Karakteristik Tes yang Baik

Journal of Innovative and Creativity Faculty of Education

University of Pahlawan Tuanku Tambusai
Journal Homepage: [Link] ISSN 2775-771X (Online)
ISSN 2962-570X (Printed)
e-mail: journaljoecy@[Link] 5 (2) 2025, Page: 1142-1158

Karakteristik Tes yang Baik

Dian Afrilianti1, Vivia Salma Az-zahra2, Nurhadi3
1,2,3 Universitas Islam Negeri Maulana Malik Ibrahim Malang
Corresponding Author: Dian Afrilianti, e-mail: dianaprilianti2000@[Link]

Published: April, 2025

ABSTRAK
Dalam dunia pendidikan, tes memiliki peranan yang sangat penting dalam proses pembelajaran. Tes tidak hanya digunakan
sebagai sarana evaluasi, tetapi juga sebagai alat yang mampu memberikan gambaran menyeluruh mengenai perkembangan
dan pemahaman siswa. Salah satu cara yang umum bisa diterapkan untuk menigetahui dan menilai pencapaian tujuan
pembelajaran siswa apakah sudah mencapai hasil belajar yang sesuai dengan tujuan adalah melalui pelaksanaan tes. Dengan
kata lain, untuk melihat keberhasilan dari suatu proses pembelajaran adalah melalui tes. Mengingat betapa pentingnya
sebagai instrumen evaluatif, tes memberikan data yang objektif dan dapat diukur terkait dengan capaian belajar siswa. Oleh
karena itu, terdapat hubungan yang kuat dan saling mendukung antara tes dan proses pembelajaran. Tes memiliki berbagai
fungsi, antara lain sebagai alat untuk mengidentifikasi kelemahan siswa dalam materi tertentu (tes diagnostik), menilai
pengetahuan awal siswa (pre-test), mengevaluasi hasil akhir pembelajaran (post-test atau tes pencapaian), serta sebagai
dasar pengambilan keputusan, misalnya dalam menentukan kelulusan. Mengingat peran penting tes dalam pengambilan
keputusan, sangatlah penting untuk menyusun tes yang berkualitas, yakni yang memenuhi sejumlah karakteristik yang
dibutuhkan.

Kata Kunci: Evaluasi, Pendidikan, Pembelajaran

© The Author(s). 2021 Open Access This article is licensed under a Creative Commons Attribution 4.0 International License, which permits use, sharing,
adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source,
provide a link to the Creative Commons licence, and indicate if changes were made. The images or other third party material in this article are included
in the article's Creative Commons licence, unless indicated otherwise in a credit line to the material. To view a copy of this licence, visit
[Link]

PENDAHULUAN
Evaluasi merupakan proses untuk menilai nilai, kualitas, atau signifikansi suatu hal, baik itu
program, individu, atau hasil pembelajaran. Dalam konteks pendidikan, evaluasi berfungsi untuk
menilai kompetensi, mengevaluasi kinerja, serta mengidentifikasi kelebihan dan kekurangan dari suatu
program atau metode pembelajaran. Evaluasi juga dapat diartikan sebagai proses menilai berbagai
kemungkinan arti dan menarik kesimpulan, yang bergantung pada konteks di mana evaluasi tersebut
dilakukan. Proses evaluasi berperan penting dalam meningkatkan pendidikan dengan memberikan
umpan balik yang berguna untuk perbaikan. Proses ini mencakup penilaian terhadap aspek-aspek
positif dan negatif, serta pengambilan keputusan yang didasarkan pada hasil penilaian tersebut.
Keberhasilan suatu proses pendidikan dalam mencapai tujuannya dapat diketahui melalui evaluasi
terhadap hasil akhir atau lulusan yang dihasilkan. Apabila kualitas lulusan tersebut sesuai dengan tujuan
yang telah ditetapkan dalam sistem pendidikan, maka proses pendidikan tersebut dapat dianggap
berhasil. Namun, jika hasilnya tidak sesuai dengan harapan, maka proses pendidikan tersebut dinilai
Journal of Innovative and Creativity ,5(2) 2025 |1142
belum berhasil atau mengalami kegagalan. Dalam konteks ini, tes menjadi salah satu alat evaluasi yang
paling banyak digunakan oleh para pendidik untuk memperoleh data objektif mengenai kemampuan
dan pencapaian peserta didik. Tes tidak hanya dipandang sebagai sarana untuk mengukur hasil belajar,
tetapi juga sebagai instrumen diagnostik yang dapat memberikan informasi mendalam terkait
kelemahan dan kekuatan siswa dalam proses pembelajaran.
Menurut para ahli, tes merupakan himpunan pertanyaan atau tugas yang dirancang secara
sistematis guna mengukur berbagai aspek psikologis seperti kemampuan intelektual, keterampilan,
pengetahuan, bahkan aspek kepribadian. Tes berperan sebagai alat pengumpul data yang bersifat
objektif, karena penyusunan butir-butir soal didasarkan pada kriteria dan indikator yang telah
dirumuskan secara jelas. Dalam praktik pembelajaran di kelas, bentuk tes yang paling umum digunakan
adalah tes prestasi atau tes hasil belajar, yakni tes yang bertujuan untuk mengetahui sejauh mana
peserta didik telah menguasai materi pelajaran yang telah diberikan.
Salah satu bentuk tes yang banyak diterapkan dalam evaluasi pembelajaran adalah tes objektif.
Tes ini sering disebut juga sebagai tes dengan pilihan jawaban (selected response test), karena peserta
didik diminta memilih jawaban dari alternatif yang telah disediakan. Ciri khas dari tes objektif adalah
kemampuannya untuk dinilai secara konsisten dan tidak memihak, karena jawabannya telah ditentukan
secara eksplisit. Penskoran tes ini pun dapat dilakukan dengan bantuan alat, bahkan mesin, sehingga
efisiensinya tinggi, terutama ketika digunakan dalam skala besar.
Namun, di balik kelebihannya, tes objektif juga memiliki keterbatasan. Tes ini hanya mengenal
jawaban benar dan salah, sehingga tidak memungkinkan adanya penilaian yang bergradasi. Tes objektif
juga lebih cocok untuk mengukur aspek-aspek kognitif pada level dasar, seperti mengingat fakta atau
memahami konsep. Sementara itu, untuk menilai kemampuan berpikir tingkat tinggi,seperti
kemampuan menganalisis, mensintesis, atau mengevaluasi, tes objektif dianggap kurang efektif. Oleh
karena itu, penting bagi pendidik untuk mempertimbangkan secara matang ketika menyusun soal, agar
bentuk tes yang digunakan selaras dengan tujuan pembelajaran yang hendak dicapai.
Ragam bentuk soal dalam tes objektif cukup beragam, antara lain soal benar-salah, pilihan
ganda, menjodohkan, isian singkat, dan melengkapi. Masing-masing memiliki karakteristik, kelebihan,
dan kelemahan tersendiri. Untuk itu, pemahaman yang mendalam mengenai bentuk dan fungsi tes
sangat diperlukan agar guru dapat menyusun instrumen evaluasi yang tidak hanya valid dan reliabel,
tetapi juga mampu memberikan gambaran yang akurat tentang pencapaian belajar siswa.
Dengan mempertimbangkan berbagai aspek tersebut, penelitian atau kajian mengenai tes
objektif menjadi penting untuk dilakukan, terutama dalam rangka meningkatkan kualitas evaluasi
pembelajaran di kelas. Pemilihan dan perancangan tes yang tepat akan sangat berpengaruh terhadap

1143 | Journal of Innovative and Creativity ,5(2) 2025

ketepatan informasi yang diperoleh, yang pada akhirnya akan berdampak pada pengambilan keputusan
yang lebih baik dalam proses pendidikan.

