Bongkar Teori Respon Butir SBMPTN 2018

SBMPTN (singkatan dari Seleksi Bersama Masuk Perguruan Tinggi Negeri) merupakan salah satu jalur masuk PTN yang banyak diincar oleh siswa lulusan SMA/SMK/MA/Sederajat untuk dapat melanjutkan untuk menimba ilmu di perguruan tinggi. Tahun 2018 ini sistem penilaian SBMPTN berubah dengan penggunaan teori respon butir.

Pada artikel ini, penulis akan sedikit mengemukakan mengenai teori respon butir secara umum, tidak spesifik pada SBMPTN 2018. Dengan mengetahui sistem teori respon butir, diharapkan Anda dapat mengetahui bagaimana pengaruhnya terhadap skor yang akan Anda dapatkan pada tes dengan sistem penilaian serupa, yang pada kasusnya kali ini adalah SBMPTN 2018.

Teori Respon Butir (Item Response Theory/IRT)

Analisis butir soal merupakan teori yang dikembangkan untuk memperbaiki keterbatasan-keterbatasan teori tes klasik. Konsep dasar Teori Respon Butir adalah performansi subjek pada suatu tes dapat diprediksi atau dijelaskan oleh seperangkat faktor yang disebut traits, latent traits atau abilitas[2] [dengan suntingan]. Dengan sistem ini, diharapkan skor yang didapatkan oleh peserta dapat mencerminkan skill sebenarnya dengan memperhitungkan kemungkinan-kemungkinan lain seperti kemungkinan menebak-nebak soal dan jenis soal yang dikerjakan.

Pada IRT, skor peserta pada setiap soal dimodelkan menggunakan kurva fungsi probabilitas (dinotasikan [latex]P_{i}(\Theta)[/latex]) dari nilai metah (raw score, dinotasikan [latex]\Theta[/latex]) dengan karakteristik soal (yaitu variabel [latex]a_{i}, b_{i}, c_{i}[/latex]). Dengan memasukkan nilai [latex]\Theta[/latex] pada fungsi [latex]P_{i}(\Theta)[/latex], akan didapat skor peserta pada soal [latex]i[/latex].

Fungsi [latex]P_{i}(\Theta)[/latex] dinyatakan oleh:

[latex]p_i({\theta})=c_i + \frac{1-c_i}{1+e^{-a_i({\theta}-b_i)}}[/latex]

dengan:

[latex]a_{i}[/latex] = daya pembeda (discriminanation power).

[latex]b_{i}[/latex] = tingkat kesulitan (difficulty).

[latex]c_{i}[/latex] = kemungkinan menebak soal (probability of guessing).

[latex]\Theta[/latex] = kemampuan peserta (proficiency).

[latex]P_{i}[/latex] = kemungkinan peserta dengan kemampuan  menjawab benar soal.[3]

Variabel-variabel [latex]a_{i}, b_{i}, c_{i}[/latex] didapatkan melalui perhitungan statistika dengan rumus-rumus tertentu. Dalam model tertentu ada variabel yang telah ditetapkan nilainya, misalnya pada model dua variabel yang menyatakan nilai [latex]c_{i}=0[/latex] dan model satu variabel (model Rasch) yang menetapkan nilai [latex]c_{i}=0[/latex] dan [latex]a_{i}=1[/latex].[3]

Kurva Proficiency pada Item Response Theory
Kurva Proficiency pada Item Response Theory

Aplikasi IRT

Untuk dapat mengaplikasikan IRT pada sebuah tes, bergantung pada modelnya, diperlukan sejumlah data agar dapat diolah. Misalnya pada model Rasch, minimal data yang diperlukan adalah 100-200 peserta, sedangkan pada model tiga variabel, diperlukan minimal 500 peserta[1]. Untuk melakukan perhitungan IRT, Anda dapat menggunakan aplikasi statistika seperti SPSS, ITEMAN, dan Xcalibre. Penulis akan menyarankan untuk menggunakan aplikasi Xcalibre untuk melakukan perhitungan IRT.

Dampak IRT pada skor SBMPTN 2018

Penulis tidak dapat melakukan penelitian secara langsung untuk mengetahui bagaimana dampak penggunaan IRT, jadi, peneliti akan mengutip dari sebuah penelitian yang telah dilakukan sebelumnya. Menurut Jean dkk., peserta dengan kemampuan (proficiency [latex]\Theta[/latex]) yang baik mengalami peningkatan nilai setelah melakukan dua kali tes. Dapat disimpulkan bahwa peserta dengan kemampuan yang lebih tinggi lebih baik dalam mengingat materi dan sedikit melupakan materi.

Berdasarkan hasil penelitian Jean dkk., penulis berhipotesis bahwa penggunaan IRT MENGUNTUNGKAN bagi peserta SBMPTN 2018 dan memberikan hasil yang lebih akurat kepada PTN. Dengan menggunakan model IRT, karakteristik dan kemampuan tiap peserta dapat diketahui dengan lebih akurat. Hal ini berimbas pada hasil yang lebih fair antarpeserta SBMPTN 2018.

Misalkan peserta A mampu menjawab banyak soal TKD tetapi biasa saja pada soal TKPA sedangkan peserta B mampu menjawab hampir sempurna soal TKPA tetapi sedikit menjawab soal TKD. Menggunakan IRT, dapat diketahui perbedaan kemampuan peserta A dan B hingga tingkat pemahaman, bukan sekadar skornya.

Strategi untuk Menghadapi Tes Berbasis IRT

Isi sebisanya. IRT memodelkan skor dengan sangat seksama. Bobot soal benar dan salah memiliki karakteristik tersendiri begitu pula soal yang tidak diisi. Bijak mengisi soal merupakan kunci untuk mendapat nilai terbaik.

Penulis menyarankan untuk membaca referensi pada akhir artikel ini untuk lebih memahami bagaimana keuntungan dan kerugian bagi peserta ujian dengan diterapkannya IRT. Baca artikel sebelumnya: Perubahan pada Sistem Penilaian SBMPTN 2018.

Referensi

  1. Albano, Anthony D.. 2016. Introduction to Educational and Psychological Measurement (http://cehs01.unl.edu/aalbano/intromeasurement/mainch9.html). Diakses 28 April 2018.
  2. Hambleton, Ronald K., Hariharan Swaminathan, dan H. Jane Rogers. 1991. Fundamentals of Item Response Theory. SAGE Publication.
  3. Parmentier, Jean-Fran├žois dan Brahim Lamine. 2015. Interpreting gains and losses in conceptual test using Item Response Theory (https://hal.archives-ouvertes.fr/hal-01198565/document). Diakses 28 April 2018.