Lab #08 · firmansyarifuddin.id
Pada tahun 1932, seorang mahasiswa doktoral di Columbia bernama Rensis Likert menerbitkan disertasi monumental berjudul “A Technique for the Measurement of Attitudes”. Waktu itu, ia sedang berburu cara mumpuni untuk mengukur sesuatu yang sangat licin: sikap manusia terhadap isu sosial. Solusi yang ia tawarkan terbilang rapi dan masih kita gunakan hingga hari ini.
Namun, ada ironi kecil yang jarang disadari. Praktik penggunaan skala Likert di ribuan proposal skripsi saat ini sebenarnya sangat berbeda dari apa yang dirancang Likert. Sederhananya: Likert tidak pernah merata-ratakan satu pertanyaan tunggal.
Ini bukan sekadar urusan ejaan atau formalitas akademis, melainkan tentang apa yang boleh dan tidak boleh kita hitung dari angka-angka yang berhasil dikumpulkan. Mari kita bongkar perlahan dengan contoh angka sederhana agar duduk perkaranya semakin jelas.
Satu baris itu belum skala
Kalau Anda membuka buku Metodologi Penelitian (Metopen), hampir di setiap bab kemungkinan besar akan ditemukan kalimat seperti ini: “Data dikumpulkan menggunakan skala Likert 1 sampai 5.” Lalu di bagian lampiran, kita menemukan satu pertanyaan tunggal, misalnya: “Saya puas dengan bimbingan skripsi”, lengkap dengan lima kotak pilihan dari Sangat Tidak Setuju hingga Sangat Setuju.
Masalahnya, satu baris pertanyaan itu baru sebatas item, bukan skala. Yang dimaksud Likert dengan “skala” justru adalah hasil penjumlahan dari sederet item yang secara bersama-sama mengukur satu dimensi sikap yang sama. Kata “skala” merujuk pada skor akumulasinya, bukan pada satu lembar baris pertanyaan kuesioner.
Likert sengaja menggunakan banyak pernyataan karena ia tahu betul bahwa satu pertanyaan tunggal terlalu rapuh untuk menyimpulkan kedalaman sikap seseorang. Jadi, ketika kita melabeli satu pertanyaan sebagai “skala Likert”, kita sebenarnya sudah keliru sejak awal—dan dari salah kaprah ini, lahirlah “dosa” metodologi yang jauh lebih mahal.
Rata-rata 3,6 yang menipu
Bayangkan kita membagikan kuesioner kepada lima mahasiswa untuk mengukur kepuasan bimbingan mereka menggunakan rentang angka 1 sampai 5. Hasil perolehannya adalah sebagai berikut:
| Mahasiswa | Jawaban |
|---|---|
| A | 5 |
| B | 4 |
| C | 4 |
| D | 2 |
| E | 3 |
Jika kita jumlahkan seluruh jawaban tersebut, kita mendapatkan angka 18. Ketika dibagi lima, keluarlah nilai rata-rata sebesar 3,6. Kelihatannya sangat sah dan meyakinkan, bukan? Kita tinggal menuliskan “rata-rata tingkat kepuasan adalah 3,6 dari skala 5”, lalu menganggap pekerjaan selesai.
Namun, mari kita cermati kembali. Ketika nekat menghitung nilai rata-rata, tanpa disadari kita sedang mengandaikan satu syarat utama: bahwa jarak psikologis dari angka 2 ke 3 dianggap sama persis dengan jarak dari 4 ke 5. Perhitungan rata-rata hanya masuk akal jika setiap tingkatan angka memiliki jarak yang setara—persis seperti jarak satu sentimeter pada penggaris yang nilainya selalu konsisten di titik mana pun.
Apakah asumsi ini berlaku pada pengukuran sikap? Belum tentu. Mahasiswa D yang bergeser dari “Tidak Setuju” (2) ke “Netral” (3) mungkin sedang menyeberangi “jurang” emosional yang jauh lebih lebar dibanding Mahasiswa A yang bergeser dari “Setuju” (4) ke “Sangat Setuju” (5). Kita tidak pernah tahu pasti. Angka 1 sampai 5 pada kuesioner hanyalah label urutan, bukan ukuran jarak yang presisi. Menjumlahkan dan merata-ratakannya secara mentah itu ibarat menjumlahkan nomor punggung pelari marathon untuk mencari tahu siapa yang memenangkan perlombaan.
Penggaris versus garis finis
Ketidakjelasan mengenai jarak antar-angka ini sebenarnya bisa dipahami lebih jernih jika kita mengingat kembali taksonomi Stanley Smith Stevens. Pada tahun 1946, Stevens membagi tingkat pengukuran menjadi empat tingkatan: nominal, ordinal, interval, dan rasio.
- Nominal sekadar memberi nama atau label (seperti golongan darah A, B, O).
- Ordinal memberikan urutan peringkat tanpa menjamin kesetaraan jarak (seperti Juara 1, 2, dan 3 pada lomba lari).
- Interval memiliki urutan sekaligus jaminan jarak yang konsisten (seperti suhu Celsius, di mana selisih dua derajat selalu memiliki arti yang sama).
- Rasio memiliki semua sifat tersebut, ditambah dengan titik nol absolut (seperti tinggi atau berat badan).
