NAMA : MARTHEN STEVEN BOINSERA
NIM : 18506031
1. BAB 8 Memilih Tes Standar
2. DALAM MEMPELAJARI konstruksi pengujian,
Anda sekarang memahami banyak tentang
bagaimana pengujian yang baik dibuat dan
tujuan penerapan hasil pengujian. Untuk
sebagian besar kegiatan penilaian di kelas,
dan untuk penilaian berkala yang berkaitan
dengan umpan balik instruksional untuk guru
dan siswa, tes buatan guru yang dibangun
dengan baik akan menjadi cara yang harus
dilakukan. Namun, akan ada situasi di mana
ukuran formal, tes, atau bank soal yang ada
tersedia untuk tujuan khusus. Dengan
menggunakannya dengan sedikit atau tanpa
modifikasi, Anda akan dapat menghasilkan
penilaian yang menjadi bagian dari sistem
penilaian yang memenuhi kebutuhan Anda
dan kebutuhan komunitas pendidikan yang
lebih luas.
3. Kebutuhan Anda untuk memahami bahwa
mengetahui tentang pemilihan tes
merupakan persiapan penting dalam
pengajaran di kelas. Guru, pada satu waktu
atau lainnya, akan dilibatkan pada tingkat
tertentu dalam pemilihan tes untuk intervensi
perencanaan, meningkatkan kurikulum,
menanggapi pertanyaan masyarakat, atau
mengkomunikasikan hasil yang terkait
dengan masalah akuntabilitas. Tentu saja,
Anda juga dapat memilihnya secara
independen dari orang lain untuk tujuan
tertentu di kelas Anda — untuk memahami
bagaimana prestasi siswa dibandingkan
dengan tes yang dibuat secara eksternal
berdasarkan standar profesional atau ketika
Anda ingin belajar tentang pemrosesan siswa,
termasuk kesalahpahaman mereka, strategi
pembelajaran, atau gaya kerja. Informasi
tersebut memiliki implikasi penting untuk
peningkatan pembelajaran. Namun, lebih
CHAPTER 8 Selecting
Standardized Tests
IN LEARNING ABOUT the construction of tests
you now understand much about how good
tests are constructed and the purposes to
which test results can be applied. For most
assessment activities in the classroom, and for
periodic assessments related to instructional
feedback for both teacher and students, well-
constructed teacher-made tests will be the
way to go. However, there will be situations
where existing formal measures, tests, or item
banks are available for specialized purposes.
By using them with little or no modifications,
you will be able to produce assessments that
become a part of an assessment system that
meets both your needs and the needs of the
broader educational community.
Your need to understand that knowing about
the selection of tests is an essential
preparation in classroom instruction.
Teachers, at one time or another, will be
involved at some level in test selection for
planning interventions, improving curricula,
responding to community inquiries, or
communicating outcomes related to
accountability issues. Of course, you may also
select them independently of others for
specific purposes in your classroom—to
understand how student achievement
compares with externally constructed tests
based on professional standards or when you
want to learn about students’ processing,
including their misconceptualizations, learning
strategies, or working styles. Such information
has important implications for instructional
improvement. More frequently, however, you
will be working cooperatively with other
professionals, such as educational counselors
 sering, Anda akan bekerja sama dengan or school psychologists, in selecting tests to
profesional lain, seperti konselor pendidikan aid planning the placement of students,
atau psikolog sekolah, dalam memilih tes interventions, or remedial programs. You will
untuk membantu perencanaan penempatan certainly need to understand tests selected by
siswa, intervensi, atau program perbaikan. others such as policy makers who have
Anda tentu perlu memahami tes yang dipilih jurisdiction over statewide tests or tests
oleh orang lain seperti pembuat kebijakan dictated by legislation, tests that are
yang memiliki yurisdiksi atas tes di seluruh summative evaluations of student progress
negara bagian atau tes yang ditentukan oleh and are used for accountability. Finally, you
undang-undang, tes yang merupakan evaluasi can count on the fact that parents of your
sumatif kemajuan siswa dan digunakan untuk students will ask you to provide an
akuntabilitas. Terakhir, Anda dapat interpretation of a test that you may know
mengandalkan fakta bahwa orang tua siswa little about.
Anda akan meminta Anda untuk memberikan
interpretasi tentang sebuah tes yang mungkin
hanya sedikit Anda ketahui.
