Banyak mahasiswa yang berhasil menjalankan uji reliabilitas di SPSS, mendapatkan angka, lalu bingung harus berbuat apa selanjutnya. Nilai 0,72 apakah sudah cukup? Nilai 0,63 apakah perlu diulang? Kalau ada item yang harus dihapus, item mana yang sebaiknya dihapus dan berdasarkan apa?
Inilah masalah yang paling sering muncul saat mengerjakan bagian ini di skripsi. Bukan soal tidak bisa menjalankan SPSS, tapi soal tidak benar-benar memahami apa yang sedang diukur dan bagaimana membaca hasilnya dengan cara yang berguna, bukan sekadar melihat apakah angka lolos atau tidak.
Artikel ini membahas uji reliabilitas dari sudut yang jarang disentuh: bukan prosedur klik-klik saja, tapi juga konteks di balik angka, cara mengambil keputusan ketika hasil tidak sesuai harapan, dan cara menuliskan hasilnya di skripsi dengan penjelasan yang masuk akal. Kalau kamu sedang di tengah proses ini, baca sampai selesai dulu sebelum panik.
Reliabilitas Itu Bukan Soal Angka Lolos atau Tidak
Sebagian besar panduan di internet menyederhanakan reliabilitas jadi satu aturan: nilai di atas batas tertentu berarti lolos, di bawahnya berarti gagal. Cara pandang seperti ini tidak salah sepenuhnya, tapi bisa membuat kamu kehilangan informasi penting yang sebetulnya tersimpan di hasil analisis.
Reliabilitas dalam penelitian kuantitatif bicara tentang konsistensi. Instrumen yang reliabel menghasilkan data yang stabil ketika digunakan dalam kondisi yang setara. Artinya, kalau dua orang dengan karakteristik serupa mengisi kuesioner yang sama, atau satu orang mengisinya di dua waktu berbeda dalam kondisi yang tidak berubah, hasilnya tidak seharusnya berbeda jauh.
Nah, di sinilah letak masalahnya. Ketika kamu hanya fokus pada angka akhir Cronbach Alpha, kamu tidak tahu apakah instrumen itu memang konsisten secara keseluruhan, atau ada beberapa item yang saling tarik-menarik dan kebetulan menghasilkan angka yang terlihat aman.
Bedanya Instrumen yang Konsisten dengan yang Kebetulan Konsisten
Bayangkan kamu punya kuesioner sepuluh item untuk mengukur motivasi belajar. Tujuh item betul-betul mengukur motivasi dari berbagai sudut. Tiga item lainnya terasa ambigu, atau bahkan secara tidak sengaja mengukur hal lain, misalnya kebiasaan belajar atau persepsi tentang dosen.
Kalau mayoritas responden kebetulan menjawab item-item ambigu itu dengan pola yang mirip, Cronbach Alpha kamu bisa tetap terlihat oke. Tapi itu bukan karena instrumennya konsisten secara konseptual, melainkan karena ada pola respons yang menutupi masalah tersebut.
Ini bukan hal yang perlu ditakuti secara berlebihan di level skripsi S1, tapi penting untuk dipahami: angka Cronbach Alpha yang tinggi tidak selalu berarti semua item kamu berkualitas baik. Ia hanya memberitahu seberapa kompak item-item itu bergerak bersama. Makanya, membaca output lebih dari sekadar satu angka itu penting, dan kita akan bahas caranya nanti.
Cronbach Alpha Mengukur Apa Sebenarnya
Sebelum masuk ke SPSS, ada baiknya punya gambaran tentang logika di balik metode ini. Bukan untuk hafal rumus, tapi supaya tidak buta saat membaca hasilnya.
Cronbach Alpha pada dasarnya mengukur seberapa besar item-item dalam kuesioner saling berkorelasi satu sama lain. Kalau setiap item cenderung dijawab dengan pola yang mirip oleh responden, artinya item-item itu mengukur hal yang sama, dan instrumen dianggap konsisten secara internal. Konsistensi internal inilah yang dimaksud dengan reliabilitas dalam konteks kuesioner.
