Apakah tes kepribadian akurat? Reliabilitas, hasil tes ulang, dan efek Barnum

Oleh tim 64 Types · Diperbarui 18 Oktober 2026 · 6 menit baca · 18 sumber yang ditinjau sejawat

Tes sifat yang dibangun dengan baik cukup akurat, tetapi tidak dengan cara yang dibayangkan kebanyakan orang. Alat ukur Big Five dan HEXACO berstandar riset memberikan skor yang konsisten, sejalan dengan penilaian orang-orang yang mengenalmu dengan baik, dan memprediksi hasil nyata seperti kinerja kerja, kesehatan, dan kepuasan hubungan, dengan besar efek yang kecil.[1][2][3] Akurasinya turun ketika sebuah tes memilah orang ke dalam tipe yang kaku (banyak orang berada dekat titik batas dan hurufnya terbalik saat tes ulang),[4][5] dan perasaan bahwa sebuah hasil “aku banget” bukanlah bukti yang baik, karena orang mudah menerima deskripsi yang samar dan menyanjung sebagai gambaran pribadi (efek Barnum).[6][7]

Berikut cara para psikolog menilai sebuah tes, apa kata bukti untuk setiap poinnya, dan daftar periksa yang bisa kamu pakai untuk kuis daring apa pun.

Apa arti “akurat” untuk tes kepribadian

Para psikolog membagi akurasi menjadi dua pertanyaan:

  • Reliabilitas: apakah tes mengukur secara konsisten? Apakah butir-butir yang dimaksudkan untuk mengukur sifat yang sama saling sejalan (konsistensi internal), dan apakah kamu mendapat skor serupa jika mengulang tesnya (reliabilitas tes-ulang)?
  • Validitas: apakah tes mengukur hal yang tepat? Apakah skornya sejalan dengan bukti lain tentang dirimu, seperti penilaian orang-orang yang mengenalmu, dan apakah skor itu memprediksi perilaku dan hasil dalam hidup?

Sebuah tes bisa reliabel tanpa valid (timbangan badan yang selalu meleset dua kilo), tetapi tidak bisa valid tanpa reliabel.

Reliabilitas: apakah skornya konsisten?

Konsistensi internal biasanya dilaporkan sebagai alfa Cronbach (α), dari 0 sampai 1. Nilai sekitar 0,80 atau lebih umumnya dianggap baik untuk skala riset. Skala IPIP domain publik yang dipakai 64 Types memiliki α antara 0,79 dan 0,89 pada sampel norma kami yang masing-masing berisi sekitar 20.000 orang; angka lengkapnya ada di halaman sains kami. Studi MBTI yang dipublikasikan juga melaporkan konsistensi internal yang umumnya kuat untuk empat skalanya, meski nilainya bervariasi antarstudi.[8]

Stabilitas tes-ulang selama bertahun-tahun tinggi tetapi jauh dari sempurna. Dalam 152 studi longitudinal, korelasi antara skor kepribadian yang diukur dengan jarak sekitar 6,7 tahun naik dari 0,31 di masa kanak-kanak menjadi sekitar 0,74 antara usia 50 dan 70.[9] Sebagian ketidakstabilan itu adalah perubahan yang sungguhan: tingkat rata-rata sifat bergeser sepanjang masa dewasa.[10] Lihat Bisakah tipe kepribadianmu berubah?

Mengapa hasil tipe tampak tidak reliabel

Jika skalanya reliabel, mengapa begitu banyak orang mendapat tipe berbeda saat tes ulang? Karena apa yang terjadi di dekat titik batas. Skor kepribadian berat di tengah, dengan kebanyakan orang di dekat titik tengah, dan tidak terbelah menjadi dua punuk.[4][11] Siapa pun yang dekat dengan titik tengah bisa mendapat huruf yang terbalik karena fluktuasi kecil yang normal. Dengan empat huruf, peluang setidaknya satu huruf terbalik makin besar. Tinjauan-tinjauan terhadap MBTI menyoroti ketidakstabilan klasifikasi ini sebagai alasan utama untuk berhati-hati.[5]

Berikut ilustrasi sederhananya. Menurut definisi, 20% orang berada di antara persentil ke-40 dan ke-60 pada sifat apa pun. Jika keenam sifat dalam kode 64 tipe sepenuhnya independen, porsi orang yang tidak memiliki satu pun sifat di zona itu adalah 0,8⁶, sekitar 26%, jadi kira-kira tiga dari empat orang memiliki setidaknya satu huruf di garis batas. (Sifat-sifat itu agak saling berkorelasi, jadi angka sebenarnya sedikit berbeda, tetapi intinya tetap sama.)

