BAB V

PENGUJIAN VALIDITAS, RELIABILITAS, TINGKAT KESUKARAN DAN DAYA PEMBEDA

A. PENDAHULUAN Dalam masalah sosial, persoalan penentuan alat ukur yang dibuat dengan asal jadi, tanpa memperhitungkan validitas dan reliabilitasnya, akan menyebabkan interpretasi yang bermacam-macam dan bisa memberikan alternatif jawaban yang berbeda-beda sesuai dengan kondisi, kapan dan dimana suatu alat ukur itu akan digunakan. Jika salah dalam penerapan, jawaban yang diperoleh bukan akan memberikan informasi yang baik dan benar, akan tetapi justru akan memberikan informasi yang keliru dan akan berdampak terhadap kesimpulan yang dibuat.Persoalan alat ukur yang digunakan evaluator ketika melakukan kegiatan evaluasi sering dihadapkan pada persoalan akurasi, konsisten dan stabilitas sehingga hasil pengukuran yang diperoleh bisa mengukur dengan akurat sesuatu yang sedang diukur. Instrumen ini memang harus memiliki akurasi ketika digunakan. Konsisten dan stabil dalam arti tidak mengalami perubahan dari waktu pengukuran satu ke pengukuran yang lain.Keandalan (reliabilitas) merupaka sesuatu yang dibutuhkan tetapi buakn persyaratan mutlak untuk validitas suatu instrument. Dalam penilaian formatif, batasan-batasan keandalan ditangani dengan cara yang berbeda meskipun tetap penting untuk dipertimbangkan. Sifat reliabel ( keandalan) dari sebuah alat ukur berkenaan dengan kemampuan alat ukur tersebut memberikan hasil yang konsisten dan stabil. Dalam konsep reliabilitas suatu instrument, suatu instrument yang memiliki sifat kesahihan dan keandalan maka instrument itu harus memeberikan hasil yang konsisten atau stabil jika digunakan beberapa kali pada objek yang sama, sepanjang materi yang diukur tidak berubah.Prinsip reliabilitas itu sendiri adalah menunjukkan sejauh mana pengukuran atau penilaian itu memberikan hasil yang relatif sama jika dilakukan pngukuran terhadap subjek yang sama pada waktu yang berbeda.

