Reliability and Validity of Research Instruments

Correspondence to kubaiedwin@yahoo.com

Critical Analysis of policies on Special Education in Kenya

Edwin Kubai

2019

UNICAF University - Zambia

Introduction

This paper primarily focuses explicitly on two terms namely; reliability and validity as used in

the field of educational research. When conducting any educational study it is worth noting that

designing and measuring the research instruments is very essential especially to novice

researchers. The data collection tools (research instruments) should be designed in such way that

they would be able to accurately measure the intended construct under investigation and ensure

the meaningfulness of the study findings. This would greatly enhance believability and trust

worthiness of the research findings especially if the study is repeated by different investigators

under the same conditions or with different research instruments measuring the same construct. It

is absolutely true to note that reliability and validity are two terms used in any investigation of

which novice researchers find them difficult to differentiate them. They find difficult on how

accurately to explain to the audience if their research instruments meet the minimum threshold

for reliability and validity conditions. It has been noted with concern that most novice

researchers fail to clarify how reliability and validity was achieved in their respective studies due

to lack of sufficient knowledge about the concept or some fail completely to mention about it in

their research methodology. This paper attempts to clarify issues related to reliability and validity

1 © September 15, 2019

of research instruments to ensure tranquility and transferability of research findings. The next

section defines validity and reliability concepts as used in designing research instruments

Definition of Reliability and Validity

According to Drost (2011), reliability is “the extent to which measurements are

repeatable when different people perform the measurement on different occasion, under different

condition, supposedly with alternative instruments which measure the construct or skill”. It can

also be defined as the degree to which the measure of a construct is consistent or dependable. For

instance when several people guess your own weight, the value of the weigth might not be

necessarily correct since it will be inconsistence with the accurate value hence the measurement

is said to be unreliable. If a weighing scale is used by different people to give the value of your

weight then there is likelihood of getting the same value every time a measurement is done hence

this measurement would be said to be reliable. “The extent to which a measure adequately

represents the underlying construct that it is supposed to measure” (Drost, 2011) is called

validity. The term construct refers to the skill, knowledge, attribute or attitude that the researcher

is investigating. For instance if a researcher wanted to measure compassion ,it is vital to know if

the measure would accurately measure compassion or empathy because the two terms are closely

related. Some of the constructs under investigation might be imaginary (they don’t exist in

reality) it is important to develop a scale that would consistently and precisely measure the

intended unobservable construct. Reliability and validity form psychometric properties of

measurement scales that are very important in estimating adequacy and accuracy procedures of a

scientific research as mentioned by Bajpai and Bajpai (2014). The next section discusses types of

reliability and how to use them in designing instrument for educational research.

2 © September 15, 2019

Reliability

From the previous section, reliability has been defined as stability of measurement over a

variety of conditions in which the results should be obtained (Nunnally, 1978). It is basically the

repeatability or replication of research findings. When a study is conducted by a researcher under

some conditions and then the same study is done again for the second time and yields the same

results then the data is said to be reliable. According to Drost (2011), reliability of data from

research instruments is affected by two errors; namely random error and systematic error.

Random error is attributed to a set of unknown and uncontrollable external factors that randomly

influence some observations but not others. For example respondents who might have nicer

moods might respond positively to constructs like self-esteem, happiness and satisfaction as

compared to respondents with bad mood. Random error is seen as noise in measurement hence it

is usually ignored. Systematic error is an error that is introduced by factors that systematically

affect all observations of a construct across the entire sample. Systematic error is considered as a

bias in measurement and should be corrected to yield better results of the sample. The best way

to estimate reliability is to measure the associations between tests, items and raters by calculating

reliability coefficient (Rosnow and Rosenthal, 1991). The following are the type’s reliability;

Test-retest reliability

It is a measure of consistency between measurements of the same construct administered to the

same sample at two different points in time (Drost, 2011). If the correlation between the two sets

of test is significant then observations have not changed substantially hence the aspect of time is

very critical for this type of reliability.

3 © September 15, 2019

Split-half reliability

Heale & Twycross, (2015) defined Split-half reliability as a measure of consistency between two

halves of a construct measure. For example, if a researcher uses a ten-item measure to measure a

construct, the items are divided into half or two sets of even and odd if the total number of items

is an odd one. It is assumed that the number of items for measuring a construct is available and

is measured within the same time period hence minimize the random error. The correlation

between the two halves must be obtained to determine the coefficient of reliability. A practical

advantage of this method is that it is cheaper and obtained easily as compared test retest

reliability where the researcher has to design new set of items to administer later.

