Format Respons I: Likert, Semantic Differential, dan Guttman

Penyusunan Skala Psikologi

Rizqy Amelia Zein & Dian Kartika Amelia Arbi

Departemen Psikologi, Universitas Airlangga

2026-08-25

Outline

Apa yang sebenarnya kita lakukan ketika memilih format respons
Likert: asal-usulnya, dan 4️⃣ keputusan yang harus Anda ambil
Semantic Differential: kapan pasangan kata sifat lebih tepat digunakan daripada pernyataan
Guttman: ketika item memang berjenjang secara logis dan kenapa jarang berhasil
Membandingkan ketiganya
Pertanyaan penutup: memilih format respons berkaitan dengan asumsi pengukuran yang mana?

Dari model ke keputusan pertama

Yang sudah Anda pelajari

Di Pertemuan 3, Anda sudah belajar model formalnya: \(X = T + E\), variabel laten sebagai sebab, dan reliabilitas sebagai proporsi varians.
Sampai di sini semuanya masih terasa sangat abstrak.
Format respons adalah lokasi pertama di mana teori pengukuran (yang abstrak) berubah menjadi sesuatu yang lebih konkrit dan terlihat di kuesioner.

Yang perlu dipegang hari ini

Format respons bukan soal selera atau kebiasaan. Setiap format membawa asumsinya sendiri, dan asumsi-asumsi ini menentukan analisis apa yang nanti boleh Anda pakai.

Apa yang dilakukan sebuah format respons

Format respons adalah aturan yang memetakan kondisi psikologis internal partisipan menjadi sebuah angka.
Sebagian besar item terdiri atas dua bagian: stem (pernyataan atau pertanyaan) dan pilihan respons.
Yang Anda pilih ketika memilih format respons mencakup:
- berapa banyak informasi yang bisa diambil dari satu item,
- level pengukuran yang Anda klaim,
- jenis error yang mungkin muncul,
- dan analisis apa yang bisa dipertanggungjawabkan.

Likert

Asal-usulnya

Diperkenalkan Rensis Likert (1932) dalam disertasinya, A technique for the measurement of attitudes.
Gagasan intinya bukan pada opsi “Sangat Setuju sampai Sangat Tidak Setuju”, melainkan pada summated ratings: sekumpulan item yang direspons dengan skala berjenjang, lalu dijumlahkan menjadi satu skor.
Jadi yang disebut “skala” oleh Likert adalah kumpulan itemnya, bukan opsi responsnya.

Ketelitian istilah yang jarang dipakai orang

Satu item tunggal dengan lima pilihan respon bukan “skala Likert”. Skala seperti ini adalah item bertipe Likert (Likert-type item).

Sebuah Likert scale baru berlaku kalau item-itemnya dijumlahkan. Perhatikan bahwa ini konsisten dengan Pertemuan 3: reliabilitas hanya bisa dihitung untuk sekumpulan item.

Anatomi item bertipe Likert

Stem: “Saya merasa gugup ketika harus berbicara di depan kelas.”

1	2	3	4	5
Sangat Tidak Setuju	Tidak Setuju	Netral	Setuju	Sangat Setuju

Stem — pernyataan yang direspons.
Jumlah titik — di sini lima.
Label (anchor) — kata yang menerangkan tiap titik.
Arah — dari negatif ke positif, atau sebaliknya.

Keempatnya adalah keputusan yang berbeda. Mari kita bahas satu per satu.

Keputusan 1️⃣: berapa pilihan respons?

Empat pilihan atau kurang menekan variasi antar-responden dan menurunkan presisi.
- Preston & Colman (2000) melaporkan skala dua, tiga, dan empat pilihan membuat skala kurang presisi.
Sekitar 5–7 pilihan adalah wilayah yang paling sering direkomendasikan.
- Lozano dkk. (2008) menyarankan rentang empat sampai tujuh, dengan tambahan keuntungan yang kecil di atas tujuh pilihan respon.
Di atas 6–7 pilihan, tambahan performanya cenderung kecil.
- Simms dkk. (2019) menemukan hampir tidak ada perbaikan performa psikometrik ketika menyediakan di atas enam pilihan respon.

