Skala Likert merupakan salah satu bentuk skala pengukuran yang banyak digunakan dalam penelitian kuantitatif, khususnya ketika peneliti ingin mengetahui sikap, persepsi, pendapat, tingkat persetujuan, atau penilaian responden terhadap suatu pernyataan. Penggunaan skala ini cukup populer karena bentuk pertanyaannya relatif mudah dipahami oleh responden dan hasil jawabannya dapat diubah menjadi data yang lebih terstruktur untuk dianalisis.
Dalam penelitian, data kuesioner dengan skala Likert tidak cukup hanya dikumpulkan dan dihitung jumlah jawabannya. Peneliti perlu memahami bagaimana skor diberikan, bagaimana skor tersebut ditabulasi, bagaimana nilai dapat dihitung, serta bagaimana hasil akhirnya dibaca dan diinterpretasikan. Kesalahan dalam tahap tersebut dapat menyebabkan kesimpulan penelitian menjadi kurang tepat.
Analisis skala Likert juga perlu disesuaikan dengan tujuan penelitian dan desain analisis yang digunakan. Data jawaban responden dapat disajikan dalam bentuk frekuensi, persentase, skor total, nilai rata-rata, maupun ukuran statistik lainnya. Oleh karena itu, pemahaman mengenai cara membaca hasil kuesioner menjadi bagian penting dalam proses pengolahan data penelitian.
Artikel ini membahas analisis skala Likert secara sistematis, mulai dari pengertian, bentuk skala, pemberian skor, tabulasi data, perhitungan persentase dan rata-rata, hingga cara menginterpretasikan hasilnya dalam penelitian.
Pengertian Skala Likert dalam Data Kuesioner
Skala Likert adalah metode pengukuran yang digunakan untuk mengetahui tingkat respons seseorang terhadap suatu pernyataan atau indikator tertentu. Responden biasanya diberikan beberapa pilihan jawaban yang menunjukkan tingkat persetujuan atau penilaian, kemudian setiap pilihan diberi skor numerik.
Contohnya, sebuah kuesioner mengenai kepuasan mahasiswa terhadap layanan akademik dapat memuat pernyataan seperti “Pelayanan administrasi akademik mudah diakses.” Responden kemudian memilih tingkat persetujuan yang paling sesuai dengan pengalaman mereka.
Skala yang digunakan dapat terdiri atas lima pilihan, misalnya sangat tidak setuju, tidak setuju, netral, setuju, dan sangat setuju. Dalam bentuk lain, peneliti dapat menggunakan empat, enam, atau tujuh kategori. Jumlah kategori tersebut perlu ditentukan secara konsisten sejak penyusunan instrumen.
Penting untuk membedakan antara pilihan respons dan skor numeriknya. Pilihan seperti “setuju” atau “sangat setuju” merupakan kategori respons, sedangkan angka yang diberikan pada kategori tersebut digunakan untuk membantu proses pengolahan data.
Baca juga:Jasa Konsultasi Skripsi agar Cepat Lulus
Bentuk Skala Likert yang Sering Digunakan
Dalam penelitian, skala Likert dapat dirancang dengan jumlah kategori yang berbeda. Skala lima poin merupakan salah satu bentuk yang paling umum karena menyediakan pilihan respons yang cukup rinci sekaligus memberikan opsi tengah bagi responden.
Contoh pembagian skor pada pernyataan positif dapat dilihat pada tabel berikut.
| Pilihan Jawaban | Skor |
|---|---|
| Sangat Tidak Setuju | 1 |
| Tidak Setuju | 2 |
| Netral | 3 |
| Setuju | 4 |
| Sangat Setuju | 5 |
Pada instrumen tertentu, peneliti dapat menggunakan skala empat poin untuk menghilangkan pilihan netral. Contohnya adalah sangat tidak setuju, tidak setuju, setuju, dan sangat setuju dengan skor 1 sampai 4. Pilihan desain skala perlu disesuaikan dengan tujuan penelitian dan karakteristik konstruk yang diukur.
Ada pula penelitian yang menggunakan skala tujuh poin untuk memperoleh variasi respons yang lebih luas. Semakin banyak kategori yang digunakan, semakin rinci respons yang dapat diberikan, tetapi instrumen juga perlu dirancang agar responden tidak kesulitan membedakan setiap kategori.
