Jadi udah beberapa hari ini tidak melakukan update post, sebelumnya ada ide tentang menulis artikel perangkat lunak namun jadi buntu karena belum berhasil meng anu kannya. Sekarang karena lagi asyik bermain dengan data maka saya mau menulis tentang uji reliabilitas. Buat yang belum tahu tentang uji reliabilitas ini adalah uji yang dilakukan setelah uji validitas, umumnya uji ini sering menggunakan rumus

• Alpha Cronbach
• Spearman Brown
• Kristoff
• Angoff
• Rullon

Umumnya uji reliabilitas ini menggunakan kuesioner untuk mengukur konsistensi responden dalam menjawab, uji ini dapat dilakukan bersama terhadap seluruh pertanyaan yang diajukan. Seperti yang sudah disampaikan sebelumnya uji ini hanya dilakukan pada butir pertanyaan yang telah melalui uji validitas, pengukuran pada dasarnya bisa dilakukan dengan cara :

• Repeated Measure
  Disini sebuah pertanyaan akan disodorkan kembali pada waktu yang berbeda, kemudian dilihat apakah responden masih konsisten dengan jawabannya.
• One Short
  Disini pertanyaan hanya diajukan sekali untuk kemudian dibandingkan dengan hasil pertanyaan yang lain.

Sebagai acuan umumnya

• Jika nilai Cronbach’s Alpha > 0.60 maka reliabel
• Jika nilai Cronbach’s Alpha < 0.60 maka tidak reliabel

Contoh Kasus

Seorang member dari grup telegram Pegelinux membuat sebuah penelitian dengan menggunakan skala untuk mengetahui kualitas dari static site generator dengan menggunakan skala likert, yaitu:

• Angka 1 = sangat tidak setuju
• Angka 2 = tidak setuju
• Angka 3 = setuju
• Angka 4 = sangat setuju

Kuesioner dibagikan kepada 10 responden, dan didapatkan hasil sebagai berikut

Input data ke R dengan menggunakan perintah

> ujireliabilitas <- data.frame(q01 = numeric(0), q02 = numeric(0), q03 = numeric(0), q04 = numeric(0), q05 = numeric(0), q06 = numeric(0), q07 = numeric(0), q08 = numeric(0), q09 = numeric(0), q10 = numeric(0))
> ujireliabilitas <- edit(ujireliabilitas)

maka akan tampil R Data Editor seperti berikut

Untuk melakukan analisis reliabilitas kita akan menggunakan fungsi alpha dari library psych, jika kamu belum memilikinya silahkan install dengan perintah

install.packages("psych")  
library(psych)  

catatan ggplot2 juga memiliki fungsi alpha jika kamu juga menggunakan ggplot2 kamu bisa memanggil fungsi alpha dengan psych::alpha()

Lakukan analisis dengan perintah berikut

psych::alpha(ujireliabilitas)  

Maka akan menghasilkan keluaran sebagai berikut

Reliability analysis   
Call: psych::alpha(x = ujireliabilitas)

raw_alpha std.alpha G6(smc) average_r S/N
    0.87      0.88       1      0.41   7

Reliability if an item is dropped:
    raw_alpha std.alpha G6(smc) average_r S/N
q01      0.85      0.85    0.98      0.40 5.9
q02      0.86      0.87    0.99      0.42 6.6
q03      0.85      0.85    0.99      0.39 5.7
q04      0.85      0.85    0.98      0.39 5.8
q05      0.87      0.87    0.99      0.42 6.5
q06      0.85      0.85    0.99      0.39 5.7
q07      0.86      0.86    0.99      0.41 6.1
q08      0.88      0.87    1.00      0.44 7.0
q09      0.87      0.87    0.99      0.43 6.9
q10      0.88      0.88    0.99      0.44 7.1

Item statistics 
    r r.cor r.drop
q01 0.77  0.77   0.71
q02 0.64  0.64   0.56
q03 0.82  0.82   0.74
q04 0.79  0.79   0.72
q05 0.66  0.66   0.54
q06 0.81  0.81   0.78
q07 0.72  0.72   0.65
q08 0.56  0.56   0.47
q09 0.57  0.57   0.42
q10 0.53  0.53   0.39

Non missing response frequency for each item
    1   2   3   4 miss
q01 0.1 0.3 0.4 0.2    0
q02 0.0 0.4 0.3 0.3    0
q03 0.1 0.1 0.6 0.2    0
q04 0.1 0.0 0.4 0.5    0
q05 0.0 0.2 0.4 0.4    0
q06 0.0 0.3 0.3 0.4    0
q07 0.2 0.0 0.5 0.3    0
q08 0.2 0.0 0.5 0.3    0
q09 0.0 0.3 0.4 0.3    0
q10 0.0 0.1 0.6 0.3    0

Lalu bagaimana membacanya?

• raw_alpha adalah apa yang kita sebut Cronbach’s Alpha, karena nilainya lebih dari 0.6 maka mengindikasikan bahwa data tersebut reliabel
• std.alpha sebenernya mirip dengan raw_alpha, tapi saat ini kita hanya perlu raw_alpha
• G6 adalah Guttman’s Lambda 6
• average_r adalah rata-rata korelasi antar item (digunakan untuk menghitung std.alpha)
• mean skala mean
• sd skala sd

Selain itu yang perlu dianalisa adalah nilai alpha dari masing-masing item, jika nilanya kurang dari raw_alpha bisa dinyatakan bahwa item tersebut perlu dilakukan perbaikan. Dari data diatas diketahui bahwa item 1, item 2, item 3, item 4, dan item 6 memiliki nilai alpha lebih rendah dari raw_alpha. Hal ini berarti bahwa item 5, item 7, item 8, item 9, dan item 10 adalah reliabel, sehingga dapat digunakan untuk pengujian selanjutnya.