Buka alat gratis

BerandaAlat GuruArtikelProdukTentang

Validitas dan Reliabilitas Soal: Cara Menguji dengan Data Kelas

Soal yang sudah dipakai di ulangan sering dianggap selesai urusannya begitu nilai dibagikan. Padahal ada dua pertanyaan yang belum terjawab: apakah soal itu benar-benar mengukur yang ingin diukur, dan apakah hasilnya bisa dipercaya kalau diulang di kelas lain?

Dua pertanyaan itu punya nama: validitas dan reliabilitas. Keduanya bukan istilah khusus dosen. Guru bisa memeriksanya sendiri dengan data yang sudah ada di buku nilai, tanpa aplikasi statistik.

Artikel ini menjelaskan validitas dan reliabilitas soal, menunjukkan cara menghitungnya dengan satu kelas berisi sepuluh siswa, dan menyebutkan batas di mana hasil hitungan sendiri sudah cukup dan di mana sebaiknya minta bantuan.

Apa Itu Validitas Soal

Validitas adalah sejauh mana soal mengukur hal yang memang ingin diukur. Soal tentang penjumlahan dua angka dikatakan valid bila jawabannya benar-benar bergantung pada kemampuan menjumlah, bukan pada kemampuan membaca kalimat panjang atau menebak pola pilihan jawaban.

Validitas tidak melekat pada soal itu sendiri. Soal yang valid untuk mengukur kemampuan menghitung bisa tidak valid untuk mengukur penalaran, karena keduanya menuntut hal berbeda. Karena itu pertanyaannya selalu berbentuk: valid untuk tujuan apa?

Apa Itu Reliabilitas Soal

Reliabilitas adalah kestabilan hasil. Kalau soal yang sama diberikan lagi kepada kelompok yang kemampuannya setara, apakah urutan siswa dari yang tertinggi ke terendah tetap mirip? Kalau jawabannya ya, soalnya reliabel.

Reliabilitas tidak menjamin validitas. Sebuah timbangan yang selalu menunjukkan angka yang sama setiap kali dipakai tetap bisa salah kalau jarumnya tidak dikalibrasi. Sebaliknya, soal yang valid hampir selalu cukup reliabel, karena hasil yang bergantung pada tebakan tidak akan stabil.

Tiga Jenis Validitas yang Perlu Diketahui Guru

Validitas Isi

Soal mewakili seluruh materi yang diajarkan, tidak hanya bagian yang mudah dibuat soalnya. Alat pemeriksanya sederhana: kisi-kisi. Setiap butir harus bisa ditunjuk tujuan pembelajarannya.

Validitas Konstruk

Soal benar-benar menuntut kemampuan yang disebutkan dalam tujuan, bukan kemampuan lain. Contoh kegagalannya: soal matematika yang sebenarnya menguji kemampuan membaca soal cerita panjang.

Validitas Kriteria

Skor soal dibandingkan dengan ukuran lain yang sudah dipercaya, misalnya nilai tugas harian atau hasil asesmen sebelumnya. Kalau keduanya bergerak searah, ada bukti tambahan bahwa soalnya mengukur hal yang sama.

Cara Menguji Validitas Isi Tanpa Statistik

Untuk keperluan kelas, validitas isi bisa diperiksa dalam satu duduk. Siapkan kisi-kisi, lalu untuk setiap butir tuliskan tujuan pembelajaran yang diwakilinya. Butir yang tidak bisa ditunjuk tujuan pembelajarannya hampir selalu bermasalah, meski terlihat bagus.

1. Tandai setiap butir dengan nomor tujuan pembelajaran pada kisi-kisi.
2. Hitung berapa butir untuk tiap tujuan. Tujuan dengan nol butir berarti bagian itu tidak terukur.
3. Periksa jenjang kognitifnya: apakah semua butir hanya mengingat, atau ada yang menuntut penerapan.
4. Minta satu guru lain menelaah tanpa melihat kunci jawaban. Butir yang ditafsirkan berbeda oleh dua guru perlu diperbaiki kalimatnya.