METODE PENELITIAN
Dalam penyusunan makalah ini, penulis menggunakan metode studi pustaka (library research),
yaitu suatu pendekatan dalam pengumpulan data yang dilakukan dengan cara mengkaji, memahami,
dan menelaah teori-teori serta pemikiran-pemikiran yang relevan dari berbagai sumber literatur yang
mendukung pembahasan permasalahan. Studi pustaka merupakan metode yang sangat penting dalam
penelitian kualitatif, karena melalui pendekatan ini, peneliti dapat memperoleh landasan teori yang
kuat serta kerangka konseptual yang mendalam guna menganalisis objek kajian. Proses studi pustaka
dalam penelitian ini dilaksanakan melalui empat tahapan utama. Pertama, menyiapkan alat dan
perlengkapan yang diperlukan, seperti buku catatan, perangkat digital, dan akses ke perpustakaan fisik
maupun digital. Kedua, menyusun outline atau kerangka penulisan yang sistematis sebagai panduan
dalam mencari dan menyeleksi informasi yang dibutuhkan sesuai dengan fokus permasalahan yang
diteliti. Ketiga, mengatur waktu secara efektif agar proses pencarian, pembacaan, dan pencatatan
sumber dapat dilakukan secara optimal dan tidak mengganggu tahapan lainnya. Dan keempat,
melakukan kegiatan membaca secara mendalam serta mencatat informasi penting dari berbagai
literatur yang dianggap relevan dengan fokus penelitian.
Adapun sumber-sumber informasi yang digunakan dalam pengumpulan data meliputi buku-
buku ilmiah, artikel jurnal, skripsi atau tesis, serta hasil penelitian terdahulu yang membahas tema
serupa. Informasi dari berbagai referensi tersebut kemudian dikompilasi dan dianalisis untuk
membangun argumen yang kuat dan mendukung penyusunan makalah secara menyeluruh. Dengan
demikian, studi pustaka ini tidak hanya berfungsi sebagai metode pengumpulan data, tetapi juga
menjadi landasan teoritis dan akademik dalam memperkuat isi pembahasan.

HASIL DAN PEMBAHASAN

A. Pengertian Tes
Tes adalah instrumen atau metode yang digunakan untuk menilai pemahaman, pengetahuan, atau
keterampilan individu dalam bidang tertentu. Dalam dunia pendidikan dan sains, tes sering kali
digunakan untuk mengukur sejauh mana seseorang memahami konsep, fakta, atau keterampilan yang
telah diajarkan. Bentuk tes dapat bervariasi, termasuk pilihan ganda, esai, lisan, atau format lain yang
dirancang untuk mengevaluasi pemahaman dan kemampuan peserta. Di sisi lain, Hasan dalam Arifin
(2012) menyatakan bahwa tes merupakan alat untuk mengumpulkan data yang dirancang secara
khusus, dengan ciri khas yang tampak pada penyusunan butir-butir soal yang digunakan. Dengan kata

1144 | Journal of Innovative and Creativity ,5(2) 2025

lain, dalam rangka memperoleh data untuk keperluan evaluasi, seorang guru memerlukan suatu
instrumen yang disebut tes. Tes ini dapat berbentuk himpunan pertanyaan. Oleh karena itu, jenis
pertanyaan, cara merumuskan soal, serta bentuk jawaban yang disediakan perlu disesuaikan dengan
kriteria tertentu yang telah ditetapkan sebelumnya. Dalam hal ini, tes tidak hanya berfungsi sebagai
alat ukur, tetapi juga sebagai sarana untuk menentukan klasifikasi dan nilai, yang sangat relevan dalam
konteks evaluasi. Seiring berjalannya waktu, makna dan penggunaan tes telah berkembang, terutama
dalam bidang pendidikan. Tes kini digunakan sebagai instrumen untuk mengukur pengetahuan,
keterampilan, dan kemampuan siswa. Meskipun asal-usulnya berkaitan dengan pengukuran fisik,
konsep dasar dari tes sebagai alat evaluasi tetap relevan, karena tujuan utamanya adalah untuk
memberikan penilaian yang objektif dan terukur terhadap pencapaian individu.
Tes juga dapat dipahami sebagai serangkaian pernyataan yang harus dijawab atau ditanggapi,
dengan tujuan untuk mengukur tingkat kemampuan seseorang atau mengungkap aspek tertentu dari
individu yang menjalani tes. Tanggapan peserta tes terhadap berbagai pertanyaan atau pernyataan
tersebut mencerminkan kemampuan mereka dalam bidang tertentu. Berikut adalah pengertian tes
menurut para ahli
1. Gilbert Sax (1980) menyatakan bahwa tes sebagai suatu prosedur sistematis yang digunakan
unuk mengukur sampel perilaku atau kemampuan seseorang dengan tujuan untuk
memperoleh data yang dapat dijadikan dasar dalam pengambilan keputusan.
2. S Hamid Hasan (1988) menyatakan bahwa tes adalah alat untuk mengumpulkan data yang di
buat secara khusus di lihat dari butir soal yang digunakan.
3. Linn dan Gronlund mengemukakan pendapatnya bahwa tes adalah suatu alat atau instrumen
untuk mengukur suatu sampel atau tingkah laku dengan terstruktur.
4. Kartawidjaja menyatakan bahwa tes merupakan alat evaluasi pembelajaran yang dianggap
sebagai komponen paling tepat untuk menilai sejauh mana keberhasilan siswa dalam
mencapai tujuan pendidikan dan pengajaran.
5. Mardapi mengemukakan bahwa tes adalah alat atau instrumen yang dimana di dalamnya
terdapat butir soal yang mengharuskan siswa untuk menjawab atau mengerjakannya.
Dari penjelasan di atas dapat disimpulkan bahwa pengertian tes adalah suatu alat atau instrumen
yang di dalamnya terdapat berbagai macam pertanyaan yang memberikan kesempatan kepada siswa
untuk menjawab, menjelaskan, dan mendiskusikan jawaban yang di miliki. Pengertian tersebut
memberikan gambaran mengenai tingkat intensitas perilaku seseorang, baik dalam perbandingan
dengan siswa lain maupun terhadap standar tertentu. Dalam pengertian lain, tes dapat di artikan
sebagai alat untuk mengukur atau menilai dalam bentuk tulisan untuk menganalisis atau mengevaluasi
prestasi siswa yang sesuai dengan target penilaian.