Inter-rater reliability

It is also called inter-observer rating or an agreement. It involves rating of observations using a

specific measure but by different judges. The rating is basically independent but happens at the

same time. Reliability is obtained by correlation of scores from the two or more raters on the

same construct or sometimes it is the decision of agreement of the judgments of the same raters.

This is basically used when judges are rating or scoring a piece of an artistic work or music

performance on stage. There scores are correlated to give the Cohen` s Kappa coefficient of

inter-rater reliability especially if the variables are categorical.

Internal consistency reliability

It is a measure of consistency between different items of the same construct. It measures the

consistency within the instrument and questions on how well a set of items measures a particular

characteristic of the test. Single items within a test are correlated to estimate the coefficient of

reliability. Cronbach`s alpha coefficient is used to determine internal consistency between items

(Cronbach, 1951).

4 © September 15, 2019

An individual item of a test might have a small correlation with true scores attest with higher

items might have a higher correlation. For instance, 5-item test might have a correlation of 0.40

while a 12-item test might have a correlation of 0.80. According to Cortina, (1993) coefficient

alpha is used to estimate reliability for item-specific variance in a one-dimensional test. If the

coefficient alpha is low, it means that the test is too short or the items have little in common.

Validity

As defined earlier validity is the extent to which an instrument measures what it purports

to measure. Validity is the trying to explain the truth of research findings as explained by

Zohrabi, (2013). For example does IQ test measure intelligence? Validity is measured using

both theoretical and empirical evidences. Theoretical assessment is where an idea of a construct

is translated or represented into an operational measure. This is done by panel of experts who are

judges or university lectures that rate suitability of each item and evaluates its fitness in the

definition of the construct. Empirical assessment is where validity is based on quantitative

analysis involving statistical techniques. The following are type’s validity in educational

research;

Construct validity

This refers to how a concept, idea or behavior that is a construct is translated or transformed into

functioning and operating reality (Trochim, 2006). This happens especially if the relationship has

its cause and effect hence the construct validity justifies the existence of relationship. Construct

validity is critically substantiated under the following validity; face validity, content validity,

concurrent and predictive validity, and convergent and discriminant validity.

5 © September 15, 2019

Face validity

It is where an indicator seems to be a reasonable measure of its underlying construct “on its

face”. It actually ascertains that the measure is appears to be assessing the intended construct

under investigation. For example the aspect of an individual going to church every Sunday can

make someone conclude that the person is religious which might not be really true. The face

validity is often used by university lectures when assessing research instruments designed by

their students.

Content validity

This is an assessment on how well a set of scale of items matches with the relevant content

domain of the construct that it is trying to measure. According to Bollen (1989), as cited in Drost

(2011) content validity is a qualitative type of validity where the domain of the concept is made

clear and the analyst judges whether the measures fully represent the domain (p.185). The

researcher should design a research instrument that adequately addresses the construct or area

under investigation. For instance if a researcher wants to cover an investigation on

implementation of a new curriculum then the research instrument or test items designed by the

researcher must adequately address the domain to yield valid research findings. A group of

judges or experts that have content in the area under investigation can be used to assess this type

of validity.

Convergent and Discriminant validity

They are assessed together or jointly for a set of measure. Convergent validity refers to closeness

of which the measure relates to the construct that it purported to measure or simply it converges

with the construct. Discriminant validity refers to the degree to which a measure does not

measure or discriminates the construct it is not supposed to measure. To effectively obtain

6 © September 15, 2019

convergent validity comparison of observed values of one indicator of one construct with others

indicators of the same construct is done.

Discriminant validity is obtained by demonstrating that indicators of one construct are dissimilar.

A statistical procedure called bivariate correlation is used to analyze items using exploratory

factor analysis for convergent and discriminant validity.

Criterion-related validity

It is the degree of correspondence between a test measure and one or more external referents

(criteria) by correlation (Mohajan, 2017). For instance suppose students sat for an examination

and scored some scores and then we ask them about their scores. A correlation can be done

between their observed scores and true scores from the teachers’ record. Criterion –related

validity is closely related concurrent or predictive types of validity. Concurrent validity is where

one measure relates to other concrete criterion that is presumed to occur simultaneously. It

happens when a criterion exist at the same as the measure. An example could be the Students’

performance scores obtained from calculus and linear algebra since all of them are mathematics

test. Predictive validity is where a measure successfully predicts a future outcome that it is

theoretically expected to predict. A good example of predictive validity is the use of Students

Continuous Assessment Test (CAT) to predict their performance in final Examination. The

scores for the CAT can be correlated with the scores obtained from the Final Examination.

