library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.0 ──## ✓ ggplot2 3.3.2 ✓ purrr 0.3.4
## ✓ tibble 3.0.4 ✓ dplyr 1.0.2
## ✓ tidyr 1.1.2 ✓ stringr 1.4.0
## ✓ readr 1.4.0 ✓ forcats 0.5.0## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()Contoh Kasus :
Seorang member dari grup pengembang software dasitech indoensia membuat sebuah penelitian, yaitu melukakan penyebaran kuisioner dengan menggunakan skala untuk mengetahui kualitas dari static site generator dengan menggunakan skala likert, yaitu:
|:——————|:—:|———————:| |Angka 1 | = |sangat tidak setuju | |Angka 2 | = |tidak setuju | |Angka 3 | = |setuju | |Angka 4 | = |sangat setuju |
Kuisioner tersebut dibagikan kepada 10 responden, dan didapatkan hasil sebagai data berikut ini :
data.kuisioner2 <- tribble(
~Responden, ~Q1,~Q2,~Q3,~Q4,~Q5,~Q6,~Q7,~Q8,~Q9,~Q10,
1, 4, 4, 3, 4, 4, 3, 3, 3, 3, 3,
2, 4, 3, 3, 4, 3, 3, 3, 3, 3, 3,
3, 2, 2, 1, 3, 2, 2, 3, 1, 2, 3,
4, 3, 4, 4, 3, 3, 3, 4, 3, 3, 4,
5, 3, 4, 3, 3, 3, 4, 3, 4, 4, 3,
6, 3, 2, 4, 4, 3, 4, 4, 3, 4, 4,
7, 2, 3, 3, 4, 4, 4, 3, 4, 2, 3,
8, 1, 2, 2, 1, 2, 2, 1, 3, 2, 2,
9, 2, 2, 3, 3, 4, 2, 1, 1, 4, 4,
10, 3, 3, 3, 4, 4, 4, 4, 4, 3, 3
)
data.kuisioner2## # A tibble: 10 x 11
## Responden Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 4 4 3 4 4 3 3 3 3 3
## 2 2 4 3 3 4 3 3 3 3 3 3
## 3 3 2 2 1 3 2 2 3 1 2 3
## 4 4 3 4 4 3 3 3 4 3 3 4
## 5 5 3 4 3 3 3 4 3 4 4 3
## 6 6 3 2 4 4 3 4 4 3 4 4
## 7 7 2 3 3 4 4 4 3 4 2 3
## 8 8 1 2 2 1 2 2 1 3 2 2
## 9 9 2 2 3 3 4 2 1 1 4 4
## 10 10 3 3 3 4 4 4 4 4 3 3Pengujian instrumen validitas, dapat kita lakukan dengan melakukan pengukuran korelasi antar indikator dengan total untuk setiap variabelnya. Pengukuran korelasi akan menggunakan fungsi cor() dan bantuan package dplyr di RStudio, sedangkan untuk fungsi select() digunakan meilij variabel yang dikehendaki, semuanya dapat dilakukan dengan command di bawah ini,
library(dplyr)
select(data.kuisioner2, Q1, Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10)## # A tibble: 10 x 10
## Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 4 4 3 4 4 3 3 3 3 3
## 2 4 3 3 4 3 3 3 3 3 3
## 3 2 2 1 3 2 2 3 1 2 3
## 4 3 4 4 3 3 3 4 3 3 4
## 5 3 4 3 3 3 4 3 4 4 3
## 6 3 2 4 4 3 4 4 3 4 4
## 7 2 3 3 4 4 4 3 4 2 3
## 8 1 2 2 1 2 2 1 3 2 2
## 9 2 2 3 3 4 2 1 1 4 4
## 10 3 3 3 4 4 4 4 4 3 3cor(select(data.kuisioner2, Q1, Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10))## Q1 Q2 Q3 Q4 Q5 Q6 Q7
## Q1 1.0000000 0.62868168 0.4949196 0.7283951 0.3860440 0.4414148 0.6066233
## Q2 0.6286817 1.00000000 0.4202899 0.3076527 0.3539192 0.4492754 0.4497041
## Q3 0.4949196 0.42028986 1.0000000 0.4414148 0.5147916 0.5942029 0.4497041
## Q4 0.7283951 0.30765274 0.4414148 1.0000000 0.6533053 0.6286817 0.6704784
## Q5 0.3860440 0.35391920 0.5147916 0.6533053 1.0000000 0.4504426 0.1535939
## Q6 0.4414148 0.44927536 0.5942029 0.6286817 0.4504426 1.0000000 0.7033833
## Q7 0.6066233 0.44970406 0.4497041 0.6704784 0.1535939 0.7033833 1.0000000
## Q8 0.2873479 0.56501280 0.4497041 0.2447778 0.2815888 0.8186920 0.4495413
## Q9 0.4303315 0.15541747 0.6216699 0.2868877 0.3450328 0.3108349 0.1236548
## Q10 0.2962963 0.04012862 0.6420579 0.4444444 0.3563483 0.1605145 0.3512030
## Q8 Q9 Q10
## Q1 0.2873479 0.4303315 0.29629630
## Q2 0.5650128 0.1554175 0.04012862
## Q3 0.4497041 0.6216699 0.64205788
## Q4 0.2447778 0.2868877 0.44444444
## Q5 0.2815888 0.3450328 0.35634832
## Q6 0.8186920 0.3108349 0.16051447
## Q7 0.4495413 0.1236548 0.35120297
## Q8 1.0000000 0.0000000 -0.28734789
## Q9 0.0000000 1.0000000 0.64549722
## Q10 -0.2873479 0.6454972 1.00000000kita dapatkan bahwa korelasi setiap indikator untuk variabel Q, jika nilai adalah di atas 0.5, hal ini menunjukkan hubungan yang kuat antara indikator dengan variabel Q atau dapat dikatakan setiap indikator yang kita gunakan untuk mengukur variabel Q sudah valid.
Daftar pustaka