IRT dalam Seleksi Masuk PTN. Seleksi Nasional Berdasarkan Tes (SNBT) adalah salah satu jalur utama untuk masuk ke Perguruan Tinggi Negeri (PTN) di Indonesia. Dalam seleksi ini, digunakan berbagai metode untuk menilai kemampuan akademik calon mahasiswa, dan salah satu metode yang paling penting adalah Item Response Theory (IRT). Penggunaan IRT dalam SNBT membawa banyak keuntungan, terutama dalam hal keadilan, akurasi, dan validitas penilaian.

Penerapan IRT dalam Seleksi Masuk PTN di Indonesia

Di Indonesia, penerapan sistem penilaian IRT dalam seleksi masuk Perguruan Tinggi Negeri (PTN) mulai diperkenalkan pada tahun 2018. Sebelumnya, sistem penilaian yang digunakan masih menggunakan metode konvensional yang lebih sederhana.

Mengapa Menerapkan IRT Dalam Seleksi Masuk PTN – SNBT?

IRT diterapkan dalam SNBT untuk mengatasi keterbatasan dari metode penilaian tradisional yang hanya berdasarkan pada jumlah jawaban benar. Dalam metode tradisional, dua peserta dengan jumlah jawaban benar yang sama akan mendapatkan skor yang sama, tanpa memperhitungkan tingkat kesulitan pertanyaan yang mereka jawab. Namun, dalam kenyataannya, menjawab pertanyaan yang lebih sulit tentu saja membutuhkan kemampuan yang lebih tinggi.

Dengan IRT, setiap soal dalam SNBT dianalisis berdasarkan tiga komponen utama: tingkat kesulitan, daya pembeda, dan kemungkinan menebak. IRT memungkinkan penilaian yang lebih detail dan akurat tentang kemampuan peserta tes, karena setiap soal memiliki bobot penilaian yang berbeda tergantung pada karakteristiknya. Hal ini memastikan bahwa peserta yang menjawab soal-soal lebih sulit dengan benar akan mendapatkan skor yang lebih tinggi dibandingkan peserta yang hanya menjawab soal-soal yang lebih mudah.

Bagaimana Perhitungan Poin IRT pada SNBT?

Salah satu aspek paling menarik dari IRT adalah cara perhitungan poin dilakukan. Berikut ini adalah langkah-langkah dasar bagaimana poin dihitung menggunakan IRT dalam SNBT:

1. Kalibrasi Butir Soal: Sebelum digunakan dalam SNBT, setiap soal harus dikalibrasi menggunakan model IRT. Ini melibatkan analisis data dari jawaban banyak peserta tes untuk menentukan tiga parameter utama setiap soal: tingkat kesulitan (difficulty), daya pembeda (discrimination), dan kemungkinan menebak (guessing).
   • Tingkat Kesulitan (Difficulty): Menunjukkan seberapa sulit suatu soal. Nilai ini biasanya berkisar dari negatif (lebih mudah) ke positif (lebih sulit). Soal yang lebih sulit cenderung dijawab dengan benar oleh peserta dengan kemampuan lebih tinggi.
   • Daya Pembeda (Discrimination): Mengukur seberapa baik soal tersebut membedakan antara peserta dengan kemampuan tinggi dan rendah. Nilai diskriminasi yang tinggi menunjukkan bahwa soal tersebut efektif dalam membedakan peserta yang memiliki kemampuan berbeda.
   • Kemungkinan Menebak (Guessing): Parameter ini memperhitungkan kemungkinan peserta menebak jawaban dengan benar, terutama dalam soal pilihan ganda.
2. Penilaian Berdasarkan Jawaban: Ketika peserta menjawab soal dalam SNBT, model IRT menggunakan parameter-parameter tersebut untuk menghitung probabilitas bahwa peserta dengan kemampuan tertentu akan menjawab soal tersebut dengan benar. Probabilitas ini kemudian digunakan untuk menentukan poin yang diberikan untuk setiap jawaban.
   • Jawaban Benar: Jika seorang peserta menjawab benar pada soal dengan tingkat kesulitan tinggi, dan daya pembeda yang tinggi, poin yang diberikan akan lebih besar dibandingkan soal yang lebih mudah atau yang memiliki daya pembeda rendah.
   • Jawaban Salah atau Tidak Dijawab: Jika peserta menjawab salah atau tidak menjawab, poin tidak diberikan. Dalam beberapa model IRT, jawaban yang salah juga bisa mengurangi skor, terutama jika soal tersebut memiliki daya pembeda yang tinggi.
3. Akumulasi Poin: Poin dari setiap soal kemudian diakumulasi untuk menghasilkan skor total peserta. Skor ini mencerminkan kemampuan keseluruhan peserta, dengan mempertimbangkan tidak hanya jumlah jawaban benar, tetapi juga karakteristik setiap soal yang dijawab.
4. Penyesuaian Skor: Dalam beberapa kasus, skor mentah yang dihasilkan dari IRT kemudian disesuaikan untuk memastikan konsistensi dan keadilan antar tes yang berbeda. Skor akhir ini adalah yang digunakan untuk menentukan peringkat peserta dalam SNBT.