Dua pertimbangan lain dari DeVellis

Pertama, kemampuan responden membedakan. Kalau responden tidak sanggup membedakan tujuh pilihan respon, menyediakan tujuh pilihan hanya akan menambah noise.

Kedua, tujuan pengukuran yang Anda tetapkan sendiri. Kalau nanti skornya Anda kelompokkan menjadi tiga kategori, buat apa Anda menggunakan 10 pilihan respons?

Keputusan 2️⃣: pakai titik tengah atau tidak?

Jumlah ganjil

Memberi ruang untuk netral atau tidak yakin.

Cocok kalau posisi netral memang bermakna secara teoretis.

Jumlah genap

Memaksa responden memberikan pilihan, walaupun berbeda dengan kondisi mereka sebenarnya.

Cocok kalau Anda curiga netral akan dipakai partisipan untuk menghindar.

Tidak ada yang unggul secara mutlak

DeVellis menyatakannya dengan tegas: tidak ada format yang otomatis lebih baik. Pilihannya bergantung pada jenis pertanyaan, jenis opsi respons, dan tujuan penelitian Anda.

Masalah dengan titik tengah

Kalau setiap item punya pilihan di tengah, sebagian responden akan belajar bahwa mereka selalu bisa memilih pilihan tengah dan menyelesaikan kuesioner lebih cepat.
Pilihan tengah menjadi pilihan yang aman dan paling mudah, bukan laporan yang aktual tentang kondisi psikologis partisipan.
Krosnick (1991) menyebut pola ini satisficing: responden memberi jawaban yang “cukup memadai”, bukan jawaban yang paling akurat.

Gejala yang bisa Anda cek

Ketika titik tengah tersedia, ia sering menjadi opsi yang paling banyak dipilih. Kalau itu terjadi pada data uji coba Anda di Pertemuan 12, jangan langsung menyimpulkan partisipannya memang kondisinya netral.

Netral ≠ ragu-ragu

Dalam banyak kuesioner berbahasa Indonesia, titik tengah diberi label “Netral”, “Ragu-ragu”, atau “Kurang Setuju”, seolah-olah ketiganya sama.
“Netral” berarti tidak condong ke mana pun. “Ragu-ragu” berarti tidak tahu atau belum yakin. “Kurang Setuju” sebenarnya sudah condong ke sisi tidak setuju.
Ketiganya menempati posisi yang berbeda pada kontinum, tetapi diberi angka yang sama, yaitu 3.

Kenapa ini tidak bisa diremehkan efeknya

Ini melanggar asumsi jarak yang setara dari Pertemuan 2. Kalau “Kurang Setuju” dipakai sebagai pilihan tengah, skala Anda sebenarnya tidak simetris: jarak dari 2 ke 3 tidak sama dengan jarak dari 3 ke 4.

Keputusan 3️⃣: melabeli semua pilihan, atau hanya ujungnya?

Melabeli semua pilihan umumnya menghasilkan reliabilitas dan validitas yang lebih baik daripada hanya melabeli kedua ujungnya (Krosnick, dkk., 2010).
Alasannya sederhana: kalau hanya ujungnya yang diberi label, tiap responden menafsirkan sendiri arti titik-titik di antaranya.
Tetapi label yang dipilih harus benar-benar dapat dibedakan oleh partisipan.

Contoh label yang bermasalah

Perhatikan susunan ini, yang diadaptasi dari DeVellis:

Sangat Membantu	Kurang Membantu
Agak Membantu	Tidak Membantu Sama Sekali

Dua masalah sekaligus. Pertama, “Agak” dan “Kurang” sulit dibedakan bahkan dalam keadaan terbaik. Kedua, kalau dibaca ke bawah kolom, “Agak Membantu” tampak lebih tinggi daripada “Kurang Membantu”; kalau dibaca ke samping per baris, urutannya justru terbalik.

Keputusan 4️⃣: Anchor apa yang dipakai?

Persetujuan — “Sangat Tidak Setuju” sampai “Sangat Setuju”. Paling lazim, dan paling rawan acquiescence bias (Pertemuan 2).
Frekuensi — “Tidak pernah” sampai “Selalu”. Lebih konkret, tapi butuh rujukan waktu yang jelas: “sering” dalam seminggu atau dalam setahun?
Anchor khusus per item (item-specific) — misalnya “Seberapa sering Anda merasa gugup sebelum presentasi?” dengan pilihan “Tidak pernah / Sekali dua kali / Beberapa kali / Hampir tiap kali / Selalu”.