Cara ini tidak menghasilkan angka, tetapi menangkap sebagian besar masalah nyata: soal keluar dari materi, bobot tidak seimbang, dan kalimat yang ambigu.

Cara Mengukur Reliabilitas dengan Data Kelas

Ada tiga cara yang praktis. Pilih satu, jangan campur, dan sebutkan cara mana yang dipakai saat melaporkan hasil.

Belah Dua dan Koreksi Spearman-Brown

Bagi soal menjadi dua bagian setara, misalnya butir ganjil dan genap. Hitung skor masing-masing siswa pada kedua bagian, lalu korelasikan. Karena soal menjadi setengah, hasilnya dikoreksi dengan rumus Spearman-Brown: dua kali nilai korelasi dibagi satu ditambah nilai korelasi.

Rumus Kuder-Richardson 20

Cara ini dipakai untuk soal benar-salah tanpa perlu membelah. Rumusnya: k dibagi k dikurangi satu, dikalikan satu dikurangi jumlah p kali q dibagi varian skor total. k adalah jumlah butir, p proporsi siswa yang menjawab benar, q adalah 1 dikurangi p.

Konsistensi Antarpenilai untuk Soal Uraian

Untuk soal esai, reliabilitas lebih ditentukan rubrik daripada soalnya. Minta guru kedua menilai sepuluh lembar yang sama, lalu bandingkan selisihnya. Selisih lebih dari satu poin pada jawaban setara menandakan rubrik perlu diperjelas, bukan soalnya diganti.

Contoh Perhitungan Satu Kelas Sepuluh Siswa

Misalnya sepuluh siswa mengerjakan enam butir pilihan ganda. Proporsi jawaban benar tiap butir adalah 0,40; 0,60; 0,60; 0,90; 0,50; dan 0,60. Jumlah p kali q seluruh butir adalah 1,30, sedangkan varian skor total 2,64.

Masukkan ke rumus Kuder-Richardson: enam dibagi lima sama dengan 1,20; satu dikurangi 1,30 dibagi 2,64 sama dengan 0,508. Hasilnya 1,20 dikali 0,508, yaitu sekitar 0,61.

Dengan pembelahan ganjil-genap pada data yang sama, korelasi kedua bagian sekitar 0,61. Setelah dikoreksi Spearman-Brown menjadi 0,76. Dua angka yang berbeda karena caranya berbeda, bukan karena salah hitung.

Perhatikan butir 4. Hampir semua siswa menjawab benar, sehingga sumbangannya pada reliabilitas kecil. Butir yang terlalu mudah atau terlalu sukar memang tidak banyak membantu menstabilkan skor, walau tetap berguna untuk tujuan lain. Inilah sebabnya validitas dan reliabilitas soal perlu dibaca bersama, bukan terpisah.

Membaca Angka Reliabilitas

Angka reliabilitas bergerak dari 0 sampai 1. Untuk soal ulangan kelas, nilai 0,60 sampai 0,70 sudah bisa diterima, terutama bila jumlah butirnya sedikit. Di bawah 0,50, hasilnya lebih banyak ditentukan tebakan daripada penguasaan materi.

Angka ini juga dipengaruhi panjang tes. Enam butir sulit mencapai reliabilitas tinggi; dua puluh butir dengan mutu sama akan memberi angka lebih besar. Karena itu membandingkan reliabilitas dua tes dengan jumlah butir berbeda tidak adil.

Jangan mengejar angka 0,90 untuk ulangan harian. Yang lebih berguna adalah memastikan tidak ada butir dengan daya pembeda negatif, karena satu butir seperti itu bisa menurunkan reliabilitas sekaligus menyesatkan pembacaan hasil.

Kesalahan yang Sering Terjadi

Menganggap Soal Sulit Berarti Valid

Tingkat kesukaran bukan bukti validitas. Soal yang dijawab salah oleh hampir semua siswa bisa saja mengukur hal lain, misalnya kemampuan memahami kalimat yang berbelit.