1145 | Journal of Innovative and Creativity ,5(2) 2025

Dalam hal ini, menurut Sudjana dan ibrahim, jawaban yang akan di berikan siswa dapat berbentuk,
tulisan, lisan, maupun perbuatan. Dengan demikian, tes pada awalnya adalah alat atau instrumen yang
di dalamnya terdapat sejumlah tugas yang harus di selesaikan oleh siswa untuk mengukur suatu aspek
tertentu. Yang berarti, kegunaan tes sebagai alat ukur. Dalam tes prestasi belajar, yang akan di uji dari
siswa berarti kemampuan dalam menguasai materi yang telah di ajarkan oleh guru. Tes adalah tahapan
pengukuran yang di buat secara terstruktur, untuk mengukur atribut tertentu, dilakukan dengan proses
administrasi dan pemberian angka yang jelas dan terperinci.
Secara umum, tes memuat sampel dari perilaku tertentu. Jumlah butir tes yang dapat disusun
dari suatu materi sebenarnya tidak terbatas, sehingga tidak mungkin seluruhnya dimasukkan ke dalam
satu tes. Oleh karena itu, tes harus mampu merepresentasikan domain atau ranah perilaku yang ingin
diukur, yang berarti diperlukan batasan yang jelas. Dalam pelaksanaannya, tes meminta peserta untuk
menunjukkan pengetahuan atau hasil belajar mereka melalui jawaban atau penyelesaian tugas yang
diberikan dalam tes. Tes pada hakikatnya merupakan alat yang digunakan untuk mengukur atribut
psikologis secara objektif melalui sampel perilaku tertentu.
Dalam bidang psikologi, tes dapat dibedakan menjadi empat jenis, yaitu: (1) tes intelegensi
umum yang dirancang untuk menilai kemampuan seseorang secara menyeluruh dalam menyelesaikan
tugas; (2) tes bakat atau kemampuan khusus yang bertujuan mengidentifikasi potensi dalam bidang
tertentu; (3) tes prestasi yang digunakan untuk menilai kemampuan nyata sebagai hasil dari proses
belajar; dan (4) tes kepribadian (personality assessment) yang dimaksudkan untuk mengungkap ciri-
ciri individu dalam aspek tertentu. Berdasarkan klasifikasi tersebut, tes yang digunakan dalam konteks
pembelajaran di kelas yang dibahas di sini termasuk dalam kategori tes prestasi atau tes hasil belajar.
Oleh karena itu, tes hasil belajar dapat didefinisikan sebagai suatu alat atau prosedur yang dirancang
secara sistematis untuk menilai pencapaian belajar siswa. Tes juga dapat dikategorikan ke dalam
berbagai jenis. Sebagai sebuah alat atau instrumen pengukuran, tes juga harus memenuhi syarat-syarat
yang berkualitas dan harus di rancang berdasarkan aturan yang di tetapkan. Proses pelaksanaan tes
dan penentuan nilai terhadap hasil tes juga harus jelas dan di kelompokkkan secara terperinci.

B. Jenis-Jenis Dan Macam-Macam Tes

Berdasarkan bentuk jawaban siswa, tes dapat di klasifikasikan ke dalam 3 jenis, yaitu;
1. Tes Tertulis
Tes tertulis merupakan tes yang soal dan jawabannya di uraikan dalam bentuk tulisan. Namun dalam
proses pelaksanaannya, Djiwandono (1996) mengatakan bahwa tes tertulis mungkin saja memberikan
jawaban dalam bentuk tulisan, akan tetapi soalnya di berikan dalam bentuk pertanyaan lisan. Oleh
karena itu karakteristik dari tes tertulis lebih terkait dengan proses mengerjakan soal atau menjawab

1146 | Journal of Innovative and Creativity ,5(2) 2025

dari pada dengan memberikan pertanyaan. Dalam melaksanakan tes tertulis ini perlu di untuk
mempelajari dan mengikuti proses berikut ini secara berurutan. Langkah pertama adalah memahami
Kompetensi Dasar (KD) dan Indikator. Langkah kedua yaitu menetapkan Tujuan penilaian. Tujuan
penilaian harus jelas sebelum membuat butir soal. Untuk mencapai hasil yang di inginkan, perlu di
ketahui bahwa penilaian yang akan di laksanakan untuk mengetahui hasil akhir pembelajaran atau
untuk mengevaluasi proses pembelajaran atau kedua-duanya. Seperti yang kita ketahui, ada 2 bentuk
soal tes tertulis yang biasa kita gunakan, yaitu tes uraian atau menalar dan tes objektif. Untuk
mengetahui penjelasan ke dua tes tersebut, berikut akan di uraikan dengan rinci. Pada awalnya, tes
tertulis tidak bisa dijadikan sebagai alat untuk mengevaluasi psikomotorik yang ada pada peserta didik,
tetapi tes tertulis mampu di jadikan sebagai alat untuk mengevaluasi prinsip-prinsip yang berkaitan
dengan keterampilan kognitif, afektif dan psikomotorik.
2. Tes Uraian
Tes Uraian adalah tes yang menuntut siswa untuk memberikan jawaban dengan menalar, menjelaskan,
mendiskusikan, dan mengemukakan pendapat yang sesuai dengan pemahaman siswa itu sendiri.
Secara umum, tes ini disajikan dalam bentuk esai atau uraian. Tes esai merupakan jenis evaluasi hasil
belajar yang menuntut jawaban berupa penjabaran atau penjelasan dalam bentuk kata-kata. Tes esai
memiliki keterbatasan karena ketidakandalan skor, inkonsistensi dalam penilaian, dan kegunaan yang
terbatas. Hal ini menyebabkan siswa cenderung belajar secara terburu-buru dan berpura-pura, serta
memerlukan waktu dan usaha yang berlebihan untuk pelaksanaannya.
Ciri khas dari soal-soalnya biasanya diawali dengan kata-kata seperti: jelaskan, uraikan,
mengapa, bagaimana, bandingkan, simpulkan, dan kata tanya serupa lainnya. Jumlah soal dalam tes
bentuk uraian umumnya tidak terlalu banyak, biasanya berkisar antara 5 hingga 10 butir dengan durasi
pengerjaan sekitar 90 hingga 120 menit. Soal-soal uraian ini menuntut peserta tes untuk mampu
mengorganisasikan, menginterpretasikan, serta menghubungkan berbagai konsep atau pemahaman
yang dimiliki. Secara garis besar, tes jenis ini mengharuskan peserta untuk mengingat dan mengenali
kembali materi yang telah dipelajari, serta menunjukkan tingkat kreativitas yang tinggi.
3. Tes Objektif
Tes ini berupa soal yang memberikan beberapa pilihan jawaban atau respons yang harus dipilih oleh
peserta didik. Dengan kata lain, penyusun soal sudah menyediakan pilihan jawaban atau respons yang
tersedia untuk dipilih. Tes objektif sering disebut juga tes dikotomi karena jawabannya hanya ada dua
pilihan, yaitu benar atau salah, dengan skor yang diberikan antara 1 dan 0. Tes ini disebut objektif
karena penilaiannya bersifat objektif. Siapapun yang mengoreksi tes objektif akan mendapatkan hasil
yang sama karena kunci jawabannya sudah ditetapkan dan jelas. Oleh karena itu, jenis tes ini sering
disebut sebagai tes dengan pilihan jawaban (selected response test), di mana setiap butir soal telah