Konsistensi menjadi hal penting. Jika sebuah variabel menggunakan skala 1–5, maka seluruh item yang memang dirancang untuk mengukur konstruk tersebut perlu mengikuti sistem pengukuran yang jelas. Perubahan skala tanpa dasar metodologis dapat menyulitkan proses analisis.
Skala Likert Positif dan Pernyataan Negatif
Tidak semua pernyataan dalam kuesioner memiliki arah yang sama. Pernyataan positif biasanya memiliki makna bahwa skor yang semakin tinggi menunjukkan tingkat konstruk yang semakin tinggi. Sebaliknya, pernyataan negatif memiliki arah yang berlawanan sehingga perlu mendapatkan perhatian ketika dilakukan pengolahan data.
Misalnya, pernyataan positif adalah “Saya merasa puas terhadap kualitas layanan.” Pada pernyataan tersebut, jawaban sangat setuju dapat diberi skor 5. Sementara itu, pernyataan negatif seperti “Saya sering mengalami kesulitan ketika menggunakan layanan” dapat memerlukan pembalikan skor jika kedua item tersebut digunakan untuk mengukur konstruk yang sama.
Pada skala lima poin, pembalikan skor dapat dilakukan dengan pola berikut.
| Skor Awal | Skor Setelah Pembalikan |
|---|---|
| 1 | 5 |
| 2 | 4 |
| 3 | 3 |
| 4 | 2 |
| 5 | 1 |
Pembalikan skor harus dilakukan berdasarkan rancangan instrumen dan arah konstruk yang hendak diukur. Peneliti tidak boleh membalik skor hanya karena menganggap sebuah pernyataan terdengar negatif. Arah item perlu diperiksa berdasarkan definisi operasional variabel dan pedoman instrumen.
Kesalahan dalam melakukan reverse scoring dapat menyebabkan hasil analisis menjadi terbalik. Misalnya, responden sebenarnya menunjukkan tingkat kepuasan yang tinggi, tetapi karena item negatif tidak dibalik, nilai total justru dapat terlihat lebih rendah.
Tahapan Mengolah Data Skala Likert
Setelah kuesioner terkumpul, data perlu disiapkan sebelum dilakukan analisis. Tahap ini mencakup pemeriksaan kelengkapan jawaban, pemberian kode, tabulasi, pengecekan data, dan penentuan teknik analisis yang sesuai.
Proses pengolahan data dapat dilakukan dengan bantuan Microsoft Excel, Google Sheets, SPSS, jamovi, R, atau perangkat lunak statistik lainnya. Pilihan aplikasi bukanlah bagian terpenting. Yang lebih penting adalah ketepatan prosedur pengolahan dan kesesuaian analisis dengan tujuan penelitian.
Secara umum, data dapat diproses melalui alur berikut:
- Memeriksa kelengkapan jawaban responden.
- Memberikan kode pada setiap pilihan jawaban.
- Memasukkan data ke dalam tabel atau dataset.
- Memeriksa kesalahan input dan data yang tidak sesuai.
- Melakukan reverse scoring jika terdapat item negatif yang memang perlu dibalik.
- Menghitung skor item atau skor variabel.
- Menghasilkan statistik deskriptif yang diperlukan.
- Menafsirkan hasil berdasarkan tujuan penelitian.
Setiap tahap perlu dilakukan secara terkontrol karena kesalahan pada tahap input dapat terbawa sampai ke tahap interpretasi. Dokumentasi proses pengolahan juga penting agar analisis dapat ditelusuri dan dijelaskan ketika penelitian diperiksa.
Cara Menghitung Skor Skala Likert
Skor jawaban dapat dihitung dengan mengalikan frekuensi responden pada setiap kategori dengan skor kategori tersebut. Setelah itu, seluruh hasil perkalian dapat dijumlahkan untuk memperoleh skor total suatu item.
