You are on page 1of 4

Skala Likert adalah suatu skala psikometrik yang umum digunakan dalam kuesioner, dan merupakan skala yang

paling banyak digunakan dalam riset berupa survei. Nama skala ini diambil dari nama Rensis Likert, yang menerbitkan suatu laporan yang menjelaskan penggunaannya dalam bukunya A Technique for the Measurement of Attitudes Tahun 1932. [1] . Sewaktu menanggapi pertanyaan dalam skala Likert, responden menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu dari pilihan yang tersedia. Biasanya disediakan lima pilihan skala dengan format seperti: 1. 2. 3. 4. 5. Sangat tidak setuju Tidak setuju Netral Setuju Sangat setuju

Selain pilihan dengan lima skala seperti contoh di atas, kadang digunakan juga skala dengan tujuh atau sembilan tingkat. Suatu studi empiris menemukan bahwa beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan tersebut ternyata sangat mirip. Skala Likert merupakan metode skala bipolar yang mengukur baik tanggapan positif ataupun negatif terhadap suatu pernyataan. Empat skala pilihan juga kadang digunakan untuk kuesioner skala Likert yang memaksa orang memilih salah satu kutub karena pilihan "netral" tak tersedia. Skala Likert disebut juga summated rating scale. Skala Likert merupakan skala yang mengukur kesetujuan atau ketidaksetujuan seseorang terhadap serangkaian pernyataan berkaitan dengan keyakinan atau perilaku mengenai suatu obyek tertentu. Sebenarnya Skala likert merupakan skala ordinal akan tetapi dalam penelitian-penelitian bisnis khususnya pemasaran seringkali dimodifikasi dan diasumsikan sebagai skala interval. Biasanya format Skala Likert merupakan perpaduan antara kesetujuan dan ketidak setujuan, skala ini dikembangkan oleh Rensis Likert sehingga dikenal dengan Skala Likert. Skala ini banyak digunakan karena memberi peluang kepada responden untuk mengekspresikan perasaan mereka dalam bentuk PERSETUJUAN terhadap suatu pernyataan Pertanyaan yang diberikan berjenjang, mulai dari tingkat terendah sampai tertinggi. Jumlah pilihan jawabannya bisa tiga, lima, tujuh, sembilan, yang jelas harus ganjil. Semakin banyak pilihannya, semakin mewakili jawaban responden. Namun, semakin banyak pilihan jawaban, semakin sulit mencari kata-kata yang dapat dipahami secara umum. Dalam bahasa Inggris, misalnya, pilihan jawaban berikut lumrah: extremely disagree, strongly disagree, disagree, neither agree nor diagree, agree, strongly agree, extremely agree. Dalam bahasa Indonesia, scpanjang dapat disepakati, pilihan jawaban berikut ini dapat dipakai: amat sangat tidak setuju, sangat tidak setuju, tidak setuju, netral, setuju, sangat setuju, amat sangat setuju. Masalahnya, kata ‘amat sangat’ jarang dipakai. Skala Likert dapat dipakai dengan beberapa variasi bentuk pertanyaan. Dua variasi pertanyaan diberikan pada gambar di bawah. Karena pilihan jawabannya berjenjang, setiap pilihan jawaban bisa diberi skor. Skor 1 bisa ditempatkan pada jenjang jawaban terendah, misalnya ‘sangat tidak setuju’, bisa pula pada jenjang jawaban tertinggi, misalnya ‘sangat setuju’, asal dilakukan secara konsisten.

Masih ada perbedaan pendapat tentang jenis data yang diperoleh melalui skala Liken. Sekedar mengingatkan bahwa jenis data ada empat NOIR (Nominal. Sebaliknya. hindari keseragaman pilihan jawaban dengan mengacak titik ekstrem positif dan negatif. Bahkan. urutan pertanyaan perlu diacak agar setiap pertanyaan mendapat peluang yang sama untuk setiap posisi. neither disaggre nor aggree menjadi antara setuju dan tidak setuju. data yang diperoleh dari skala Liken memiliki skala interval berjenjang (ordinally interval scale). dengan yakin. Bagaimana kita menyikapinya? Sepanjang peneliti yakin skala Likert yang digunakan dapat menghasilkan data yang memenuhi syarat-syarat data interval. perlakukan data sebagai data ordinal. disaggre menjadi tidak setuju. Masalahnya. Hal ini penting untuk menghindari bias posisi. Namun. Seperti pada gambar di bawah. et.. perlu dukungan teori yang sesuai. untuk menyatakan yakin atau tidak. Hal ini perlu dilakukan untuk menghindari pemberian jawaban yang seragam untuk semua jawaban karena kemalasan responden untuk memeriksa pertanyaan sate per satu. kita mengenal penskalaan respon misalnya Sangat Setuju – Setuju – Netral – Tidak Setuju – Sangat Tidak Setuju. Ketika kita belajar tentang skala likert. aggre menjadi setuju dan strongly aggre menjadi sangat setuju. bagi Zikmund. Interval. skala Liken menghasilkan data ordinal.. Penskalaan ini apabila dikaitkan dengan jenis data yang dihasilkan adalah data Ordinal.Ada beberapa hal yang perlu diperhatikan saat menggunakan skala Likert. kalau yakin. perhitungan data sebagai data interval. Pertama. Ordinal. perlakukan saja data yang dihasilkan sebagai data interval. Namun. bagi Bush. sebagian lagi di sebelah kanan. Kedua. apakah terjemahan Indonesianya itu sama persis dengan aslinya? Kalau tidak yakin. al. sebagian di sebelah kiri. kalau pilihan dalam bahasa aslinya diindonesiakan: strongly disaggre menjadi sangat tidak setuju. Cooper dan Schlindler mengatakan bahwa skala Liken menghasilkan data intervals Namun. Rasio) keempat jenis data ini memiliki ciri sebagai berikut: . letak sangat setuju.