Conclusion

This paper has critically examined the definition of the terms reliability and validity as used in

educational research. It is important for novice researchers to have sufficient knowledge on the

concepts of reliability and validity when designing research instrument to enhance

trustworthiness and generalizability of research findings. The types of reliability identified

include; Test-retest reliability, split-half reliability, inter-rater reliability and internal consistency

7 © September 15, 2019

reliability. The function of reliability in research is to ensure that the observed score is almost

similar to true score obtained by minimizing the errors in measurement.

The following types of validity have been discussed; Face validity, content validity, convergent,

discriminant and criterion-related validity. Validity requires that the research instrument is

reliable but an instrument might be reliable without being valid. The interpretation of the results

of a test depends entirely on the underlying construct and validity of the research findings.

Reference

Bajpai, S. R., & Bajpai, R. C. (2014). Goodness of Measurement: Reliability and Validity.

International Journal of Medical Science and Public Health, 3(2), 112-115.

Bollen, K. A. (1989). Structural Equations with Latent Variables (pp. 179-225). John Wiley &

Sons.

Campbell, D.T. and Fiske, D.W. (1959). Convergent and discriminant validation by the

multitrait-multimethod matrix. Psychological Bulletin, 56, 81-105.

Cortina, J. M. (1993). What is Coefficient Alpha? An Examination of Theory and Applications.

Journal of Applied Psychology, 78 (1), 98-104.

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika,

16(3), 297-334.

Drost, E., A. (2011). Validity and reliability in social science research. Education Research and

Perspectives, 38 (1), 105-124.

Fiske, Donald W. (1982). Convergent -Discriminant Validation in Measurements and Research

Strategies. In Brinberg, D. and Kidder, L. H., (Eds), Forms of Validity in Research, pp.

77-93.

Heale, R., & Twycross, A. (2015). Validity and Reliability in Quantitative Studies. Evidence

8 © September 15, 2019

 Based Nurs, 18(4), 66-67.

Mohajan, H. (2017). Two criteria for good measurements in research: validity and

reliability. Annals of Spiru Haret University. Economic Series, 17(4), 59-82.

Nunnally, J. C. (1978). Psychometric Theory. McGraw-Hill Book Company, pp. 86-113, 190-

255.

Rosenthal, R. and Rosnow, R. L. (1991). Essentials of Behavioral Research: Methods and Data

Analysis. Second Edition. McGraw-Hill Publishing Company, pp. 46-65.

Trochim, W. M. K. (2006). Introduction to Validity. Social Research Methods, retrieved from

www.socialresearchmethods.net/kb/introval.php, September 9, 2010.

Zohrabi, M. (2013). Mixed Method Research: Instruments, Validity, Reliability and Reporting

Findings. Theory and Practice in Language Studies, 3(2), 254-262.

9 © September 15, 2019

 

Keandalan dan Validitas Instrumen Penelitian

Korespondensi dengan kubaiedwin@yahoo.com

Edwin Kubai

Universitas UNICAF - Zambia

Perkenalan

Makalah ini terutama berfokus secara eksplisit pada dua istilah yaitu; keandalan dan validitas

seperti yang digunakan dalam bidang penelitian pendidikan. Ketika melakukan studi pendidikan

perlu dicatat bahwa merancang dan mengukur instrumen penelitian sangat penting terutama bagi

para peneliti pemula. Alat pengumpulan data (instrumen penelitian) harus dirancang sedemikian

rupa sehingga mereka dapat secara akurat mengukur konstruksi yang dimaksudkan yang sedang

diselidiki dan memastikan kebermaknaan temuan penelitian. Ini akan sangat meningkatkan

kepercayaan dan kelayakan kepercayaan dari temuan penelitian terutama jika penelitian diulang

oleh peneliti yang berbeda dalam kondisi yang sama atau dengan instrumen penelitian yang

berbeda yang mengukur konstruksi yang sama. Memang benar untuk dicatat bahwa keandalan

dan validitas adalah dua istilah yang digunakan dalam penyelidikan di mana peneliti pemula

merasa sulit untuk membedakannya. Mereka merasa sulit tentang seberapa akurat untuk

menjelaskan kepada audiens jika instrumen penelitian mereka memenuhi ambang minimum

untuk keandalan dan kondisi validitas. Telah dicatat dengan prihatin bahwa sebagian besar

peneliti pemula gagal untuk mengklarifikasi bagaimana keandalan dan validitas dicapai dalam

studi masing-masing karena kurangnya pengetahuan yang cukup tentang konsep atau beberapa

gagal sepenuhnya untuk menyebutkan tentang hal itu dalam metodologi penelitian mereka.