4. ■ Tujuan
■ Objectives
5. Tujuan utama Anda dalam mempelajari Your primary objective in learning about the
tentang pemilihan tes adalah untuk selection of tests is to learn:
mempelajari:
6. • Proses pemilihan tes formal atau standar • The process of selecting formal or
standardized tests
7. • Keuntungan dan batasan dalam • The advantages and limitations in using
menggunakan tes apa pun yang Anda pilih whatever test you have selected
8. • Penggunaan tes apa pun, baik formal atau • The use of any test, whether formal or
informal, baik buatan guru atau komersial, informal, whether teacher-made or
sebagai aspek dari sistem penilaian daripada commercial, as a facet of a system of
tambahan sederhana dari tes lain ke dalam assessment rather than the simple addition of
perlengkapan tes yang digunakan oleh another test to the armamentarium of tests
sekolah used by a school
9. • Bagaimana tes standar cocok dengan proses • How the standardized test fits in with the
penilaian secara keseluruhan overall assessment process
10. • Sumber daya yang tersedia untuk membuat • The resources available for making decisions
keputusan tentang tes yang tepat untuk about the right test to use for achieving
digunakan untuk mencapai tujuan instructional and educational goals
instruksional dan pendidikan
11. • Karakteristik unik dari scoring dan norming • The unique characteristics of scoring and
yang digunakan dalam tes standar, langkah- norming used in standardized tests, steps
langkah yang biasanya dilakukan oleh sumber ordinarily done by external sources such as
eksternal seperti perusahaan komersial dan commercial companies and increasingly with
semakin meningkat dengan penggunaan the use of technology
teknologi
12. • Penilaian tes yang membutuhkan prosedur • Scoring of tests that require special
khusus seperti penggunaan rubrik dalam procedures such as the use of rubrics in
penilaian komposisi atau hasil kinerja lainnya scoring of the composition or other
yang diukur dengan bagian tes — prosedur performance outcomes measured by sections
 untuk penilaian otentik yang semakin banyak of the test—procedures for authentic
diminta oleh sekolah dan masyarakat assessments which are increasingly being
demanded by the school and community
13. • Batasan bagaimana hasil tes dapat • Limits on the way test results can be used;
digunakan; kesimpulan dan implikasi untuk the inferences and the implications for
tujuan pendidikan termasuk instruksi, educational purposes including instruction,
penempatan siswa di kelas khusus, desain placement of students in special classes, the
intervensi, dan tujuan serupa design of interventions, and similar purposes
14. • Bagaimana hasil disebarluaskan di berbagai • How the results are disseminated at various
tingkat oleh administrator tes yang berfungsi levels by the administrator of tests that serve
untuk mematuhi kebijakan; penjelasan dan to comply with policy; explanations and
interpretasi harus dikomunikasikan kepada interpretations must be communicated to the
masyarakat umum, orang tua, dan siswa general public, parents, and students in
dengan cara yang bermakna meaningful ways
15. • Keterlibatan siswa dalam mengerjakan tes • Engagement of students in taking the test
dan memahami hasilnya sendiri and understanding the outcomes for
themselves
16. • Apa hasil pilihan tes dan hasilnya untuk • What test selections and their results imply
instruksi, intervensi, dan pengembangan for instruction, intervention, and the
rencana pengujian di masa depan development of future testing plans
17. Sangat penting bagi guru untuk mengetahui It is critical for teachers to know and
dan memahami dasar-dasar untuk setiap understand the bases for any choice or use of
pilihan atau penggunaan tes standar. Bab ini standardized tests. This chapter is devoted to
dikhususkan untuk dasar-dasar identifikasi the bases by which measures potentially
dan pemilihan tindakan yang berpotensi useful to you are identified and chosen. They
berguna bagi Anda. Mereka penting untuk are important for helping you make decisions
membantu Anda membuat keputusan dalam in the process of selecting tests, should you be
proses pemilihan tes, jika Anda terlibat engaged directly in that process. Knowing the
langsung dalam proses itu. Mengetahui bases of test selection will help you
dasar-dasar pemilihan tes akan membantu understand and evaluate the wisdom of
Anda memahami dan mengevaluasi choices made by others such as district or
kebijaksanaan pilihan yang dibuat oleh orang state educational office who may have
lain seperti dinas pendidikan kabupaten atau mandated the use of a test for accountability
negara bagian yang mungkin telah purposes. Understanding the bases for
mengamanatkan penggunaan tes untuk selecting a test is also part of a knowledgeable
tujuan akuntabilitas. Memahami dasar-dasar explanation of assessment outcomes and
pemilihan tes juga merupakan bagian dari interpretation that might be communicated to
penjelasan luas tentang hasil penilaian dan the community (parents, boards of education,
interpretasi yang mungkin dikomunikasikan school administrators). You will see that the
kepada masyarakat (orang tua, dewan principles guiding the development and use of
pendidikan, administrator sekolah). Anda standardized tests are essentially the same as
akan melihat bahwa prinsip-prinsip yang those you would consider, perhaps somewhat
memandu pengembangan dan penggunaan more flexibly, in the development and use of
tes standar pada dasarnya sama dengan yang classroom tests. As such they are an extension
Anda pertimbangkan, mungkin agak lebih of the principles of classroom assessment in
fleksibel, dalam pengembangan dan practice, as you can see from the review in
penggunaan tes kelas. Dengan demikian, Text Box 8.1.