Penting diketahui

Anchor persetujuan mendorong responden untuk sekadar mengiyakan. Weijters dkk. (2010) memperkuat hal ini dengan menunjukkan bahwa format skala ikut menentukan response style yang muncul.

Seberapa kuat sebaiknya kalimat itemnya?

Tiga versi pernyataan yang isinya sama, dengan kekuatan berbeda:

“Dosen umumnya mengabaikan apa yang dikatakan mahasiswa.” — kuat
“Kadang-kadang dosen tidak memperhatikan komentar mahasiswa sebagaimana mestinya.” — sedang
“Sesekali dosen mungkin lupa atau melewatkan sesuatu yang disampaikan mahasiswa.” — lemah

Saran DeVellis

Untuk format Likert, pernyataan sebaiknya cukup kuat, tetapi tidak ekstrem. Alasannya: derajatnya sudah diwakili oleh opsi responsnya.

Kalau kalimatnya sendiri sudah sangat lemah tonenya (versi 3), hampir semua orang akan setuju, dan item itu tidak lagi mampu membedakan siapa pun. Ingat pembahasan tingkat kesulitan item di Pertemuan 3.

Semantic Differential

Bentuknya

Dikembangkan Osgood, Suci, & Tannenbaum (1957) dalam penelitian tentang makna dan sikap.

Objek yang dinilai: Layanan Kemahasiswaan Fakultas

	1	2	3	4	5	6	7
Lambat	○	○	○	○	○	○	○	Cepat
Berbelit	○	○	○	○	○	○	○	Sederhana
Tidak ramah	○	○	○	○	○	○	○	Ramah

Partisipan menandai satu titik di antara sepasang kata sifat yang berlawanan.

Bipolar dan unipolar

Pasangan bipolar

Dua kata sifat yang berlawanan.

jujur — tidak jujur ramah — galak

Pasangan unipolar

Ada dan tidak adanya satu atribut.

ramah — tidak ramah

Pilihan di antara keduanya harus mencerminkan logika konstruk Anda.
“Tidak ramah” belum tentu sama dengan “galak”. Kalau Anda memperlakukannya sebagai satu kontinum, Anda sudah membuat klaim teoretis.

Kapan format ini berguna

Ketika yang diukur adalah sikap atau kesan terhadap suatu objek — layanan, produk, program, kelompok, tokoh.
Ketika Anda ingin membandingkan beberapa objek pada dimensi yang sama.
Ketika beban kognitif perlu ditekan: pasangan kata sifat jauh lebih mudah direspon daripada deretan kalimat panjang.

Tetap cocok dengan model Pertemuan 3

Beberapa pasangan kata sifat yang mengukur hal yang sama — jujur/tidak jujur, adil/tidak adil, tulus/tidak tulus — bisa dijumlahkan menjadi satu skor “kejujuran”.

Logikanya persis sama: satu variabel laten sebagai penyebab beberapa item (shared cause), item-item sebagai indikatornya.

Yang perlu diwaspadai

Pasangan katanya harus benar-benar berlawanan dalam bahasa partisipan. Ini persoalan yang cukup pelik dalam bahasa Indonesia: banyak pasangan yang terasa berlawanan di bahasa Inggris tidak punya padanan yang setara.
Pilihan tengahnya ambigu. Apakah pilihan 4 berarti “netral”, “kedua-duanya”, atau “tidak tahu”?
Risiko invariance (Pertemuan 2): makna sepasang kata sifat bisa berbeda antar-kelompok, sehingga skornya tidak bisa langsung dibandingkan.

Kalau kelompok Anda memakai format ini

Uji pasangan kata sifatnya pada beberapa calon responden sebelum uji coba. Tanyakan satu hal sederhana: “Menurut Anda, apa lawan kata dari ini?” Kalau jawabannya bukan kata yang Anda pasangkan, pasangan kata tsb. perlu diganti.