1147 | Journal of Innovative and Creativity ,5(2) 2025

menyediakan beberapa alternatif jawaban yang harus dipilih atau dikerjakan oleh peserta tes. Menurut
Subino (1987), perbedaan utama antara soal objektif dan soal uraian terletak pada cara peserta tes
memberikan respons. Dalam tes objektif, peserta hanya perlu mengolah informasi yang sudah tersedia
dalam soal. Dengan demikian, tes objektif memungkinkan proses penilaian dilakukan secara tidak
memihak atau objektif. Bahkan, karena sifatnya yang terstruktur, penskoran tes ini dapat dibantu
dengan menggunakan alat atau mesin. Soal jenis ini tidak memungkinkan adanya penilaian bertingkat
karena hanya mengenal dua kemungkinan, yaitu benar atau salah.
Tes objektif sangat efektif untuk menilai hasil belajar kognitif pada tingkat dasar. Namun,
untuk menilai kemampuan berpikir kompleks seperti kemampuan mencipta atau mengorganisasi ide,
soal jenis ini kurang tepat digunakan. Bentuk soal objektif sendiri sangat beragam. Beberapa variasi
yang umum digunakan meliputi soal benar-salah, pilihan ganda, menjodohkan, isian atau melengkapi,
serta jawaban singkat.
4. Tes Lisan
Tes lisan adalah sejumlah pertanyaan yang di berikan guru ke pada siswa secara lisan dan di
jawab secara lisan juga. Djiwandono (1996) mengemukakan bahwa pada proses tes lisan ini, baik
pertanyaan maupun jawaban di selenggarakn dalam bentuk lisan, dalam proses ini, guru maupun siswa
melakukan tes lisan dalam ruangan dan melakukan komunikasi secara langsung. Tes lisan digunakan
untuk menilai pencapaian belajar, khususnya dalam hal kemampuan menyampaikan pendapat atau
gagasan secara verbal. Idealnya, jika materi ujian sama, setiap siswa sebaiknya mendapatkan soal yang
seragam. Namun, hal ini sulit dilakukan secara bersamaan oleh satu penguji terhadap semua peserta.
Jika tes dilakukan secara bergiliran, muncul potensi ketidakadilan karena siswa yang diuji belakangan
bisa saja sudah mengetahui isi soal terlebih dahulu. Dengan demikian, mereka memiliki waktu untuk
mempersiapkan diri secara lebih spesifik dalam menjawab soal tersebut.
Situasi ini menunjukkan pentingnya memberikan soal yang mirip tetapi tidak identik untuk
setiap peserta. Artinya, penguji perlu menyiapkan beberapa versi soal yang setara jumlahnya dengan
jumlah peserta yang akan diuji. Sayangnya, hal ini cukup menyulitkan bagi penyusun soal, apalagi jika
jumlah peserta sangat banyak. Sebagai solusi praktis, penguji bisa menyiapkan beberapa versi soal saja
yang kemudian digunakan secara bergantian.
5. Tes Perbuatan/perilaku
Perilaku merupakan segala bentuk tindakan atau aktivitas yang dilakukan oleh manusia, yang
mencakup berbagai hal seperti berjalan, berbicara, menangis, tertawa, bekerja, kuliah, menulis,
membaca, dan lain-lain. Menurut pendapat Notoatmodjo, perilaku manusia mencakup seluruh
aktivitas yang dilakukan oleh individu, baik yang bisa diamati secara langsung maupun yang tidak
terlihat oleh orang lain. Dengan kata lain, perilaku dapat diartikan sebagai "cara bertindak" atau "gaya

1148 | Journal of Innovative and Creativity ,5(2) 2025

seseorang dalam melakukan sesuatu". Secara umum, perilaku merujuk pada segala bentuk tindakan
atau aktivitas yang dilakukan oleh makhluk hidup. Tes perilaku dalam validitas merujuk pada alat ukur
yang dirancang untuk menilai dan mengukur perilaku individu dalam konteks tertentu. Tes ini
bertujuan untuk memastikan bahwa hasil yang diperoleh mencerminkan perilaku yang sebenarnya,
sehingga dapat digunakan untuk membuat prediksi atau keputusan yang akurat mengenai individu
tersebut
.
C. Karakteristik Tes Yang Baik
Untuk mengevaluasi apakah suatu butir soal memiliki kualitas yang baik atau tidak, terdapat beberapa
aspek yang harus dipenuhi. Butir soal dikatakan berkualitas apabila memenuhi kriteria tertentu. Setiap
butir soal akan dinilai berdasarkan kualitasnya dengan mempertimbangkan empat kategori utama
sebagai acuan penilaian.
1. Validitas
Validitas didefinisikan sebagai sejauh mana suatu konsep diukur dengan akurat dalam sebuah studi
kuantitatif. Dengan kata lain, tes dikatakan valid jika hasil yang diperoleh benar-benar mencerminkan
kemampuan, perilaku, atau aspek yang menjadi tujuan pengukuran. Beberapa pendapat menyatakan
bahwa istilah valid identik dengan sahih, sehingga validitas diartikan sebagai kesahihan. Sementara itu,
ada juga yang menganggap bahwa valid berarti tepat, sehingga validitas dapat dimaknai sebagai
ketepatan. Validitas juga bisa dipahami sebagai suatu proses dalam menafsirkan data dengan metode
tertentu. Oleh karena itu, validitas bersifat relatif, artinya tingkat ketepatan suatu pengukuran
bergantung pada konteks sosial dan tujuan penggunaannya. Dengan demikian, validitas instrumen
merupakan upaya untuk mendapatkan justifikasi yang nyata, berdasarkan bukti yang ada. Bukti
tersebut bisa berupa nilai (skor), hasil observasi, maupun data dari alat ukur lainnya. Dalam validitas,
terdapat dua unsur utama yang perlu diperhatikan. Pertama, validitas memiliki tingkat atau derajat,
seperti tinggi (sempurna), sedang, maupun rendah. Kedua, validitas selalu dikaitkan dengan hal yang
spesifik atau tertentu yang menjadi objek pengukuran. Dengan demikian, proses penilaian dapat
mengukur kompetensi hasil belajar secara sesuai dengan indikator yang telah dirancang oleh guru
sebelumnya. Sebuah instrumen dapat dianggap valid apabila mampu memberikan hasil yang
mencerminkan dengan tepat apa yang diinginkan. Dapat menunjukkan adanya kesesuaian, ketepatan,
dan akurasi antara alat pengukur dengan hasil yang diukur. Untuk mengetahui atau menunjukkan
validitas berdasarkan isi, hal ini dapat dilakukan dengan menganalisis hubungan antara isi tes dan
konstruk yang ingin diukur. Analisis tersebut bisa mengacu pada tema, Kompetensi Dasar (KKO),
format butir soal, serta jenis pertanyaan yang ada dalam tes. Pada dasarnya, kesahihan mengacu pada
sejauh mana sebuah tes mampu secara tepat mengukur aspek-aspek materi pelajaran atau perilaku

