Lab #12 · firmansyarifuddin.id
Seorang mahasiswa maju sidang membawa data kepuasan pasien. Penguji pertama melihat sekilas lalu berkata, “Ini data ordinal, tidak boleh pakai uji-t. Ganti dengan Mann-Whitney.”
Mahasiswa mengangguk, pulang, lalu mengganti uji. Di sidang berikutnya, penguji kedua melihat hasil yang sama dan berkata, “Kenapa repot? Pakai uji-t saja. Hasilnya juga bisa saja sama.”
Ia pulang dengan bingung.
Bukan karena salah, melainkan karena dua orang yang sama-sama ahli memberikan dua perintah yang berlawanan. Dan anehnya, keduanya punya alasan. Ini bukan pertengkaran di satu ruang sidang. Ini versi kecil dari perdebatan yang sudah berlangsung puluhan tahun dalam literatur metodologi.
Di penghujung tulisan sebelumnya, saya sampai pada satu pertanyaan yang belum sempat kita buka: kalau data Likert sudah kita pahami sifatnya, lalu bagaimana seharusnya ia dianalisis?
Saya berpandangan bahwa data Likert tidak memihak kepada parametrik, tetapi juga tidak memihak kepada nonparametrik. Yang keliru adalah menjadikan label “Likert” sebagai satu-satunya alasan memilih uji statistik.
Likert Itu Ordinal. Lalu?
Mari mulai dari hal yang paling dasar. Satu item Likert, misalnya:
1 = sangat tidak puas
2 = tidak puas
3 = cukup puas
4 = puas
5 = sangat puas
secara konseptual merupakan data ordinal.
Kita tahu bahwa 5 lebih tinggi daripada 4, 4 lebih tinggi daripada 3, dan seterusnya. Tetapi kita tidak benar-benar tahu apakah jarak antara 1 dan 2 sama dengan jarak antara 4 dan 5.
Inilah alasan mengapa banyak buku metodologi mengarahkan data ordinal kepada analisis nonparametrik. Jika kita membandingkan dua kelompok pada satu item Likert, misalnya kepuasan pasien antara Puskesmas A dan Puskesmas B, Mann-Whitney menjadi pilihan yang konservatif. Jika kelompoknya lebih dari dua, kita dapat menggunakan Kruskal-Wallis.
Jika ingin melihat hubungan berbasis peringkat, Spearman dapat dipertimbangkan. Misalnya kita ingin mengetahui apakah tingkat kepuasan pasien berkaitan dengan tingkat kepercayaan pasien terhadap puskesmas. Keduanya diukur menggunakan skala Likert 1–5. Kita tidak sedang terutama bertanya, “Berapa kenaikan kepuasan untuk setiap kenaikan satu tingkat kepercayaan?” Kita lebih ingin mengetahui apakah pasien yang berada pada peringkat kepuasan lebih tinggi cenderung juga berada pada peringkat kepercayaan yang lebih tinggi.
Di sinilah Spearman masuk akal. Ia bekerja dengan peringkat, bukan dengan asumsi bahwa jarak antara skor 1 dan 2 harus sama persis dengan jarak antara skor 4 dan 5.
Logikanya sederhana: jika yang benar-benar kita ketahui dari data adalah urutan, maka pendekatan berbasis peringkat menjadi pilihan yang masuk akal tanpa harus mengasumsikan bahwa jarak antar kategori benar-benar sama.
Susan Jamieson pada 2004 mengingatkan persoalan ini dengan cukup tegas. Ketika data ordinal diperlakukan seolah-olah memiliki jarak yang sama, peneliti sebenarnya sedang membuat asumsi tambahan yang tidak secara langsung diukur oleh instrumen.
Sampai di sini, saya kira pemahaman kita sudah cukup jelas.
Item Likert tunggal → secara konseptual ordinal → nonparametrik adalah pilihan yang konservatif.