Misalnya, terdapat 50 responden yang memberikan jawaban terhadap satu pernyataan dengan distribusi berikut:
| Jawaban | Skor | Jumlah Responden | Hasil Perkalian |
|---|---|---|---|
| Sangat Tidak Setuju | 1 | 2 | 2 |
| Tidak Setuju | 2 | 5 | 10 |
| Netral | 3 | 8 | 24 |
| Setuju | 4 | 20 | 80 |
| Sangat Setuju | 5 | 15 | 75 |
| Total | 50 | 191 |
Berdasarkan contoh tersebut, skor total item adalah 191. Nilai ini menunjukkan akumulasi skor dari seluruh respons responden terhadap pernyataan tersebut.
Jika ingin memperoleh nilai rata-rata, skor total dapat dibagi dengan jumlah responden. Dalam contoh tersebut, nilai rata-ratanya adalah:
191 ÷ 50 = 3,82
Nilai 3,82 perlu dibaca sesuai dengan konteks skala dan aturan interpretasi yang telah ditetapkan peneliti. Nilai rata-rata bukan sekadar angka, tetapi perlu dikaitkan dengan indikator dan variabel yang sedang diteliti.
Cara Menghitung Persentase Jawaban Responden
Selain skor total dan rata-rata, data skala Likert dapat disajikan dalam bentuk persentase. Persentase berguna untuk menunjukkan proporsi responden yang memilih kategori tertentu.
Rumus dasar persentase adalah:
Persentase = (Jumlah responden pada kategori / Jumlah seluruh responden) × 100%
Misalnya, dari 50 responden terdapat 20 orang yang memilih “Setuju”. Maka persentasenya adalah:
(20 / 50) × 100% = 40%
Artinya, sebanyak 40% responden memilih kategori setuju pada pernyataan tersebut.
Penyajian persentase sangat berguna ketika peneliti ingin menunjukkan pola jawaban secara lebih mudah dipahami. Pembaca dapat melihat bagaimana jawaban responden tersebar pada setiap kategori tanpa harus menghitung kembali data mentah.
Namun, persentase tidak selalu cukup untuk menggambarkan keseluruhan hasil. Jika penelitian membutuhkan pengukuran tingkat konstruk secara keseluruhan, peneliti dapat melanjutkan analisis menggunakan skor total, rata-rata, atau metode statistik yang sesuai.
Cara Membaca Nilai Rata-Rata Skala Likert
Nilai rata-rata sering digunakan untuk memberikan gambaran umum mengenai respons responden. Pada skala 1–5, nilai yang mendekati 1 menunjukkan kecenderungan respons pada kategori rendah, sedangkan nilai yang mendekati 5 menunjukkan kecenderungan respons pada kategori tinggi.
Namun, pembagian kategori nilai rata-rata tidak boleh dibuat secara sembarangan. Jika peneliti ingin membentuk interval interpretasi, salah satu cara yang sering digunakan adalah menghitung rentang skala.
Untuk skala 1–5, rentangnya adalah:
5 − 1 = 4
Jika rentang tersebut dibagi menjadi lima kategori, panjang intervalnya adalah:
4 ÷ 5 = 0,8
Dengan pendekatan tersebut, contoh interval interpretasi dapat disusun sebagai berikut.
| Interval Nilai | Contoh Interpretasi |
|---|---|
| 1,00–1,80 | Sangat rendah |
| 1,81–2,60 | Rendah |
| 2,61–3,40 | Sedang |
| 3,41–4,20 | Tinggi |
| 4,21–5,00 | Sangat tinggi |
Tabel tersebut merupakan contoh metode interpretasi. Peneliti perlu menjelaskan dasar pembentukan interval yang digunakan dan tidak mencampurkan beberapa sistem kategorisasi tanpa alasan metodologis.
Jika nilai rata-rata sebuah indikator adalah 3,82, berdasarkan contoh interval tersebut nilainya berada pada kategori tinggi. Interpretasi lengkapnya dapat ditulis dengan menghubungkan nilai tersebut dengan indikator penelitian, bukan hanya menyebutkan kategorinya.
Analisis Skala Likert Berdasarkan Indikator
Dalam penelitian kuantitatif, sebuah variabel biasanya tidak hanya diukur menggunakan satu pernyataan. Variabel dapat terdiri atas beberapa indikator, sedangkan setiap indikator dapat diwakili oleh beberapa item kuesioner.