Nilai Cronbach Alpha bergerak dari 0 hingga 1. Semakin mendekati 1, semakin kuat konsistensi internal instrumen. Semakin mendekati 0, semakin lemah, artinya item-item di kuesioner tidak bergerak bersama dan kemungkinan besar tidak mengukur konstruk yang sama.
Kenapa Rumusnya Mempertimbangkan Jumlah Item
Salah satu sifat Cronbach Alpha yang perlu kamu tahu: semakin banyak item yang kamu masukkan, nilainya cenderung lebih tinggi, meskipun tiap item secara individu tidak terlalu kuat. Ini bukan berarti kamu harus menambah item sebanyak-banyaknya supaya nilainya naik. Cara itu tidak tepat karena menambah item yang lemah hanya meningkatkan angka secara semu tanpa memperbaiki kualitas instrumen.
Yang lebih tepat dipahami adalah: Cronbach Alpha sensitif terhadap jumlah item. Kuesioner dengan lima item dan Cronbach Alpha 0,72 sebenarnya bisa jadi lebih solid dibanding kuesioner dua puluh item dengan nilai 0,78, karena dengan item lebih sedikit, korelasi antar-item harus lebih kuat untuk menghasilkan nilai yang sama.
Dari Mana Angka 0,60 dan 0,70 Itu Berasal
Ini salah satu sumber kebingungan yang paling sering muncul. Kamu baca satu referensi bilang batasnya 0,60, referensi lain bilang 0,70. Dosen satu bilang ini, dosen lain bilang itu. Mana yang benar?
Keduanya benar, tergantung sumber rujukan yang digunakan. Angka 0,60 berasal dari Ghozali (2005, 2011) yang banyak digunakan dalam penelitian manajemen dan bisnis di Indonesia. Angka 0,70 berasal dari Hair et al. (2010, 2014) yang lebih sering dipakai dalam penelitian dengan perspektif psikometri atau penelitian internasional.
Selain itu, ada panduan interpretasi yang lebih rinci dari beberapa peneliti. Nilai Cronbach Alpha di atas 0,90 umumnya dianggap mencerminkan reliabilitas sempurna, antara 0,70 hingga 0,90 dianggap reliabilitas tinggi, antara 0,50 hingga 0,70 dianggap moderat, dan di bawah 0,50 dianggap rendah.
Untuk skripsi S1 di Indonesia, nilai 0,60 sudah umum diterima selama kamu menggunakan Ghozali sebagai referensi dan konsisten menyebutkannya di Bab 3. Yang paling penting bukan soal angka mana yang dipakai, tapi apakah kamu bisa menjelaskan dasar pemilihan kriteria itu dengan jelas.
Sebelum Buka SPSS, Ada yang Perlu Dicek Dulu
Banyak mahasiswa langsung membuka SPSS begitu data kuesioner selesai terkumpul. Padahal ada beberapa hal yang perlu dicek terlebih dahulu di file data, karena kalau tidak dicek, hasilnya bisa menyesatkan.
Data yang Sudah Ditabulasi Belum Tentu Siap Dianalisis
Ketika kamu memindahkan jawaban responden ke Excel atau langsung ke SPSS, ada beberapa hal yang perlu dipastikan.
Pertama, pastikan setiap kolom mewakili satu item, bukan satu responden. Struktur data yang benar adalah baris = responden, kolom = item. Kalau strukturnya terbalik atau tidak konsisten, SPSS bisa memproses data yang salah tanpa memberikan peringatan.
Kedua, pastikan skala jawaban sudah seragam. Kalau kuesionermu menggunakan skala Likert 1 sampai 5, semua item harus menggunakan skala yang sama. Kalau ada item yang skalanya berbeda (misalnya 1 sampai 4 atau 1 sampai 7), kamu perlu memutuskan apakah akan menyeragamkan atau memisahkan analisisnya.
