Apa itu validitas dalam tes psikologi?

Validitas mempertanyakan apakah sebuah tes mengukur apa yang diklaimnya untuk diukur, dan apakah kesimpulan yang ditarik orang dari skornya dapat dibenarkan. Ini adalah pertanyaan sentral dalam psikometri dan yang paling sering dijawab dengan klaim pemasaran alih-alih bukti.

Pemahaman modern, yang telah berlaku sejak karya Messick pada tahun 1980-an, adalah bahwa validitas bukanlah atribut tetap dari sebuah instrumen. Validitas adalah properti dari sebuah interpretasi skor untuk penggunaan tertentu. Kuesioner yang sama dapat tervalidasi dengan baik untuk menggambarkan persepsi diri seseorang dan sama sekali tidak tervalidasi untuk memutuskan apakah akan merekrutnya. Mengatakan "tes ini valid" tanpa menyebutkan valid untuk apa bukanlah sebuah klaim; itu adalah slogan.

Jenis-jenis bukti

Validitas dibangun dari akumulasi bukti dari beberapa jenis. Teks-teks lama menyajikan ini sebagai spesies validitas yang terpisah; pandangan saat ini memperlakukannya sebagai argumen-argumen berbeda yang mendukung satu kasus yang sama.

Bukti konten mempertanyakan apakah butir-butir mencakup konstruk dengan baik. Skala depresi yang hanya menanyakan tentang tidur dan nafsu makan mencakup gejala somatik namun melewatkan gejala suasana hati dan kognitif. Cakupan konten biasanya dinilai oleh pakar bidang terkait, dan inilah alasan mengapa skala yang sangat singkat selalu merupakan sebuah kompromi.

Bukti struktur internal mempertanyakan apakah butir-butir mengelompok sesuai dengan yang dikatakan oleh teori. Jika sebuah model mengklaim empat facet yang berbeda, analisis faktor seharusnya menemukan kembali empat faktor, dan yang terpenting, pada sampel independen, bukan hanya pada sampel tempat skala tersebut dikembangkan. Sangat banyak instrumen yang menemukan kembali struktur yang dimaksud pada sampel pengembangan namun gagal melakukannya pada sampel orang lain.

Hubungan dengan variabel lain adalah tempat sebagian besar pekerjaan terjadi. Bukti konvergen menunjukkan bahwa skala berkorelasi dengan hal-hal yang seharusnya berkorelasi dengannya. Bukti diskriminan menunjukkan bahwa skala tidak berkorelasi terlalu tinggi dengan hal-hal yang seharusnya berbeda darinya, sebuah persyaratan yang secara kronis diabaikan, dan yang menenggelamkan banyak konstruk yang baru diberi merek. Bukti kriteria menunjukkan bahwa skor berhubungan dengan hasil yang penting, baik yang diukur pada saat yang sama maupun yang diprediksi sebelumnya.

Bukti konsekuensial mempertanyakan apa yang terjadi ketika tes digunakan. Jika sebuah instrumen secara sistematis merugikan suatu kelompok karena alasan yang tidak berkaitan dengan konstruk, itu adalah masalah validitas, bukan sekadar masalah etika.

Pertanyaan yang mengungkap sebagian besar klaim

Uji paling tajam dari sebuah klaim validitas adalah validitas inkremental: apakah instrumen ini menambahkan sesuatu di atas apa yang sudah diberitahukan oleh alat ukur yang lebih murah dan lebih lama yang sudah mapan?

Sejumlah besar konstruk bermerek gagal di sini. Konstruk-konstruk tersebut berkorelasi 0,7 atau lebih tinggi dengan domain Big Five yang sudah ada, memprediksi hasil yang sama dengan magnitudo yang sama, dan tidak menambahkan apa pun setelah alat ukur yang lebih lama dikontrol secara statistik. Konstruknya baru; pengukurannya tidak. Inilah sebabnya mengapa bagian kritik dari dokumentasi instrumen yang serius begitu sering berputar pada redundansi alih-alih ketidakakuratan.

Apa yang perlu diperhatikan

Ketika seseorang mengklaim bahwa sebuah tes telah tervalidasi, pertanyaan-pertanyaan yang berguna bersifat konkret. Tervalidasi terhadap kriteria apa? Pada populasi mana, dengan ukuran berapa? Apakah struktur faktor dikonfirmasi pada sampel independen? Apakah ada bukti yang dipublikasikan dari peneliti yang tidak memiliki kepentingan komersial terhadap jawabannya? Apakah instrumen tersebut menambahkan sesuatu dibandingkan alternatif yang sudah mapan?

Instrumen dengan jawaban yang jujur atas pertanyaan-pertanyaan tersebut layak untuk dipertimbangkan secara serius, termasuk keterbatasannya. Instrumen yang validasinya hanya terdiri dari halaman testimoni dan klaim bahwa jutaan orang telah mengikutinya sesungguhnya telah menjawab pertanyaan yang sama sekali berbeda, popularitas bukanlah bukti, dan jumlah orang yang telah mengikuti sebuah tes tidak mengatakan apa pun tentang apakah skornya memiliki makna.