Pada prinsipnya, tes atau instrumen yang dimaksudkan untuk
mengukur hasil belajar siswa harus baik. Tes yang baik harus
memenuhi beberapa kriteria, yaitu:1. 2. 3. 4. 5. Practicality
(praktis) Realibility (reliabel) Validity (valid) Authenticity
(autentik) Washback (dampak tes)
Kepraktisan (practicality) mengacu pada kemudahankemudahan yang
ada pada sebuah tes (instrument/alat evaluasi) baik dalam
mempersiapkan, menggunakan, menginterpretasi/ memperoleh hasil,
maupun kemudahan dalam menyimpannya. Kepraktisan sebuah tes (alat
evaluasi) lebih menekankan pada tingkat efisiensi dan efektivitas
alat evaluai tersebut guna mengukur hasil belajar siswa. Kriteria
kepraktisan suatu tes dapat dilihat dari:1. 2. 3. 4. 5. 6. Waktu
yang diperlukan untuk menyusun tes Biaya yang diperlukan untuk
menyelenggarakan tes Waktu yang diperlukan untuk melaksanakan tes
Tingkat kesulitan menyusun tes Tingkat kesulitan dalam proses
pemeriksaan tes Tingkat kesulitan melakukan intrepetasi terhadap
hasil tes
Cenderung tidak Praktis Guru menggunakan essay test untuk
mengukur tanggapan 200 siswa tentang hasil diskusi kelompok. Guru
menggunakan lembar jawab komputer (LJK), padahal tidak tersedia
scanner untuk memeriksa LJK. Guru menyusun soal-soal ulangan selama
6 bulan Guru memberikan listening test berbasis internet, sedangkan
jaringan internet belum memadai Guru menyiapkan tes bahasa Inggris
yang terdiri 150 item dan harus dikerjakan oleh siswa selama 3
jam
Cenderung Praktis Guru menggunakan tes lisan (oral test) guna
mengukur hasil diskusi kelompok. Guru menyediakan lembar jawab
berupa kertas biasa untuk menjawab soal-soal ulangan harian Guru
menyiapkan soal-soal ulangan selama satu minggu Guru menggunakan
tape recorder untuk listening test. Guru menyiapkan tes bahasa
Inggris terdiri 50 item dan harus dikerjakan oleh siswa selama 1.5
jam.
Reliabilitas (reliability) tes adalah tingkat keajegan
(konsitensi) suatu tes, yakni sejauh mana suatu tes dapat dipercaya
untuk menghasilkan skor yang ajeg, relatif tidak berubah walaupun
diteskan pada situasi yang berbeda-beda. Suatu tes dapat dikatakan
reliabel (handal) jika selalu memberikan hasil yang relatif sama
bila diteskan pada kelompok yang sama pada waktu atau kesempatan
yang berbeda.
a. Panjang tes (length of test) Ada kecenderungan, semakin
panjang/banyak item tes akan lebih tinggi reliabilitasnya, karena
semakin banyak item akan semakin banyak sampel (materi) yang diukur
dan proporsi jawaban yang benar semakin banyak, sehingga faktor
tebakan (guessing) akan semakin rendah. b. Sebaran skor (spread of
scores) Besarnya sebaran skor akan membuat tingkat reliabilitas
menjadi semakin tinggi, karena koefisien reliabilitas yang lebih
besar diperoleh ketika siswa tetap pada posisi yang relatif sama
dalam suatu kelompok pengujian ke pengujian berikutnya.
c. Tingkat kesukaran (difficulty index)Soal yang terlalu sukar
atau terlalu mudah akan cenderung menghasilakan reliabiltas yang
rendah. Soal yang demikian akan menghasilkan daya beda yang kecil.
Tingkat kesukaran soal yang ideal adalah soal yang menghasilkan
sebaran skor berbentuk kurva normal
Soal mudah
Soal sedang
Soal sukar
d. Objektivitas (objectivity) Objektivitas mengacu pada skor tes
yang sama antara siswa yang satu dengan peserta didik yang lain.
Artinya jika ada siswa yang memiliki kemampuan yang sama, akan
memperoleh hasil tes yang sama pula pada saat mengerjakan tes yang
sama.
Siswa (student-related reliability) Siswa yang pada saat
mengerjakan tes dalam kondisi sakit, kelelahan, gelisah, dan faktor
fisik atau psikologis lainnya tentu akan menghasilkan skor yang
tidak reliabel. Penguji (rater reliability) Subjektivitas penguji
dalam memberikan skor kepada siswa akan mengurangi reliabilitas
hasil tes. Pelaksanaan tes (test administration reliability)
Kondisi saat tes dilaksanakan (ramai, bising, gaduh) juga akan
mengurangi reliabilitas hasil tes. Bentuk tes (test reliability)
Tes yang terlalu panjang akan mengakibatkan siswa kelelahan dalam
mengerjakan dan akhirnya tergesagesa untuk segera menyelesaikan
yang menyebabkan jawaban yang diberikan salah.