Ketiga, periksa apakah ada data kosong (missing value). Satu kuesioner yang tidak diisi lengkap bisa membuat baris itu dikeluarkan dari analisis secara otomatis oleh SPSS. Kalau banyak baris terbuang, ukuran sampelmu berkurang dan itu bisa mempengaruhi stabilitas hasil.
Item Negatif yang Belum Dibalik Sering Jadi Biang Masalah
Ini masalah yang cukup sering terjadi dan sering tidak disadari. Kalau kuesionermu menggunakan item negatif atau item yang disebut unfavorable, misalnya pernyataan yang arahnya berlawanan dengan konstruk yang diukur, skor untuk item tersebut harus dibalik sebelum dianalisis.
Contohnya, kalau kamu mengukur motivasi belajar dan ada item “Saya sering malas pergi ke kelas”, jawaban “Sangat Setuju” justru menunjukkan motivasi rendah. Tapi kalau kamu tidak membalik skornya, SPSS akan menganggap jawaban “Sangat Setuju” sebagai skor tinggi, yang artinya berlawanan dengan item-item lainnya.
Akibatnya, item tersebut akan berkorelasi negatif dengan item-item lain, dan nilai Cronbach Alpha bisa turun drastis, padahal instrumenmu sebetulnya tidak ada masalah. Ini penyebab paling umum dari nilai Cronbach Alpha yang tiba-tiba sangat rendah padahal kuesioner terasa sudah baik secara konseptual.
Cara membaliknya di SPSS cukup mudah: gunakan fitur Transform > Recode into Different Variables, lalu masukkan aturan pembalikan skor sesuai skala yang kamu gunakan. Pastikan kamu menyimpan variabel hasil recoding sebagai kolom baru, jangan menimpa kolom asli.
Cara Menjalankan Uji Reliabilitas di SPSS Langkah per Langkah
Setelah data siap dan item negatif sudah ditangani, kamu bisa mulai menjalankan analisis. Prosesnya tidak rumit, tapi ada beberapa pengaturan yang perlu diperhatikan supaya output yang keluar benar-benar berguna.
Memilih Menu yang Tepat dan Mengatur Output
Berikut langkah-langkah menjalankan uji reliabilitas dengan Cronbach Alpha di SPSS:
- Buka file data kamu di SPSS, pastikan data sudah dalam format yang benar (baris = responden, kolom = item).
- Klik menu Analyze, lalu pilih Scale, kemudian pilih Reliability Analysis.
- Di jendela Reliability Analysis, pindahkan semua item dari variabel yang ingin diuji ke kotak Items di sebelah kanan. Jangan memasukkan kolom skor total, karena itu akan merusak hasil analisis.
- Pastikan opsi Model yang terpilih adalah Alpha. Ini adalah pilihan default dan metode yang paling umum digunakan.
- Klik tombol Statistics, lalu centang opsi Scale if item deleted di bawah bagian Descriptives for. Opsi ini yang akan menghasilkan tabel Item-Total Statistics yang sangat berguna untuk diagnosa.
- Klik Continue, lalu klik OK.
SPSS akan menghasilkan dua tabel utama dalam output: Reliability Statistics dan Item-Total Statistics. Keduanya penting dan harus kamu baca bersama, bukan hanya salah satu.
Tabel Mana yang Perlu Dibaca dan Tabel Mana yang Sering Diabaikan
Tabel Reliability Statistics menampilkan nilai Cronbach Alpha secara keseluruhan. Ini yang biasanya jadi fokus utama. Tapi tabel yang paling sering diabaikan justru yang lebih informatif, yaitu tabel Item-Total Statistics.
Di tabel Item-Total Statistics, ada beberapa kolom yang perlu dipahami:
- Corrected Item-Total Correlation: Ini menunjukkan seberapa kuat korelasi antara satu item dengan total skor semua item lainnya. Nilai yang terlalu rendah (di bawah 0,30) mengindikasikan bahwa item tersebut tidak bergerak selaras dengan item-item lainnya.