1149 | Journal of Innovative and Creativity ,5(2) 2025

yang seharusnya dinilai. Namun, konsep kesahihan juga tidak dapat dilepaskan dari tujuan pengukuran
itu sendiri. Dalam hal ini, kesahihan dapat dipahami sebagai tingkat ketepatan suatu tes dalam
menyediakan data atau informasi yang sesuai dan mendukung pengambilan keputusan yang dimaksud.
Secara umum, terdapat tiga jenis kesahihan yang sering dikenal, yaitu:
a. Validitas isi (content validity)
Validitas isi sangat penting dalam pengembangan instrumen penelitian karena memastikan
bahwa alat ukur mencakup semua aspek yang relevan dari konstruk yang diukur. Penilaian dan
pelaporan validitas isi harus dilakukan dengan serius, setara dengan validasi konstruk lainnya, untuk
memastikan keandalan dan akurasi hasil penelitian. Validitas isi atau content validity sebaiknya
ditentukan oleh ahli di bidang studi terkait. Hal ini karena sebuah instrumen dianggap valid apabila
ahli tersebut meyakini bahwa instrumen itu dapat mengukur kemampuan siswa dengan tepat. Selain
itu, ketepatan instrumen harus disesuaikan dengan indikator-indikator yang ada, penyusunan soal,
serta kesesuaian pilihan jawaban (termasuk pengecoh) dalam model soal pilihan ganda. Validitas isi
umumnya digunakan untuk instrumen yang berbentuk tes dalam mengukur kemampuan akademik
siswa. Sebuah instrumen tes dianggap valid tidak hanya berdasarkan penilaian ahli, tetapi juga dapat
dilakukan dengan membandingkan instrumen yang dibuat dengan materi yang telah diajarkan di kelas.
Penyusunan instrumen dilakukan dengan merinci materi yang terdapat dalam buku pelajaran dan
menganalisisnya menggunakan analisis rasional. Salah satu cara yang dapat digunakan dalam
penyusunan tes adalah dengan membuat kisi-kisi soal. Setelah itu, penyusunan butir soal harus
mengacu pada kisi-kisi yang telah disusun. Dengan langkah ini, validitas isi dapat tercapai. Kesahihan
isi (content validity) merupakan aspek yang sangat penting dalam tes yang digunakan untuk mengukur
hasil belajar. Kesahihan ini mengacu pada sejauh mana tes tersebut mampu merepresentasikan materi
pembelajaran atau perubahan perilaku yang diharapkan dari proses belajar. Dengan kata lain,
kesahihan isi menunjukkan tingkat keterwakilan butir-butir soal terhadap tujuan pengukuran yang
sebenarnya. Untuk menguji kesahihan isi, digunakan pendekatan logis dan rasional, yaitu dengan
menilai sejauh mana setiap soal sesuai dengan tujuan pembelajaran atau aspek materi yang ingin
dievaluasi.
b. Validitas kriteria
Kesahihan kriteria dinilai secara empiris dengan menggunakan ukuran luar sebagai acuan
pembanding. Proses pengujian dilakukan dengan mengkorelasikan skor dari tes yang ingin divalidasi
dengan skor dari tes lain yang dijadikan sebagai kriteria. Semakin tinggi nilai korelasi yang diperoleh,
maka semakin tinggi pula tingkat kesahihannya. Jika kriteria yang digunakan berkaitan dengan hasil
atau perilaku di masa depan, maka validitas tersebut disebut validitas prediktif. Validitas prediktif
mengacu pada seberapa akurat skor tes dalam meramalkan prestasi atau performa di masa mendatang.

1150 | Journal of Innovative and Creativity ,5(2) 2025

Contohnya, indeks prestasi akademik dijadikan acuan untuk mengukur kesahihan prediktif dari tes
yang digunakan dalam seleksi masuk perguruan tinggi seperti SIPENMARU.
c. Validitas konstruk
Validitas konstruk atau construct validity adalah validitas yang mengukur teori yang menjadi
dasar dalam penyusunan instrumen. Validitas konstruk adalah tes generalisasi dalam ilmu sosial,
psikologi, dan pendidikan, yang menilai apakah variabel yang diuji dapat dijelaskan oleh eksperimen.
Menanyakan apakah butir-butir pertanyaan telah sesuai dengan konsep keilmuan yang relevan. Secara
definisi, konstruksi merujuk pada suatu konsep yang tidak dapat diamati secara langsung, namun
dampaknya dapat dirasakan melalui indra dengan menggunakan alat tertentu. Sebagai contoh, dalam
konteks pendidikan teknologi kejuruan, keterampilan siswa dapat dilihat dari hasil performanya saat
menyelesaikan tugas. Dalam kasus lain, arus listrik sebagai konstruksi bisa dirasakan saat menyentuh
kabel, dan pengaruhnya bisa diukur menggunakan alat seperti ohm meter atau ampere meter. Contoh
lainnya adalah konsep IQ (Intelligence Quotient) pada pendidikan anak, yang menunjukkan bahwa
anak dengan IQ tinggi cenderung dapat menyelesaikan tugas sekolah dengan lebih baik. Validitas
konstruksi ini sering kali mengandalkan angket dan instrumen sejenis sebagai alat ukur. Angket
tersebut memuat teori-teori terkait hal yang ingin diukur, sehingga setiap pertanyaan yang diajukan
dapat dipertanggungjawabkan.
Kesahihan konstruk umumnya diterapkan dalam tes-tes psikologis. Jenis kesahihan ini
mengacu pada sejauh mana suatu tes mampu mengukur konstruk tertentu sesuai dengan yang
dimaksudkan. Konstruk sendiri adalah karakteristik psikologis (traits) yang secara teoritis tercermin
dalam perilaku individu. Sebagai contoh, konstruk mengenai konsep kecerdasan (intelegensi)
menggambarkan suatu aspek psikologis yang ingin diukur melalui perilaku atau respons yang terlihat.
Validitas konstruk atau construct validity menuntut adanya alat ukur yang dilengkapi dengan sejumlah
indikator untuk mengukur suatu konstruk tertentu. Apabila alat ukur tersebut mencakup beberapa
aspek, dan setiap aspek diwakili oleh sejumlah indikator, maka indikator-indikator yang berada dalam
aspek yang sama seharusnya memiliki hubungan positif satu sama lain. Sebaliknya, apabila indikator-
indikator tersebut berasal dari aspek yang berbeda atau bertentangan, maka hubungan yang terbentuk
seharusnya bersifat negatif.
Analisis faktor sering dimanfaatkan sebagai salah satu metode untuk memperoleh validitas
konstruk. Meskipun validitas konstruk umumnya dikaitkan dengan alat ukur dalam bidang
psikolinguistik, seperti persepsi, sikap terhadap bahasa, dan motivasi dalam mempelajari bahasa asing,
konsep ini juga berlaku untuk instrumen tes yang mengukur pengetahuan dan keterampilan
kebahasaan. Jika suatu alat ukur hanya ditujukan untuk menilai satu aspek saja, misalnya penguasaan
kosakata, maka validitas konstruknya dapat dilihat dari kesesuaian seluruh butir soal terhadap aspek