 prinsip-prinsip tersebut merupakan perluasan
dari prinsip-prinsip penilaian kelas dalam
praktiknya, seperti yang Anda lihat dari
ulasan di Kotak Teks 8.1.
18. Penggunaan sumber daya pengujian standar
akan membuat hidup Anda lebih mudah
untuk sebagian besar fase penilaian seperti
perbandingan kinerja kelas Anda dengan
orang lain yang serupa dengan Anda yang
direpresentasikan dalam norma terpilah.
Namun, ini hanya benar jika sumber daya
mudah diidentifikasi, dapat diakses, dan
selaras dengan tujuan pembelajaran untuk
segmen yang Anda ajar.
19. Variasi dari ukuran penilaian formal yang
tersedia memiliki banyak tujuan. Mereka
digunakan oleh psikolog sekolah dan guru
pendidikan khusus untuk mendiagnosis siswa
dengan ketidakmampuan belajar atau untuk
menentukan penempatan di kelas khusus.
Mereka digunakan untuk evaluasi sumatif
dalam membuat keputusan kebijakan tentang
akuntabilitas. Meskipun beberapa tes standar
harus dilakukan oleh personel sekolah
bersertifikat, guru kelas pasti akan terlibat di
beberapa titik dalam memilih dan mengelola
tes, menafsirkan hasilnya, dan menggunakan
hasil dalam perencanaan kegiatan dan
program kurikuler untuk siswa secara
individu.
20. ■ Prinsip Memilih Tes Standar
21. Langkah-langkah dalam memilih dan
menggunakan pengujian standar formal
serupa dengan yang digunakan dalam
menentukan kecukupan suatu ukuran. Anda
dapat melihat bahwa mereka paralel dengan
tujuan yang diuraikan di atas. Mereka:
22. • Identifikasi tujuan penggunaan tes.
23. • Identifikasi kecukupan tes untuk tujuan
yang dimaksudkan.
24. • Mengetahui hubungan tes dengan tes
lainnya
25. Kotak Teks 8.1 Tinjauan tentang Dasar-dasar
The use of standardized testing resources
should make your life easier for most phases
of assessment such as the comparison of your
class’s performance with others similar to
yours that are represented in disaggregated
norms. However, this will be true only if the
resources are readily identifiable, accessible,
and align well with the learning objectives for
the segment that you are teaching.
The varieties of available formal assessment
measures serve many purposes. They are used
by school psychologists and special education
teachers to diagnose students with learning
disabilities or to determine placement in
special classes. They are used for summative
evaluations in making policy decisions
regarding accountability. Although some
standardized tests must be administered by
certified school personnel, the classroom
teacher is certain to be involved at some point
in selecting and administering the tests,
interpreting the results, and using the results
in planning curricular activities and programs
for individual students.
■ Principles for Selecting
Standardized Tests
The steps in selecting and using formal
standardized tests are similar to those
employed in determining the adequacy of any
measure. You can see that they parallel the
objectives outlined above. They are:
• Identify the purpose for using the test.
• Identify the adequacy of the test for the
purpose intended.
• Know the test’s relation to other tests
Text Box 8.1 A Review of the Basics
 yang Relevan dengan Seleksi Tes
26. Prinsip-prinsip yang dibahas sampai saat ini
dalam teks bersatu dalam memilih tes untuk
membantu Anda menggunakan tes dengan
bijaksana dan bertanggung jawab.
