Professional Documents
Culture Documents
com/kb/likert-scaling/
Likert Scaling
Like Thurstone or Guttman Scaling, Likert Scaling is a unidimensional
scaling method. Here, I’ll explain the basic steps in developing a Likert or
“summative” scale.
As in all scaling methods, the first step is to define what it is you are trying to
measure. Because this is a unidimensional scaling method, it is assumed that the
concept you want to measure is one-dimensional in nature. You might
operationalize the definition as an instruction to the people who are going to create
or generate the initial set of candidate items for your scale.
Next, you have to create the set of potential scale items. These should be items that
can be rated on a 1-to-5 or 1-to-7 Disagree-Agree response scale. Sometimes
you can create the items by yourself based on your intimate understanding of the
subject matter. But, more often than not, it’s helpful to engage a number of people
in the item creation step. For instance, you might use some form of brainstorming to
create the items. It’s desirable to have as large a set of potential items as possible
at this stage, about 80-100 would be best.
Notice that, as in other scaling methods, the judges are not telling you what they
believe – they are judging how favorable each item is with respect to the construct
of interest.
The next step is to compute the intercorrelations between all pairs of items, based
on the ratings of the judges. In making judgements about which items to retain for
the final scale there are several analyses you can do:
Throw out any items that have a low correlation with the total (summed)
score across all items. In most statistics packages it is relatively easy to
compute this type of Item-Total correlation:
o First, you create a new variable which is the sum of all of the individual
items for each respondent.
o Then, you include this variable in the correlation matrix computation (if
you include it as the last variable in the list, the resulting Item-Total
correlations will all be the last line of the correlation matrix and will be
easy to spot).
o How low should the correlation be for you to throw out the item? There
is no fixed rule here – you might eliminate all items with a correlation
with the total score less that 0.6, for example.
For each item, get the average rating for the top quarter of judges and
the bottom quarter.
o Then, do a t-test of the differences between the mean value for the
item for the top and bottom quarter judges.
o Higher t-values mean that there is a greater difference between the
highest and lowest judges. In more practical terms, items with higher t-
values are better discriminators, so you want to keep these items.
In the end, you will have to use your judgement about which items are most sensibly
retained. You want a relatively small number of items on your final scale (e.g., 10-
15) and you want them to have high Item-Total correlations and high discrimination
(e.g., high t-values).
You’re now ready to use your Likert scale. Each respondent is asked to rate each
item on some response scale. For instance, they could rate each item on a 1-to-
5 response scale where:
1. Strongly disagree
2. Disagree
3. Undecided
4. Agree
5. Strongly agree
The final score for the respondent on the scale is the sum of their ratings for all of
the items (this is why this is sometimes called a “summated” scale). On some
scales, you will have items that are reversed in meaning from the overall direction of
the scale. These are called reversal items. You will need to reverse the response
value for each of these items before summing for the total. That is, if the respondent
gave a 1, you make it a 5; if they gave a 2 you make it a 4; 3 ⇒ 3; 4 ⇒ 2; and, 5 ⇒ 1.
Knowledge Base written by Prof William M.K. Trochim. Changes and additions by
Conjoint.ly. This page was last modified on 5 Aug 2020.
© 2020, Conjoint.ly , Sydney, Australia. ABN 56 616 169 021. For legal and data
protection questions, please refer to Terms and Conditions and Privacy Policy .
Penskalaan Likert
Seperti Thurstone atau Guttman Scaling, Likert Scaling adalah metode penskalaan unidimensi. Di sini,
saya akan menjelaskan langkah-langkah dasar dalam mengembangkan skala Likert atau "sumatif".
Mendefinisikan Fokus
Seperti dalam semua metode penskalaan, langkah pertama adalah menentukan apa yang Anda coba
ukur. Karena ini adalah metode penskalaan satu dimensi, maka diasumsikan bahwa konsep yang ingin
diukur bersifat satu dimensi. Anda mungkin mengoperasionalkan definisi sebagai instruksi kepada
orang-orang yang akan membuat atau menghasilkan kumpulan kandidat item awal untuk skala Anda.
Menghasilkan Item
Selanjutnya, Anda harus membuat set item skala potensial. Ini haruslah item yang dapat diberi peringkat
pada skala tanggapan 1-ke-5 atau 1-ke-7 Tidak Setuju-Setuju. Terkadang Anda dapat membuat item
sendiri berdasarkan pemahaman Anda yang mendalam tentang materi pelajaran. Namun, lebih sering
daripada tidak, melibatkan sejumlah orang dalam langkah pembuatan item sangat membantu. Misalnya,
Anda mungkin menggunakan beberapa bentuk curah pendapat untuk membuat item. Sebaiknya
memiliki sekumpulan besar item potensial pada tahap ini, sekitar 80-100 adalah yang terbaik.