Tetapi cerita belum selesai. Mengapa Uji-t Tidak Otomatis Salah?
Di sinilah perdebatan menjadi menarik.
Geoff Norman pada 2010 menantang anggapan bahwa data ordinal atau data Likert otomatis membuat uji parametrik tidak sah. Ia menunjukkan bahwa banyak uji parametrik ternyata cukup robust terhadap pelanggaran asumsi tertentu. Artinya, uji parametrik tidak serta-merta menghasilkan kesimpulan yang keliru hanya karena data kita tidak memenuhi asumsi secara sempurna.
Sullivan dan Artino juga menjelaskan bahwa uji parametrik dapat digunakan untuk data Likert dalam kondisi yang sesuai. Mereka bahkan mengingatkan bahwa uji nonparametrik tidak otomatis menjadi pilihan yang lebih “aman” dalam semua situasi karena dapat memiliki daya uji yang lebih rendah.
Jadi kalimat: “Data Likert itu ordinal, maka uji-t haram.”
terlalu sederhana. Tetapi kalimat: “Data Likert bisa dianalisis parametrik, jadi bebas saja pakai uji-t.”
juga sama sederhananya. Keduanya sama-sama bermasalah.
Satu Item Berbeda dengan Skor Komposit
Di sinilah menurut saya banyak kebingungan mahasiswa bermula.
Tidak semua yang disebut “data Likert” sebenarnya merupakan objek analisis yang sama.
Bandingkan dua situasi.
Situasi pertama: “Seberapa puas Anda terhadap pelayanan puskesmas?”
Responden memilih satu angka dari 1 sampai 5. Ini satu item Likert.
Situasi kedua: Peneliti memiliki 15 pertanyaan yang bersama-sama dirancang untuk mengukur konstruk “kepuasan pasien”.
Setiap item diberi skor 1 sampai 5. Kemudian seluruh item tersebut digabungkan menjadi skor total atau skor rata-rata. Sekarang kita tidak lagi hanya berhadapan dengan satu item ordinal 1–5.
Kita memiliki sebuah skor komposit yang memiliki lebih banyak variasi nilai.
Dalam penelitian seperti ini, penggunaan analisis parametrik sering dipertimbangkan, terutama jika item-item tersebut memang membentuk satu konstruk yang cukup konsisten dan karakteristik skor komposit serta sampelnya mendukung analisis tersebut. Sullivan dan Artino juga membahas praktik penggabungan beberapa item Likert menjadi satu skala dan pentingnya memastikan bahwa item-item tersebut memang mengukur konstruk yang sama.
Jadi jangan berhenti pada pertanyaan: “Ini Likert atau bukan?” Pertanyaan yang lebih penting adalah:
“Apa sebenarnya yang sedang saya analisis?”
Satu item? Skor total? Skor rata-rata beberapa item?
Atau bahkan konstruk laten yang dibentuk dari sejumlah indikator?
Jawabannya dapat membawa kita pada pilihan analisis yang berbeda.
Uji yang Ternyata Cukup Bandel
De Winter dan Dodou pada 2010 membandingkan uji-t dengan Mann-Whitney-Wilcoxon pada data Likert lima kategori. Hasilnya menunjukkan bahwa dalam banyak kondisi, kedua pendekatan memberikan keputusan yang sama. Penelitian lain yang membandingkan metode parametrik dan nonparametrik pada data Likert juga menemukan bahwa ketika jumlah observasi cukup besar dan distribusi antarkelompok relatif serupa, kedua pendekatan sering menghasilkan kesimpulan yang sama.
Ini menarik.
Karena kita sering membayangkan parametrik dan nonparametrik seperti dua kubu yang selalu bertolak belakang. Padahal dalam banyak situasi, mereka bisa sampai pada kesimpulan yang sama. Bayangkan sebuah mobil yang tetap mampu berjalan meskipun jalan tidak benar-benar mulus.
