Workshop Penulisan Item: Kisi-kisi dan Pemilihan Format Respons

Penyusunan Skala Psikologi

Rizqy Amelia Zein & Dian Kartika Amelia Arbi

Departemen Psikologi, Universitas Airlangga

2026-08-25

Outline

Menyusun kisi-kisi: berapa item untuk tiap aspek, dan kenapa sebanyak itu
Kaidah menulis item, dengan contoh yang salah dan perbaikannya
Item unfavorable: bagaimana datanya, dan kapan sebaiknya dipakai
Menetapkan format respons untuk seluruh skala
Merakit kuesionernya: pengantar, petunjuk, tata letak
Workshop dan saling menelaah antar-kelompok

Dari spesifikasi konstruk ke item

Yang Anda bawa hari ini

Uraian spesifikasi konstruk dari Pertemuan 9: definisi, batas, estimand, dimensi, aspek, dan indikator.
Hari ini indikator itu berubah menjadi item, dan item disusun menjadi kuesioner.

Perhatikan

Kalau kelompok Anda belum punya uraian spesifikasi konstruk, kerjakan itu lebih dulu hari ini. Menulis item tanpa definisi konstruk membuat Anda kerja dua kali.

Kisi-kisi

Apa yang dicakup oleh kisi-kisi

Kisi-kisi menghubungkan aspek konstruk dengan jumlah item yang akan mewakilinya.
Fungsinya menjaga agar cakupan isi item sesuai dengan definisi Anda, bukan mengikuti aspek mana yang paling mudah ditulis itemnya.

Note

Tanpa kisi-kisi, hampir selalu terjadi hal yang sama: aspek yang paling gampang dibayangkan mendapat sepuluh item, sementara aspek yang sulit hanya kebagian dua.

Contoh kisi-kisi

Konstruk: kecemasan sosial pada mahasiswa S1.

Aspek	Bobot	Indikator	Item ditulis	Target akhir
Ketakutan akan penilaian negatif	40%	3	12	6
Penghindaran situasi sosial	35%	3	10	5
Gejala fisiologis	25%	2	8	4
Total	100%	8	30	15

Bobot ditentukan oleh definisi konstruk Anda.
Perhatikan dua kolom terakhir: Anda menulis jauh lebih banyak daripada yang akan dipakai.

Kenapa harus melebihkan jumlah item

Sebagian item akan gugur di review ahli (Pertemuan 11), sebagian lagi gugur di analisis item (Pertemuan 13).
Kalau Anda hanya menulis 15 item untuk target 15, Anda tidak punya ruang untuk membuang apa pun.
Patokan yang umum: tulislah dua sampai tiga kali jumlah item yang Anda targetkan.

Jumlah item akhir

Ingat dari Pertemuan 6: reliabilitas ditentukan oleh jumlah item dan rata-rata korelasi antar-item. Untuk skala dengan rata-rata korelasi sedang, 10–20 item biasanya memadai.

Menambah item terus-menerus membuat performa skala menjadi semakin jelek, dan menambah beban responden.

Sebarkan itemnya

Ingat pembahasan tingkat kesulitan item di Pertemuan 3: item sebaiknya tersebar di sepanjang rentang konstruk.
Untuk tiap aspek, tulis sebagian item yang mudah disetujui (menandakan tingkat rendah) dan sebagian yang sulit disetujui (menandakan tingkat tinggi).
Kalau semua item Anda menggambarkan tingkat yang ekstrim, responden dengan tingkat sedang tidak akan bisa dibedakan satu sama lain.

Tips

Ini juga yang mencegah ceiling effect dan floor effect yang akan langsung terlihat pada sebaran skor di Pertemuan 13.

Kaidah menulis item

Satu item, satu ide pokok

Item ganda (double-barrelled) memuat dua gagasan sekaligus, sehingga responden yang setuju pada satu bagian saja tidak punya jawaban yang benar.
Kata “dan”, “karena”, serta “kalau” sering menjadi penanda item ganda.