Karena itu, analisis sebaiknya tidak berhenti pada satu item. Peneliti dapat menghitung skor atau rata-rata setiap indikator untuk melihat bagian mana yang memiliki nilai relatif lebih tinggi atau lebih rendah.
Sebagai ilustrasi, variabel kepuasan layanan memiliki tiga indikator, yaitu kemudahan akses, kecepatan pelayanan, dan kualitas informasi. Jika masing-masing indikator menghasilkan rata-rata yang berbeda, peneliti dapat membahas pola tersebut secara lebih terarah.
Contohnya:
| Indikator | Rata-Rata | Kategori |
|---|---|---|
| Kemudahan akses | 4,10 | Tinggi |
| Kecepatan pelayanan | 3,65 | Tinggi |
| Kualitas informasi | 3,20 | Sedang |
Hasil tersebut menunjukkan adanya perbedaan kecenderungan respons antarindikator. Peneliti dapat menggunakan temuan tersebut sebagai dasar untuk pembahasan lebih lanjut sesuai dengan konteks penelitian.
Analisis seperti ini lebih informatif dibandingkan hanya menyatakan bahwa rata-rata keseluruhan variabel berada pada kategori tertentu. Dengan melihat indikator, pembaca dapat memahami bagian konstruk yang memiliki pola respons berbeda.
Contoh Membaca Hasil Kuesioner
Misalnya sebuah penelitian mengukur persepsi mahasiswa terhadap pembelajaran daring menggunakan lima pernyataan. Setelah data diolah, diperoleh rata-rata keseluruhan sebesar 3,76 pada skala 1–5.
Berdasarkan interval contoh sebelumnya, nilai tersebut berada dalam kategori tinggi. Namun, kalimat interpretasi sebaiknya tidak berhenti pada “hasil penelitian tinggi”. Peneliti perlu menjelaskan bahwa skor tersebut menunjukkan kecenderungan responden memberikan penilaian positif terhadap aspek pembelajaran yang diukur oleh instrumen.
Apabila salah satu indikator memperoleh rata-rata 4,20 sedangkan indikator lain memperoleh rata-rata 3,10, peneliti perlu memperhatikan perbedaan tersebut. Nilai yang lebih rendah bukan berarti variabel secara keseluruhan gagal, tetapi menunjukkan adanya aspek tertentu yang memperoleh respons relatif lebih rendah.
Dalam penulisan hasil penelitian, interpretasi juga perlu dibedakan dari opini peneliti. Angka menunjukkan pola data, sedangkan penjelasan mengenai penyebab pola tersebut membutuhkan dasar tambahan seperti teori, hasil penelitian terdahulu, karakteristik responden, atau data pendukung lainnya.
Analisis Skala Likert pada Penelitian Kuantitatif
Dalam penelitian kuantitatif, data skala Likert dapat digunakan untuk analisis deskriptif maupun analisis lanjutan sesuai dengan desain penelitian. Analisis deskriptif dapat mencakup frekuensi, persentase, nilai rata-rata, median, modus, dan ukuran penyebaran tertentu.
Jika penelitian memiliki tujuan menguji hubungan atau pengaruh antarvariabel, analisis dapat dilanjutkan dengan teknik statistik yang sesuai dengan desain penelitian, jenis data yang digunakan, asumsi analisis, serta metode yang telah ditetapkan.
Penggunaan regresi, korelasi, uji perbedaan, atau teknik statistik lainnya tidak sebaiknya dipilih hanya karena data berasal dari kuesioner. Peneliti perlu mempertimbangkan struktur data, unit analisis, jumlah sampel, karakteristik variabel, serta asumsi dari metode statistik yang dipilih.
Dengan demikian, analisis skala Likert bukan hanya persoalan menghitung angka 1 sampai 5. Proses tersebut merupakan bagian dari rangkaian metodologi penelitian yang dimulai dari definisi konstruk, penyusunan indikator, pengembangan instrumen, pengumpulan data, pengolahan, hingga interpretasi.