- Cronbach’s Alpha if Item Deleted: Ini menunjukkan apa yang akan terjadi pada nilai Cronbach Alpha keseluruhan kalau item tersebut dihapus. Kalau angka di kolom ini lebih tinggi dari nilai Cronbach Alpha saat ini, artinya menghapus item itu akan meningkatkan reliabilitas.
Dua kolom inilah yang memberikan informasi diagnostik paling berguna. Dari sinilah kamu bisa membuat keputusan yang lebih terinformasi, bukan sekadar melihat satu angka di bagian atas.
Membaca Hasil dengan Cara yang Lebih Dari Sekadar Cukup
Mendapat nilai 0,82 lalu langsung menulis “instrumen reliabel” di skripsi memang sudah cukup secara teknis. Tapi ada cara membaca output yang lebih bermakna, terutama kalau kamu ingin benar-benar memahami instrumenmu, atau kalau dosen pembimbingmu termasuk yang kritis soal metodologi.
Corrected Item-Total Correlation Lebih Informatif dari yang Kamu Kira
Nilai Corrected Item-Total Correlation (CITC) pada dasarnya menunjukkan seberapa besar kontribusi setiap item terhadap konsistensi keseluruhan instrumen. Nilai CITC yang tinggi (misalnya di atas 0,50) berarti item itu bergerak kuat bersama item-item lainnya. Nilai yang rendah, terutama di bawah 0,30, berarti item itu berjalan sendiri dan tidak banyak berkontribusi.
Coba bayangkan begini: kamu punya sepuluh orang yang diminta mendorong sebuah benda ke arah yang sama. Kalau delapan orang mendorong ke kanan dan dua orang mendorong ke kiri dengan lemah, hasilnya tetap ke kanan, tapi tidak sekuat kalau semua sepuluh orang mendorong ke arah yang sama. Item dengan CITC rendah adalah orang yang mendorong ke arah berbeda itu.
Dalam praktik, kamu tidak harus langsung menghapus item dengan CITC rendah. Tapi perlu dicatat dan dipertimbangkan, terutama kalau nilai Cronbach Alpha secara keseluruhan masih di bawah batas yang kamu targetkan.
Ketika Nilai Berada di Rentang Abu-abu
Rentang 0,50 hingga 0,69 adalah zona yang paling sering membuat mahasiswa panik. Nilai di sini secara teknis masuk kategori “moderat” menurut sebagian referensi, dan ada yang menyebutnya belum mencukupi menurut referensi lain.
Tabel berikut bisa membantu kamu memetakan situasinya:
| Nilai Cronbach Alpha | Interpretasi Umum | Catatan Praktis |
|---|---|---|
| ≥ 0,90 | Reliabilitas sempurna | Bisa diterima, tapi cek apakah item terlalu mirip |
| 0,70 – 0,89 | Reliabilitas tinggi | Aman untuk hampir semua jenis penelitian |
| 0,60 – 0,69 | Reliabilitas cukup | Bisa diterima dengan rujukan Ghozali, perlu penjelasan |
| 0,50 – 0,59 | Reliabilitas moderat | Perlu dipertimbangkan apakah ada item yang bermasalah |
| < 0,50 | Reliabilitas rendah | Perlu dievaluasi ulang secara serius |
Kalau nilai kamu berada di 0,60 sampai 0,69, langkah yang paling logis bukan langsung menghapus item, tapi membuka tabel Item-Total Statistics dan melihat apakah ada satu atau dua item dengan CITC yang sangat rendah, sekaligus Cronbach’s Alpha if Item Deleted yang jauh lebih tinggi dari angka sekarang. Kalau ada item seperti itu, keputusan untuk menghapusnya jauh lebih bisa dipertanggungjawabkan.