Langkah selanjutnya adalah meminta sekelompok juri menilai item. Biasanya, Anda akan menggunakan
skala peringkat 1 hingga 5 di mana:
Bimbang
Perhatikan bahwa, seperti dalam metode penskalaan lainnya, juri tidak memberi tahu Anda apa yang
mereka yakini - mereka menilai seberapa menguntungkan setiap item dalam kaitannya dengan
konstruksi minat.
Memilih Item
Langkah selanjutnya adalah menghitung interkorelasi antara semua pasangan item, berdasarkan
peringkat juri. Dalam membuat penilaian tentang item mana yang akan dipertahankan untuk skala akhir,
ada beberapa analisis yang dapat Anda lakukan:
Buang item apa pun yang memiliki korelasi rendah dengan skor total (dijumlahkan) di semua item. Di
sebagian besar paket statistik, relatif mudah untuk menghitung jenis korelasi Item-Total ini:
Pertama, Anda membuat variabel baru yang merupakan jumlah dari semua item individu untuk setiap
responden.
Kemudian, Anda memasukkan variabel ini ke dalam perhitungan matriks korelasi (jika Anda
memasukkannya sebagai variabel terakhir dalam daftar, korelasi Item-Total yang dihasilkan semuanya
akan menjadi baris terakhir dari matriks korelasi dan akan mudah dikenali).
Seberapa rendah seharusnya korelasi bagi Anda untuk membuang item tersebut? Tidak ada aturan tetap
di sini - Anda dapat menghilangkan semua item dengan korelasi dengan skor total kurang dari 0,6,
misalnya.
Untuk setiap item, dapatkan peringkat rata-rata untuk juri kuartal teratas dan kuartal terbawah.
Kemudian, lakukan uji-t dari selisih nilai rata-rata item untuk juri kuartal atas dan bawah.
Nilai-t yang lebih tinggi berarti ada perbedaan yang lebih besar antara juri tertinggi dan terendah. Dalam
istilah yang lebih praktis, barang dengan nilai-t lebih tinggi adalah pembeda yang lebih baik, jadi Anda
ingin menyimpan barang-barang ini.
Pada akhirnya, Anda harus menggunakan penilaian Anda tentang item mana yang paling pantas
dipertahankan. Anda menginginkan jumlah item yang relatif kecil pada skala akhir Anda (mis., 10-15)
dan Anda ingin item-item tersebut memiliki korelasi Item-Total yang tinggi dan diskriminasi yang tinggi
(mis., Nilai-t tinggi).
Mengelola Skala
Anda sekarang siap menggunakan skala Likert Anda. Setiap responden diminta untuk menilai setiap item
pada beberapa skala tanggapan. Misalnya, mereka dapat menilai setiap item pada skala tanggapan 1
hingga 5 di mana:
Sangat tidak setuju
Tidak setuju
Bimbang
Setuju
Sangat setuju
Ada berbagai kemungkinan skala respons (1-ke-7, 1-ke-9, 0-ke-4). Semua skala bernomor ganjil ini
memiliki nilai tengah yang sering diberi label Netral atau Undecided. Dimungkinkan juga untuk
menggunakan skala respons pilihan-paksa dengan jumlah respons yang genap dan tidak ada pilihan
netral atau ragu-ragu tengah. Dalam situasi ini, responden dipaksa untuk memutuskan apakah mereka
lebih condong ke akhir skala setuju atau tidak setuju untuk setiap item.
Skor akhir responden pada skala adalah jumlah dari peringkat mereka untuk semua item (inilah
mengapa ini kadang-kadang disebut skala "dijumlahkan"). Pada beberapa skala, Anda akan memiliki
item yang artinya dibalik dari arah keseluruhan skala. Ini disebut item pembalikan. Anda harus membalik
nilai respons untuk masing-masing item ini sebelum menjumlahkan totalnya. Artinya, jika responden
memberi angka 1, Anda jadikan 5; jika mereka memberi 2 Anda menjadikannya 4; 3 ⇒ 3; 4 ⇒ 2; dan, 5
⇒ 1.
Berikut adalah contoh skala Likert sepuluh item yang mencoba memperkirakan tingkat harga diri
seseorang di tempat kerja. Perhatikan bahwa instrumen ini tidak memiliki titik tengah atau titik netral -
responden harus menyatakan apakah dia setuju atau tidak setuju dengan item tersebut.
Harap beri nilai seberapa setuju atau tidak setujukah Anda dengan setiap pernyataan berikut dengan
memberi tanda centang di kotak yang sesuai.