Pengetahuan teknis yang diperoleh melalui
pendidikan dan pengembangan profesional
Anda juga merupakan elemen penting dalam
proses tersebut. Saat Anda menyelidiki sejauh
mana suatu tes relevan untuk tujuan Anda,
Anda akan menjadi berpengetahuan dan
mahir melalui tinjauan, manual, dan
pengamatan tentang aspek dasar tes berikut
agar Anda menjadi mahir dalam pemilihan
atau penggunaan tes:
27. • Reliabilitas Hasil Tes. Anda telah menjumpai
istilah reliabilitas pada beberapa kesempatan.
Sejauh mana tes menghasilkan hasil yang
konsisten (serupa) pada kesempatan
terpisah. Perkiraan reliabilitas tes dapat
diperoleh dengan (a) menghubungkan skor
tes pada waktu yang berbeda (disebut tes-tes
ulang); (b) dengan menghubungkan satu
bagian tes dengan yang lain (seperti skor
berdasarkan semua soal genap dengan skor
berdasarkan semua soal bernomor ganjil,
disebut konsistensi internal); atau (c) dengan
menghubungkan dua bentuk tes (disebut
bentuk paralel atau ekuivalen). Dalam kasus
tes esai yang dinilai oleh dua penilai berbeda,
reliabilitas akan diperoleh dengan
menghubungkan skor penilai (disebut
reliabilitas antar penilai). Metode mana yang
digunakan untuk menghitung dan
memperkirakan keandalan tergantung pada
tujuan pengujian tersebut digunakan.
28. • Validitas Hasil Tes. Apakah tes mengukur
apa yang ingin diukur? Carilah bukti yang
mendukung interpretasi apa pun yang
dimaksudkan. Misalnya, apakah itu akan
diartikan sebagai ukuran kemajuan? Sebagai
ukuran sumatif dari status siswa? Sebagai
ukuran prestasi sekolah? Sebagai prediktor
sukses di perguruan tinggi? Sebagai
karakteristik seberapa baik suatu tes
mencapai tujuannya, ketahuilah bahwa tes
tersebut mungkin memiliki validitas yang
Relevant to Test Selection
The principles discussed up to this point in the
text come together in selecting tests to help
you to use tests wisely and responsibly. The
technical knowledge obtained through your
education and professional development is
also an essential element in the process. As
you investigate the extent to which a test is
relevant for your purposes, you will become
knowledgeable and conversant through
reviews, manuals, and observations about the
following basic aspects of a test in order for
you to become proficient in test selection or
use:
• Reliability of Test Results. You have come
across the term reliability on a number of
occasions. It is the extent to which the test
yields consistent (similar) results on separate
occasions. An estimate of test reliability might
be obtained by (a) correlating test scores at
separate times (called test-retest); (b) by
correlating one part of the test with another
(such as a score based on all even items with a
score based on all odd-numbered items, called
internal consistency); or (c) by correlating two
forms of a test (called parallel or equivalent
forms). In the case of an essay test scored by
two different raters, the reliability would be
obtained by correlating the raters’ scores
(called interrater reliability). Which method is
used to calculate and estimate reliability
depends on the purpose for which the test is
used.
• Validity of Test Results. Does the test
measure what it is intended to measure? Look
for evidence that supports whatever
interpretation is intended. For instance, is it to
be interpreted as a measure of progress? As a
summative measure of the student’s status?
As a measure of the school’s achievement? As
a predictor for success in college? As a
characteristic of how well a test achieves its
goals, recognize that it may have different
validity for different purposes. For example,
 berbeda untuk tujuan yang berbeda.
Misalnya, tes mungkin sangat prediktif untuk
kemampuan membaca, tetapi mungkin
kurang dapat diprediksi untuk nilai tahun
pertama di perguruan tinggi. Cari bukti
perbedaan potensial dalam validitas. Validitas
tes untuk tujuan instruksional perlu dipahami
dalam hal keselarasannya dengan tujuan,
apakah standar negara, standar area konten
profesional, atau tujuan instruksional kelas.