B. UJI VALIDITASValiditas merupakan suatu ukuran yang menunjukkan kevalidan atau kesahihan suatu instrument. Jadi pengujian validitas itu mengacu pada sejauh mana suatu instrument dalam menjalankan fungsi. Instrument dikatakan valid jika instrument tersebut dapat digunakan untuk mengukur apa yang hendak diukur. Sebagai contoh, ingin mengukur kemampuan siswa dalam matematika. Kemudian diberikan soal dengan kalimat yang panjang dan yang berbelit-belit sehingga sukar ditangkap maknanya. Akhimya siswa tidak dapat menjawab, akibat tidak memahami pertanyaannya. Contoh lain, peneliti ingin mengukur kemampuan berbicara, tapi ditanya mengenai tata bahasa atau kesusastraan seperti puisi atau sajak. Pengukur tersebut tidak tepat (valid). Validitas tidak berlaku universal sebab bergantung pada situasi dan tujuan penelitian. Instrumen yang telah valid untuk suatu tujuan tertentu belum otomatis akan valid untuk tujuan yang lain.1. Macam-macam Validitas Ada tiga jenis validitas yang sering digunakan dalam penyusunan instrumen, yaitu:a. Validitas isiValiditas isi berkenaan dengan kesanggupan instrumen mengukur isi yang harus diukur. Artinya, alat ukur tersebut mampu mengungkap isi suatu konsep atau variabel yang hendak diukur. Misalnya tes hasil belajar bidang studi IPS, harus bisa mengungkap isi bidang studi tersebut. Hal ini bisa dilakukan dengan cara menyusun tes yang bersumber dari kurikulum bidang studi yang hendak diukur. Di samping kurikulum dapat juga diperkaya dengan melihat/mengkaji buku sumber. Sehingga tes hasil belajar tidak mungkin dapat mengungkap semua materi yang ada dalam bidang studi tertentu sekalipun hanya untuk satu semester. Oleh sebab itu harus diambil sebagian dari materi dalam bentuk sampel tes. Sebagai sampel maka harus dapat mencerminkan materi yang terkandung dari seluruh materi bidang studi. Cara yang ditempuh dalam menetapkan sampel tes adalah memilih konsep-konsep yang esensial dari materi yang di dalamnya. Misalnya menetapkan sejumlah konsep dari setiap pokok bahasan yang ada. Dari setiap konsep dikembangkan beberapa pertanyaan tes (lihat bagan). Di sinilah pentingnya peranan kisi-kisi sebagai alat untuk memenuhi validitas isi.Dalam hal tertentu tes yang telah disusun sesuai dengan kurikulum (materi dan tujuannya) agar memenuhi validitas isi, peneliti atau pemakai tes dapat meminta bantuan ahli bidang studi untuk menelaah apakah konsep materi yang diajukan telah memadai atau tidak, sebagai sampel tes. Dengan demikian validitas isi tidak memerlukan uji coba dan analisis statistik atau dinyatakan dalam bentuk angka-angka.b. Validitas bangun pengertian (Construct validity)Validitas bangun pengertian (Construct validity) berkenaan dengan kesanggupan alat ukur mengukur pengertian-pengertian yang terkandung dalam materi yang diukurnya. Pengertian-pengertian yang terkandung dalam konsep kemampuan, minat, sebagai variabel penelitian dalam berbagai bidang kajian harus jelas apa yang hendak diukurnya. Konsep-konsep tersebut masih abstrak, memerlukan penjabaran yang lebih spesifik, sehingga mudah diukur. Ini berarti setiap konsep harus dikembangkan indikator-indikatomya. Dengan adanya indikator dari setiap konsep maka bangun pengertian akan nampak dan memudahkan dalam menetapkan cara pengukuran. Untuk variabel tertentu, dimungkinkan penggunaan alat ukur yang beraneka ragam dengan cara mengukurnya yang berlainan. Menetapkan indikator suatu konsep dapat dilakukan dalam dua cara, yakni (a) menggunakan pemahaman atau logika berpikir atas dasar teori pengetahuan ilmiah dan (b) menggunakan pengalaman empiris, yakni apa yang terjadi dalam kehidupan nyata. Contoh: Konsep mengenai Hubungan Sosial, dilihat dari pengalaman, indikatornya empiris adalah keterkaitan dari - bisa bergaul dengan orang lain- disenangi atau banyak teman-temannya- menerima pendapat orang lain- tidak memaksakan pendapatnya- bisa bekerja sama dengan siapa pun- dan lain-lain.Mengukur indikator-indikator tersebut, berarti mengukur bangun pengertian yang terdapat dalam konsep hubungan sosial. Contoh lain: Konsep sikap dapat dilihat dari indikatornya secara teoretik (deduksi teori) antara lain keterkaitan dari - kesediaan menerima stimulus objek sikap- kemauan mereaksi stimulus objek sikap- menilai stimulus objek sikap- menyusun/mengorganisasi objek sikap- internalisasi nilai yang ada dalam objek sikap.Apabila hasil tes menunjukkan indikator-indikator tes yang tidak berhubungan secara positif satu sama lain, berarti ukuran tersebut tidak memiliki validitas bangun pengertian. Atas dasar itu indikatornya perlu ditinjau atau diperbaiki kembali. Cara lain untuk menetapkan validitas bangun pengertian suatu alat ukur adalah menghubungkan (korelasi) antara alat ukur yang dibuat dengan alat ukur yang sudah baku/standardized, seandainya telah ada yang baku. Bila menunjukkan koefisien korelasi yang tinggi maka alat ukur tersebut memenuhi validitasnya.