interval inilah yang dimaksud dengan jarak yang sama di masing-masing tingkatan. Yang dimaksud tidak memiliki jarak yang sama adalah antara juara 1 dan 2 selisih waktunya 2 menit. mengapa data likert termasuk data ordinal? Sebenarnya alasannya gampang. Angka 1. Interval : bersifat mengklasifikasikan. 3 tersebut sudah memiliki makna tingkatan. Namun jarak antara sangat setuju ke setuju dan dari setuju ke netral dan seterusnya tentunya tidak sama. Dengan demikian kita masih belum bisa menggunakan operasi matematis. netral 3. Angka hanya bermakna sebagai variasi jenis tanpa bermakna tingkatan. dengan contoh tersebut berarti setiap tingkatan memiliki interval 1cm. dan ukuran berat. Missal ukuran panjang atau tinggi. angka 1 dan 2 bukan merupakan tingkatan. dan klasifikasi tersebut sudah merupakan tingkatan. mengapa pada saat scoring dari skala likert kita . Pada data interval masing-masing tingkatan tersebut memiliki jarak yang sama. Sehingga dengan data ordinal ini angka sudah menunjukkan mana yg lebih besar dan mana yang lebih kecil. Tapi permasalahannya sesuai dengan ciri-ciri dari data ordinal. Sepatu dengan nomor 39. Misal: nomor sepatu. 40. nomor 40 memiliki panjang 31cm. x. yang artinya 2 bukan berarti lebih tinggi daripada 1. Yang setuju pasti lebih tinggi daripada yang netral. karena angka 1. sedangkan yang tidak setuju pasti lebih tinggi daripada yang sangat tidak setuju. 2. Rasio : ini adalah data dengan tingkatan yang tertinggi karena telah memiliki angka nol mutlak. kita bisa memaknai bahwa nomor sepatu 42 adalah nomor 39 ditambah 3cm. Sangat setuju pasti lebih tinggi daripada yang setuju. Dari cara scoring tersebut kita tidak bisa memaknai bahwa sangat setuju adalah netral ditambah setuju. Sepatu nomor 39 memiliki panjang 30cm. Missal: lakilaki – perempuan. nomor 41 memiliki panjang 32cm. Berat 3 kg lebih besar daripada berat 2 kg. setuju 4. 1 untuk kode laki-laki dan 2 untuk kode perempuan. 41. Juara 2 waktu tempuhnya 7 menit dan juara 3 waktu tempuhnya 12 menit. tanpa ada jenjang diantara klasifikasi. yang netral pasti lebih tinggi daripada yang tidak setuju.    Nominal : Bersifat mengklasifikasikan saja. dan : Kembali ke persoalan skala likert. antara juara 2 dan juara 3 selisih waktunya 5 menit. nomor 42 memiliki panjang 33cm. Dengan demikian data rasio sudah bisa dikenai semua operasi matematis: +. Juara 1 waktu tempuahnya 5 menit. oleh karena itu data yang dihasilkan oleh skala likert adalah data ordinal. bahwa data ordinal belum bisa dikenai operasi matematis. tidak setuju 2 dan sangat tidak setuju 1 hanya merupakan kode saja untuk mengetahui mana yang lebih tinggi dan mana yang lebih rendah. 42. Angka nomor sepatu tersebut sudah bermakna tingkatan bahwa nomor 42 lebih tinggi daripada nomor 41 dan seterusnya. Missal : juara dalam perlombaan balap sepeda. Tetapi masing-masing klasifikasi yang berupa tingkatan tersebut tidak memiliki jarak yang sama. namun belum bisa dikenai operasi matematis perkalian dan pembagian. Sedangkan cara scoring bahwa Sangat setuju 5. tapi kita belum bisa memaknai bahwa nomor 42 adalah nomor 39 dikali 3. Sehingga berdasarkan contoh tersebut kita bisa memaknai bahwa 3 kg adalah 2kg + 1kg atau 3kg adalah 3x1kg. Data jenis ini belum bisa dilakukan operasi matematis. bahwa juara 1 lebih cepat daripada juara 2 dan juara 3. 2 dan 3 itu hanya berupa ranking saja. Ordinal : Bersifat mengklasifikasikan. Dengan adanya interval yang kita ketahui tersebut. -. Berat 0 kg berarti memang tidak ada massa yang ditimbang. Ada juara 1 juara 2 dan juara 3. Juara 2 lebih cepat daripada juara 3. Hal ini karena data interval tidak memiliki angka nol mutlak. Dengan demikian kita bisa menyimpulkan bahwa data interval sudah bisa dikenai operasi matematis penjumlahan dan pengurangan. dan klasifikasi tersebut sudah merupakan tingkatan yang masing-masing tingkatan memiliki jarak yang sama. berat 2 kg lebih besar daripada berat 1 kg.

. perkalian.menjumlahkan skor di tiap-tiap item padahal jelas-jelas skala data ordinal tidak bisa dijumlahkan? Lalu ketika kita melakukan seleksi item kita mengkorelasikan skor item dengan skor total dengan korelasi product moment Pearson? Padahal sebagaimana kita ketahui rumus korelasi Pearson ada unsur penjumlahan. dan pembagian? Silahkan anda renungkan ???? kalau sudah mendapat pencerahan silahkan berbagi….