29. • Skor untuk Hasil Tes. Ketahui dan
identifikasi perbedaan mendasar antara
berbagai jenis skor. Hanya tes yang secara
akurat melaporkan jenis skor dan
menggunakan prosedur penilaian yang akurat
yang harus digunakan. Anda mungkin ingat,
misalnya, perhatian kami sebelumnya dengan
istilah yang merujuk pada norma dan yang
merujuk pada kriteria; mereka mengacu pada
perbedaan cara skor diinterpretasikan, bukan
pada perbedaan dalam tes. Bukti perbedaan
ini dapat ditemukan dalam ulasan. Saat
meninjau karakteristik tes, tanyakan pada diri
Anda apakah skor tersebut mengacu pada
kriteria atau norma dan bagaimana
interpretasi terkait dengan tujuan
penggunaan tes. Anda akan menemukan jenis
skor lain yang dirujuk dalam laporan evaluasi
tes atau dalam manual tes, termasuk skor
bagian; skor berdasarkan jenis isi (fakta,
konsep, pemecahan masalah); dan skor
berdasarkan proses — misalnya, dalam
membaca Anda mungkin menemukan skor
yang terkait dengan kecepatan membaca,
ingatan, atau pemahaman. Dalam situasi lain,
Anda perlu membedakan antara skor mentah,
persentase benar, skor persentil, dan
sebagainya.
30. • Variabilitas Hasil Tes. Anda telah
menemukan gagasan pengaruh insidental
atau acak pada hasil tes dalam laporan
jurnalistik hasil jajak pendapat. Misalnya,
seorang jurnalis TV mungkin mengatakan
sesuatu seperti berikut ini, “Dalam jajak
pendapat baru-baru ini, 40 persen dari satu
kelompok menanggapi dengan baik
sementara 43 persen dari kelompok lain
menanggapi dengan baik; karena itu,
the test may be highly predictive of reading
ability, but may have less predictability for
first-year grades in college. Look for evidence
of potential differences in validity. The validity
of a test for instructional purposes needs to
be understood in terms of its alignment to
objectives, whether state standards,
professional content area standards, or
classroom instructional objectives.
• Scores for Test Results. Know and identify
the basic differences between different kinds
of scores. Only tests that accurately report the
types of scores and use accurate scoring
procedures should be used. You may recall,
for example, our earlier concern with the
terms norm-referenced and criterion-
referenced; they refer to differences in the
ways the scores were interpreted, not to
differences in tests. Evidence for these
differences may be found in reviews. When
reviewing test characteristics, ask yourself
whether the scores are criterionor norm-
referenced and how the interpretations are
related to the intended use of the test. You
will find other kinds of scores referred to in
evaluative reports of tests or in test manuals,
including part scores; scores based on the
kinds of content (facts, concepts, problem
solving); and scores based on processes—for
example, in reading you might find scores
related to reading rate, recall, or
comprehension. In other situations you will
need to discriminate among raw scores,
percentage correct, percentile scores, and so
on.
• Variability of Test Results. You have come
across the idea of incidental or random
influences on test results in journalistic
reports of poll results. For example, a TV
journalist might say something like the
following, “In a recent poll, 40 percent of one
group responded favorably while 43 percent
of another group responded favorably; as
such, the difference was too close to say that
one group was more favorably disposed than
 perbedaannya terlalu dekat untuk
mengatakan bahwa satu kelompok memiliki
kecenderungan yang lebih baik daripada yang
lain. " Idenya di sini adalah Anda tidak ingin
hasil tes terlalu bervariasi, tetapi beberapa
variabilitas diharapkan karena keadaan yang
meringankan dan harus dipertimbangkan saat
menafsirkan skor. Perbedaan tersebut dapat
terjadi karena pengaruh yang tidak terkait
dengan prestasi atau sikap "sebenarnya"
siswa; ini mungkin termasuk perbedaan
karena motivasi, interpretasi pertanyaan,
atau perspektif. Faktor-faktor ini
berkontribusi pada kesalahan pengukuran
atau kesalahan pengukuran; Estimasi
kesalahan pengukuran dilaporkan dalam
tinjauan dan harus dipertimbangkan saat
menafsirkan skor untuk mendukung
keputusan yang diinformasikan.
31. • Norma untuk Hasil Tes. Periksalah dengan
cermat cara nilai tes diatur. Anda harus dapat
menentukan dari tinjauan apakah kelompok
norma untuk membandingkan dengan
kelompok lokal tersedia atau dapat
dipertahankan untuk interpretasi skor yang
sesuai. Misalnya, seberapa besar sampel
responden? Apakah norma didasarkan pada
responden dari berbagai pengaturan
(sekolah, distrik, dan sebagainya) atau dari
satu sekolah atau lingkungan? Jika Anda akan
membuat perbandingan dengan kelas Anda,
seberapa representatif kelas atau sekolah
Anda sebagai sampel dari sudut pandang
tingkat kelas mereka, instruksi yang mungkin
telah mereka terima, karakteristik distrik
sekolah Anda, dan seterusnya. Kadang-
kadang Anda mungkin menemukan data
normatif untuk kinerja semua siswa yang
mengikuti tes (disebut skor agregat) atau
Anda mungkin menemukan data normatif
dipisahkan menurut kelompok tertentu
seperti wilayah negara, negara bagian, etnis,
tingkat kelas, dan sebagainya. pada (disebut
skor terpilah).