Guttman

Gagasan kumulatif

Guttman (1944) mengusulkan skala yang itemnya berjenjang: menyetujui satu item berarti menyetujui semua item yang lebih “mudah”.
Level atribut seseorang ditunjukkan oleh item tersulit yang masih ia setujui.
Contoh dari DeVellis: “Apakah Anda merokok?” → “Apakah Anda merokok lebih dari 10 batang sehari?” → “Apakah Anda merokok lebih dari satu bungkus sehari?”

Note

Perhatikan bedanya dengan Likert. Pada Likert, yang dijumlahkan adalah derajat persetujuan pada semua item. Pada Guttman, yang dicari adalah titik peralihan dari “ya” ke “tidak”.

Seperti apa polanya

Membaca pola

Pada pola yang sempurna, skor total sudah memberi tahu persis item mana saja yang disetujui. Tidak ada informasi yang hilang ketika kita meringkasnya menjadi satu angka.
Pada panel kanan, 3️⃣ responden menyimpang: ada yang menyetujui item yang sulit tetapi menolak item yang lebih mudah.
Semakin banyak penyimpangan, semakin kecil arti skor totalnya. Ukuran yang lazim dipakai untuk ini adalah coefficient of reproducibility.

Pada situasi seperti apa Skala Guttman berguna

Ketika hierarkinya merupakan konsekuensi logis: makan sepuluh mangkok bakso selalu berarti lebih banyak daripada lima mangkok.
Fungsi fisik: bisa bangun dari tempat tidur → bisa berjalan di dalam rumah → bisa naik tangga → bisa berjalan satu kilometer.
Jarak sosial (Bogardus, 1925): bersedia tinggal senegara → sekota → bertetangga → berteman dekat → menjadi keluarga lewat pernikahan.

Tip

Perhatikan bahwa ketiganya berhubungan dengan perilaku atau kemampuan yang konkret, bukan dengan sikap/konstruk psikologis yang sangat abstrak.

Pada situasi seperti apa Guttman tidak berguna sama sekali

Begitu konstruknya tidak konkret, urutannya tidak lagi sama untuk semua orang.
DeVellis memberi contoh: skala Guttman hipotetis tentang aspirasi orang tua, dengan 4 item yang seharusnya berjenjang. Dua yang relevan di sini — item 3, “Kebahagiaan lebih mungkin tercapai kalau seseorang sudah meraih tujuan pendidikan dan materialnya,” dan item 4, “Atribut-atribut kesuksesan yang lazim dihargai bukan penghalang bagi kebahagiaan sejati.”
Secara logika, menyetujui item 3 seharusnya berarti menyetujui item 4 juga. Tapi seseorang yang memandang kesuksesan sebagai hal yang sekaligus membantu dan menghambat kebahagiaan bisa saja menyetujui item 3 sambil menolak item 4, sehingga menyimpang dari pola urutan Guttman.

Konsekuensi teoretis yang penting

DeVellis menekankan: asumsi bahwa semua item punya hubungan yang sama kuat dengan variabel laten tidak berlaku untuk item Guttman.

Artinya, model parallel dan tau-equivalent dari Pertemuan 3 tidak cocok untuk skala Guttman — dan koefisien seperti \(\omega\) dan \(\alpha\) tidak bisa dipakai untuk skala Guttman.

Skala Guttman mungkin masih berguna

Kelemahan Guttman ada pada sifatnya yang deterministik: pola yang menyimpang dianggap kesalahan.
Item Response Theory mengambil gagasan yang sama tetapi membuatnya probabilistik: makin tinggi \(\theta\) (tingkat “variabel laten”) seseorang, makin besar peluangnya menyetujui item yang sulit, jadi bukan kepastian.
Model IRT pada dasarnya adalah versi probabilistik dari gagasan Guttman.