Ukuran reliabilitas suatu tes ditunjukkan dalam ukuran koefisien
/indeks tertentu (koefisien: 0 1). Semakin tinggi koefisien suatu
tes, berarti tes itu semakin reliabel. Harga kritik untuk koefisien
reliabilitas adalah 0,7 (Kaplan, 1982). Artinya suatu tes dikatakan
reliabel apabila nilai koefisiennya 0,7. Langkah-langkah uji
realibilitas tes: 1. Mencari korelasi antara hasil tes belahan
ganjil dengan belahan ganjil (odd and even split-half) dengan
formula:
2. Uji reliabilitas kemudian dihitung dengan formula Spearman
Brown sebagai berikut:
Keterangan: n = panjang tes yang selalu sama dengan 2, karena
seluruh tes adalah 2 x
10 siswa mengerjakan tes bahasa Inggris dengan lima soal
berbentuk essay. Skor terendah untuk setiap soal adalah 1 dan skor
tertinggi adalah 10. lima soal itu kemudian dibelah menjadi dua,
belahan pertama adalah nomornomor genap dan belahan kedua adalah
nomor-nomor ganjil. Data diperoleh sebagai berikut:Nama Siswa A B C
D E F Skor nomor-nomor genap 8 7 5 8 5 4 6 7 6 6 6 7 8 6 6 7 5 4
Skor nomor-nomor ganjil 7 7 6 6 5 6 10 5 6 9 5
GH I J
57 7 9
95 8 5
78 4 9
55 9 9
54 7 4
Langkah pertama: Mencari korelasi skor belahan pertama dan
keduaX14 14 11 14
Y25 18 18 22
x 1 1 -2 1
y 6 -1 -1 3
x2 1 1 4 1
y2 36 1 1 9
xy 6 -1 2 3
1111 14 12 15 14 =130 X = 13
1516 17 17 20 22 =190 X = 19
-2-2 1 -1 2 1
-4-3 -2 -2 1 3
44 1 1 4 1 =22
149 4 4 2 9 =90
86 -2 2 2 3 =29
Langkah kedua: Uji reliabilitas
Hasil penghitungan koefesien reliabilitas ditemukan 0,787.
Karena koefisien itu lebih besar dari standar nimimal (0,787 >
0,70) maka dapat disimpulkan tes tersebut reliabel
Validitas (validity) tes mengacu pada tingkat ketepatan tes
tersebut sebagai alat ukur hasil belajar siswa. Suatu tes/instrumen
dikatakan valid apabila tes/instrumen tersebut dapat dengan tepat
mengukur apa yang hendak diukur. Tes yang dimaksudkan untuk
mengukur kompetensi listening, maka seluruh butir soal harus
berbentuk teks lisan yang diperdengarkan kepada siswa, bukan teks
tulis.
1. Faktor instrumen Apabila kualitas instrumen kurang baik, maka
validitas hasil belajar siswa pun akan kurang baik. 2. Faktor
pelaksanaan (how to administer) evaluasi dan penskoran Penyimpangan
(error) pada waktu pelaksanaan tes dan penskoran, seperti alokasi
waktu, kecurangan, menyontek, kesalahan penskoran, kondisi psikis
dan fisik siswa akan mempengaruhi validitas hasil tes. 3. Faktor
jawaban dari peserta didik Faktor ini meliputi keinginan siswa
untuk menjawab soal secara cepat, menjawab dengan coba-coba, dan
penggunaan gaya bahasa tertentu dalam menjawab soal uraian.
Pada dasarnya hanya ada dua macam validitas, yaitu validitas
internal dan validitas ekternal. Validitas internal, meliputi
validitas isi (content validity) dan validitas konstruk (construct
validity)Validitas eksternal, meliputi validitas kesejajaran
(concurrant validity) dan validitas prediksi (predictive
validity)
Sebuah tes dikatakan mempunyai validitas isi apabila tes
tersebut dapat mengukur tujuan khusus tertentu yang sejajar dengan
materi atau isi pelajaran. Untuk menguji validitas isi dapat
dilakukan dengan membandingkan antara isi instrumen dengan materi
pelajaran yang diajarkan. Uji validitas isi sering dijelaskan
melalui validitas tampang (face validity) dan validitas logis
(logical validity).
Sebuah tes memiliki validitas konstruk apabila butir-butir soal
yang membangun tes tersebut mengukur setiap aspek berpikir seperti
yand disebutkan dalam tujuan pembelajaran atau mengukur sesuai
dengan definisi yang digunakan. Definisi atau konsep yang diukur
berasal dari teori yang digunakan.
Sebuah instrumen memiliki validitas kesejajaran apabila hasilnya
sesuai dengan kriteria yang sudah ditentukan.
Kriteria dapat berupa instrumen lain yang mengukur hal yang
sama, tetapi sudah diakui validitasnya (tes standar).