Menghitung Reliabilitas dari Satu Kelas Kecil

Dengan sepuluh siswa, satu jawaban bisa menggeser angka cukup jauh. Gunakan hasilnya sebagai petunjuk, bukan kesimpulan akhir.

Menambah Butir Tanpa Memeriksa Mutunya

Menambah butir memang menaikkan reliabilitas, tetapi hanya bila butirnya bermutu. Menambah lima butir serupa yang semuanya dijawab benar tidak memperbaiki apa pun.

Menyamakan Kesepakatan Guru dengan Validitas

Dua guru yang sepakat bahwa soal itu baik belum membuktikan soalnya valid. Kesepakatan membantu menemukan ambiguitas, tetapi bukan bukti bahwa soalnya mengukur tujuan pembelajaran.

Kapan Cukup Sendiri dan Kapan Perlu Bantuan

Untuk ulangan harian dengan satu kelas, telaah kisi-kisi dan satu kali hitung reliabilitas sudah memadai. Yang penting dicatat: butir mana yang perlu diperbaiki dan mengapa.

Bantuan ahli menjadi perlu ketika soal dipakai untuk keputusan yang lebih berat, misalnya ujian sekolah, seleksi, atau pemetaan mutu antar sekolah. Di tahap itu, validitas kriteria dan analisis butir dengan jumlah siswa lebih besar mulai menentukan.

Panduan resmi dari Kemendikdasmen menegaskan bahwa asesmen di kelas bertujuan memperbaiki pembelajaran, bukan menghakimi siswa. Karena itu hasil analisis sebaiknya berujung pada keputusan mengajar, bukan hanya pada angka di lembar laporan.

Hubungan dengan Analisis Butir Soal

Reliabilitas dan validitas adalah potret satu tes secara utuh, sedangkan analisis butir melihat satu per satu. Keduanya saling melengkapi: angka reliabilitas tidak menunjukkan butir mana yang bermasalah.

Untuk melihat butir mana yang perlu diperbaiki, hitung tingkat kesukaran dan daya pembeda. Caranya ada di artikel daya pembeda dan tingkat kesukaran soal, dan bisa dihitung langsung di alat analisis butir soal tanpa memasang aplikasi.

Dokumen resmi yang bisa dibuka untuk memperkuat bagian ini adalah Panduan Pembelajaran dan Asesmen dari Kemendikdasmen, khususnya bagian prinsip asesmen dan pelaporan hasil belajar.

Kalau Anda ingin memeriksa butir satu per satu, alat analisis butir soal menghitung p dan D langsung di browser tanpa unggah nilai. Cara membaca angkanya ada di artikel daya pembeda dan tingkat kesukaran soal.

Menyusun Kisi-Kisi yang Bisa Dipakai Memeriksa Soal

Kisi-kisi yang berguna bukan tabel panjang yang disalin dari format dinas, melainkan daftar pendek yang menghubungkan tiap butir dengan tujuan pembelajaran dan tingkat kesulitannya. Tiga kolom cukup: nomor butir, tujuan pembelajaran, dan bentuk soal.

Dengan tabel seperti itu, pemeriksaan validitas isi berjalan cepat. Guru tinggal melihat apakah setiap tujuan punya butir, dan apakah bobot butir sebanding dengan waktu yang dipakai mengajarkannya. Materi yang diajarkan tiga pertemuan tetapi hanya diwakili satu butir biasanya perlu ditambah.

1. Tulis tujuan pembelajaran pada kolom kedua, bukan materi umum.
2. Kelompokkan butir berdasarkan tujuan, lalu hitung jumlahnya.
3. Tandai butir yang menguji penerapan, bukan hanya ingatan.
4. Periksa apakah ada tujuan yang belum terwakili sama sekali.

Kisi-kisi yang disusun setelah soal selesai dibuat tetap berguna, tetapi kurang jujur: ia cenderung menyesuaikan diri dengan soal yang sudah ada. Susun lebih dulu, baru tulis soalnya.

