1. ✅ Uji Validitas (Ketepatan)
Validitas menunjukkan sejauh mana suatu alat ukur benar-benar dan secara akurat mengukur apa yang memang seharusnya diukur sesuai dengan tujuan pengukuran tersebut. Validitas memastikan bahwa hasil pengukuran tersebut mencerminkan konsep atau variabel yang ingin diketahui dengan tepat dan tidak terdistorsi oleh faktor lain yang tidak relevan.
- AAnalogi: Untuk mengukur berat badan, Anda harus menggunakan timbangan, bukan penggaris. Timbangan adalah alat yang tepat dan valid untuk mengukur berat badan.
- Dalam Kuesioner: Jika Anda ingin mengukur “Kepuasan Pelanggan”, pertanyaan yang diajukan harus benar-benar mencerminkan kepuasan, bukan loyalitas atau aspek lain.
Teknik Pengujian:
- Validitas Isi: Melalui penilaian ahli (expert judgment).
- Validitas Kriteria: Membandingkan hasil alat ukur dengan standar yang sudah ada.
- Validitas Konstruk (Korelasi Pearson): Mengorelasikan skor setiap butir pertanyaan dengan total skor. Jika nilai korelasi ($r_{hitung} > r_{tabel}$), maka butir tersebut dianggap valid.
2. 🛡️ Uji Reliabilitas (Konsistensi)
Reliabilitas menunjukkan sejauh mana suatu alat ukur memberikan hasil yang konsisten jika dilakukan pengukuran berulang pada subjek yang sama.
- Analogi: Jika Anda menimbang benda yang sama tiga kali, dan timbangannya menunjukkan angka 5kg, 5kg, dan 5kg, maka timbangan tersebut reliabel. Jika hasilnya 5kg, 7kg, dan 4kg, maka alat tersebut tidak reliabel.
- Indikator Utama (Cronbach’s Alpha): Ini adalah statistik yang paling sering digunakan.
- Jika nilai $\alpha > 0,60$ (atau $0,70$ tergantung standar), maka instrumen dinyatakan reliabel.
3. 🎯 Hubungan Validitas dan Reliabilitas
Satu hal yang perlu diingat: Alat ukur yang reliabel belum tentu valid, tetapi alat ukur yang valid biasanya reliabel.
- Reliabel tapi Tidak Valid: Timbangan Anda selalu menunjukkan angka yang sama (konsisten), tetapi angkanya selalu lebih berat 2kg dari aslinya (tidak akurat).
- Tidak Reliabel & Tidak Valid: Hasil pengukuran berubah-ubah dan tidak mengenai sasaran.
- Valid & Reliabel: Hasil pengukuran konsisten dan tepat mengenai apa yang ingin diukur.
4. 📈 Regresi Logistik (Langkah Lanjut Analisis)
Jika instrumen data sudah valid dan reliabel, kita bisa masuk ke model prediksi yang lebih spesifik, yaitu Regresi Logistik.
Berbeda dengan Regresi Linear yang memprediksi angka kontinyu (seperti harga rumah), Regresi Logistik digunakan ketika variabel yang ingin diprediksi bersifat Kategorikal/Dikotomi (hanya dua kemungkinan).
- Contoh Penggunaan:
- Memprediksi apakah seorang pasien Sembuh atau Tidak Sembuh berdasarkan dosis obat.
- Memprediksi apakah seorang nasabah akan Gagal Bayar atau Lancar berdasarkan riwayat kredit.
- Memprediksi apakah email tersebut Spam atau Bukan Spam.
Logit Link Function
Regresi logistik tidak menghasilkan garis lurus, melainkan kurva berbentuk “S” (Sigmoid) yang memetakan probabilitas antara 0 dan 1.