Makalah ini mencoba untuk mengklarifikasi isu-isu yang berkaitan dengan keandalan dan

10 © September 15, 2019

validitas instrumen penelitian untuk memastikan ketenangan dan transferabilitas temuan

penelitian. Bagian selanjutnya mendefinisikan konsep validitas dan keandalan seperti yang

digunakan dalam merancang instrumen penelitian.

Definisi Keandalan dan Validitas

Menurut Drost (2011), keandalan adalah "sejauh mana pengukuran dapat diulang ketika

orang yang berbeda melakukan pengukuran pada kesempatan yang berbeda, dalam kondisi yang

berbeda, seharusnya dengan instrumen alternatif yang mengukur konstruksi atau keterampilan".

Hal ini juga dapat didefinisikan sebagai sejauh mana ukuran konstruksi konsisten atau dapat

diandalkan. Misalnya ketika beberapa orang menebak berat badan Anda sendiri, nilai weigth

mungkin belum tentu benar karena akan konsisten dengan nilai yang akurat sehingga pengukuran

dikatakan tidak dapat diandalkan. Jika skala penimbangan digunakan oleh orang yang berbeda

untuk memberikan nilai berat badan Anda maka ada kemungkinan mendapatkan nilai yang sama

setiap kali pengukuran dilakukan maka pengukuran ini akan dikatakan dapat diandalkan. "Sejauh

mana ukuran cukup mewakili konstruksi yang mendasari yang seharusnya diukur" (Drost, 2011)

disebut validitas. Istilah konstruksi mengacu pada keterampilan, pengetahuan, atribut atau sikap

yang sedang diselidiki oleh peneliti. Misalnya jika seorang peneliti ingin mengukur kasih sayang,

sangat penting untuk mengetahui apakah tindakan tersebut akan secara akurat mengukur kasih

sayang atau empati karena kedua istilah tersebut terkait erat. Beberapa konstruksi yang sedang

diselidiki mungkin imajiner (mereka tidak ada dalam kenyataan) penting untuk mengembangkan

skala yang secara konsisten dan tepat mengukur konstruksi yang tidak dapat diamati. Keandalan

dan validitas membentuk sifat psikometrik skala pengukuran yang sangat penting dalam

memperkirakan prosedur kecukupan dan akurasi suatu penelitian ilmiah seperti yang disebutkan

oleh Bajpai dan Bajpai (2014). Bagian selanjutnya membahas jenis keandalan dan bagaimana

menggunakannya dalam merancang instrumen untuk penelitian pendidikan.

11 © September 15, 2019

 

Keandalan

Dari bagian sebelumnya, keandalan telah didefinisikan sebagai stabilitas pengukuran atas

berbagai kondisi di mana hasilnya harus diperoleh (Nunnally, 1978). Ini pada dasarnya adalah

pengulangan atau replikasi temuan penelitian. Ketika sebuah penelitian dilakukan oleh seorang

peneliti dalam beberapa kondisi dan kemudian studi yang sama dilakukan lagi untuk kedua

kalinya dan menghasilkan hasil yang sama maka data dikatakan dapat diandalkan. Menurut

Drost (2011), keandalan data dari instrumen penelitian dipengaruhi oleh dua kesalahan; yaitu

kesalahan acak dan kesalahan sistematis. Kesalahan acak dikaitkan dengan serangkaian faktor

eksternal yang tidak diketahui dan tidak terkendali yang secara acak mempengaruhi beberapa

pengamatan tetapi tidak yang lain. Misalnya responden yang mungkin memiliki suasana hati

yang lebih baik mungkin merespons secara positif terhadap konstruksi seperti harga diri,

kebahagiaan, dan kepuasan dibandingkan dengan responden dengan suasana hati yang buruk.

Kesalahan acak dipandang sebagai kebisingan dalam pengukuran sehingga biasanya diabaikan.