Nilai Cronbach Alpha Rendah Bukan Otomatis Berarti Datamu Buruk
Ini poin yang perlu ditekankan karena sering disalahpahami. Nilai Cronbach Alpha yang rendah tidak selalu berarti data kamu tidak berguna atau penelitianmu bermasalah. Ada beberapa penyebab yang berbeda, dan masing-masing punya penanganan yang berbeda pula.
Beberapa penyebab umum nilai Cronbach Alpha yang lebih rendah dari harapan:
- Item negatif yang belum dibalik skornya, seperti yang sudah dijelaskan sebelumnya.
- Sampel yang terlalu homogen, artinya semua responden punya karakteristik yang sangat mirip sehingga variasi jawaban kecil dan korelasi antar-item jadi tidak terlalu kuat.
- Jumlah item yang terlalu sedikit, karena Cronbach Alpha cenderung lebih rendah kalau hanya ada tiga atau empat item.
- Item yang multidimensi, artinya kuesionermu mungkin sebenarnya mengukur lebih dari satu konstruk, dan memasukkannya dalam satu analisis menurunkan konsistensi internal.
- Redaksi item yang ambigu, sehingga responden menafsirkannya secara berbeda-beda dan pola jawabannya menjadi tidak konsisten.
Hapus Item atau Pertahankan, Ini yang Perlu Dipertimbangkan
Keputusan untuk menghapus item bukan sekadar soal angka. Ada pertimbangan substansif yang perlu masuk ke dalam keputusan ini.
Hal-hal yang perlu dipertimbangkan sebelum menghapus item:
- Apakah item tersebut punya nilai CITC rendah? Kalau di bawah 0,20, item itu hampir tidak berkontribusi pada konsistensi instrumen.
- Apakah menghapusnya secara signifikan meningkatkan Cronbach Alpha? Lihat kolom Cronbach’s Alpha if Item Deleted. Kalau kenaikannya hanya 0,01 atau 0,02, mungkin tidak terlalu perlu.
- Apakah item tersebut secara substansif penting untuk konstruk yang diukur? Kalau item itu mengukur aspek yang unik dari variabel dan tidak ada item lain yang mengukur hal serupa, menghapusnya bisa menciptakan gap dalam cakupan instrumen.
- Berapa item yang tersisa setelah penghapusan? Kalau variabelmu hanya punya empat item dan kamu menghapus satu, pertimbangkan apakah tiga item masih cukup mewakili konstruk.
Pendekatan yang paling sering digunakan di tingkat skripsi adalah: hapus item yang secara bersamaan punya CITC rendah (di bawah 0,30) DAN nilai Cronbach’s Alpha if Item Deleted yang lebih tinggi dari nilai saat ini. Kalau hanya satu kondisi yang terpenuhi, pertimbangan substansif perlu lebih diperhatikan.
Kapan Mengulang Pengambilan Data Memang Diperlukan
Mengulang pengambilan data adalah langkah yang dramatis dan sebaiknya jadi opsi terakhir. Tapi ada situasi di mana itu memang pilihan yang paling tepat.
Mengulang data lebih masuk akal ketika kuesioner punya masalah fundamental, misalnya instrumen terlalu panjang sehingga responden menjawab asal di bagian akhir, banyak item yang redaksinya tidak dipahami responden, atau sampel yang digunakan tidak sesuai dengan karakteristik yang seharusnya. Kalau masalahnya hanya satu atau dua item dengan korelasi rendah, menghapus item lebih efisien dan masih bisa dipertanggungjawabkan secara metodologis.
Cara Menulis Hasil Uji Reliabilitas di Bab 3 Skripsi
Banyak mahasiswa menulis hasil reliabilitas hanya dengan kalimat seperti “nilai Cronbach Alpha sebesar 0,82, sehingga instrumen dinyatakan reliabel.” Secara teknis itu tidak salah, tapi dosen yang kritis biasanya ingin melihat bahwa kamu benar-benar memahami apa yang kamu laporkan, bukan sekadar membandingkan angka dengan batas.