c. Validitas ramalan (predictive validity) Validitas ramalan artinya dikaitkan dengan kriteria tertentu. Dalam validitas ini yang diutamakan bukan isi tes tapi kriterianya, apakah alat ukur tersebut dapat digunakan untuk meramalkan suatu ciri atau perilaku tertentu atau kriteria tertentu yang diinginkan. Misalnya alat ukur motivasi belajar, apakah dapat digunakan untuk meramal prestasi belajar yang dicapai. Artinya terdapat hubungan yang positif antara motivasi dengan prestasi. Dengan kata lain dalam validitas ini mengandung ciri adanya relevansi dan keajegan atau ketetapan (reliability). Motivasi dapat digunakan meramal prestasi bila skor-skor yang diperoleh dari ukuran motivasi berkorelasi positif dengan skor prestasi. Validitas ramalan ini mengandung dua makna. Pertama validitas jangka pendek dan kedua jangka panjang. Validitas jangka pendek, artinya daya ramal alat ukur tersebut hanya untuk masa yang tidak lama. Artinya, skor tersebut berkorelasi pada waktu yang sama. Misalnya, ketetapan (reliability) terjadi pada semester dua artinya daya ramal berlaku pada semester dua, dan belum tentu terjadi pada semester berikutnya. Sedangkan validitas jangka panjang mengandung makna skor tersebut akan berkorelasi juga di kemudian hari. Mengingat validitas ini lebih menekankan pada adanya korelasi, maka faktor yang berkenaan dongan persyaratan terjadinya korelasi harus dipenuhi. Faktor tersebut antara lain hubungan dari konsep dan variabel dapat dijelaskan berdasarkan pengetahuan ilmiah, minimal masuk akal sehat dan tidak mengada-ada. Faktor lain adalah skor yang dikorelasikan memenuhi linieritas. Ketiga validitas yang dijelaskan di atas idealnya dapat digunakan dalam menyusun instrumen penelitian, minimal dua validitas, yakni validitas isi dan validitas bangun pengertian. Validitas isi dan bangun pengertian mutlak diperlukan dan bisa diupayakan tanpa melakukan pengujian secara statistika.

2. Cara Menentukan Validitasa) Cara Menentukan Validitas dengan Menggunakan RumusPerhitungan validitas dari sebuah instrumen dapat menggunakan rumus korelasi product moment atau dikenal juga dengan korelasi pearson.Adapun rumusnya adalah sebagai berikut :

rxy = koefisien korelasiN = jumlah responden uji cobaX = skor tiap itemY = skor seluruh item responden uji cobaContoh soal:Responden

Nomor Pertanyaan

Total

12345678910

ABCDEFGHIJ

543532214345453131425444422142

4533413252

54443221524525422253

454441124254534231424544411242544115551545453938352126164024

Tabel Perhitungan KorelasiRespondenXYXYXY

ABCDEFGHIJ

5435322143454539383521261640242514925944116920252025152114441156441676256160057623518011719010242521616072

N=10X=32Y=328X=118Y=11720XY=1166

Uji Validitas dengan product moment

Hasil penghitungan tersebut, selanjutnya dikonsultasikan dengan tabel korelasi nilai r dengan terlebih dahulu mencari derajat kebebasan (db), yaitu N-2 ( 10-2 = 8). Pada taraf signifikansi 5% diperoleh angka 0,632, dan 1% adalah 0,765. Apabila nilai rhitung > rtabel, maka soal/ pertanyaan tersebut memiliki validitas konstruk yang baik.Berdasarkan rumus tersebut diperoleh nilai r sebagai berikut PernyataanNilai rCara Interpretasi pada taraf sig. r 5%Keterangan

12345678910

0.8840.8930.9310.8110.9200.7050.8270.8930.8670.5640.884>0.6320.893>0.6320.931>0.6320.811>0.6320.920>0.6320.705>0.6320.827>0.6320.893>0.6320.867>0.6320.564 r table. (Rasyid & Mansyur, 2007:134).Kriteria pengujian reliabilitas soal tes yaitu setelah didapatkan harga r11 kemudian harga r11 tersebut dikonsultasikan dengan harga r product moment pada tabel, jika r11 > rtabel makaitemtes yang diujicobakan reliabel (Arikunto, 2006: 109).a. Jika r hitung positif dan r hitung > r tabel maka butir tersebut reliabel.b. Jika r hitung negatif atau r hitung < r tabel maka butir tersebut tidak reliabel

