Validitas dan Reliabilitas Instrumen Penelitian

Ketepatan pengujian suatu hipotesa tentang hubungan variabel penelitian sangat tergantung pada kualitas data yang dipakai dalam pengujian tersebut. Data penelitian yang didalam proses pengumpulannya seringkali menuntut pembiayaan, waktu dan tenaga yang besar, tidak akan berguna bilamana alat pengukur yang digunakan untuk mengumpulkan data penelitian tersebut tidak memiliki validitas dan reliabilitas yang tinggi. Pengujian hipotesa penelitian tidak akan mengenai sasarannya, bilamana data yang dipakai untuk menguji hipotesa adalah data yang tidak reliabel dan tidak menggambarkan secara tepat konsep yang diukur.
1. Validitas
Validitas atau tingkat ketepatan adalah kemampuan suatu alat ukur untuk mengukur apa yang ingin diukur. Sekiranya peneliti menggunakan kuesioner di dalam pengumpulan data penelitian, maka kuesioner yang disusun harus mengukur apa yang ingin diukur. Setelah kuesioner tersusun dan teruji validitasnya, dalam praktik belum tentu data yang terkumpulkan adalah data yang valid. Banyak hal-hal lain yang dapat mengurangi validitas data, misalnya apakah si pewawancara mengumpulkan data betul-betul mengikuti petunjuk yang telah ditetapkan dalam kuesioner. Selain itu validitas data akan ditentukan oleh keadaan responden sewaktu diwawancarai.
Hipotesa:
H0 : Item pertanyaan tidak valid
H1 : Item pertanyaan valid
Statistik Uji:
Tingkat Signifikansi : α
Setelah diperoleh nilai r, bandingkan dengan nilai kritis tabel r untuk taraf signifikansi α dan derajat bebas n-2 yaitu nilai rα;n-2. Dimana n merupakan banyaknya observasi. Jika r >rα;n-2, maka Ho ditolak sehingga dapat disimpulkan item pertanyaan signifikan. Hal ini berarti bahwa pertanyan-pertanyaan tersebut valid.
2. Reliabilitas
Reliabilitas atau tingkat keandalan adalah indeks yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan. Bila suatu alat pengukur dipakai dua kali untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relatif konsisten, maka alat pengukur tersebut reliabel. Dengan kata lain, reliabilitas menunjukkan konsistensi suatu alat pengukur di dalam mengukur gejala yang sama.
Hipotesa:
Ho: item-item pertanyaan tidak signifikan ( pertanyaan tidak reliabel)
H1: item-item pertanyaan signifikan ( pertanyaan reliabel)
Cara mengukur reliabilitas data:

dengan αc = nilai Alpha Cronbach
c = banyaknya item/pertanyaan
= varian item ke-j
= varian dari total skor item
Setelah diperoleh nilai αc, bandingkan dengan nilai kritis tabel r untuk taraf signifikansi α dan derajat bebas n-2 yaitu nilai rα;n-2. Dimana n merupakan banyaknya observasi. Jika αc > rα;n-2, maka H0 ditolak sehingga dapat disimpulkan item-item pertanyaan signifikan. Hal ini berarti bahwa kuesioner tersebut reliabel.

Struktural Equation Model

Struktural Equation Model (SEM) yang juga disebut sebagai analisis jalur dengan variabel laten, digunakan untuk spesifikasi dan analisis ketergantungan antara variabel-variabel observasi dan variabel laten (Hwang, 2009).
Dalam SEM variabel kunci yang menjadi perhatian adalah variabel laten. Variabel laten merupakan konsep abstrak yang dapat diamati secara tidak langsung dan tidak sempurna melalui efeknya pada variabel teramati (Wijanto,2008). Variabel laten diukur tidak langsung berdasarkan pada variabel-variabel observasi atau indikator. Variabel laten sendiri terdiri dari dua jenis yaitu endogen dan eksogen yang dibedakan berdasarkan keikutsertaan mereka sebagai variabel. Variabel laten eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang ada pada model. Sedangkan variabel laten endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model, meskipun pada persamaan yang lainnya variabel tersebut adalah variabel bebas.
Dalam penggunaannya, metode SEM terbagi menjadi 3 pendekatan, yaitu:
- Covariance Structure Analysis (CSA)
- Partial Least Square (PLS)
- Generalized Structured Component Analysis (GSCA)
CSA merupakan pendekatan SEM yang berbasis kovarian, sedangkan PLS dan GSCA merupakan pendekatan SEM yang berbasis varian atau componen. CSA dikembangkan pertamakali oleh Joreskog (1973), Kessling (1972), dan Willey (1973). Penggunaan CSA sangat dipengaruhi oleh asumsi parametrik yang harus dipenuhi seperti variabel yang diobservasi harus berdistribusi normal multivariat dan observasi harus independen satu sama lain. Selain itu, pendekatan ini juga mengharuskan dalam membentuk variabel laten, indikator-indikatornya bersifat refleksif. Dalam model indikator refleksif dipandang sebagai variabel yang dipengaruhi oleh variabel laten. Perubahan dalam satu indikator akan berakibat pada perubahan indikator lainnya dengan arah yang sama.
Berbeda dengan CSA, PLS dan GSCA tidak didasarkan pada banyak asumsi. Data tidak harus berdistribusi normal multivariat (indikator dengan skala kategori, ordinal, interval, sampai rasio dapat digunakan pada model yang sama), sampel tidak harus besar (Ghazali,2008). PLS dan GSCA dapat menganalisis sekaligus variabel laten yang dibentuk dengan indikator formatif dan refleksif. Model formatif memandang (secara matematis) indikator seolah-olah sebagai variabel yang mempengaruhi variabel laten, jika salah satu indikator meningkat, tidak harus diikuti oleh peningkatan indikator lainnya dalam satu konstruk, tapi jelas akan meningkatkan variabel latennya.