32. • Buat interpretasi yang masuk akal tentang
tes, batasi interpretasi Anda pada data yang
diberikan oleh norma tes dan karakteristik
tes.
the other.” The idea here is that you don’t
want test results to vary too much, but some
variability is to be expected due to
extenuating circumstances and must be
considered when interpreting the scores. Such
differences can occur because of influences
unrelated to the “true” achievement or
attitudes of the student; these may include
differences due to motivation, interpretations
of the questions, or perspectives. These
factors contribute to measurement errors or
error of measurement; estimations of the
error of measurement are reported in reviews
and should be considered when interpreting
scores to support informed decisions.
• Norms for Test Results. Examine carefully
the way the test scores were normed. You
should be able to determine from the reviews
whether a norm group for comparing with the
local group is available or defensible for the
appropriate interpretation of scores. For
example, how large were the samples of
respondents? Were the norms based on
respondents from a diversity of settings
(schools, districts, and so on) or from one
school or setting? If you are to make
comparisons with your classes, how
representative of your class or school was the
sample from the standpoints of their grade
level, the instruction they might have
received, the characteristics of your school
district, and so on. On occasion you might find
normative data for the performance of all
students who took the test (called aggregated
scores) or you might find the normative data
separated according to specific groups such as
areas of the country, state, ethnicity, grade
level, and so on (called disaggregated scores).
• Make reasonable interpretations of the test,
limiting your interpretations to the data
provided by the test norms and test
characteristics.
33. Saat Anda mengikuti langkah-langkah ini,
Anda harus menggunakan sumber apa pun
yang tersedia untuk mempelajari tentang
pengembangan tes, cara penggunaannya, dan
karakteristiknya yang diinginkan dan tidak
diinginkan. Nanti di bab ini kami menjelaskan
sumber utama dari informasi tersebut.
Dengan mengumpulkan semua fakta yang
tersedia, Anda seharusnya dapat menjawab
pertanyaan-pertanyaan seperti berikut ini:
34. • Untuk tujuan apa tes dirancang? Carilah
bukti yang jelas tentang tujuan dari tes
tersebut, misalnya, pengujian penyandang
disabilitas; evaluasi program; atau pengujian
kemajuan pendidikan untuk tujuan
akuntabilitas.
35. • Tanyakan pada diri Anda sendiri seberapa
cocok tujuan tes tersebut dengan tujuan
Anda sendiri.
36. Sebagai peringatan awal, jangan bergantung
pada judul (nama) yang diberikan untuk tes.
Tes tidak dapat dipilih hanya berdasarkan
nama yang diberikan padanya. Misalnya,
sebuah tes mungkin diberi judul "A Test of
Reading". Bukti lain tentang apa yang
sebenarnya sedang diukur perlu dicari. Item
spesifik dapat diperiksa: Apakah item
berhubungan dengan kosakata? Dengan
pemahaman sederhana? Dengan
pemahaman yang membutuhkan
kesimpulan? Apakah mereka berurusan
dengan mengingat kata-kata dalam sebuah
petikan, atau dengan mengingat kesimpulan?
dan seterusnya. Yang penting dalam
pemilihan tes adalah tinjauan seperti yang
ada di Buku Tahunan Pengukuran Mental,
yang kami jelaskan nanti di bab ini. Yearbook
memberikan tinjauan ahli berdasarkan bukti
mengenai kualitas tes (karakteristik
psikometri) serta penggunaan yang tepat dari
tes tersebut.
37. • Apa sebenarnya yang harus dilakukan oleh
tes tersebut? Cari bukti mengenai kecukupan
tes untuk mendiagnosis kekuatan atau
kelemahan, mengidentifikasi beberapa
karakteristik penting seperti kecemasan atau
motivasi, membedakan kinerja beberapa
As you follow these steps, you should use
whatever sources are available for learning
about a test’s development, the ways it has
been used, and its desirable and undesirable
characteristics. Later in this chapter we
describe major sources of such information.
By pulling together all the available facts, you
should be able to answer questions like the
following:
• For what purposes was the test designed?