2. Teknik untuk Menentukan data Releabilitas.Ada beberapa teknik untuk mengukur reliabilitas, antara lain: a. Teknik Pengukuran UlangTeknik ini dilakukan dengan cara mengadakan pengkuran ulang kepada responden, kita meminta responden yang sama agar menjawab semua pertanyaan dalam alat pengukur sebanyak dua kali. Selang waktu antara pengukuran pertama dan ke dua menurut Masri Singarimbun antara 15 s/d 30 hari, apa bila selang waktunya terlalu dekat dikhawatirkan responden masih ingat jawaban yang diberikan pada waktu yang pertama.Hasil pengukuran pertama dan kedua kemudian dikorelasikan dengan teknik korelasi product moment, kemudian dianalisa seperti dalam teknik validitas. b. Teknik Belah Dua, yaitu dengan membagi instrumen menjadi dua bagian misal ganjil dan genap c. Teknik Bentuk paralel, yaitu dilakukan dengan menggunakan dua alat ukur yang mengukur aspek yang sama.Uji Reliabilitas dilakukan dengan uji Alpha Cronbach. Rumus Alpha Cronbach sebagai berikut:

Note:

Jika nilai alpha > 0,7 artinya reliabilitas mencukupi (sufficient reliability) sementara jika alpha > 0,80 ini mensugestikan seluruh item reliabel dan seluruh tes secara konsisten secara internal karena memiliki reliabilitas yang kuat. Atau, ada pula yang memaknakannya sebagai berikut: Jika alpha > 0,90 maka reliabilitas sempurna Jika alpha antara 0,70 0,90 maka reliabilitas tinggi Jika alpha antara 0,50 0,70 maka reliabilitas moderat Jika alpha < 0,50 maka reliabilitas rendahAnalisis Reliabilitas Butir Soal Dengan Metode Kuder-Richardson (KR20)

Adapun formula rumus KR20adalah:

)

r KR20 = Koefisien korelasi dengan KR20k = jumlah butir soalp = proporsi jawaban benar pada butir tertentuq = proporsi jawaban salah pada butir tertentu ( q = 1 p )s2 = varians skor totalUntuk menghitung harga p dan q sama dengan yang telah diuraikan pada pembahasan validitas butir instrumen. Sedangkans2(varians ):

Sebagai contoh data hasil penilaian:

Data Hasil Penilaian Bidang Studi Elektronika dasar NoJumlah SoalXtXt2

12345678910

10111000101525

20011111011749

31111010011749

41011111011864

51111010001636

60001100011416

70011011100636

80110011010525

90110001010416

100110001010416

369736628656332

P0,30,60,90,70,30,60,60,20,80,6

Q0,70,40,10,30,70,40,40,80,20,4

p.q0,210,240,090,210,210,240,240,160,160,242,00

Skor rata-rata total. Xt 56 X = ----------- = ------- = 5,6 N 10Menghitung varians total. X2 332s2 = -------- - X2= ---------- - ( 5,6 )2 = 1,84 N 10

Menghitung reliabilitas dengan KR20: k pq r KR20 = ----------- (1 - --------- ) k 1 s2 10 2,00r KR20 = ----------- (1 - --------- ) 10 1 1,84 r KR20 =1,11 (- 0,087) = - 0,097Kesimpulan Koefisien korelasi berada antara 0 1. Suatu instrumen penilaian dikatakan reliabel jika koefisien korelasinya 0,6, makin tinggi koefisien korelasi makin reliabel instrumen tersebut, dan sebaliknya. Instrumen penilaian yang kita jadikan contoh termasuk kategori instrumen yang kurang baik karena tidak reliabel. Untuk menjadikan instrumen tersebut reliabel maka validitas butir yang tidak baik dibuang atau diganti. Instrumen yang valid pasti reliabel, tetapi instrumen yang reliabel belum tentu valid.

