Sains4Genius • EduResearch Edition • Kamis, 8 Oktober 2026

Data Likert Tidak Bisa Dianalisis dengan Mean dan t-test? Jawabannya Lebih Menarik dari “Boleh/Tidak Boleh”

Bedakan Likert item dan skor komposit sebelum berdebat parametrik versus nonparametrik.

Data Clinic • Likert Item, Likert Scale & Pemilihan AnalisisJangan Menunggu Sampai Terlambat untuk Mengetahui Ada Masalah± 11 menit baca

Visual 1. Satu Likert item dan skor komposit multi-item bukan objek analisis yang identik.

SEE

“Likert = wajib nonparametrik” dan “semua Likert boleh parametrik” sama-sama terlalu sederhana

Sebuah angket menggunakan respons 1 sampai 5. Satu orang berkata bahwa data Likert ordinal sehingga mean, t-test, ANOVA, dan Pearson dilarang. Orang lain berkata semua data Likert boleh diperlakukan seperti interval. Masalahnya: keduanya menyederhanakan persoalan.

QUESTION

Bedakan Likert item dan Likert scale

Satu item seperti “Saya percaya diri mengajar Biologi” memiliki kategori yang berurutan. Tetapi jarak psikologis antara 1→2 belum tentu identik dengan 4→5. Itulah alasan respons item individual secara fundamental bersifat ordinal.

Situasi berubah ketika banyak item yang secara teoretis dan empiris mendukung satu konstruk digabung menjadi skor komposit.

EXPLAIN

Jenis skor, distribusi, dan tujuan analisis menentukan diskusi

Sullivan dan Artino menekankan pentingnya membedakan Likert-type items dari skala multi-item. Norman menunjukkan bahwa sejumlah prosedur parametrik cukup robust terhadap pelanggaran tertentu, sehingga larangan mutlak terhadap parametrik hanya karena angka 1–5 juga terlalu kaku.

Pertanyaan yang lebih baik bukan “Likert boleh t-test?”, tetapi “apa sebenarnya variabel analisis saya dan inferensi apa yang ingin saya buat?”

TIGA KASUS

Situasi analitiknya tidak selalu sama

Kasus 1 — Satu item

Frekuensi, persentase, median, dan distribusi kategori sering lebih informatif.

Kasus 2 — Skala multi-item

Jika struktur pengukuran mendukung, mean, SD, regresi, t-test, atau ANOVA dapat dipertimbangkan sesuai asumsi dan tujuan.

Kasus 3 — Ceiling effect

Skor menumpuk di 5,0; bentuk distribusi dan keterbatasan pengukuran menjadi penting.

Kasus 4 — Konstruk bercampur

20 item tentang motivasi, kecemasan, self-efficacy, dan persepsi dosen tidak otomatis layak dirata-ratakan.

APPLY

Gunakan protokol L.I.K.E.R.T.

Visual 2. Protokol L.I.K.E.R.T. membantu keputusan analisis dimulai dari level skor, instrumen, distribusi, estimand, robustness, dan pelaporan transparan.

Uji cepat

Apakah 20 item otomatis boleh dirata-ratakan menjadi satu skor hanya karena semuanya memakai respons 1–5?

Buka jawaban

Tidak. Periksa apakah item merepresentasikan konstruk yang layak digabung dan apakah struktur pengukurannya mendukung skor komposit.

TRANSPARENT REPORTING

Jelaskan apa yang dianalisis, bukan hanya nama uji

Laporkan bagaimana skor dibentuk, alasan penggabungan item, distribusi skor, asumsi model, dan alasan pemilihan analisis.

TAKEAWAY

Measurement before test

Data Likert tidak membutuhkan perang parametrik versus nonparametrik. Yang dibutuhkan adalah pengukuran yang jelas + analisis yang sesuai.

REFERENSI

Referensi ilmiah

1. Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15, 625–632. https://doi.org/10.1007/s10459-010-9222-y
2. Sullivan, G. M., & Artino, A. R., Jr. (2013). Analyzing and interpreting data from Likert-type scales. Journal of Graduate Medical Education, 5(4), 541–542. https://doi.org/10.4300/JGME-5-4-18

Dalam artikel iniSEEQUESTIONEXPLAINTiga kasusAPPLYPelaporanKesimpulanReferensi

Sains4Genius — EduResearch Edition
Pembelajaran • Metode Penelitian • Analisis Data • Academic Skills