Tips praktis

Saat membaca hasil tipe apa pun, carilah skor di baliknya. Huruf yang didukung skor persentil ke-90 bermakna; huruf yang didukung skor persentil ke-52 sebagian besar berarti “kira-kira rata-rata”.

Validitas: apakah orang lain melihatmu dengan cara yang sama?

Satu pemeriksaan yang kuat adalah apakah orang-orang yang mengenalmu memberi penilaian serupa. Serangkaian meta-analisis yang mencakup 44.178 orang yang dinilai dalam 263 sampel meneliti seberapa baik penilaian para pengamat sejalan satu sama lain dan dengan penilaian diri. Akurasinya meningkat seiring makin dekatnya penilai dengan orang tersebut, terutama untuk sifat yang kurang terlihat seperti stabilitas emosi. Penilaian dari orang lain juga memprediksi prestasi akademik dan kinerja kerja jauh lebih baik daripada penilaian diri, dan menambah daya prediksinya.[1]

Diri sendiri maupun orang lain masing-masing punya titik buta. Dalam sebuah studi yang membandingkan penilaian diri, teman, dan orang asing dengan ukuran perilaku, diri sendiri adalah penilai terbaik untuk sifat-sifat yang berkaitan dengan neurotisisme, teman adalah yang terbaik untuk sifat-sifat yang berkaitan dengan intelek, dan semua orang kurang lebih sama baiknya dalam menilai ekstraversi.[12]

Tips praktis

Minta seseorang yang mengenalmu dengan baik untuk membaca hasilmu. Jika ia sangat tidak setuju pada suatu sifat, terutama sifat yang terlihat oleh orang lain seperti ekstraversi, ketidaksetujuan itu memberi informasi.

Validitas: apakah skor memprediksi kehidupan nyata?

Sifat Big Five memprediksi kematian, perceraian, dan pencapaian pekerjaan kurang lebih sebaik status sosial ekonomi dan kemampuan kognitif.[2] Ketelitian memprediksi kinerja kerja di berbagai pekerjaan,[13] neurotisisme memprediksi gangguan kecemasan dan depresi,[14] dan kepribadian memprediksi banyak hasil lainnya.[15]

Temuan-temuan itu bertahan. Sebuah proyek yang dipraregistrasi menguji ulang 78 kaitan sifat dan hasil yang sudah dipublikasikan dengan sampel besar dan menemukan bahwa 87% berhasil direplikasi, meski efeknya biasanya sekitar 77% sekuat laporan aslinya.[3] Jadi ringkasan yang tepat adalah “nyata, konsisten, kecil”: korelasi sifat dan hasil dalam meta-analisis besar sebagian besar berkisar antara 0,10 dan 0,30, misalnya 0,11 antara ketelitian dan umur panjang serta 0,31 antara ekstraversi dan kepemimpinan.[16][17] Itu berguna untuk memahami kecenderungan pada banyak orang, tetapi jauh lebih lemah untuk memprediksi apa yang akan dilakukan satu orang tertentu.

Efek Barnum: mengapa setiap hasil terasa akurat

Pada tahun 1949, psikolog Bertram Forer memberi mahasiswanya sebuah tes kepribadian dan, seminggu kemudian, apa yang dikira masing-masing sebagai profil pribadi. Kenyataannya semua orang menerima teks yang sama, yang sebagian besar dirangkai dari buku astrologi yang dijual di kios koran, dengan kalimat seperti “kamu sangat membutuhkan orang lain untuk menyukai dan mengagumimu”. Rata-rata, para mahasiswa menilainya sebagai deskripsi diri yang sangat akurat.[6]

Tinjauan berikutnya atas puluhan tahun studi lanjutan menemukan bahwa orang lebih mungkin menerima umpan balik semacam itu ketika isinya positif, cukup umum untuk cocok dengan hampir siapa saja, dan ketika mereka percaya umpan balik itu dibuat khusus untuk mereka.[7]

Deskripsi tipe sering memenuhi ketiga syarat itu. Itu tidak membuatnya tak berharga, tetapi artinya “ini persis aku” tidak bisa membedakan tes yang valid dari ramalan bintang. Pemeriksaan di atas, yaitu konsistensi, kesesuaian dengan penilaian orang lain, dan prediksi, bisa.

