Rekonstruksi Uji Validitas Instrumen dalam Penelitian Pendidikan Agama Islam di Era Transformasi Digital
Keywords:
Validitas Instrumen; Pendidikan Agama Islam; Transformasi Digital; Psikometrika; Artificial IntelligenceAbstract
Transformasi digital telah membawa perubahan signifikan terhadap metodologi penelitian pendidikan, termasuk dalam pengembangan dan pengujian validitas instrumen pada penelitian Pendidikan Agama Islam (PAI). Namun, praktik validasi instrumen pada penelitian PAI masih didominasi oleh pendekatan konvensional yang berorientasi pada pemenuhan persyaratan statistik sehingga belum sepenuhnya mampu merepresentasikan konstruk keagamaan yang kompleks dan multidimensional. Penelitian ini bertujuan merekonstruksi paradigma uji validitas instrumen yang lebih adaptif terhadap perkembangan psikometrika modern dan teknologi digital. Penelitian menggunakan pendekatan kualitatif dengan jenis studi kepustakaan (library research) melalui analisis konseptual terhadap berbagai literatur ilmiah yang relevan. Data dianalisis menggunakan teknik content analysis dan thematic analysis untuk mengidentifikasi kesenjangan konseptual serta merumuskan model rekonstruksi validitas instrumen. Hasil penelitian menunjukkan bahwa validitas instrumen perlu dipahami sebagai proses ilmiah yang bersifat berkelanjutan melalui integrasi validitas isi, validitas konstruk, validitas empiris, serta pemanfaatan Artificial Intelligence, Rasch Measurement Theory, Confirmatory Factor Analysis, dan learning analytics. Berdasarkan sintesis tersebut, penelitian ini menawarkan Digital Integrated Validation Framework (DIVF) sebagai kerangka konseptual baru yang mampu meningkatkan kualitas pengembangan instrumen penelitian PAI. Kerangka ini diharapkan menjadi acuan metodologis bagi peneliti dalam menghasilkan instrumen yang lebih valid, reliabel, adaptif, dan sesuai dengan tuntutan penelitian di era transformasi digital.
References
Asdar, A. K., Afriadi, B., & Muawanah. (2022). Standardisasi instrumen integritas akademik melalui pendekatan Confirmatory Factor Analysis dan Rasch Model. Jurnal Manajemen Pendidikan, 13(2). https://doi.org/10.21009/jmp.v13i2.31446
Bond, T. G., & Fox, C. M. (2015). Applying the Rasch model: Fundamental measurement in the human sciences (3rd ed.). Routledge.
Chang, H.-H. (2024). Harnessing AI for educational measurement: Standards and emerging frontiers. Educational Measurement: Issues and Practice. https://doi.org/10.3102/10769986241264033
Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). Sage Publications.
DeVellis, R. F., & Thorpe, C. T. (2021). Scale development: Theory and applications (5th ed.). Sage Publications.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2022). Multivariate data analysis (9th ed.). Cengage Learning.
Hilalludin, H. (2026). Internalisasi Nilai Akhlak Dalam Pendidikan Agama Islam Berwawasan Multikultural Di SDN Butuh 02 Semarang. Ar-Ruhul Ilmi: Jurnal Pendidikan dan Pemikiran Islam, 2(02), 154-167.
Hilalludin, H. (2026). Strategi Sekolah Dasar Dalam Menerapkan Pendidikan Multikultural Melalui Kegiatan Pembelajaran Dan Ekstrakurikuler. SciNusa: Jurnal Ilmu Sosial dan Humaniora, 2(03), 245-259.
Hilalludin, H. (2026). Transformasi Digital Dalam Perbankan Syariah: Analisis Implementasi Fintech Berbasis Prinsip Syariah Di Era Society 5.0. Al-Hilali: Jurnal Perbankan dan Ekonomi Islam, 2(03), 242-256.
Hilalludin, H., & Rouzi, K. S. (2026). Membangun Jiwa Tangguh Dan Hati Sabar: Integrasi Konsep Hardiness Dan Sabar Dalam Pembentukan Karakter Islami. Imanu: Jurnal Hukum dan Peradaban Islam, 2(01), 104-117.
Hilalludin, H., Al Nomani, S., & Sulhi, M. (2026). DEVELOPING ISLAMIC RELIGIOUS EDUCATION STRATEGIES TO ENHANCE STUDENTS’LEARNING MOTIVATION IN THE DIGITAL ERA. INJIES: Journal of Islamic Education Studies, 3(1), 107-122.
Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press.
Krägeloh, C. U., Melekhov, V., Alyami, M. M., & Medvedev, O. N. (2025). Artificial Intelligence Attitudes Inventory (AIAI): Development and validation using Rasch methodology. Current Psychology, 44. https://doi.org/10.1007/s12144-025-08009-1
Kraus, E. B., Wild, J., & Hilbert, S. (2024). Using interpretable machine learning for differential item functioning detection in psychometric tests. Applied Psychological Measurement, 48. https://doi.org/10.1177/01466216241238744
Li, P., Chong, Y.-Y., Man, W., & Li, H. (2026). Measuring attitudes toward artificial intelligence: Validation of the Chinese ATTARI-12 and invariance across genders and academic disciplines. Frontiers in Psychology. https://doi.org/10.3389/fpsyg.2026.1836060
Maska, L., Vlachopanou, P., Kalamaras, D., & Tsameti, A. (2026). Validating the AIM–N: An AI-motivation and needs scale with multi-group invariance and MIMIC-DIF evidence in higher education. PLOS ONE, 21(3). https://doi.org/10.1371/journal.pone.0341134
Sari, H. P., Arisanti, D., Ilhami, A., Salman, N. F., & Faizah, U. (2025). Validity and reliability of the Artificial Intelligence literacy instrument for prospective Islamic education teachers: A Rasch analysis. POTENSIA: Jurnal Kependidikan Islam.
Setyawarno, D., Maryati, & Natadiwijaya, I. F. (2025). Promoting a valid question model for measuring computational thinking skills based on Confirmatory Factor Analysis and Rasch model. Cogent Education. https://doi.org/10.1080/2331186X.2025.2505339
Speer, A. M., Oswald, F. L., & Putka, D. J. (2025). Reliability evidence for AI-based scores in organizational contexts: Applying lessons learned from psychometrics. Organizational Research Methods. https://doi.org/10.1177/10944281251346404
Terry, J., Strait, G., Alsarraf, S., et al. (2025). Artificial intelligence in scale development: Evaluating AI-generated survey items against gold standard measures. Current Psychology. https://doi.org/10.1007/s12144-025-08240-w