Kesalahan sistematis adalah kesalahan yang diperkenalkan oleh faktor-faktor yang secara

sistematis mempengaruhi semua pengamatan konstruksi di seluruh sampel. Kesalahan sistematis

dianggap sebagai bias dalam pengukuran dan harus diperbaiki untuk menghasilkan hasil sampel

yang lebih baik. Cara terbaik untuk memperkirakan keandalan adalah dengan mengukur

hubungan antara tes, item dan penilai dengan menghitung koefisien keandalan (Rosnow dan

Rosenthal, 1991). Berikut ini adalah keandalan tipe;

Keandalan pengujian ulang

12 © September 15, 2019

Ini adalah ukuran konsistensi antara pengukuran konstruksi yang sama yang diberikan ke sampel

yang sama pada dua titik waktu yang berbeda (Drost, 2011). Jika korelasi antara dua set tes

signifikan maka pengamatan tidak berubah secara substansial maka aspek waktu sangat penting

untuk jenis keandalan ini.

Keandalan setengah terpisah

Heale &Twycross , (2015) mendefinisikan keandalan Split-half sebagai ukuran konsistensi

antara dua bagian dari ukuran konstruksi. Misalnya, jika seorang peneliti menggunakan ukuran

sepuluh item untuk mengukur konstruksi, item dibagi menjadi setengah atau dua set genap dan

ganjil jika jumlah total item adalah yang ganjil. Diasumsikan bahwa jumlah item untuk

mengukur konstruksi tersedia dan diukur dalam periode waktu yang sama sehingga

meminimalkan kesalahan acak. Korelasi antara kedua bagian harus diperoleh untuk menentukan

koefisien keandalan. Keuntungan praktis dari metode ini adalah lebih murah dan diperoleh

dengan mudah sebagai pengujian ulang uji coba yang dibandingkan di mana peneliti harus

merancang serangkaian item baru untuk dikelola nanti.

Keandalan antar-penilai

Ini juga disebut peringkat antar-pengamat atau kesepakatan. Ini melibatkan peringkat

pengamatan menggunakan ukuran tertentu tetapi oleh hakim yang berbeda. Peringkat pada

dasarnya independen tetapi terjadi pada saat yang sama. Keandalan diperoleh dengan korelasi

skor dari dua penilai atau lebih pada konstruksi yang sama atau kadang-kadang itu adalah

keputusan kesepakatan penilaian penilai yang sama. Ini pada dasarnya digunakan ketika hakim

menilai atau mencetak karya seni atau pertunjukan musik di atas panggung. Ada skor yang

13 © September 15, 2019

berkorelasi untuk memberikan koefisien Kappa Cohen dari keandalan antar-penilai terutama jika

variabelnya kategoris.

Keandalan konsistensi internal

Ini adalah ukuran konsistensi antara item yang berbeda dari konstruksi yang sama. Ini mengukur

konsistensi dalam instrumen dan pertanyaan tentang seberapa baik satu set item mengukur

karakteristik tertentu dari tes. Item tunggal dalam pengujian berkorelasi untuk memperkirakan

koefisien keandalan. Koefisien alfa Cronbach digunakan untuk menentukan konsistensi internal

antara item (Cronbach, 1951).

Item individu dari tes mungkin memiliki korelasi kecil dengan skor sebenarnya yang dibuktikan

dengan item yang lebih tinggi mungkin memiliki korelasi yang lebih tinggi. Misalnya, tes 5 item

mungkin memiliki korelasi 0,40 sementara tes 12 item mungkin memiliki korelasi 0,80. Menurut

Cortina, (1993) koefisien alpha digunakan untuk memperkirakan keandalan untuk varians khusus

item dalam tes satu dimensi. Jika koefisien alpha rendah, itu berarti bahwa tes terlalu pendek

atau item memiliki sedikit kesamaan.