D. TINGKAT KESUKARAN (DIFFICULTY LEVEL) Tingkat kesukaran butir soal adalah proporsi peserta tes menjawab benar terhadap butir soal tersebut. Tingkat kesukaran butir soal biasanya dilambangkan dengan p. Makin besar nilai p yang berarti makin besar proporsi yang menjawab benar terhadap butir soal tersebut, makin rendah tingkat kesukaran butir soal itu. Hal ini mengandung arti bahwa soal itu makin mudah, demikian pula sebaliknya. Soal yang baik adalah soal yang tidak terlalu mudah atau tidak terlalu sukar. Soal yang terlalu mudah tidak merangsang mahasiswa untuk mempertinggi usaha memecahkannya. Sebaliknya soal yang terlalu sukar akan menyebabkan mahasiswa menjadi putus asa dan tidak mempunyai semangat untuk mencoba lagi karena di luar jangkauannya. Tingkat kesukaran butir soal tidaklah menunjukkan bahwa butir soal itu baik atau tidak. Tingkat kesukaran butir hanya menunjukkan bahwa butir soal itu sukar atau mudah untuk kelompok peserta tes tertentu. Butir soal hasil belajar yang terlalu sukar atau terlalu mudah tidak banyak memberi informasi tentang butir soal atau peserta tes. Pada analisis butir soal secara klasikal, tingkat kesukaran dapat diperoleh dengan beberapa cara antara lain : a) skala kesukaran linier; b) skala bivariat; c) indeks davis; d) proporsi menjawab benar. Cara yang paling umum digunakan adalah proporsi menjawab benar atau proportion correct, yaitu jumlah peserta tes yang menjawab benar pada soal yang dianalisis dibandingkan dengan peserta tes seluruhnya. Dalam analisis item ini digunakan proportion correct (p), untuk menilai tingkat kesukaran butir soal, yang dapat dilihat berdasarkan hasil analisis iteman pada lampiran 6. Besarnya tingkat kesukaran berkisar antara 0,00 sampai 1,00. Untuk sederhananya, tingkat kesukaran butir dan perangkat soal dapat dibagi menjadi tiga kelompok, yaitu mudah, sedang dan sukar. Sebagai patokan dapat digunakan tabel sebagai berikut:Tabel V.1: Klasifikasi Tingkat KesukaranP-PKLASIFIKASI

0,00 0,29Soal Mudah

0,30 0,69Soal Sedang

0,70 1,00Soal Sukar

Untuk menyusun suatu naskah ujian sebaiknya digunakan butir soal yang mempunyai tingkat kesukaran berimbang, yaitu : soal berkategori sukar sebanyak 25%, kategori sedang 50% dan kategori mudah 25%. Dalam penggunaan butir soal dengan komposisi seperti di atas, maka dapat diterapkan penilaian berdasar acuan norma atau acuan patokan. Bila komposisi butir soal dalam suatu naskah ujian tidak berimbang, maka penggunaan penilaian acuan norma tidaklah tepat, karena informasi kemampuan yang dihasilkan tidaklah akan berdistribusi normal. Walaupun demikian ada yang berpendapat bahwa soal-soal yang dianggap baik adalah soal-soal yang sedang, yaitu soal-soal yang mempunyai indeks kesukaran berkisar antara 0,26 0,75. Berbagai kriteria tersebut mempunyai kecenderungan bahwa butir soal yang memiliki indeks kesukaran kurang dari 0,25 dan lebih dari 0,75 sebaiknya dihindari atau tidak digunakan, karena butir soal yang demikian terlalu sukar atau terlalu mudah, sehingga kurang mencerminkan alat ukur yang baik. Namun demikian soal-soal yang terlalu mudah atau terlalu sukar tidak berarti tidak boleh digunakan. Hal ini tergantung dari tujuan penggunaannya. Jika dari peserta tes banyak, padahal yang dikehendaki lulus hanya sedikit maka diambil peserta yang terbaik, untuk itu diambilkan butir soal tes yang sukar. Demikian sebaliknya jika kekurangan peserta tes, maka dipilihkan soal-soal yang mudah. Selain itu, soal-soal yang sukar akan menambah motivasi belajar bagi siswa-siswa yang pandai, sedangkan soal-soal yang mudah akan membangkitkan semangat kepada siswa yang lemah.1. Cara Menentukan Tingkat Kesukaran Suatu Butir Tes Untuk menghitung tingkat kesukaran tiap butir soal digunakan persamaan:P=Dengan: P adalah indeks kesukaran, B adalah banyaknya siswa yang menjawab soal dengan benar, Jx adalah jumlah seluruh siswa peserta tesRumus lain yang digunakan untuk menentukan tingkat kesukaran soal uraian sama dengan soal pilihan ganda yaitu :Tk=X 100%Keterangan:Tk : Indeks tingkat kesukaran butir soal SA : jumlah skor kelompok atasSB : jumlah skor kelompok bawah IA : jumlah skor ideal kelompok atas IB : jumlah skor ideal kelompok bawah Setelah indeks tingkat kesukaran diperoleh, maka harga indeks kesukaran tersebut diinterpretasikan pada kriteria sesuai tabel berikut: Tabel V.2.:Interpretasi Tingkat KesukaranIndeks Tingkat Kesukaran