Kesalahan yang Sering Dilakukan Saat Menganalisis Skala Likert
Kesalahan pengolahan dapat membuat hasil penelitian kurang akurat meskipun perhitungan matematisnya benar. Oleh sebab itu, peneliti perlu memahami beberapa masalah yang sering terjadi dalam pengolahan data kuesioner.
Kesalahan yang umum dilakukan antara lain:
- Memberikan skor tanpa memperhatikan arah pernyataan.
- Lupa melakukan reverse scoring pada item yang memang membutuhkan pembalikan.
- Mengubah kategori jawaban setelah data terkumpul tanpa dasar yang jelas.
- Menggunakan interval kategori tanpa menjelaskan cara pembentukannya.
- Menafsirkan rata-rata secara berlebihan.
- Mengabaikan data kosong atau jawaban yang tidak valid.
- Menyamakan nilai rata-rata tinggi dengan bukti hubungan sebab-akibat.
- Mengambil kesimpulan hanya dari satu item kuesioner.
- Tidak memeriksa validitas dan reliabilitas instrumen ketika prosedur penelitian mengharuskannya.
- Memilih teknik statistik tanpa mempertimbangkan desain penelitian dan karakteristik data.
Kesalahan tersebut dapat diminimalkan dengan membuat aturan pengolahan data sejak tahap perancangan instrumen. Peneliti juga sebaiknya menyimpan data mentah dan membuat salinan dataset sebelum melakukan transformasi.
Tips Praktis Mengolah Data Skala Likert
Pengolahan data akan lebih mudah apabila struktur dataset sudah dirancang dengan baik. Setiap baris dapat mewakili responden, sedangkan kolom dapat mewakili item pertanyaan atau variabel yang diperlukan.
Kode jawaban juga perlu dibuat konsisten. Misalnya, pada skala lima poin, “Sangat Tidak Setuju” selalu diberi kode 1 dan “Sangat Setuju” diberi kode 5 untuk item positif. Jika terdapat item negatif yang perlu dibalik, proses tersebut perlu didokumentasikan.
Sebaiknya peneliti juga menyimpan codebook atau daftar kode. Dokumen tersebut dapat memuat nama variabel, indikator, nomor item, bentuk pernyataan, kode jawaban, serta keterangan mengenai reverse scoring.
Ketika menggunakan Excel atau perangkat lunak statistik, periksa kembali beberapa baris data secara manual setelah proses input. Pemeriksaan sederhana dapat membantu menemukan kesalahan seperti angka yang tertukar, kolom yang bergeser, atau nilai di luar rentang skala.
Untuk penelitian akademik, hasil analisis juga sebaiknya disajikan secara transparan. Pembaca perlu dapat memahami dari mana nilai rata-rata, persentase, atau skor total diperoleh.
Rekomendasi Penyajian Hasil Analisis Skala Likert
Penyajian hasil harus disesuaikan dengan informasi yang ingin disampaikan. Jika fokusnya adalah distribusi jawaban, tabel frekuensi dan persentase dapat digunakan. Jika fokusnya adalah kecenderungan skor, tabel rata-rata per item atau indikator dapat menjadi pilihan.
Contoh struktur tabel hasil dapat dibuat seperti berikut:
| No. | Indikator | Rata-Rata | Kategori |
|---|---|---|---|
| 1 | Kemudahan penggunaan | 4,12 | Tinggi |
| 2 | Kecepatan layanan | 3,85 | Tinggi |
| 3 | Kejelasan informasi | 3,54 | Tinggi |
| 4 | Kenyamanan penggunaan | 3,28 | Sedang |
Setelah tabel, berikan paragraf interpretasi yang menjelaskan pola penting dari data. Hindari hanya mengulang angka dalam bentuk kalimat. Pembahasan sebaiknya menerangkan makna angka tersebut dalam konteks variabel yang diteliti.
Misalnya, apabila indikator kemudahan penggunaan memiliki rata-rata paling tinggi, peneliti dapat membahas bahwa responden cenderung memberikan penilaian lebih positif pada aspek kemudahan. Namun, jika indikator kenyamanan memperoleh rata-rata paling rendah, pembahasan dapat diarahkan pada aspek tersebut dengan mempertimbangkan teori dan data pendukung yang relevan.