Sebuah instrumen dikatakan mempunyai validitas prediktif apabila
mempunyai kemampuan untuk memprediksikan apa yang akan terjadi di
masa yang akan datang. Contoh: tes masuk PT, untuk meramalkan
prestasi mahasiswa selama kuliah.
Sebuah instrumen dikategorikan valid apabila mempunyai indeks
korelasi 0,3 Korelasi product moment dengan deviasi:
Korelasi product moment dengan angka kasar:
Misalnya, akan menghitung validitas tes prestasi belajar bahasa
Inggris diberi simbul X. Sebagai kriteria diambil dari hasil tes
terstandar untuk mata pelajaran yang sama. Kemudian dibuat tabel
data sebagai berikut:No. 1. 2. Nama A B X 6,5 7 Y 6,3 6,8 x 0 0,5 y
-0,1 0,4 x2 0 0,25 y2 0,01 0,16 xy 0 0,2
3.4. 5. 6. 7. 8. 9. 10.
CD E F G H I J
7,57 6 6 5,5 6,5 7 6 65,0
7,26,8 7 6,2 5,1 6 6,5 5,9 63,8
1,00,5 -0,5 -0,5 -1,0 0 0,5 -0,5
0,80,4 0,6 -0,2 -1,3 -0,4 0,1 -0,6
1,00,25 0,25 0,25 1,0 0 0,25 0,25 3,5
0,640,16 0,36 0,04 1,69 0,16 0,01 0,36 3,59
0,80,2 -0,3 0,1 1,3 0 0,05 0,3 2,65
Rata-rata X
Rata-rata Y Dimana N adalah jumlah siswa
Lalu masukkan dalam rumus product moment dengan deviasi:
Jadi, karena 0,748 adalah lebih besar dari harga kritik
korelasi, yaitu 0,3, maka istrumen tersebut dapat disimpulkan
valid.
Rumus product moment dengan angka kasar:No. 1. 2. Nama A B X 6,5
7 Y 6,3 6,8 X2 42,5 49 Y2 39,69 46,25 XY 40,95 47,6
3.4. 5. 6. 7. 8. 9. 10.
CD E F G H I J
7,57 6 6 5,5 6,5 7 6 65,0
7,26,8 7 6,2 5,1 6 6,5 5,9 63,8
56,2549 36 36 30,25 42,25 49 36 426,0
51,8446,24 49 38,44 26,01 36 42,25 34,81 410,52
5447,6 42 37,2 28,05 39 45,5 35,4 417,3
Kedua cara tersebut menghasilkan koefisien validiatas yang tdak
jauh berbeda.
Authentic assessment presents students with real-world
challenges that require them to apply their relevant skills and
knowledge. Penilaian autentik menyajikan siswa dengan tantangan
dunia nyata yang mengharuskan mereka untuk menerapkan keterampilan
yang relevan dan pengetahuan mereka.
Authentic assessment is often based on performance: Students are
asked to demonstrate their knowledge, skills, or competencies in
whatever way they find appropriate.Penilaian otentik sering
didasarkan pada kinerja: Siswa diminta untuk menunjukkan
pengetahuan, keterampilan, atau kompetensi dengan cara apapun yang
dirasa cocok bagi mereka.
The language in the test is as natural as possible Items are
contextualized rather than isolated Topics are meaningful
(relevant, interesting) for the leaner Some thematic organization
to items is provided, such as through story line or episode Task
represent, or closely approximate, realworld task
Authentic Assessment procedures provide teachers with useful
information that can form the basis for improving their
instructional plans and practices. Focuses more on measuring
learners ability to use language in real-life situation. It is
typically carried out continuously over a period of time. Obtains
more accurate picture of students language profile. Evaluates
students on what they integrate and produce rather than what they
are able to recall or reproduce. It doesnt intrude on regular
classroom activities. It reflects the curriculum that is actually
being implemented in the classroom. Provides information on the
strength and weaknesses of each individual student. Provides
multiple indices that can be used to gauge student progress It is
more multicultural sensitive and free of norm, linguistic, and
cultural biases found in traditional testing.
Washback or backwash refers to effects of language testing on
teaching and learning (Aldersen & Wall, 1993). A test affects
participants, processes and products in teaching and learning. The
washback could be positive or negative, either for the students or
the teachers. Washback can be observed solely at the micro level of
the individuals (mostly teachers and students).
Positive effect for the students: Assessment for learning
bagaimana dengan penilaian kita dapat membantu siswa untuk belajar
lebih banyak pada kurun waktu yang telah ditentukan. Assessment of
learning penilaian untuk mengetahui seberapa banyak siswa telah
belajar dalam kurun waktu yang telah ditentukan.
Positive effects for teachers: Berdasarkan hasil penilaian, guru
dapat memperbaiki proses instruksional yang telah dilakukan. Proses
instruksional Material development, syllabus design, changes in
teaching methodology and the use of learning and/or test-taking
strategies are included under processes.
