Sumber: https://www.figma.com/resource-library/what-is-a-likert-scale/

Dalam dunia penelitian, setiap temuan atau inovasi haruslah diukur. Pengukuran tersebut bisa mencakup performa, error, akurasi, hingga penerimaan user. Memahami bagaimana seseorang berpikir, merasa, atau menilai suatu inovasi bukanlah hal yang sederhana. Pendapat dan persepsi manusia dapat bersifat subjektif, tetapi peneliti sering membutuhkan cara untuk menerjemahkannya menjadi data yang bisa diukur dan dianalisis. Di sinilah Skala Likert berperan penting. Skala ini memungkinkan peneliti menerjemahkan opini menjadi angka kuantitatif, sehingga dapat dipelajari atau dianalisis secara sistematis.

Misalnya ada pertanyaan seperti: “Seberapa setuju Anda bahwa teknologi ini membantu meningkatkan produktivitas kerja?”, dengan pilihan jawaban mulai dari Sangat Tidak Setuju hingga Sangat Setuju. Bentuk pertanyaan seperti ini sangat umum digunakan dalam survei, penelitian sosial, bahkan riset teknologi. Skala Likert memberikan struktur bagi jawaban yang bersifat subjektif agar bisa diolah secara objektif.

 

Apa Itu Skala Likert

Skala Likert pertama kali diperkenalkan oleh Rensis Likert pada tahun 1932 sebagai metode untuk mengukur sikap, pendapat, dan persepsi seseorang terhadap suatu topik. Intinya, skala ini mengubah persepsi subjektif menjadi data kuantitatif dengan memberikan nilai angka pada tingkat persetujuan terhadap suatu pernyataan.

Umumnya, Skala Likert terdiri dari lima tingkat persetujuan, misalnya:

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

Selain dari lima itu, skalanya juga dapat bervariasi hingga mencapai tujuh atau bahkan sepuluh poin tergantung kebutuhan penelitian. Setiap angka mencerminkan intensitas sikap responden, dari yang paling negatif hingga paling positif. Kesederhanaan inilah yang membuat skala Likert menjadi salah satu alat pengukuran paling populer di berbagai bidang penelitian, termasuk ilmu komputer.

 

Mengapa Skala Likert Penting dalam Penelitian

Skala Likert penting karena memungkinkan peneliti mengkuantifikasi hal-hal yang bersifat kualitatif. Persepsi, opini, dan sikap manusia yang sebelumnya sulit diukur karena bersifat subjektif kini bisa dianalisis dengan secara kuantitatif dengan pendekatan statistik. Skala ini juga fleksibel, mudah digunakan, dan dapat disesuaikan dengan berbagai konteks penelitian.

Dalam bidang teknologi, Skala Likert sering digunakan dalam model seperti Technology Acceptance Model (TAM) untuk mengukur sejauh mana seseorang menerima teknologi baru. Peneliti dapat menanyakan berbagai hal seperti “Sistem ini mudah digunakan” atau “Aplikasi ini bermanfaat bagi saya”, atau “Saya akan merkomendasikan aplikasi ini ke relasi saya”, kemudian mengukur tingkat persetujuan pengguna menggunakan skala 1–5. Dengan begitu, persepsi pengguna dapat dibandingkan dan dikaitkan dengan tingkat penerimaan teknologi.

Selain itu, skala ini juga membantu peneliti melakukan analisis statistik seperti menghitung rata-rata (mean), variasi (standar deviasi), atau menguji hubungan antarvariabel. Artinya, data persepsi dapat digunakan untuk menarik kesimpulan ilmiah yang lebih akurat.

 

Struktur dan Jenis Skala Likert

Secara umum, skala Likert dibedakan menjadi beberapa jenis berdasarkan struktur dan jumlah poinnya:

  1. Skala Simetris, yang memiliki jumlah pilihan seimbang di kedua sisi dengan nilai tengah netral (misalnya 1 – 5).
  2. Skala Asimetris, tanpa nilai tengah, digunakan untuk mendorong responden memilih sikap yang lebih tegas (misalnya 1 – 4).
  3. Skala Bipolar atau Positif – Negatif, yang menampilkan dua kutub berlawanan, seperti “Buruk – Baik” atau “Tidak Efektif – Efektif.”

Pemilihan jenis skala tergantung pada tujuan riset dan karakter responden. Dalam penelitian yang melibatkan banyak peserta, skala 5 poin dianggap paling praktis karena memberikan keseimbangan antara detail dan kemudahan interpretasi.

