Kategorisasi Skor Azwar: Rumus Tinggi, Sedang, Rendah dan Caranya di SPSS

Oleh Skriptas · 26 Oktober 2026 · 7 menit baca

Kategorisasi skor Azwar: rumus mean dan SD hipotetik, tiga dan lima kategori, contoh skala 20 butir, langkah Recode di SPSS, dan tabel untuk Bab 4.

Kategorisasi skor Azwar adalah cara paling umum di skripsi psikologi, pendidikan, dan keperawatan untuk mengubah skor total skala menjadi tingkat tinggi, sedang, dan rendah. Tujuannya sederhana: pembaca bisa langsung melihat berapa persen responden yang memiliki motivasi tinggi, stres sedang, atau kepuasan rendah, sebelum masuk ke uji hipotesis.

Masalah yang sering muncul bukan pada konsepnya, melainkan pada hitungannya. Mean dan simpangan baku yang dipakai tertukar antara hipotetik dan empirik, batas kategori dibuat dari pembagian rentang yang sembarang, atau batas desimal tidak konsisten saat dipindahkan ke SPSS. Artikel ini merangkum rumus kategorisasi skor menurut Azwar untuk tiga dan lima kategori, contoh perhitungan lengkap, langkah Recode di SPSS, dan cara menyajikan hasilnya di Bab 4.

Apa itu kategorisasi skor dan kapan dipakai

Kategorisasi skor adalah pengelompokan skor total individu ke dalam jenjang tertentu berdasarkan distribusi normal yang diasumsikan. Saifuddin Azwar dalam bukunya tentang penyusunan skala psikologi menjelaskan bahwa kategorisasi bertujuan menempatkan individu ke dalam kelompok yang posisinya berjenjang menurut suatu kontinum atribut yang diukur.

Kategorisasi dipakai untuk deskripsi variabel, misalnya menjawab rumusan masalah "bagaimana tingkat kecemasan mahasiswa tingkat akhir". Kategorisasi tidak dipakai sebagai pengganti skor dalam uji korelasi atau regresi, karena mengubah data interval menjadi tiga kategori membuang banyak informasi dan menurunkan kekuatan uji.

Mean dan simpangan baku hipotetik

Kategorisasi Azwar yang paling sering dipakai di skripsi memakai mean hipotetik (μ) dan simpangan baku hipotetik (σ), yaitu nilai yang diturunkan dari rentang skala, bukan dari data responden. Rumusnya:

• Skor minimal (Xmin) = jumlah butir × nilai jawaban terendah
• Skor maksimal (Xmaks) = jumlah butir × nilai jawaban tertinggi
• Mean hipotetik: μ = (Xmin + Xmaks) / 2
• Simpangan baku hipotetik: σ = (Xmaks - Xmin) / 6

Angka 6 berasal dari asumsi distribusi normal yang rentangnya mencakup kira-kira enam simpangan baku, tiga di bawah dan tiga di atas rata-rata.

Rumus tiga kategori (rendah, sedang, tinggi)

Dengan rumus ini, secara teoretis sekitar 16% responden berada di kategori rendah, 68% sedang, dan 16% tinggi bila distribusinya normal. Kalau hasil Anda jauh dari pola itu, bukan berarti salah hitung. Itu justru temuan yang bisa dibahas.

Rumus lima kategori

Pilih tiga atau lima kategori sesuai kebutuhan pembahasan dan kebiasaan di program studi Anda. Tiga kategori lebih ringkas dan paling umum. Lima kategori berguna bila pembimbing ingin melihat ekstrem di kedua ujung.

Contoh perhitungan lengkap

Misalkan (contoh) skala motivasi belajar terdiri dari 20 butir dengan pilihan jawaban Likert 1 sampai 5.

1. Xmin = 20 × 1 = 20
2. Xmaks = 20 × 5 = 100
3. μ = (20 + 100) / 2 = 60
4. σ = (100 - 20) / 6 = 13,33

Batas tiga kategori:

• μ - 1σ = 60 - 13,33 = 46,67
• μ + 1σ = 60 + 13,33 = 73,33

Karena skor total selalu bilangan bulat, batas desimal bisa dituliskan sebagai rentang bulat seperti kolom kanan. Pastikan tidak ada skor yang masuk dua kategori atau tidak masuk kategori mana pun.

Batas lima kategori dengan data yang sama: μ - 1,5σ = 40; μ - 0,5σ = 53,33; μ + 0,5σ = 66,67; μ + 1,5σ = 80. Sehingga sangat rendah 20 sampai 40, rendah 41 sampai 53, sedang 54 sampai 66, tinggi 67 sampai 80, sangat tinggi 81 sampai 100.