Daftar periksa untuk menilai tes kepribadian apa pun

  1. Apakah tes itu menyebutkan asal pertanyaannya? Tes riset memakai kumpulan butir yang dipublikasikan, seperti IPIP yang berstatus domain publik.[18]
  2. Apakah tes itu membandingkanmu dengan orang-orang nyata? Persentil berdasarkan sampel norma yang disebutkan lebih bermakna daripada “tinggi” atau “rendah” pada skala sembarang.
  3. Apakah tes itu melaporkan reliabilitas? Carilah angka seperti α Cronbach.
  4. Apakah tes itu menampilkan skor, bukan hanya label? Skor kontinu mencerminkan bagaimana sifat sebenarnya tersebar.[11]
  5. Apakah tes itu memberi tahu saat kamu berada di dekat titik tengah? Hasil di garis batas adalah sumber utama tipe yang terbalik.[4]
  6. Apakah tes itu mengutip bukti untuk klaimnya tentang karier atau hubungan? Dan apakah besar efeknya dilaporkan dengan jujur?
  7. Apakah tes itu menyatakan keterbatasannya? Tes laporan diri bukan diagnosis klinis maupun alat rekrutmen.

Bagaimana 64 Types memenuhi daftar ini

Kami membangun 64 Types berdasarkan daftar periksa ini: 62 butir IPIP domain publik, persentil dibandingkan sekitar 20.000 jawaban nyata per skala, reliabilitas yang dipublikasikan, penanda garis batas dengan kode alternatif, dan klaim yang dikutip di seluruh situs. Keterbatasannya juga dinyatakan dengan terang: sampel normanya adalah relawan daring yang cenderung berusia muda dan berbahasa Inggris. Detailnya di Cara kerja tes 64 Types dan di halaman sains kami.

Pertanyaan yang sering diajukan

Apakah tes kepribadian daring akurat?

Tergantung tesnya. Tes yang dibangun di atas kumpulan butir yang tervalidasi dengan norma nyata memberikan skor yang cukup konsisten dan sejalan dengan cara orang lain melihatmu.[1] Kuis tanpa butir, norma, atau angka reliabilitas yang dipublikasikan tidak bisa dievaluasi.

Kenapa aku mendapat hasil berbeda setiap kali mengerjakan tes kepribadian?

Biasanya karena kamu berada di dekat titik tengah pada satu sifat atau lebih, sehingga fluktuasi kecil membalik sebuah huruf.[4][5] Skor di baliknya kemungkinan jauh lebih stabil daripada label tipemu.

Apa itu efek Barnum?

Kecenderungan menerima deskripsi yang samar dan berlaku umum sebagai gambaran pribadi yang akurat, terutama ketika isinya positif dan disajikan seolah dibuat khusus untukmu.[6][7]

Bisakah tes kepribadian memprediksi kinerja kerja?

Dalam kadar kecil. Ketelitian memprediksi kinerja di berbagai pekerjaan,[13] dan penilaian dari orang lain bisa memprediksi lebih baik daripada penilaian diri.[1] Efeknya terlalu kecil untuk menilai satu orang secara andal.