Itulah gambaran sederhana tentang robustness.
Sedikit penyimpangan dari asumsi tidak otomatis membuat analisis parametrik menjadi tidak berguna. Namun kata kuncinya adalah sedikit dan dalam kondisi yang sesuai. Robust bukan berarti kebal.
Kapan Nonparametrik Lebih Masuk Akal?
Di sinilah saya tetap ingin mempertahankan kehati-hatian. Jika kita hanya memiliki satu item Likert, sampelnya kecil, dan distribusi jawaban sangat menceng atau menumpuk pada kategori tertentu, pendekatan nonparametrik sering menjadi pilihan yang lebih konservatif.
Misalnya dua puskesmas sama-sama memiliki skor kepuasan rata-rata 3,0. Sekilas terlihat sama. Tetapi di Puskesmas A, hampir semua responden memilih angka 3. Di Puskesmas B, sebagian besar memilih 1 dan sebagian lainnya memilih 5. Rata-ratanya sama. Distribusinya sangat berbeda. Di sini rata-rata tidak salah.
Tetapi rata-rata hanya menceritakan sebagian cerita.
Itulah mengapa melihat distribusi data tetap penting, apa pun uji yang akhirnya kita pilih. Dalam kondisi tertentu, pendekatan berbasis peringkat dapat memberikan gambaran yang lebih sesuai dengan sifat data.
Kapan Parametrik Dapat Dipertimbangkan?
Sebaliknya, ketika kita memiliki skor komposit dari beberapa item yang memang dirancang mengukur konstruk yang sama, dengan bukti bahwa item-item tersebut cukup konsisten dan ukuran sampel memadai, analisis parametrik dapat dipertimbangkan.
Bukan karena kita tiba-tiba mengubah data ordinal menjadi interval hanya dengan menjumlahkannya. Tetapi karena dalam praktik pengukuran, skor gabungan dari beberapa item sering diperlakukan sebagai ukuran yang mendekati kontinu untuk tujuan analisis, dengan tetap mempertimbangkan karakteristik distribusi dan asumsi model.
Di sinilah saya kira istilah “approximately interval” lebih jujur daripada mengatakan: “Skor Likert sudah pasti menjadi data interval.” Tidak ada sulap seperti itu. Kita membuat keputusan pemodelan berdasarkan sifat skor, tujuan analisis, dan bukti yang tersedia. Dan keputusan tersebut perlu dijelaskan.
Aturan Praktis untuk Ruang Bimbingan
Kalau saya harus menyederhanakannya untuk mahasiswa, saya akan mengatakan begini. Jika Anda menganalisis satu item Likert tunggal, terutama ketika sampel kecil dan distribusi sangat tidak simetris, nonparametrik adalah pilihan konservatif yang mudah dipertanggungjawabkan.
Dua kelompok independen? Pertimbangkan Mann-Whitney.
Lebih dari dua kelompok independen? Pertimbangkan Kruskal-Wallis.
Hubungan antarvariabel ordinal? Pertimbangkan Spearman.
Jika Anda menganalisis skor komposit dari beberapa item, jangan langsung berkata “karena Likert maka nonparametrik”. Periksa dulu apakah item-item tersebut memang membentuk satu konstruk, bagaimana distribusi skor kompositnya, bagaimana ukuran sampelnya, dan apa tujuan analisisnya. Jika kondisi mendukung, analisis parametrik dapat dipertimbangkan.
Dan apa pun pilihan Anda, tuliskan alasannya. Kejujuran metodologis itu gratis. Dan sering kali justru menyelamatkan Anda di ruang sidang.
Kalau Ragu, Jangan Berburu P-value
Ada satu hal yang menurut saya lebih penting daripada memilih kubu parametrik atau nonparametrik. Jangan memilih uji hanya karena ingin mendapatkan hasil signifikan. Kalau kondisi metodologis memungkinkan, kita dapat menjalankan kedua pendekatan sebagai analisis sensitivitas.