Membandingkan ketiganya

Ringkasan

	Likert	Semantic Differential	Guttman
Bentuk item	Pernyataan + derajat persetujuan	Pasangan kata sifat	Pernyataan berjenjang, ya/tidak
Skor	Jumlah semua item	Jumlah semua pasangan	Titik peralihan
Cocok untuk	Sikap, keyakinan, sifat	Kesan terhadap objek	Perilaku/kemampuan berjenjang
Cocok dengan CTT	Ya	Ya	Tidak langsung
Kelemahan utama	Acquiescence, jarak tak setara	Padanan antonim, ambiguitas pilihan tengah	Penyimpangan pola

Memilih format respons berarti memilih asumsi

Likert mengasumsikan jarak antar-kategori setara, semua responden memaknai jangkar dengan cara yang sama, dan semua item berbobot sama.
Semantic Differential mengasumsikan pasangan kata sifatnya benar-benar bipolar, dan maknanya sama bagi semua responden.
Guttman mengasumsikan urutan kumulatif yang deterministik — asumsi yang paling ambisius kalau dibandingkan dengan Likert dan Semantic Differential.

Demo dan latihan

Bagian 1: temukan masalahnya

Empat format respons berikut punya masalah. Diskusikan dalam kelompok selama 15 menit.

A. “Bagaimana pendapat Anda tentang layanan akademik fakultas?” Sangat Baik — Baik — Cukup — Kurang

B. “Seberapa sering Anda merasa cemas?” Tidak pernah — Jarang — Kadang-kadang — Sering — Selalu

C. “Saya merasa dosen kompeten dan peduli pada mahasiswa.” Sangat Tidak Setuju — Tidak Setuju — Netral — Setuju — Sangat Setuju

D. “Seberapa puas Anda dengan perkuliahan ini?” Skala 1 sampai 10, hanya ujungnya yang diberi label.

Rangkuman

Enam poin utama

Format respons bukan soal selera individual. Setiap format punya asumsinya sendiri.
“Skala Likert” berarti sekumpulan item yang dijumlahkan, bukan satu item dengan lima pilihan.
Sekitar 5–7 pilihan respon adalah strategi yang umum dipilih; di bawah 4 maka kita akan kehilangan informasi, di atas 7 tambahan manfaatnya kecil.
Pilihan tengah punya kelebihan dan kekurangan. Tidak ada format yang otomatis lebih baik — dan “netral”, “ragu-ragu”, serta “kurang setuju” bukan hal yang sama.
Semantic Differential memerlukan pasangan kata sifat yang benar-benar berlawanan dalam bahasa responden.
Guttman memerlukan urutan kumulatif yang deterministik, sehingga jarang cocok untuk konstruk psikologis, tetapi ide dasarnya masih bisa dieksekusi dengan IRT.

Untuk Pertemuan 5

Kita lanjutkan ke format respons yang lebih jarang dipakai, tetapi punya kelebihan khusus:

Thurstone — ketika item diberi bobot berbeda oleh panel ahli, bukan diperlakukan setara.
Situational Judgement Test — ketika yang diukur adalah penilaian dalam situasi konkret.
Forced-choice — ketika social desirability menjadi masalah utama, dan partisipan dipaksa memilih di antara dua hal yang sama-sama menarik.

Persiapan

Baca bagian Thurstone Scaling pada DeVellis & Thorpe (2022), Bab 5.

Ada pertanyaan❓

Catatan

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

Rujukan

Bogardus, E. S. (1925). Measuring social distances. Journal of Applied Sociology, 9, 299–308.

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

Guttman, L. (1944). A basis for scaling qualitative data. American Sociological Review, 9(2), 139–150.

Krosnick, J. A. (1991). Response strategies for coping with the cognitive demands of attitude measures in surveys. Applied Cognitive Psychology, 5(3), 213–236.

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.

Lozano, L. M., García-Cueto, E., & Muñiz, J. (2008). Effect of the number of response categories on the reliability and validity of rating scales. Methodology, 4(2), 73–79.

Osgood, C. E., Suci, G. J., & Tannenbaum, P. H. (1957). The measurement of meaning. University of Illinois Press.

Preston, C. C., & Colman, A. M. (2000). Optimal number of response categories in rating scales. Acta Psychologica, 104(1), 1–15.

Simms, L. J., Zelazny, K., Williams, T. F., & Bernstein, L. (2019). Does the number of response options matter? Psychological Assessment, 31(4), 557–566.

Weijters, B., Cabooter, E., & Schillewaert, N. (2010). The effect of rating scale format on response styles. International Journal of Research in Marketing, 27(3), 236–247.