1151 | Journal of Innovative and Creativity ,5(2) 2025

tersebut. Apabila seluruh item dalam tes tersebut benar-benar mengukur penguasaan kosakata, maka
alat ukur itu dapat dianggap memenuhi validitas konstruk. Karena kedua kelompok indikator tersebut
merepresentasikan aspek yang saling bertentangan, maka seharusnya terdapat korelasi negatif di antara
keduanya. Apabila ditemukan indikator yang seharusnya mengukur aspek yang sama namun justru
menunjukkan korelasi negatif, maka indikator tersebut perlu dihapus dari kuesioner. Melalui analisis
faktor, indikator-indikator ini akan secara statistik terkelompok secara otomatis ke dalam kategori
masing-masing, di mana setiap kelompok menunjukkan korelasi yang tinggi di dalamnya.
2. Reliabilitas
Reliabilitas merujuk pada kemampuan suatu tes untuk menghasilkan hasil yang konsisten
ketika diterapkan berulang kali pada subjek yang sama dalam kondisi yang serupa. Hasil pengukuran
dianggap dapat dipercaya jika, ketika tes yang sama dilakukan berulang kali pada kelompok yang sama,
hasilnya tetap konsisten, selama tidak ada perubahan dalam aspek yang diukur pada individu tersebut.
Menurut Arifin (1991: 122) dalam jurnal "Validitas dan Reliabilitas Suatu Instrumen Penelitian,"
sebuah tes dianggap reliabel jika tes tersebut menghasilkan hasil yang konsisten setiap kali diterapkan
pada kelompok yang sama, baik pada waktu yang berbeda maupun dalam kesempatan yang berbeda.
Istilah keterandalan (reliabilitas) merujuk pada tingkat keajegan atau konsistensi suatu tes, yaitu sejauh
mana tes tersebut mampu memberikan hasil atau skor yang stabil dari waktu ke waktu. Dengan kata
lain, reliabilitas mencerminkan kemantapan hasil pengukuran. Untuk mengetahui seberapa tinggi
reliabilitas suatu tes, terdapat empat metode yang dapat digunakan untuk menghitung indeks
reliabilitasnya.
Dari penjelasan di atas, dapat di pahami bahwa reliabilitas merujuk pada koefisien yang
menunjukkan sejauh mana suatu alat ukur dapat dipercaya. Artinya, jika instrumen digunakan berulang
kali untuk mengukur hal yang sama, maka hasilnya akan tetap stabil atau konsisten. Secara empiris,
tingkat reliabilitas diukur dengan koefisien reliabilitas, yang nilainya berkisar antara 0 hingga 1.
Semakin tinggi nilai koefisien reliabilitas, semakin konsisten hasil pengukurannya. Namun, secara
empiris, koefisien reliabilitas yang mencapai angka 1 sangat jarang ditemukan.
Menurut Allen dan Yen dalam jurnal Reliabilitas Instrumen Pendidikan, besar koefisien reliabilitas
ditentukan dengan mengurangkan satu dari perbandingan antara varians kesalahan pengukuran dan
varians skor yang tampak. Dengan kata lain, semakin kecil varians kesalahan pengukuran, semakin
tinggi koefisien reliabilitas yang diperoleh. Oleh karena itu, varians tampak dapat dijadikan sebagai
atribut yang menggambarkan koefisien reliabilitas yang sesungguhnya.

1152 | Journal of Innovative and Creativity ,5(2) 2025

 a. Metode tes ulang
Dalam metode ini, kita melakukan dua kali pengujian terhadap peserta yang sama. Skor yang diperoleh
dari tes pertama kemudian dikorelasikan dengan skor yang diperoleh dari tes kedua. Indeks reliabilitas
yang diperoleh melalui metode ini disebut koefisien stabilitas (coefficient of stability).
b. Metode paruhan
Pada metode paruhan, pengujian dilakukan hanya sekali. Skor yang diperoleh dari tes dibagi menjadi
dua bagian, misalnya dengan memisahkan skor dari item ganjil dan item genap. Kemudian, skor dari
kedua bagian tersebut dikorelasikan. Indeks reliabilitas yang diperoleh melalui metode ini disebut
koefisien konsistensi internal (coefficient of internal consistency).
c. Metode bentuk parallel
Untuk pengujian dengan metode ini, kita perlu mengembangkan dua perangkat tes yang berasal dari
ruang lingkup materi yang sama, sehingga kedua tes tersebut memiliki fokus yang sama meskipun
bentuknya berbeda. Sebagai contoh, tes format A dan tes format B. Kedua format tes ini diberikan
kepada peserta yang sama dalam waktu yang bersamaan. Pelaksanaannya bisa dilakukan secara
bergantian. Skor yang diperoleh dari tes format A kemudian dikorelasikan dengan skor yang diperoleh
dari tes format B. Indeks korelasi yang diperoleh melalui metode ini disebut koefisien ekuivalensi
(coefficient of equivalence).
d. Metode Kudder Richardson
Dalam metode paruhan, terdapat berbagai cara untuk membagi tes menjadi dua bagian, dan cara
pembagian yang berbeda dapat menghasilkan indeks reliabilitas yang berbeda pula. Oleh karena itu,
Kuder dan Richardson mengembangkan teknik lain dengan mengkorelasikan skor setiap item dengan
skor total dari keseluruhan tes. Indeks reliabilitas yang diperoleh melalui metode ini sama dengan yang
diperoleh dari metode paruhan, yaitu koefisien konsistensi internal. Rumus Kuder-Richardson 20 dan
21 dapat secara efektif memperkirakan reliabilitas untuk data nondichotomous dalam berbagai
keluarga eksponensial, mengungguli alpha Cronbach dalam kesalahan kuadrat rata-rata.
Rumus Kuder-Richardson 20 dan 21 dapat digunakan untuk menghitung reliabilitas instrumen yang
memiliki lebih dari dua pilihan jawaban. Keduanya menawarkan pendekatan yang lebih baik dalam
konteks data nondichotomous dibandingkan dengan alpha Cronbach, terutama dalam hal kesalahan
kuadrat rata-rata.