Bermasalah	Perbaikannya
“Saya gugup dan berkeringat saat presentasi.”	Pisahkan menjadi dua item.
“Saya menghindari acara kampus karena takut dinilai.”	“Saya menghindari acara kampus.” + item terpisah tentang alasannya.

Pendek dan lugas

Item yang panjang memaksa responden mengingat awal kalimat saat membaca bagian akhirnya.
Hindari negasi ganda. “Saya tidak keberatan kalau tidak diajak berdiskusi” sulit diproses siapa pun.
Hindari kata ganti yang tidak jelas rujukannya, dan keterangan yang salah tempat.

Note

DeVellis menyarankan tingkat keterbacaan setara kelas 5–7 untuk instrumen yang dipakai pada masyarakat umum. Untuk responden mahasiswa, Anda punya sedikit kelonggaran, tetapi kalimat pendek tetap lebih baik.

Perilaku konkret, bukan sebabnya

Ingat Pertemuan 2: Nisbett & Wilson menunjukkan bahwa orang sering tidak punya akses pada alasan sebenarnya di balik perilakunya.
Item yang menanyakan apa yang terjadi umumnya lebih dapat diandalkan daripada item yang menanyakan mengapa.

Bermasalah	Perbaikannya
“Saya cemas karena takut dinilai orang lain.”	“Saya khawatir orang lain menilai saya negatif.”
“Saya introvert, jadi saya menghindari keramaian.”	“Saya menghindari pesta yang ramai.”

Kurun waktu diambil dari estimand

Kalimat estimand Anda di Pertemuan 9 sudah menyebutkan kurun waktunya. Kurun itu harus muncul di itemnya.
“Dalam sebulan terakhir, saya …” mengukur hal yang berbeda dari “Saya biasanya …”.
Pastikan kurun waktunya sama untuk semua item dalam satu skala.

Penting diingat

Mencampur item berkurun waktu berbeda dalam satu skala menambah sumber variasi yang tidak Anda maksud, dan biasanya muncul sebagai faktor tambahan pada analisis di Pertemuan 13.

Seberapa kuat kalimatnya

Dari Pertemuan 4: untuk format Likert, pernyataan sebaiknya cukup kuat, tetapi tidak ekstrem, karena derajatnya sudah diwakili opsi respons.
Kalimat yang terlalu lunak akan disetujui hampir semua orang, dan item itu berhenti membedakan siapa pun.
Kalimat yang terlalu ekstrem akan ditolak hampir semua orang, dengan akibat yang sama.

Hindari kata bermuatan nilai

Kata seperti “wajar”, “seharusnya”, “berlebihan”, atau “gagal” mengarahkan jawaban.
Item juga sebaiknya tidak membuat responden merasa dihakimi, terutama untuk konstruk yang rawan social desirability (Pertemuan 2).

Bermasalah	Perbaikannya
“Saya berlebihan dalam mencemaskan pendapat orang.”	“Saya sering memikirkan pendapat orang lain tentang saya.”
“Saya gagal mengendalikan rasa cemas saya.”	“Saya sulit menenangkan diri ketika cemas.”

Item unfavorable

Kenapa dipakai

Gagasannya berasal dari Likert (1932) sendiri: untuk menekan kecenderungan responden menyetujui apa saja, separuh item dibuat searah dan separuh berlawanan arah.
Kalau responden hanya mengiyakan, polanya akan terlihat: ia menyetujui item yang searah dan yang berlawanan sekaligus.

Note

Sampai di sini gagasannya masuk akal. Tetapi, persoalannya muncul pada pelaksanaannya.