Look for clear evidence of what the test is
intended to accomplish, for instance, testing
of persons with disabilities; program
evaluation; or testing of educational progress
for purposes of accountability.
• Ask yourself how well the test’s aims suit
your own purposes.
As an initial caveat do not depend upon the
title (name) given to the test. A test cannot be
selected solely on the name given to it. For
example, a test may be given the title “A Test
of Reading.” It is necessary to look for other
evidence regarding exactly what is being
measured. The specific items could be
inspected: Do the items deal with vocabulary?
With simple comprehension? With
comprehension requiring inferences? Do they
deal with simple recall of words in a passage,
or with recall of inferences? and so on.
Important in the selection of tests are such
reviews as those in the Mental Measurements
Yearbook, which we describe later in this
chapter. The Yearbook provides expert
reviews based on evidence regarding the
quality of the test (its psychometric
characteristics) as well as the appropriate uses
of the tests.
• What exactly should the test do? Look for
evidence regarding the adequacy of the test
for diagnosing strengths or weaknesses,
identifying some important characteristic such
as anxiety or motivation, differentiating the
performance of some group relative to
 kelompok relatif terhadap yang lain,
menyampaikan data untuk mencerminkan
kemajuan siswa dalam pencapaian — semua,
tentu saja, bergantung tentang tujuan Anda.
38. • Hasil khusus apa yang diukur dengan tes?
Review pengujian atau manual akan
menentukan apa yang diukur, bersama
dengan data validitas pendukung. Beberapa
ukuran khusus yang tersedia akan ditemukan
di bawah topik literasi (penggunaan
penerimaan bahasa seperti dalam membaca
atau produksi bahasa seperti dalam
berbicara), pemecahan masalah (dalam
situasi sehari-hari atau dalam area konten
tertentu seperti matematika), keterampilan
motorik perseptual, prestasi (dalam bidang
materi pelajaran tertentu), gaya dan strategi
belajar, dan kecenderungan emosional-
motivasi (kecemasan, harga diri, motivasi
kelas).
39. • Apa jenis dan mode respons khas yang
digunakan dalam pengujian? Secara
karakteristik, tanggapan akan ditetapkan
sebagai objektif atau esai; verbal atau
nonverbal; lisan atau tertulis. Tanggapan
peserta tes mungkin sesederhana tanda
centang atau serumit esai.
40. • Bagaimana tes diberikan? Tes dapat
dilakukan secara individu atau kelompok.
Bergantung pada asumsi tentang kemampuan
bahasa, tes dapat disampaikan dalam bentuk
lisan atau tertulis, dan dapat diatur waktunya
atau diatur sendiri. Kondisinya berbeda
dengan ujian, dan itu penting karena
memengaruhi norma. Jika, misalnya, Anda
ingin memperpanjang waktu pengambilan tes
kelas Anda, Anda ingin mengetahui apakah
tes tersebut diatur berdasarkan batasan
waktu.
41. • Dalam bentuk apa skornya? Anda mungkin
menerima skor mentah, skor standar, atau
persentil; Anda mungkin mendapatkan skor
total untuk setiap siswa atau kumpulan
subskor.
42. • Apa norma yang digunakan dalam
standardisasi? Norma menggambarkan
populasi yang menjadi sasaran penilaian
another, conveying data to reflect student
progress in achievement—all, of course,
depending on what your purposes are.
• What particular outcomes are being
measured by the test? The test review or
manual will specify what is being measured,
along with supporting validity data. Some
specific measures that are available will be
found under the topics of literacy (use of
language reception as in reading or language
production as in speaking), problem solving (in
everyday situations or in specific content
areas like math), perceptual-motor skills,
achievement (in specified subject-matter
areas), learning styles and strategies, and
emotional-motivational tendencies (anxiety,
self-esteem, classroom motivation).
• What is the typical response type and mode
used in the test? Characteristically, responses
will be specified as objective or essay; verbal
or nonverbal; oral or written. The test taker’s
response might be as simple as a check mark
or as complex as an essay.
• How is the test administered? Tests may be
administered individually or in groups.
Depending on assumptions about language
ability, the test may be delivered in oral or
written form, and it may be either timed or
self-paced. The conditions vary with the test,
and they are important because they affect
the norms. If, for example, you wanted to
extend your class’s test-taking time, you
would want to know whether the test was
normed on the basis of time restrictions.