Validitas

Seperti yang didefinisikan validitas sebelumnya adalah sejauh mana instrumen mengukur

apa yang dimaksudkan untuk diukur. Validitas adalah mencoba menjelaskan kebenaran temuan

penelitian seperti yang dijelaskan oleh Zohrabi, (2013). Misalnya apakah tes IQ mengukur

kecerdasan? Validitas diukur dengan menggunakan bukti teoritis dan empiris. Penilaian teoritis

adalah di mana ide konstruksi diterjemahkan atau diwakili ke dalam ukuran operasional. Hal ini

dilakukan oleh panel ahli yang merupakan hakim atau kuliah universitas yang menilai kesesuaian

setiap item dan mengevaluasi kebugarannya dalam definisi konstruksi. Penilaian empiris adalah

14 © September 15, 2019

di mana validitas didasarkan pada analisis kuantitatif yang melibatkan teknik statistik. Berikut ini

adalah validitas jenis dalam penelitian pendidikan;

Membangun validitas

Ini mengacu pada bagaimana konsep, ide atau perilaku yang merupakan konstruksi

diterjemahkan atau diubah menjadi realitas fungsi dan operasi (Trochim, 2006). Hal ini terjadi

terutama jika hubungan memiliki sebab dan akibat maka validitas konstruk membenarkan

adanya hubungan. Validitas konstruk secara kritis dibuktikan berdasarkan validitas berikut;

validitas wajah, validitas konten, validitas bersamaan dan prediktif, dan validitas konvergen dan

diskriminan.

Validitas wajah

Di sinilah indikator tampaknya menjadi ukuran yang masuk akal dari konstruksi yang

mendasarinya "di wajahnya". Ini benar-benar memastikan bahwa tindakan tersebut tampaknya

menilai konstruksi yang dimaksudkan yang sedang diselidiki. Misalnya aspek seseorang pergi ke

gereja setiap hari Minggu dapat membuat seseorang menyimpulkan bahwa orang itu religius

yang mungkin tidak benar. Validitas wajah sering digunakan oleh kuliah universitas ketika

menilai instrumen penelitian yang dirancang oleh siswa mereka.

Validitas konten

Ini adalah penilaian tentang seberapa baik satu set skala item cocok dengan domain konten yang

relevan dari konstruksi yang coba diukur. Menurut Bollen (1989), seperti yang dikutip dalam

Drost (2011) validitas konten adalah jenis validitas kualitatif di mana domain konsep dibuat jelas

dan analis menilai apakah langkah-langkah sepenuhnya mewakili domain (hal.185). Peneliti

harus merancang instrumen penelitian yang cukup membahas konstruksi atau area yang sedang

15 © September 15, 2019

diselidiki. Misalnya jika seorang peneliti ingin meliput penyelidikan tentang implementasi

kurikulum baru maka instrumen penelitian atau item pengujian yang dirancang oleh peneliti

harus cukup mengatasi domain untuk menghasilkan temuan penelitian yang valid. Sekelompok

hakim atau ahli yang memiliki konten di bidang yang sedang diselidiki dapat digunakan untuk

menilai jenis validitas ini.

Validitas konvergen dan Diskriminan

Mereka dinilai bersama atau bersama-sama untuk satu set ukuran. Validitas konvergen mengacu

pada kedekatan yang ukuran berkaitan dengan konstruksi yang konon untuk mengukur atau

hanya menyatu dengan konstruksi. Validitas diskriminan mengacu pada sejauh mana suatu

ukuran tidak mengukur atau mendiskriminasi konstruksi yang tidak seharusnya diukur. Untuk

secara efektif mendapatkan perbandingan validitas konvergen dari nilai yang diamati dari satu

indikator satu konstruksi dengan indikator lain dari konstruksi yang sama dilakukan.

Validitas diskriminan diperoleh dengan menunjukkan bahwa indikator satu konstruksi berbeda.

Prosedur statistik yang disebut korelasi bivariat digunakan untuk menganalisis item

menggunakan analisis faktor eksplorasi untuk validitas konvergen dan diskriminan.

Validitas terkait kriteria

Ini adalah tingkat korespondensi antara ukuran tes dan satu atau lebih rujukan eksternal (kriteria)

dengan korelasi (Mohajan, 2017). Misalnya misalkan siswa duduk untuk ujian dan mencetak

beberapa skor dan kemudian kami bertanya kepada mereka tentang skor mereka. Korelasi dapat

dilakukan antara skor yang diamati dan skor sebenarnya dari catatan guru. Kriteria – validitas

terkait terkait terkait erat dengan jenis validitas bersamaan atau prediktif. Validitas bersamaan

adalah di mana satu ukuran berkaitan dengan kriteria konkret lainnya yang diduga terjadi secara

bersamaan. Itu terjadi ketika kriteria ada pada saat yang sama dengan ukuran. Contohnya bisa

jadi skor kinerja Siswa yang diperoleh dari kalkulus dan aljabar linier karena semuanya adalah

tes matematika. Validitas prediktif adalah di mana ukuran berhasil memprediksi hasil masa

16 © September 15, 2019

depan yang secara teoritis diharapkan untuk memprediksi. Contoh validitas prediktif yang baik

adalah penggunaan Students Continuous Assessment Test (CAT) untuk memprediksi kinerja

mereka dalam Ujian akhir. Skor untuk CAT dapat dikorelasikan dengan skor yang diperoleh dari

Ujian Akhir.