Bagaimana bukti empiriknya

Skala yang seluruh itemnya searah menghasilkan jawaban yang lebih akurat dibandingkan skala campuran.
Skor pada item searah dan item terbalik tidak simetris: sangat tidak setuju pada pernyataan positif tidak sama dengan sangat setuju pada pernyataan negatifnya.
Item terbalik sering membentuk faktornya sendiri pada analisis faktor. Yang muncul di situ adalah cara penulisannya, bukan konstruknya.

Partisipan berhenti memperhatikan

Performa responden menurun sekitar 12 menit setelah mulai mengisi.
Setelah itu, banyak yang tidak lagi menyadari adanya kata “tidak” di dalam item, bahkan ketika kata itu ditebalkan atau digarisbawahi.

Kalau tetap dipakai

Letakkan item unfavorable di bagian awal kuesioner.
Pastikan item unfavorable benar-benar lawan yang setara, bukan sekadar penambahan kata “tidak”.
Periksa pengaruhnya saat analisis: lihat apakah item unfavorable mengelompok sendiri.

Jebakan kata “tidak”

“Saya merasa cemas saat presentasi” dan “Saya tidak merasa cemas saat presentasi” bukan dua ujung dari satu kontinum.
Tidak merasa cemas bukan berarti merasa tenang. Ada banyak keadaan di antaranya.
Kalau ingin item berlawanan arah, baliklah isinya, bukan tata bahasanya: “Saya merasa tenang saat presentasi.”

Untuk konstruk tertentu, item searah justru lebih tepat

Untuk konstruk yang sifatnya memang negatif — kecemasan, depresi — kalimat bernada negatif adalah bentuk yang terbaik. Memaksakan item unfavorable di sini justru membuat kalimatnya berbelit.

Format respons

Yang sudah Anda pelajari

Dari Pertemuan 4, tetapkan sekarang untuk seluruh skala:

Berapa pilihan. Pilihan respons sebanyak 5–7 masuk akal untuk sebagian besar tujuan pengukuran.
Pilihan tengah atau tidak. Pakai kalau posisi tengah memang bermakna untuk konstruk Anda.
Label. Beri label pada semua pilihan, bukan hanya ujungnya.
Jangkar. Persetujuan, frekuensi, atau jangkar khusus per item.

Soal pilihan tengah

Chyung dkk. (2017) menyarankan pertanyaannya diubah: bukan “perlu titik tengah atau tidak”, melainkan “kapan titik tengah itu diperlukan”. Titik tengah tepat kalau ia benar-benar meaningful secara teoretis.

Kalau yang Anda antisipasi adalah ketidaktahuan, sediakan pilihan terpisah seperti “tidak tahu”, jangan dicampur dengan titik tengah.

Konsistensi dan urutan

Pakai satu format respons untuk seluruh item dalam satu skala. Berganti format di tengah menambah beban dan menyulitkan penjumlahan skor.
Susun pilihan responsnya dalam urutan menaik, dari yang paling rendah ke paling tinggi.
Pastikan arahnya konsisten dari awal sampai akhir kuesioner.

Merakit kuesionernya

Bagian-bagiannya

Judul — mencerminkan isi, singkat, dan tidak membuat responden segan mengisi.
Pengantar — tujuan singkat, pernyataan kerahasiaan dan persetujuan, serta perkiraan waktu pengisian.
Petunjuk pengisian — lengkap, tidak ambigu, termasuk cara mengirimkan jawabannya.
Item — dikelompokkan dan diberi nomor.
Penutup — ucapan terima kasih dan langkah berikutnya kalau ada.

Mengapa pengantar dan penutup skala penting?

Pershing & Pershing (2001) memeriksa 50 kuesioner evaluasi pelatihan yang dipakai di sebuah sekolah kedokteran ternama.
72% tidak punya pengantar sama sekali. 78% tidak punya penutup. 30% tidak punya petunjuk pengisian, dan 54% lainnya hanya seadanya.
Hanya 8% yang tampilannya rapi secara profesional.

Warning

Tampilan yang berantakan menurunkan minat partisipan, dan itu langsung berpengaruh pada reliabilitas serta validitas skor Anda.