Perbedaan Skor, Persentase, dan Rata-Rata dalam Analisis
Skor, persentase, dan rata-rata memiliki fungsi yang berbeda sehingga tidak sebaiknya dianggap sebagai hasil yang sama. Skor menunjukkan nilai numerik yang diperoleh berdasarkan pembobotan jawaban. Persentase menunjukkan proporsi responden dalam kategori tertentu. Rata-rata menunjukkan nilai kecenderungan berdasarkan keseluruhan respons yang dihitung.
Penggunaan ketiganya secara bersamaan dapat membuat hasil penelitian lebih mudah dipahami. Misalnya, peneliti dapat menampilkan persentase responden yang memilih “setuju” dan “sangat setuju”, kemudian memberikan rata-rata sebagai gambaran keseluruhan skor.
Namun, pembaca tetap perlu mengetahui bagaimana angka tersebut diperoleh. Transparansi rumus dan prosedur analisis akan membantu menghindari kesalahpahaman dalam membaca hasil penelitian.
Hal yang Perlu Diperhatikan dalam Interpretasi
Interpretasi data skala Likert perlu dilakukan secara hati-hati. Nilai rata-rata yang tinggi menunjukkan kecenderungan respons pada kategori skor yang lebih tinggi sesuai dengan pengkodean yang digunakan. Nilai tersebut tidak secara otomatis membuktikan bahwa suatu program, layanan, metode, atau kebijakan berhasil.
Kesimpulan penelitian harus mempertimbangkan tujuan penelitian dan desain analisis. Jika penelitian hanya menggunakan statistik deskriptif, maka kesimpulan perlu tetap berada dalam batas deskriptif. Peneliti tidak seharusnya mengubah temuan berupa kecenderungan respons menjadi klaim sebab-akibat tanpa analisis yang mendukung.
Selain itu, interpretasi harus mempertimbangkan konteks responden. Nilai rata-rata dari 50 responden tidak dapat langsung dianggap mewakili seluruh populasi apabila teknik pengambilan sampelnya tidak mendukung generalisasi tersebut.
Baca juga: Cara Menghitung Persentase Hasil Kuesioner dan Menyajikannya dalam Tabel
Kesimpulan
Analisis skala Likert pada data kuesioner merupakan proses penting dalam penelitian kuantitatif karena membantu peneliti mengubah jawaban responden menjadi informasi yang dapat dibaca dan ditafsirkan. Prosesnya mencakup pemberian skor, pengkodean data, pemeriksaan jawaban, tabulasi, perhitungan frekuensi dan persentase, hingga penghitungan skor atau rata-rata.
Pemahaman terhadap arah pernyataan juga sangat penting, terutama ketika kuesioner memiliki item positif dan negatif. Reverse scoring perlu dilakukan secara tepat apabila memang diperlukan agar seluruh item memiliki arah pengukuran yang konsisten.
Hasil analisis dapat disajikan berdasarkan item, indikator, maupun variabel. Nilai rata-rata dapat digunakan untuk menggambarkan kecenderungan respons, sedangkan persentase dapat membantu memperlihatkan distribusi pilihan jawaban. Keduanya perlu diinterpretasikan berdasarkan konteks penelitian dan metode yang telah ditetapkan.
Pada akhirnya, analisis skala Likert bukan hanya kegiatan menghitung angka. Kualitas hasil penelitian juga dipengaruhi oleh kualitas instrumen, ketepatan pengkodean, proses cleaning data, pemilihan metode analisis, serta kemampuan peneliti menghubungkan hasil statistik dengan tujuan penelitian. Dengan prosedur yang sistematis, data kuesioner dapat menjadi dasar yang kuat untuk menyusun hasil penelitian secara jelas, logis, dan dapat dipertanggungjawabkan.
SkripsiYuk! siap membantu Anda melalui layanan konsultasi akademik untuk penyusunan instrumen penelitian, operasionalisasi variabel, penyusunan kuesioner, pedoman wawancara, uji validitas dan reliabilitas, pengolahan serta analisis data, hingga pendampingan metodologi penelitian. Segera konsultasikan kebutuhan Anda melalui WhatsApp atau Instagram untuk mendapatkan informasi program pendampingan yang sesuai.