3. Kepraktisan
Kepraktisan suatu tes dapat ditinjau dari berbagai aspek, seperti: pelaksanaan, perlengkapan
yang dibutuhkan, waktu yang diperlukan, metode pemeriksaan dan pengelolaan, biaya pelaksanaan,
serta cara penafsiran hasil. Dari sisi pelaksanaan, perlu dilihat apakah tes tersebut dapat dijalankan

1153 | Journal of Innovative and Creativity ,5(2) 2025

oleh kebanyakan orang atau hanya oleh pihak tertentu. Jika hanya bisa dilakukan oleh orang-orang
tertentu, maka perlu dipertimbangkan ketersediaan orang-orang tersebut. Sedangkan dari aspek
perlengkapan, penting untuk mengidentifikasi apa saja alat atau fasilitas yang diperlukan untuk
melaksanakan tes, serta memastikan apakah perlengkapan tersebut tersedia atau tidak. Dari aspek
perlengkapan, perlu ditelaah jenis-jenis perlengkapan yang dibutuhkan untuk melaksanakan tes.
Selanjutnya, harus dipastikan apakah semua perlengkapan tersebut tersedia. Jika tidak tersedia, maka
pelaksanaan tes tidak akan berjalan secara optimal. Terkait dengan aspek waktu, kita juga perlu
mempertimbangkan apakah pelaksanaan tes membutuhkan waktu yang lama atau tidak. Hal ini harus
dibandingkan dengan waktu yang tersedia agar pelaksanaan tes dapat dilakukan secara efisien. Aspek
lain yang juga perlu diperhatikan adalah metode penyekoran dan pengolahan data dari hasil tes, apakah
telah disertai dengan petunjuk dan kriteria yang jelas atau belum. Tanpa adanya pedoman dan kriteria
yang pasti, kita mungkin akan menghadapi kesulitan dalam memeriksa serta menginterpretasikan hasil
tes. Selain hal-hal tersebut, aspek biaya juga menjadi pertimbangan penting. Dalam hal ini, perlu
dipikirkan keseimbangan antara manfaat hasil yang diperoleh dengan besarnya biaya yang harus
dikeluarkan. Meski demikian, pertimbangan ini bersifat relatif, bergantung pada kondisi dan
kemampuan masing-masing lembaga atau sekolah.
Kepraktisan adalah sejauh mana suatu tes mudah dilaksanakan dalam hal perencanaan,
pelaksanaan, dan penilaian. Tes yang praktis tidak memerlukan waktu, biaya, atau sumber daya yang
berlebihan. Hal ini penting agar tes bisa dilaksanakan secara efektif dalam konteks dunia pendidikan
yang seringkali memiliki keterbatasan.
Kepraktisan meliputi beberapa aspek penting, yaitu:
a. Mudah disusun dan diadministrasikan : Soal tidak memerlukan instruksi atau perangkat
tambahan yang kompleks.
b. Mudah dikoreksi : Terutama soal-soal objektif yang bisa dikoreksi secara otomatis.
c. Efisien waktu dan biaya : Tes harus bisa diselesaikan dalam waktu yang wajar dengan sumber
daya yang tersedia.

4. Analisis kualitas butir soal

Analisis item adalah proses yang digunakan untuk mengevaluasi kualitas pertanyaan pilihan ganda
dalam tes, dengan tujuan meningkatkan efektivitas soal dan keterampilan menulis dosen. Alat ini
membantu dalam mengidentifikasi pertanyaan yang lebih baik untuk retensi siswa dan mengeliminasi
yang kurang efektif.

1154 | Journal of Innovative and Creativity ,5(2) 2025

a. Tingkat kesukaran
Indeks kesukaran merupakan indikator yang digunakan untuk menilai tingkat kemudahan atau
kesulitan suatu butir soal berdasarkan respons peserta tes. Sebuah soal dikategorikan sulit apabila
hanya sedikit peserta yang mampu menjawabnya dengan benar. Sebaliknya, jika sebagian besar peserta
tes memberikan jawaban yang benar, maka soal tersebut tergolong mudah. Salah satu pendekatan
praktis untuk menentukan tingkat kesukaran suatu soal adalah dengan menghitung proporsi atau
persentase peserta yang menjawab benar terhadap soal tersebut.
b. Keadilan (daya pembeda)
Daya pembeda adalah kemampuan suatu butir soal untuk membedakan antara peserta tes yang
memiliki kemampuan tinggi dan rendah. Soal dengan daya pembeda yang baik akan dijawab benar
oleh peserta dengan kemampuan tinggi dan salah oleh peserta dengan kemampuan rendah. Daya
pembeda menunjukkan sejauh mana sebuah soal dapat membedakan antara peserta didik yang
menguasai materi dengan yang belum menguasainya. Soal dengan daya pembeda tinggi akan dijawab
benar oleh peserta yang berkemampuan tinggi dan salah oleh peserta yang berkemampuan rendah.
Sebaliknya, soal dengan daya pembeda rendah atau negatif tidak efektif dalam membedakan
kemampuan peserta didik dan sebaiknya direvisi atau dihapus dari tes. Indeks daya pembeda (D)
biasanya diklasifikasikan sebagai berikut:
1) D > 0,40: Sangat baik - Soal ini sangat efektif dalam membedakan antara peserta dengan
kemampuan tinggi dan rendah.
2) 0,30 < D ≤ 0,39: Baik - Soal ini cukup baik dalam membedakan kemampuan peserta.
3) 0,20 < D ≤ 0,29: Cukup - Soal ini memiliki daya pembeda yang memadai, tetapi masih bisa
diperbaiki.
4) 0,00 < D ≤ 0,19: Buruk - Soal ini kurang efektif dalam membedakan kemampuan peserta
dan perlu direvisi.
5) D ≤ 0,00: Sangat buruk - Indikasi bahwa soal tersebut bermasalah dan sebaiknya dihapus
dari tes.
Klasifikasi ini tidak hanya membantu dalam mengevaluasi kualitas butir soal, tetapi juga
memberikan panduan bagi pengajar dan pengembang tes untuk meningkatkan kualitas soal yang
digunakan dalam evaluasi. Dengan demikian, analisis daya pembeda menjadi langkah penting dalam
proses pengembangan instrumen evaluasi yang lebih baik, yang pada akhirnya akan berkontribusi pada
peningkatan hasil belajar peserta didik.

1155 | Journal of Innovative and Creativity ,5(2) 2025

KESIMPULAN
Dalam dunia pendidikan, pengukuran dan evaluasi merupakan aspek yang sangat penting untuk
menilai kemajuan dan pemahaman peserta didik. Karakteristik tes yang baik, seperti validitas,
reliabilitas, daya pembeda, dan keadilan, memainkan peran krusial dalam memastikan bahwa hasil
evaluasi mencerminkan kemampuan sebenarnya dari peserta. Karakteristik-karakteristik ini
membantu pendidik dalam merancang instrumen evaluasi yang tidak hanya akurat, tetapi juga adil bagi
semua peserta. Dengan memahami dan menerapkan karakteristik-karakteristik tersebut, pendidik
dapat menciptakan tes yang lebih efektif, yang tidak hanya mengukur pengetahuan, tetapi juga
mendorong pembelajaran yang lebih mendalam dan bermakna. Hal ini akan berkontribusi pada
pengembangan kemampuan peserta didik secara holistik, serta meningkatkan kualitas pendidikan
secara keseluruhan. Dengan demikian, evaluasi yang baik dapat menjadi alat yang kuat dalam
mendukung proses belajar mengajar.