Satu item pertanyaan Likert hanya berada di tingkat ordinal. Kita mungkin yakin bahwa skor 5 mencerminkan rasa puas yang lebih tinggi daripada skor 4, sebagaimana 4 lebih puas dari 3. Namun, kita tidak pernah memiliki jaminan bahwa selisih antar-tingkatan tersebut benar-benar seragam.
Urutan garis finis dalam perlombaan lari hanya memberi tahu siapa yang berlari lebih cepat, bukan berapa detik jarak perbedaan waktu di antara mereka. Memaksa fungsi penggaris pada sebuah garis finis itulah bentuk kesalahan metodologi yang paling sering lolos tanpa teguran.
Satu item Likert adalah data ordinal, bukan penggaris interval. Data tersebut boleh diurutkan, dicari modusnya, serta dilihat sebaran frekuensinya. Namun, merata-ratakan satu item tunggal merupakan langkah pengukuran yang sangat rapuh, betapapun sahnya ia secara perhitungan aritmatika dasar.
Yang Likert benar-benar lakukan
Sekarang, mari kita masuk ke bagian inti yang paling sering dilewatkan. Likert tidak pernah bersandar pada satu pertanyaan tunggal. Ia merancang serangkaian (battery) pernyataan yang semuanya menyasar variabel sikap yang sama, lalu menjumlahkan skor dari seluruh pernyataan tersebut menjadi satu nilai komposit. Skor akumulasi inilah yang dinamakan “Skala Likert” yang sesungguhnya.
Mengapa proses penjumlahan ini sangat menolong? Ada dua alasan intuitif:
- Saling Menyeimbangkan: Banyak item akan saling menutupi kelemahan redaksi kata pada masing-masing pertanyaan. Jika ada satu pertanyaan yang kebetulan agak ambigu, tiga pertanyaan lainnya akan membantu menyeimbangkan interpretasi responden.
- Meningkatkan Presisi Skala: Secara teknis, jika kita menjumlahkan empat pertanyaan yang masing-masing memiliki rentang 1–5, total skor responden akan bergerak dalam rentang 4 hingga 20. Skor yang tadinya hanya berupa lima “anak tangga” kaku kini berubah menjadi tangga panjang dengan 17 gradasi nilai. Tangga yang lebih halus ini jauh lebih layak dan masuk akal untuk diperlakukan seperti data interval.
Bayangkan jika Mahasiswa A mengisi empat pertanyaan berbeda mengenai kepuasan bimbingan dan memberikan nilai 5, 4, 5, dan 4. Total skor yang diperoleh adalah 18 dari nilai maksimum 20. Angka 18 ini bukan lagi sekadar tebakan ordinal dari satu pertanyaan, melainkan gambaran komposit yang lebih stabil dan layak dibandingkan antar-responden. Di titik inilah nilai rata-rata baru mulai relevan untuk digunakan.
Jadi, boleh atau tidak?
Dalam hal ini, saya sengaja tidak bersikap dogmatis karena ranah akademis sendiri masih memperdebatkannya. Susan Jamieson (2004) dalam jurnal Medical Education memberikan peringatan keras mengenai bahaya memperlakukan item ordinal seolah-olah data interval, terutama ketika nekat menjalankan uji statistik parametrik di atasnya. Pandangannya sangat tepat jika kita berbicara tentang item tunggal.
Namun, Geoff Norman (2010) memberikan sudut pandang pragmatis dari sisi praktis. Penelitiannya menunjukkan bahwa uji statistik parametrik ternyata cukup tangguh (robust) ketika diterapkan pada data Likert, sering kali memberikan kesimpulan yang valid meskipun beberapa asumsi ketatnya sedikit dilanggar—terutama pada skor komposit dengan ukuran sampel yang memadai. Artinya, “kiamat ilmiah” tidak serta-merta datang hanya karena seseorang menghitung nilai rata-rata.
Maka, sikap yang paling bijaksana bukanlah melarang perhitungan rata-rata secara mutlak, melainkan menyadari secara penuh apa yang sebenarnya sedang kita hitung:
- Jika hanya ada satu item tunggal: Laporkan nilai modus, median, dan sebaran frekuensinya. Jangan berpura-pura sedang memegang penggaris interval.
- Jika menggunakan skor gabungan (komposit): Apabila disusun dari beberapa item yang teruji konsistensinya, silakan hitung nilai rata-ratanya, dan jelaskan secara eksplisit bahwa angka tersebut merupakan hasil skor komposit, bukan respons dari satu pertanyaan berdiri sendiri.
Kembali ke ironi di awal tulisan: teknik yang mengabadikan nama Rensis Likert ini sebenarnya lahir dari prinsip penjumlahan multiset item, bukan dari satu baris pertanyaan yang berdiri sendiri. Ketika kita dengan santai menuliskan “rata-rata 3,6 pada skala Likert” untuk satu baris kuesioner, kita sebenarnya tidak sedang menghormati gagasan Likert—kita hanya sedang lupa bahwa ia pernah merumuskannya dengan sangat rapi.
Sumber Bacaan:
- Likert, R. (1932). A Technique for the Measurement of Attitudes. Archives of Psychology, No. 140.
- Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 103(2684).
- Jamieson, S. (2004). Likert scales: how to (ab)use them. Medical Education, 38(12).
- Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15(5).