Kriteria

0 15 %

Sangat sukar, sebaiknya dibuang

16 % 30 %

Sukar

31 % 70 %

Sedang

71 % 85 %

Mudah

86 % 100 %

Sangat mudah, sebaiknya di buang

Contoh Soal:Tentukan masing-masing soal apakah memiliki tingkat kesukaran soal yang mudah, sedang, dan sukar?Untuk soal No. 1P=P=P= 0,76Dari hasi perhitungan diketahui bahwa skor tingkat kesukaran soal untuk nomor soal 1 adalah 0,76 yang tergolong kategori mudah. Dengan menggunakan cara yang sama, maka dapat dicari tingkat kesukaran tiap soal seperti terlampir pada tabel di bawah: No SoalBJSPKategori

123300,76Mudah

230301Mudah

322300,73Mudah

426300,86Mudah

58 300,26Sukar

615300,5Sedang

723300,76Mudah

87300,23Sukar

918300,6Sedang

1027300,9Mudah

1128300,93Mudah

1215300,5Sedang

1320300,66Sedang

1413300,43Sedang

1512300,4Sedang

167300,23Sukar

1715300,5Sedang

1824300,8Mudah

1917300,56Sedang

2014300,46Sedang

2125300,83Mudah

2213300,43Sedang

239300,3Sedang

2412300,4Sedang

2513300,43Sedang

E. UJI DAYA PEMBEDA Daya pembeda soal adalah kemampuan suatu butir soal dapat membedakan antara warga belajar/siswa yang telah menguasai materi yang ditanyakan dan warga belajar/siswa yang tidak/kurang/belum menguasai materi yang ditanyakan. Manfaat daya pembeda butir soal adalah seperti berikut ini.1) Untuk meningkatkan mutu setiap butir soal melalui data empiriknya. Berdasarkan indeks daya pembeda, setiap butir soal dapat diketahui apakah butir soal itu baik, direvisi, atau ditolak.2) Untuk mengetahui seberapa jauh setiap butir soal dapat mendeteksi/membedakan kemampuan siswa, yaitu siswa yang telah memahami atau belum memahami materi yang diajarkan guru. Apabila suatu butir soal tidak dapat membedakan kedua kemampuan siswa itu, maka butir soal itu dapat dicurigai "kemungkinannya" seperti berikut ini. Kunci jawaban butir soal itu tidak tepat. Butir soal itu memiliki 2 atau lebih kunci jawaban yang benar Kompetensi yang diukur tidak jelas Pengecoh tidak berfungsi Materi yang ditanyakan terlalu sulit, schingga banyak siswa yang menebakSebagian besar siswa yang memahami materi yang ditanyakan berpikir ada yang salah informasi dalam butir soalnyaIndeks daya pembeda setiap butir soal biasanya juga dinyatakan dalam bentuk proporsi. Semakin tinggi indeks daya pembeda soal berarti semakin mampu soal yang bersangkutan membedakan warga belajar/siswa yang telah memahami materi dengan warga belajar/peserta didik yang belum memahami materi. Indeks daya pembeda berkisar antara -1,00 sampai dengan +1,00. Semakin tinggi daya pembeda suatu soal, maka semakin kuat/baik soal itu. Jika daya pembeda negatif (