Bila yang dipakai rata-rata skor, bukan jumlah

Sebagian peneliti memakai rata-rata skor per responden (rentang 1 sampai 5) alih-alih jumlah. Rumusnya sama: Xmin = 1, Xmaks = 5, μ = 3, σ = (5 - 1) / 6 = 0,667. Batas tiga kategori menjadi 2,33 dan 3,67: rendah di bawah 2,33, sedang 2,33 sampai kurang dari 3,67, tinggi 3,67 ke atas. Hasil pengelompokannya setara dengan versi jumlah, hanya satuannya yang berbeda. Pilih satu bentuk skor dan pakai konsisten untuk semua variabel supaya tabel Bab 4 mudah dibandingkan.

Hipotetik atau empirik: mana yang dipakai

Ada dua pilihan dasar kategorisasi, dan keduanya sah asalkan konsisten dan dijelaskan.

• Hipotetik (teoretis): μ dan σ dihitung dari rentang skala seperti contoh di atas. Dipakai untuk menggambarkan tingkat variabel terhadap skala ukurnya, misalnya "sebagian besar responden memiliki motivasi sedang". Ini pilihan yang paling umum di skripsi.
• Empirik: μ dan σ diambil dari data responden (mean dan standar deviasi di output Descriptives). Dipakai untuk memposisikan individu relatif terhadap kelompoknya, misalnya norma kelompok atau seleksi. Dengan cara ini selalu ada responden di kategori rendah dan tinggi, apa pun skornya.

Kesalahan yang sering terjadi adalah mencampur keduanya: mean dari data, tetapi σ dari rentang skala. Tentukan satu pendekatan, tulis alasannya di Bab 3, dan pakai untuk semua variabel.

Langkah kategorisasi di SPSS

Setelah skor total tiap variabel dihitung dengan Transform, Compute Variable, lakukan langkah berikut.

1. Buka Transform, Recode into Different Variables.
2. Masukkan variabel skor total (misalnya TOTAL_MOTIVASI) ke kotak tengah. Di bagian Output Variable, isi Name dengan nama baru, misalnya KAT_MOTIVASI, dan Label "Kategori motivasi". Klik Change.
3. Klik Old and New Values. Isi tiga aturan:
   • Pilih Range, LOWEST through value, isi 46, lalu New Value 1, klik Add.
   • Pilih Range, isi 47 through 73, New Value 2, klik Add.
   • Pilih Range, value through HIGHEST, isi 74, New Value 3, klik Add.
4. Klik Continue, lalu OK. Variabel KAT_MOTIVASI muncul di Data View.
5. Di Variable View, buka kolom Values variabel baru dan beri label: 1 = Rendah, 2 = Sedang, 3 = Tinggi. Atur Measure menjadi Ordinal.
6. Jalankan Analyze, Descriptive Statistics, Frequencies pada KAT_MOTIVASI untuk memperoleh jumlah dan persentase tiap kategori.

Bila skor total Anda berupa rata-rata dengan desimal, bukan jumlah, pakai batas desimalnya langsung: LOWEST through 46,66, lalu 46,67 through 73,32, lalu 73,33 through HIGHEST, sesuai jumlah desimal data Anda.

Cara menyajikan di Bab 4

Sajikan satu tabel per variabel yang memuat kategori, rentang skor, frekuensi, dan persentase, lalu satu atau dua kalimat interpretasi. Contoh tabel (angka contoh):

Contoh kalimat: "Berdasarkan kategorisasi dengan mean hipotetik 60 dan simpangan baku hipotetik 13,33, sebagian besar responden berada pada kategori motivasi belajar sedang (61%), diikuti kategori tinggi (27%) dan rendah (12%)." Sebutkan dasar kategorisasi (hipotetik atau empirik) dan sumber rumusnya di Bab 3, bukan hanya di Bab 4.

Kesalahan yang sering terjadi

Checklist

• Jumlah butir final dan rentang pilihan jawaban sudah pasti.
• μ dan σ dihitung dengan pendekatan yang sama untuk semua variabel.
• Batas kategori ditulis tanpa celah dan tanpa tumpang tindih.
• Variabel kategori di SPSS sudah diberi label nilai.
• Tabel Bab 4 memuat rentang, frekuensi, persentase, dan kalimat interpretasi.

Kategorisasi hanyalah satu bagian kecil dari Bab 4, tetapi sering memakan waktu karena batasnya harus konsisten di tabel, teks, dan file SPSS. Kalau Anda ingin menyelesaikannya sekali jalan bersama uji instrumen dan uji hipotesis, Skriptas menyediakan bimbingan olah data SPSS via Zoom mulai Rp25.000 per sesi; Anda yang mengoperasikan SPSS, saya memandu. Baca juga cara menghitung skor dan interval skala Likert, uji validitas dan reliabilitas di SPSS, dan tutorial skripsi kuantitatif deskriptif. Konsultasi awal gratis lewat WhatsApp.