitian dipertanyakan. Jika Anda memerlukan bantuan teknis dalam proses olah data SPSS, tim Asisten Akademik Jokify siap mendampingi Anda dari input data, uji validitas dan reliabilitas, hingga interpretasi dan penulisan hasil di skripsi.