Berapa Poin untuk Jawaban Benar pada Soal Kategori Sulit?

Dalam IRT, poin untuk setiap jawaban tidak dinyatakan secara eksplisit seperti dalam sistem penilaian tradisional, melainkan ditentukan melalui model probabilistik yang mengestimasi kemampuan peserta berdasarkan respons mereka terhadap butir-butir soal dengan karakteristik tertentu. Namun, secara umum dapat dijelaskan sebagai berikut:

• Kontribusi Lebih Besar terhadap Skor Total:
  • Jawaban benar pada soal kategori sulit memberikan kontribusi yang lebih besar terhadap estimasi kemampuan peserta dibandingkan jawaban benar pada soal yang lebih mudah.
  • Ilustrasi: Jika seorang peserta menjawab benar banyak soal sulit, model IRT akan mengestimasi bahwa peserta tersebut memiliki kemampuan yang tinggi, sehingga skor totalnya akan meningkat secara signifikan.
• Tidak Ada Poin Tetap:
  • Berbeda dengan sistem penilaian tradisional yang mungkin memberikan, misalnya, 5 poin untuk soal sulit dan 1 poin untuk soal mudah, IRT tidak menggunakan poin tetap. Sebaliknya, probabilitas jawaban benar dan karakteristik soal digunakan untuk mengestimasi kemampuan secara kontinu.
• Pengaruh Daya Pembeda dan Kemungkinan Menebak:
  • Daya Pembeda Tinggi: Jika soal sulit juga memiliki daya pembeda yang tinggi, jawaban benar pada soal tersebut akan lebih berpengaruh dalam meningkatkan estimasi kemampuan peserta.
  • Kemungkinan Menebak Rendah: Soal dengan kemungkinan menebak yang rendah (misalnya, soal dengan banyak pilihan jawaban atau soal esai) akan memberikan estimasi kemampuan yang lebih akurat ketika dijawab dengan benar.
• Matematika di Balik Perhitungan:
  • Secara matematis, IRT menggunakan fungsi logistik untuk menghubungkan kemampuan peserta dengan probabilitas menjawab benar suatu soal. Rumus dasar untuk model 3PL adalah:
    
    Di mana:
    • $P(\theta )$: Probabilitas peserta dengan kemampuan $\theta$ menjawab benar.
    • $a$: Parameter daya pembeda.
    • $b$: Parameter tingkat kesulitan.
    • $c$: Parameter kemungkinan menebak.
    • $e$: Basis logaritma natural.
  • Interpretasi: Semakin tinggi kemampuan $\theta$, semakin tinggi probabilitas menjawab benar, terutama pada soal dengan daya pembeda tinggi dan tingkat kesulitan sesuai.
• Contoh Praktis:
  • Misalkan seorang peserta dengan kemampuan sedang ($\theta =0$) menjawab benar soal sulit (b=1.5). Dengan daya pembeda a=1.2 dan guessing c=0.2, probabilitas menjawab benar adalah sekitar 0.3 atau 30%. Jika peserta tersebut berhasil menjawab dengan benar, model akan menganggap bahwa kemampuan peserta mungkin lebih tinggi dari estimasi awal dan akan menyesuaikan skor ke atas.