DAFTAR PUSTAKA
Almanasreh, Enas, Rebekah Moles, dan Timothy F. Chen. “Evaluation of methods used for
estimating content validity.” Research in social and administrative pharmacy 15, no. 2 (2019): 214–21.
Arifin, Zaenal. “Kriteria instrumen dalam suatu penelitian.” Jurnal Theorems (the original research of
mathematics) 2, no. 1 (2017): 28–36.
Arifin, Zainal. Evaluasi pembelajaran. Vol. 8. Bandung: Remaja Rosdakarya, 2009.
[Link]
———. Evaluasi pembelajaran. Vol. 8. Bandung: Remaja Rosdakarya, 2009.
[Link]
“Burhan Nurgiyantoro, Gunawan, and Marzuki, Statistik... - Google Scholar.” Diakses 13 April 2025.
[Link]
awan%2C+and+Marzuki%2C+Statistik+Terapan+%28Yogyakarta%3A+Gajah+Mada+University
+Press%2C+2019%29%2C+p.+415&btnG=.
Djoukhrab, Souad. “The evaluation: its concept and objectives.” ‫ |ﻣﺠﻠﺔ ﻗﻀﺎﯾﺎ ﻟﻐﻮﯾﺔ‬Linguistic Issues Journal
1, no. 2 (2020): 15–22.
Elis Ratna Wulan, Elis, dan Ahmad Rusdiana. “Evaluasi pembelajaran.” Pustaka Setia, 2015.
[Link]
Foster, Robert C. “KR20 and KR21 for Some Nondichotomous Data (It’s Not Just Cronbach’s
Alpha).” Educational and Psychological Measurement 81, no. 6 (Desember 2021): 1172–1202.
[Link]
Hamid, Abdul. Penyusunan tes tertulis:(Paper and pencil test). Uwais Inspirasi Indonesia, 2019.
[Link]
ertian+tes+lisan+dan+tes+tulis&ots=MySLk_jRdT&sig=LvtEezVwYfMcrtOlPDNF0v0y8Vs.
Heale, Roberta, dan Alison Twycross. “Validity and reliability in quantitative studies.” Evidence-based
nursing 18, no. 3 (2015): 66–67.

1156 | Journal of Innovative and Creativity ,5(2) 2025

Ihsan, Helli. “Validitas Isi Alat Uukur Penelitian: Konsep Dan Panduan Penilaiannya.” Pedagogia 13,
no. 3 (2015): 173–79.
Khumaedi, Muhammad. “Reliabilitas instrumen penelitian pendidikan.” Jurnal Pendidikan Teknik Mesin
12, no. 1 (2012). [Link]
Mansyur, Harun Rasyid. Asesmen pembelajaran di sekolah: Panduan bagi guru dan calon guru. Pustaka Pelejar,
2015.
———. “Suratno, Asesmen Pembelajaran di Sekolah.” Yogyakarta: Pustaka Pelajar, t.t.
Martin, J. R., dan P. R. R. White. The Language of Evaluation. London: Palgrave Macmillan UK, 2005.
[Link]
Mashood, Shama. “Quality Assurance of Multiple-Choice Questions Test Through Item Analysis.”
Life and Science 4, no. 4 (2023): 7–7.
Matondang, Zulkifli. “Validitas dan reliabilitas suatu instrumen penelitian.” Jurnal tabularasa 6, no. 1
(2009): 87–97.
McMillan, Garnett P. “On reliability.” Ear and hearing 35, no. 5 (2014): 589–90.
Musthafa, Izzuddin, dan Acep Hermawan. “Metodologi Penelitian Bahasa Arab (Konsep Dasar,
Strategi, Metode, Teknik).” Remaja Rosdakarya, 2018.
Notoatmodjo, Soekidjo. “Pendidikan dan perilaku kesehatan,” 2003.
Nurgiyantoro, Burhan, dan Marzuki Gunawan. “Statistik Terapan.” Yogyakarta: Gajah MAda University,
2004.
RatnaWulan, Elis, dan H. A. Rusdiana. “Evaluasi Pembelajaran Dengan Pendekatan Kurikulum 2013,
Pustaka Setia Bandung,” 2014.
RUMONDOR, PRASETIO. “PENGEMBANGAN TES PERILAKU.” Diakses 13 April 2025.
[Link]
[Link].
Scriven, Michael. “Evaluation Theory and Metatheory.” Dalam International Handbook of Educational
Evaluation, disunting oleh Thomas Kellaghan dan Daniel L. Stufflebeam, 15–30. Dordrecht: Springer
Netherlands, 2003. [Link]
Setyawati, R. D., N. Happy, dan Y. H. Murtianto. “Instrumen Angket Self-Esteem Mahasiswa Ditinjau
Dari Validitas Dan Reliabitas. Phenomenon: Jurnal Pendidikan MIPA, 7 (2), 174–186,” 2018.
Sidauruk, Suandi. “Validitas Instrumen.” Jurnal Ilmiah Kanderang Tingang 3, no. 2 (2012): 54–59.
Simkin, Mark G., dan William L. Kuechler. “Multiple-Choice Tests and Student Understanding: What
Is the Connection?” Decision Sciences Journal of Innovative Education 3, no. 1 (Januari 2005): 73–98.
[Link]
Sukardi, H. M. “Evaluasi pendidikan prinsip dan operasionalnya.” Jakarta: Bumi Aksara 2 (2008).
Supriyadi, G. “Pengantar & Teknik Evaluasi Pembelajaran, Book, Malang, 1–185,” 2011.
Suryadi, Ahmad. Evaluasi Pembelajaran Jilid II. CV Jejak (Jejak Publisher), 2020.
[Link]
mad+Suryadi,+Evaluasi+Pembelajaran+Jilid+II+&ots=EWfjun4QxZ&sig=p3NpvD1PLb6ElDN
oIHqmoSQQsfM.

1157 | Journal of Innovative and Creativity ,5(2) 2025

Weidemann, Charles C., dan Birdean J. Morris. “Chapter III: The Essay-Type Test.” Review of
Educational Research 8, no. 5 (September 1938): 517–22.
[Link]
Widoyoko, Eko Putro. “Evaluasi program pembelajaran.” Yogyakarta: pustaka pelajar 238 (2009).
[Link]
———. “Evaluasi program pembelajaran.” Yogyakarta: pustaka pelajar 238 (2009).
[Link]
Widoyoko, S. Eko Putro, dan Eko Putro. “Optimalisasi peran guru dalam evaluasi program
pembelajaran.” Jurnal Pendidikan 22, no. 2 (2013): 177–86.

1158 | Journal of Innovative and Creativity ,5(2) 2025