Berikut beberapa contoh kalimat pelaporan yang lebih informatif dan siap digunakan di skripsi, disesuaikan dengan berbagai situasi:
Contoh 1 (nilai aman, langsung lolos):
“Uji reliabilitas dilakukan menggunakan metode Cronbach Alpha dengan bantuan SPSS. Berdasarkan hasil analisis, nilai Cronbach Alpha untuk variabel X diperoleh sebesar 0,82. Mengacu pada kriteria yang dikemukakan Ghozali (2011), instrumen dinyatakan reliabel karena nilai Cronbach Alpha melebihi batas minimum 0,60. Hasil ini menunjukkan bahwa item-item dalam instrumen memiliki konsistensi internal yang baik.”
Contoh 2 (ada item yang dihapus sebelum nilai final):
“Pada pengujian awal, nilai Cronbach Alpha untuk variabel Y diperoleh sebesar 0,61. Setelah dievaluasi melalui tabel Item-Total Statistics, ditemukan bahwa item Y3 memiliki nilai Corrected Item-Total Correlation sebesar 0,18 dan nilai Cronbach’s Alpha if Item Deleted sebesar 0,73. Berdasarkan pertimbangan tersebut, item Y3 dihapus dari analisis. Setelah penghapusan, nilai Cronbach Alpha meningkat menjadi 0,73 dan instrumen dinyatakan reliabel.”
Contoh 3 (nilai moderat dengan penjelasan):
“Hasil uji reliabilitas menunjukkan nilai Cronbach Alpha sebesar 0,64 untuk variabel Z. Merujuk pada Ghozali (2011) yang menetapkan nilai minimum sebesar 0,60, instrumen ini memenuhi kriteria reliabilitas yang dapat diterima. Meskipun nilai tersebut berada dalam kategori cukup, seluruh item menunjukkan nilai Corrected Item-Total Correlation di atas 0,30, yang mengindikasikan konsistensi internal yang memadai untuk penelitian ini.”
Satu Hal yang Perlu Kamu Pahami Sebelum Lanjut ke Analisis Berikutnya
Uji reliabilitas bukan finish line. Ia adalah konfirmasi bahwa kamu bisa melanjutkan analisis dengan instrumen yang konsisten. Tapi konsisten bukan berarti sempurna, dan reliabel bukan berarti valid. Dua hal ini sering disalahpahami sebagai hal yang sama.
Instrumen yang reliabel artinya menghasilkan data yang stabil. Instrumen yang valid artinya mengukur apa yang seharusnya diukur. Kamu bisa punya kuesioner yang sangat konsisten tapi ternyata mengukur hal yang salah, dan kamu bisa punya kuesioner yang valid secara konseptual tapi tidak stabil karena redaksi itemnya membingungkan responden. Makanya uji validitas dan uji reliabilitas selalu dilakukan bersama, dan urutan standar yang umum digunakan adalah: uji validitas dulu, baru kemudian uji reliabilitas hanya pada item-item yang dinyatakan valid.
Satu hal yang tidak perlu ditakuti: nilai Cronbach Alpha yang tidak tinggi-tinggi amat bukan kiamat. Penelitian yang jujur dan terjelaskan dengan baik selalu lebih kuat dari penelitian dengan angka sempurna tapi interpretasinya asal-asalan. Yang paling penting adalah kamu mengerti mengapa nilainya seperti itu, dan kamu bisa menjelaskannya.
REFERENSI
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
Ghozali, I. (2011). Aplikasi Analisis Multivariate dengan Program IBM SPSS 19 (edisi ke-5). Badan Penerbit Universitas Diponegoro.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis (7th ed.). Pearson Prentice Hall.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2014). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.
Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Alfabeta.
Hayes, A. F., & Coutts, J. J. (2020). Use omega rather than Cronbach’s alpha for estimating reliability. Communication Methods and Measures, 14(1), 1–24. https://doi.org/10.1080/19312458.2020.1718629