Bagaimana IRT Mempengaruhi Hasil SNBT?

Penerapan IRT dalam SNBT memungkinkan penilaian yang lebih komprehensif dan adil. Berikut adalah beberapa cara IRT mempengaruhi hasil SNBT:

1. Pengukuran Kemampuan yang Lebih Tepat: Dengan IRT, setiap soal dalam SNBT berfungsi sebagai alat ukur yang berbeda-beda tergantung pada tingkat kesulitannya. Peserta yang mampu menjawab soal-soal dengan tingkat kesulitan tinggi menunjukkan kemampuan yang lebih tinggi, sehingga skor mereka mencerminkan kemampuan yang sebenarnya. Ini berbeda dengan metode tradisional yang mungkin tidak memberikan nilai yang cukup adil bagi peserta yang berusaha lebih keras dengan menjawab soal-soal sulit.
2. Penilaian yang Tidak Hanya Berdasarkan Jumlah Jawaban Benar: Dalam IRT, kualitas jawaban juga diperhitungkan. Misalnya, dua peserta yang sama-sama menjawab 20 soal dengan benar mungkin mendapatkan skor akhir yang berbeda jika salah satu dari mereka berhasil menjawab lebih banyak soal sulit. Ini mencegah adanya bias terhadap peserta yang memilih soal-soal mudah dan menghindari soal-soal yang lebih menantang.
3. Pengurangan Pengaruh Tebakan: Dengan komponen “guessing” dalam IRT, SNBT dapat memperhitungkan kemungkinan peserta menebak jawaban. Ini berarti peserta yang benar-benar mengetahui jawaban akan mendapatkan skor yang lebih tinggi daripada mereka yang hanya beruntung dalam menebak. Hal ini membuat hasil SNBT lebih mencerminkan kemampuan akademik yang sesungguhnya.
4. Penyusunan Soal yang Lebih Baik: IRT juga membantu penyusun soal dalam mengembangkan tes yang lebih baik. Dengan menganalisis soal berdasarkan model IRT, penyusun tes dapat memilih soal-soal yang memiliki daya pembeda tinggi dan tingkat kesulitan yang tepat, sehingga tes menjadi lebih efektif dalam mengukur kemampuan peserta.

Dampak Positif IRT pada Seleksi Masuk PTN

Penggunaan IRT dalam SNBT memberikan beberapa dampak positif yang signifikan:

• Transparansi dan Objektivitas: Dengan IRT, proses seleksi menjadi lebih transparan dan objektif karena penilaian didasarkan pada data yang lebih kaya dan analisis yang lebih mendalam. Hal ini memberikan kepercayaan lebih kepada peserta tes dan lembaga pendidikan bahwa hasil seleksi adalah representasi yang akurat dari kemampuan peserta.
• Peningkatan Kualitas Mahasiswa Baru: Karena IRT memberikan penilaian yang lebih adil dan akurat, PTN dapat memastikan bahwa mereka menerima mahasiswa dengan kemampuan akademik yang sesuai dengan standar yang dibutuhkan. Ini berkontribusi pada peningkatan kualitas pendidikan di PTN dan keberhasilan mahasiswa selama masa studi.
• Motivasi Peserta untuk Menguasai Materi: Mengetahui bahwa SNBT menggunakan IRT dapat memotivasi peserta untuk benar-benar menguasai materi yang diujikan, bukan hanya fokus pada soal-soal yang mudah. Ini mendorong pembelajaran yang lebih mendalam dan pemahaman yang lebih baik.

Secara keseluruhan, penerapan IRT dalam SNBT memberikan banyak keuntungan dalam meningkatkan keadilan dan akurasi seleksi masuk PTN. Dengan pendekatan ini, hasil SNBT menjadi lebih reliabel dan valid, memastikan bahwa yang diterima di PTN adalah mereka yang benar-benar siap menghadapi tantangan akademik yang lebih tinggi.

Sumber:

Apa Itu Sistem IRT UTBK SNBT 2024 & Metode Penilaiannya?. https://tirto.id/apa-itu-sistem-irt-utbk-snbt-2024-metode-penilaiannya-gTJV