Kesimpulan

Makalah ini telah secara kritis memeriksa definisi istilah keandalan dan validitas seperti yang

digunakan dalam penelitian pendidikan. Penting bagi peneliti pemula untuk memiliki

pengetahuan yang cukup tentang konsep keandalan dan validitas saat merancang instrumen

penelitian untuk meningkatkan kepercayaan dan generalisasi temuan penelitian. Jenis keandalan

yang diidentifikasi meliputi; Uji keandalan pengujian ulang, keandalan setengah terpisah,

keandalan antar-penilai, dan keandalan konsistensi internal. Fungsi keandalan dalam penelitian

adalah untuk memastikan bahwa skor yang diamati hampir mirip dengan skor sebenarnya yang

diperoleh dengan meminimalkan kesalahan dalam pengukuran.

Jenis validitas berikut telah dibahas; Validitas wajah, validitas konten, konvergen, diskriminan,

dan validitas terkait kriteria. Validitas mensyaratkan bahwa instrumen penelitian dapat

diandalkan tetapi instrumen mungkin dapat diandalkan tanpa valid. Interpretasi hasil tes

sepenuhnya tergantung pada konstruksi dan validitas yang mendasari temuan penelitian.

Referensi

Bajpai, S. R., &Bajpai, R.C. (2014). Kebaikan Pengukuran: Keandalan dan Validitas.

            Jurnal Internasional Ilmu Kedokteran dan Kesehatan Masyarakat, 3 (2), 112-115.

Bollen, K. A. (1989). Persamaan Struktural dengan Variabel Laten (hlm. 179-225). John Wiley

dan

Anak.

17 © September 15, 2019

Campbell, D.T. dan Fiske, D.W. (1959). Validasi konvergen dan diskriminan oleh

matriks multitrait-multimethod. Buletin Psikologis, 56, 81-105.

Cortina, J.M. (1993). Apa itu Koefisien Alpha? Pemeriksaan Teori dan Aplikasi.

            Jurnal Psikologi Terapan, 78 (1), 98-104.

Cronbach, L. J. (1951). Koefisien alfa dan struktur internal tes. Psikometrika,

16(3), 297-334.

Air liur, E., A. (2011). Validitas dan keandalan dalam penelitian ilmu sosial. Penelitian

Pendidikan dan

Perspektif, 38 (1), 105-124.

Fiske, Donald W. (1982). Konvergen - Validasi Diskriminan dalam Pengukuran dan Penelitian

Strategi. Dalam Brinberg, D. dan Kidder, L. H., (Eds), Bentuk Validitas dalam

Penelitian, hlm. 77-93.

Heale, R., &Twycross, A. (2015). Validitas dan Keandalan dalam Studi Kuantitatif. Bukti

Berdasarkan Nurs, 18(4), 66-67.

Mohajan, H. (2017). Dua kriteria untuk pengukuran yang baik dalam penelitian: validitas dan

Keandalan. Sejarah Universitas Spiru Haret. Seri Ekonomi, 17 (4), 59-82.

Nunnally, J.C. (1978). Teori psikometri. Perusahaan Buku McGraw-Hill, hlm. 86-113, 190-

255.

Rosenthal, R. dan Rosnow, R. L. (1991). Pentingnya Penelitian Perilaku: Metode dan Data

Analisis. Edisi Kedua. Perusahaan Penerbitan McGraw-Hill, hlm. 46-65.

Trochim, W.M. K. (2006). Pengantar validitas. Metode Penelitian Sosial, diambil dari

            www.socialresearchmethods.net/kb/introval.php, 9 September 2010.

18 © September 15, 2019

Zohrabi, M. (2013). Penelitian Metode Campuran: Instrumen, Validitas, Keandalan, dan

Pelaporan

Temuan. Teori dan Praktek dalam Studi Bahasa, 3 (2), 254-262.

19 © September 15, 2019