Tata letak

Beri ruang kosong yang cukup; jangan padat.
Beri nomor dan judul bagian supaya responden tahu sudah sampai mana.
Beri jeda tiap 4–6 item, atau selang-seling warna latar barisnya.
Untuk pengisian daring, pastikan tampilannya terbaca di layar ponsel.

Data demografis

Letakkan di bagian akhir, kecuali kalau diperlukan untuk menyaring responden di awal. Pertanyaan demografis di awal membuat sebagian responden merasa diidentifikasi sebelum mereka tahu isi kuesionernya.

Workshop

Bagian 1: menulis item

15 menit — Lengkapi kisi-kisi kelompok Anda: aspek, bobot, indikator, dan jumlah item yang akan ditulis.
40 menit — Tulis itemnya.
10 menit — Tetapkan format respons dan tulis petunjuk pengisiannya.

Bagian 2: saling menelaah

Tukarkan daftar item dengan kelompok lain. 25 menit.

Untuk tiap item, periksa:

Apakah item ini memuat lebih dari satu gagasan?
Apakah ada negasi ganda atau kata ganti yang rujukannya tidak jelas?
Apakah item ini menanyakan perilaku atau menanyakan alasan?
Apakah kurun waktunya sama dengan item lain?
Apakah ada kata bermuatan nilai yang mengarahkan jawaban?
Apakah item ini bisa dijawab sama oleh orang dengan tingkat konstruk yang berbeda? Kalau ya, item itu tidak membedakan apa pun.

Tip

Kembalikan daftarnya dengan catatan tertulis, bukan penilaian umum. “Item 7 ganda: gugup dan berkeringat” jauh lebih berguna daripada “itemnya kurang jelas”.

Yang harus dihasilkan

Kisi-kisi dalam bentuk tabel, lengkap dengan bobot dan jumlah item.
Daftar item yang sudah diperbaiki setelah telaah antar-kelompok, disertai penanda aspek untuk tiap item.
Format respons beserta labelnya.
Draf kuesioner lengkap dengan pengantar dan petunjuk pengisian.

Warning

Bawa semuanya ke Pertemuan 11. Panel ahli tidak bisa menilai relevansi item tanpa membaca definisi konstruk dan kisi-kisi Anda.

Ada pertanyaan❓

Catatan

Paparan disusun dengan menggunakan dan Quarto dengan template dari UNAIR Theme.
Kontak saya via amelia.zein@psikologi.unair.ac.id

Rujukan

Bikos, L. H. ReCentering psych stats: Psychometrics. https://lhbikos.github.io/ReC_Psychometrics/

Chyung, S. Y., Barkin, J. R., & Shamsy, J. A. (2018). Evidence-based survey design: The use of negatively worded items in surveys. Performance Improvement, 57(3), 16–25.

Chyung, S. Y., Kennedy, M., & Campbell, I. (2018). Evidence-based survey design: The use of ascending or descending order of Likert-type response options. Performance Improvement, 57(9), 9–16.

Chyung, S. Y., Roberts, K., Swanson, I., & Hankinson, A. (2017). Evidence-based survey design: The use of a midpoint on the Likert scale. Performance Improvement, 56(10), 15–23.

DeVellis, R. F., & Thorpe, C. T. (2022). Scale development: Theory and applications (5th ed.). SAGE.

Krosnick, J. A., & Presser, S. (2010). Question and questionnaire design. In P. V. Marsden & J. D. Wright (Eds.), Handbook of survey research (2nd ed., pp. 263–313). Emerald.

Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 1–55.

Pershing, J. A., & Pershing, J. L. (2001). Ineffective reaction evaluation. Performance Improvement Quarterly, 14(1), 73–90.

Weijters, B., Baumgartner, H., & Schillewaert, N. (2013). Reversed item bias: An integrative model. Psychological Methods, 18(3), 320–334.