Contoh Membaca Hasil Satu Ulangan

Misalkan hasil hitung memberi reliabilitas 0,61 dan dua butir dengan daya pembeda di bawah 0,20. Kesimpulannya bukan bahwa ulangan itu gagal, melainkan bahwa dua butir itu perlu diperiksa.

Langkah berikutnya berurutan: periksa kalimat kedua butir, periksa kunci jawaban, lalu lihat sebaran pilihan jawaban. Kalau satu pengecoh tidak dipilih siapa pun, pengecoh itulah yang perlu diganti. Kalau semua pengecoh dipilih merata, kalimat soalnya kemungkinan membingungkan.

Setelah diperbaiki, soal itu dipakai lagi pada ulangan berikutnya dan dihitung kembali. Perbandingan dua angka dari waktu berbeda inilah yang menunjukkan apakah perbaikan berhasil, bukan angka tunggal dari satu kali hitung.

Kapan Reliabilitas Tidak Perlu Dihitung

Tidak semua soal perlu diuji. Ulangan singkat berisi lima butir untuk mengecek pemahaman satu pertemuan tidak memberi angka yang berarti, karena panjang tesnya terlalu pendek. Untuk kasus seperti itu, telaah kalimat dan kunci jawaban lebih berguna.

Hal yang sama berlaku untuk soal yang dipakai satu kali sebagai tugas proyek. Reliabilitas menjadi penting ketika hasilnya dipakai berulang atau dibandingkan antar kelas, karena di situlah kestabilan angka mulai menentukan keputusan.

Yang tidak boleh dilewatkan justru hal paling sederhana: memastikan kunci jawaban benar sebelum soal dipakai. Satu kunci yang keliru bisa membuat butir terlihat sulit, menurunkan daya pembeda, dan menyeret angka reliabilitas tanpa ada yang menyadarinya.

Kesalahan yang paling mahal biasanya bukan pada rumus, melainkan pada data yang dimasukkan: ada siswa yang barisnya tertinggal, atau butir yang kolomnya bergeser. Sebelum menghitung apa pun, cocokkan jumlah baris nilai dengan jumlah siswa di daftar hadir dan jumlah kolom dengan jumlah butir pada lembar soal.

FAQ (Frequently Asked Questions) Seputar Validitas dan Reliabilitas Soal

Membandingkan Dua Ulangan pada Kelas yang Sama

Cara paling meyakinkan untuk melihat apakah soal membaik adalah membandingkan dua ulangan pada kelas yang sama. Simpan hasil hitung pertama, lalu bandingkan dengan hasil ulangan berikutnya setelah butir diperbaiki.

Yang dibandingkan bukan hanya angka reliabilitas keseluruhan, tetapi juga dua hal yang lebih mudah ditafsirkan: berapa butir yang daya pembedanya naik, dan berapa butir yang berpindah dari kategori perlu perbaikan ke cukup atau baik. Dua angka itu langsung menunjukkan apakah perbaikan menyentuh masalah yang benar.

Bila reliabilitas naik tetapi banyak butir masih berdaya pembeda rendah, kemungkinan besar yang berubah hanya panjang tes atau keragaman kelas, bukan mutu butir. Sebaliknya, bila reliabilitas tetap sementara daya pembeda butir membaik, tesnya mungkin masih pendek dan perlu tambahan butir bermutu.

Kesimpulan

Validitas dan reliabilitas soal menjawab dua hal berbeda: apakah soal mengukur hal yang benar, dan apakah hasilnya bisa diulang. Keduanya bisa diperiksa dengan kisi-kisi dan satu tabel nilai, tanpa aplikasi tambahan.

Yang membuat perbedaan bukan rumusnya, melainkan kebiasaan menelaah soal sebelum dan sesudah dipakai. Satu ulangan yang diperiksa memberi bekal untuk menyusun ulangan berikutnya, dan itu berulang setiap semester tanpa biaya tambahan.

Mulai dari satu kelas dan satu ulangan. Setelah dua atau tiga kali, menelaah soal menjadi pekerjaan setengah jam yang hasilnya terasa pada ulangan berikutnya.