Bukan untuk mencari p-value yang paling kecil. Bukan untuk memilih hasil yang paling sesuai dengan hipotesis. Tetapi untuk melihat apakah kesimpulan penelitian berubah ketika pendekatan analisisnya berubah. Kalau hasilnya sama, bagus. Kita mendapatkan tambahan keyakinan bahwa kesimpulan utama relatif stabil.
Kalau hasilnya berbeda? Jangan disembunyikan. Justru di situlah kita perlu bertanya.
Mengapa berbeda? Apakah distribusi datanya sangat tidak biasa? Apakah sampelnya terlalu kecil?
Apakah ada outlier? Apakah kedua metode sedang menangkap aspek yang berbeda dari data?
Perbedaan hasil bukan selalu masalah. Kadang ia justru memberi kita informasi tentang data.
Bukan Musuh, Hanya Alat
Kembali ke dua penguji di awal. Penguji pertama tidak otomatis salah karena memilih Mann-Whitney. Penguji kedua juga tidak otomatis salah karena mempertimbangkan uji-t. Yang menentukan adalah apa karakteristik data mereka, apa yang sebenarnya dianalisis, bagaimana desain penelitiannya, dan alasan metodologis di balik pilihan tersebut.
Jamieson mengingatkan kita agar tidak sembarangan memperlakukan data ordinal seperti data interval.
Itu penting.
Norman mengingatkan kita agar tidak mengubah statistik menjadi kumpulan pantangan yang kaku.
Itu juga penting.
Keduanya sebenarnya mengajarkan hal yang sama: pahami data sebelum memilih alat.
Jadi, apakah data Likert harus dianalisis nonparametrik? Tidak selalu.
Apakah uji parametrik boleh digunakan pada data Likert? Dalam kondisi tertentu, ya.
Apakah itu berarti kita bebas memilih apa saja? Juga tidak.
Menurut saya, inilah posisi yang paling sehat.
Item Likert tunggal tetap kita perlakukan sebagai data ordinal secara konseptual, sehingga nonparametrik merupakan pilihan konservatif. Tetapi penggunaan parametrik tidak otomatis salah, terutama ketika kondisi data dan tujuan analisis mendukungnya. Untuk skor komposit dari beberapa item, pertimbangannya bisa berbeda.
Dan satu hal yang tidak boleh dilupakan: Uji statistik menjawab apakah ada bukti perbedaan atau hubungan. Ia tidak otomatis menjelaskan seperti apa perbedaan atau hubungan tersebut.
Karena itu, jangan berhenti pada angka. Lihat distribusinya. Lihat ukuran efek bila relevan. Lihat pola datanya. Kemudian ceritakan apa yang sebenarnya terjadi. Likert tidak memihak kepada siapa pun.
Yang harus memihak adalah logika kita terhadap data.
Satu hantu sudah kita hadapi. Masih ada hantu yang lebih besar menunggu di ujung setiap uji ini: angka kecil bernama p-value, yang terlalu sering diperlakukan seperti garis finis kebenaran.
Sumber Bacaan:
- Jamieson, S. (2004). Likert scales: How to (ab)use them. Medical Education, 38(12), 1217–1218.
- Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15(5), 625–632.
- de Winter, J. C. F., & Dodou, D. (2010). Five-Point Likert Items: t test versus Mann-Whitney-Wilcoxon. Practical Assessment, Research & Evaluation, 15(11).
- Sullivan, G. M., & Artino, A. R. (2013). Analyzing and interpreting data from Likert-type scales. Journal of Graduate Medical Education, 5(4), 541–542.
- Boone, H. N., & Boone, D. A. (2012). Analyzing Likert Data. Journal of Extension, 50(2).
- Harpe, S. E. (2015). How to analyze Likert and other rating scale data. Currents in Pharmacy Teaching and Learning, 7(6).