Cara Menggunakan Skala Likert dalam Penelitian

Penggunaan skala Likert dimulai dengan menentukan variabel yang ingin diukur, misalnya tingkat kepuasan, persepsi terhadap kemudahan penggunaan, atau pandangan terhadap kebijakan tertentu. Setelah itu, peneliti menyusun beberapa pernyataan yang relevan, baik positif maupun negatif, untuk mendapatkan hasil yang seimbang.

Setiap pernyataan diberi opsi jawaban dengan nilai angka yang konsisten (misalnya 1 untuk Sangat Tidak Setuju hingga 5 untuk Sangat Setuju). Setelah survei dikumpulkan, setiap jawaban dikonversi ke bentuk numerik untuk dianalisis. Nilai rata-rata dari setiap pernyataan kemudian menggambarkan kecenderungan responden terhadap topik tertentu.

Sebagai contoh, jika rata-rata skor untuk pernyataan “Saya merasa sistem ini mudah digunakan” adalah 4,3, maka dapat disimpulkan bahwa mayoritas pengguna setuju bahwa sistem tersebut mudah digunakan. Data semacam ini bisa menjadi dasar pengambilan keputusan atau pengembangan kebijakan berbasis pengguna.

 

Contoh Implementasi

Sebagai ilustrasi, bayangkan sebuah penelitian tentang kepuasan pengguna aplikasi e-learning. Peneliti menyusun lima pernyataan utama untuk mengukur persepsi pengguna terhadap platform tersebut:

  1. “Saya merasa platform ini mudah digunakan.”
  2. “Saya puas dengan tampilan antarmuka aplikasi.”
  3. “Aplikasi ini membantu saya belajar lebih efektif.”
  4. “Fitur-fitur dalam aplikasi ini berfungsi dengan baik tanpa banyak kendala.”
  5. “Saya akan merekomendasikan aplikasi ini kepada orang lain.”

Setiap responden memberikan nilai dari 1 hingga 5 berdasarkan tingkat persetujuan mereka. Setelah data dari seluruh responden dikumpulkan, peneliti menghitung rata-rata untuk masing-masing pernyataan. Misalnya sebagai ilustrasi, hasilnya sebagai berikut:

Pernyataan Rata-rata Skor
1 4.4
2 4.1
3 4.3
4 3.9
5 4.5

Dari hasil tersebut, terlihat bahwa mayoritas pengguna setuju hingga sangat setuju bahwa platform e-learning mudah digunakan, memiliki tampilan yang memuaskan, dan membantu mereka belajar lebih efektif. Nilai rata-rata keseluruhan 4.24 menunjukkan bahwa tingkat kepuasan pengguna tergolong tinggi.

Namun, skor sedikit lebih rendah pada aspek keandalan fitur (3.9) dapat menjadi perhatian bagi pengembang untuk melakukan perbaikan teknis. Dengan menggunakan pendekatan ini kita jadi memiliki gambaran bagaimana penerimaan atau pengalaman pengguna terhadap inovasi yang kita ciptakan.

Kelebihan dan Keterbatasan

Kelebihan utama dari skala Likert adalah kesederhanaannya. Responden mudah memahami instruksinya, dan peneliti dapat dengan cepat mengolah datanya. Selain itu, skala ini memungkinkan analisis kuantitatif yang lebih kuat dari data persepsi yang semula bersifat kualitatif.

Namun, keterbatasannya terletak pada subjektivitas. Interpretasi terhadap pilihan seperti Setuju atau Netral bisa berbeda antara satu responden dengan yang lain. Ada juga kemungkinan bias, seperti kecenderungan responden memilih nilai tengah untuk menghindari posisi ekstrem. Oleh karena itu, dalam beberapa penelitian, skala asimetris digunakan untuk meminimalkan bias tersebut.

Penutup

Skala Likert mungkin terlihat sederhana, namun perannya sangat besar dalam dunia penelitian. Dengan mengubah opini menjadi data yang bisa diukur, skala ini menjembatani aspek kualitatif dan kuantitatif. Baik dalam studi sosial, pendidikan, bisnis, maupun teknologi, skala Likert membantu peneliti memahami persepsi manusia dengan cara yang sistematis. Melalui pernyataan sederhana seperti “Saya setuju” atau “Saya tidak setuju,” kita sebenarnya sedang membentuk dasar dari analisis ilmiah yang dapat memengaruhi keputusan besar.

Penulis

Muhammad Alfhi Saputra, S.Kom., M.Kom.

Referensi

Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22 140, 55. https://psycnet.apa.org/record/1933-01885-001

Ankur Joshi, Saket Kale, Satish Chandel, and D. K. Pal. 2015. “Likert Scale: Explored and Explained”. Current Journal of Applied Science and Technology 7 (4):396–403. https://doi.org/10.9734/BJAST/2015/14975.

Guidance and resources Designing Likert scales. https://taso.org.uk/libraryitem/designing-likert-scales/