Uji Reliabilitas Instrumen

Secara konsep, keandalan/reliabilitas mencerminkan bagaimana baiknya skor observasi (X) berkorelasi dengan skor sebenarnya (T). Sebetulnya di dalam praktek kita tidak dapat menghitung koefisien korelasi antara skor observasi (X) dengan skor sebenarnya (T), dan demikian juga tidak bisa menghitung keandalan antara skor X dan T, seperti persamaan di atas. Walaupun begitu di dalam prakteknya ada rumus untuk memperkirakan keandalan kuesioner. Ada dua perkiraan yang umum digunakan, yaitu :

[1] Split-half reliability

[2] Cronbach's alpha

Kedua perkiraan tersebut merupakan perkiraan konsistensi internal (internal consistency estimates) yang dapat menggambarkan bagaimana baiknya butir-butir dalam skala berkaitan satu sama lain (interrelated). Makin tinggi interaksi antara butir-butir, semakin tinggi keandalan keseluruhan skala.

1. Perkiraan Split-half reliability
   
   Metode ini memperkirakan konsistensi internal dengan jalan membagi skala menjadi dua bagian (misalnya butir bernomor ganjil dan genap, atau skala pertama setengah dan setengah skala kedua), kemudian dibuat analisis korelasi antara dua bagian data tersebut. Suatu korelasi yang tinggi berarti, bahwa dua bagian data tersebut menunjukkan informasi yang konsisten, artinya kalau seorang pelanggan diberi nilai tinggi pada bagian yang satu, dia juga akan diberi skor atau nilai yang tinggi juga di bagian lainnya. Dapat disimpulkan bahwa, butir-butir tersebut mengukur hal yang sama.
   
   Apabila menggunakan metode Split-half untuk memperkirakan keandalan, perlu memasukkan faktor koreksi. Perkiraan keandalan dipengaruhi oleh panjang skala: semakin banyak butir pada skala, semakin tinggi nilai keandalan. Menggunakan metode Split-half, sebenarnya kita memperkirakan keandalan untuk suatu skala setengah dari panjang yang asli. (Ingat skala telah dibagi menjadi dua). Untuk mengontrol uji panjang, kita pergunakan suatu rumus koreksi yaitu rumus Spearman-Brown, yang menghasilkan perkiraan keandalan yang telah dikoreksi.
   
   rumus umumnya :
   
   
   
   dimana :
   
   r_xx adalah perkiraan keandalan kuesioner yang telah dikoreksi.
   
   r₁₂ adalah korelasi dari kedua bagian skala yang telah dibagi menjadi dua, dari kuesioner yang sama.
   
   n adalah banyaknya butir dalam seluruh skala, dibagi oleh banyaknya butir dalam setiap bagian.
   
   Misalnya ada 10 butir dibagi dua, masing-masing lima, maka n = 10/5 = 2.
   
   Sebagai contoh misalnya, kita ingin menghitung keandalan kuesioner yang memuat 10 butir (satu butir = satu pertanyaan, memberikan 1 angka). Dengan menggunakan metode Split-half, kita bagi kuesioner menjadi dua bagian, masing-masing terdiri dari 5 butir kemudian kita hitung koefisien korelasi dari kedua bagian yang setengah-setengah itu. Misalknya koefisien korelasi r₁₂ = 0,70. Selanjutnya karena perkiraan keandalan dipengaruhi oleh panjang skala, kita akan mengoreksi nilai ini agar diperoleh perkiraan keandalan yang lebih baik. Perkiraan keandalan akhir dikoreksi dengan panjangnya skala, akan menjadi :
   
   
   
2. Perkiraan Cronbach's alpha
   
   Perkiraan Cronbach'c alpha juga menunjukkan kepada kita bagaiamana tingginya butir-butir dalam kuesioner berkorelasi/berinteraksi. Berbeda dengan metode keandalan Split-half, perkiraan tidak perlu dilakukan koreksi terhadap panjangnya. Perhitungan perkiraan Cronbach's biasanya dikerjakan dengan bantuan SPSS yang memang dirancang untuk menghitung perkiraan keandalan. Para perkiraan keandalan ini dihitung dengan menggunakan varian butir-butir dan kovarian antarbutir.
   
   rumus umum yang digunakan :
   
   
   
   dimana :
   
   X_ii dan X_ij merupakan elemen dalam matriks kovarian atau matriks korelasi dan k banyaknya butir dalam suatu dimensi tertentu.
   
   Pembilang (numerator) menunjukkan bahwa elemen dalam diagonal matriks kovarian (korelasi) dijumlahkan bersama-sama. Penyebut (denominator) , menunjukkan bahwa semua elemen dari matriks kovarians (korelasi) dijumlahkan bersama-sama.
   
   sumber: Supranto, J. Pengukuran Tingkat Kepuasan Pelanggan: Untuk Menaikkan Pangsa Pasar. Rineka Cipta: Jakarta. 2001.