Referensi

  1. Connelly, B. S., & Ones, D. S. (2010). An other perspective on personality: Meta-analytic integration of observers’ accuracy and predictive validity. Psychological Bulletin, 136(6), 1092–1122.
  2. Roberts, B. W., Kuncel, N. R., Shiner, R., Caspi, A., & Goldberg, L. R. (2007). The power of personality: The comparative validity of personality traits, socioeconomic status, and cognitive ability for predicting important life outcomes. Perspectives on Psychological Science, 2(4), 313–345.
  3. Soto, C. J. (2019). How replicable are links between personality traits and consequential life outcomes? The Life Outcomes of Personality Replication Project. Psychological Science, 30(5), 711–727.
  4. Bess, T. L., & Harvey, R. J. (2002). Bimodal score distributions and the Myers-Briggs Type Indicator: Fact or artifact? Journal of Personality Assessment, 78(1), 176–186.
  5. Pittenger, D. J. (2005). Cautionary comments regarding the Myers-Briggs Type Indicator. Consulting Psychology Journal: Practice and Research, 57(3), 210–221.
  6. Forer, B. R. (1949). The fallacy of personal validation: A classroom demonstration of gullibility. Journal of Abnormal and Social Psychology, 44(1), 118–123.
  7. Furnham, A., & Schofield, S. (1987). Accepting personality test feedback: A review of the Barnum effect. Current Psychology, 6(2), 162–178.
  8. Capraro, R. M., & Capraro, M. M. (2002). Myers-Briggs Type Indicator score reliability across studies: A meta-analytic reliability generalization study. Educational and Psychological Measurement, 62(4), 590–602.
  9. Roberts, B. W., & DelVecchio, W. F. (2000). The rank-order consistency of personality traits from childhood to old age: A quantitative review of longitudinal studies. Psychological Bulletin, 126(1), 3–25.
  10. Roberts, B. W., Walton, K. E., & Viechtbauer, W. (2006). Patterns of mean-level change in personality traits across the life course: A meta-analysis of longitudinal studies. Psychological Bulletin, 132(1), 1–25.
  11. McCrae, R. R., & Costa, P. T. (1989). Reinterpreting the Myers-Briggs Type Indicator from the perspective of the five-factor model of personality. Journal of Personality, 57(1), 17–40.
  12. Vazire, S. (2010). Who knows what about a person? The self–other knowledge asymmetry (SOKA) model. Journal of Personality and Social Psychology, 98(2), 281–300.
  13. Barrick, M. R., & Mount, M. K. (1991). The Big Five personality dimensions and job performance: A meta-analysis. Personnel Psychology, 44(1), 1–26.
  14. Kotov, R., Gamez, W., Schmidt, F., & Watson, D. (2010). Linking "big" personality traits to anxiety, depressive, and substance use disorders: A meta-analysis. Psychological Bulletin, 136(5), 768–821.
  15. Ozer, D. J., & Benet-Martínez, V. (2006). Personality and the prediction of consequential outcomes. Annual Review of Psychology, 57, 401–421.
  16. Kern, M. L., & Friedman, H. S. (2008). Do conscientious individuals live longer? A quantitative review. Health Psychology, 27(5), 505–512.
  17. Judge, T. A., Bono, J. E., Ilies, R., & Gerhardt, M. W. (2002). Personality and leadership: A qualitative and quantitative review. Journal of Applied Psychology, 87(4), 765–780.
  18. Goldberg, L. R. (1992). The development of markers for the Big-Five factor structure. Psychological Assessment, 4(1), 26–42.

Cara kami menulis panduan: setiap klaim riset mengutip sumber yang ditinjau sejawat, besar efek dilaporkan apa adanya sesuai publikasinya, dan saran yang melampaui bukti diberi label tips praktis. Lihat metodologi kami. Menemukan kesalahan? Kirim email ke [email protected].

Panduan terkait

Apakah MBTI valid secara ilmiah? Inilah kata riset yang sebenarnya

Empat skala MBTI mengukur sifat yang nyata, tetapi 16 “tipe”-nya tidak. Tinjauan seimbang tentang reliabilitas, validitas, masalah tes ulang, dan yang hilang.

Cara kerja tes 64 Types: butir, penilaian, norma, dan penanda garis batas

Penjelasan transparan tentang tes kepribadian 64 Types: asal 62 pertanyaannya, cara persentil dihitung, dan arti penanda garis batas pada hasilmu.

Bisakah tipe kepribadianmu berubah? Inilah temuan riset longitudinal

Kepribadian cukup stabil, tetapi tidak tetap. Cara sifat berubah seiring usia, terapi, dan usaha, serta mengapa kode tipemu bisa berubah saat tes ulang.