• In what form is the score? You may receive
raw scores, standard scores, or percentiles;
you may get a total score for each student or a
collection of subscores.
• What are the norms used in
standardization? Norms describe the
populations against which performances are
 kinerja. Mereka mungkin termasuk semua
siswa yang pernah mengikuti tes (norma
gabungan) atau mereka mungkin
subkelompok (norma terpilah) berdasarkan
usia kronologis, tingkat kelas, distrik (lokal,
negara bagian, atau nasional), atau
karakteristik demografis (status sosial
ekonomi, jenis kelamin , keanekaragaman
budaya, etnis, keanekaragaman bahasa,
bahasa pertama dan kedua). Selain mencari
karakteristik pembatas dari populasi
normatif, carilah keterkinian norming.
Pentingnya kriteria ini didukung dalam Theory
to Practice Box 8.1, yang mencakup ilustrasi
tentang bagaimana pertimbangan
pengalaman sebelumnya di lingkungan yang
beragam memengaruhi kegunaan hasil
pengujian.
43. • Seberapa memadai karakteristik psikometri
tes? Cari bukti keandalan yang memadai
(stabilitas tes-tes ulang; homogenitas item
dan konsistensi internal; kesepakatan antar-
penilai). Cari dasar klaim tes untuk validitas
skor tes. Anda mungkin ingin merujuk
kembali ke Kotak Teks 8.1 untuk meninjau
karakteristik pengujian yang dibangun dengan
baik.
44. • Apa yang dikatakan pengguna atau
pengulas tentang kecukupan dan kegunaan
tes? Cari komentar peninjau tentang keadilan
tes, kecukupan revisinya, dokumentasi
pendukungnya, serta kekuatan dan
kelemahannya secara keseluruhan.
45. Ingatlah bahwa, betapapun mengesankannya
sebuah tes terlihat dari luar, skor tunggal saja
tidak boleh digunakan untuk membuat
keputusan menyeluruh tentang individu —
misalnya, dalam keputusan seperti mereka
yang terlibat dalam retensi kelas,
penempatan di kelas khusus, atau kelulusan.
Pernyataan The American Psychological
Association (2001) tentang kebijakan tes
mencakup peringatan berikut:
46. Keputusan apa pun tentang pendidikan
lanjutan siswa, seperti retensi, pelacakan,
atau kelulusan, tidak boleh didasarkan pada
hasil tes tunggal, tetapi harus menyertakan
judged. They may include all the students who
ever took the test (aggregated norms) or they
may be subgroups (disaggregated norms)
based on chronological age, grade level,
district (local, state, or national), or
demographic characteristics (socioeconomic
status, gender, cultural diversity, ethnicity,
linguistic diversity, first and second language).
In addition to looking for limiting
characteristics of the normative population,
look for the recency of norming. The
importance of this criterion is supported in
Theory to Practice Box 8.1, which includes
illustrations of how considerations of prior
experience in diverse environments affect the
utility of test results.
• How adequate are the psychometric
characteristics of the test? Look for evidence
of adequate reliability (test-retest stability;
homogeneity of items and internal
consistency; inter-rater agreement). Look for
the bases of the test’s claim to the validity of
test scores. You may want to refer back to
Text Box 8.1 for a review of the characteristics
of well-constructed tests.
• What do users or reviewers say about the
test’s adequacy and usefulness? Look for
reviewers’ comments on the test’s fairness,
the adequacy of its revisions, its supporting
documentation, and its overall strengths and
weaknesses.
Remember that, however impressive a test
may look outwardly, single scores alone
should not be used for making sweeping
decisions about individuals—for example, in
such decisions as those involved in grade
retention, placement in special classes, or
graduation. The American Psychological
Association’s (2001) statement on test policy
includes the following caution:
Any decision about a student’s continued
education, such as retention, tracking, or
graduation, should not be based on the results
of a single test, but should include other
 informasi lain yang relevan dan valid.
47. Hampir semua tes harus menjadi bagian dari
sistem yang dilengkapi dengan sumber
informasi lain. Tes standar biasanya
dikembangkan untuk menilai hasil perilaku di
luar kelas lokal, misalnya, tes tersebut
mungkin telah dikembangkan dari standar
yang disepakati oleh profesi, terlepas dari
kebutuhan lokal. Setelah dikembangkan
untuk tujuan tertentu, mereka cenderung
didasarkan pada konten yang berbeda dari
yang ditugaskan dan dipelajari di kelas
tertentu, jadi mereka harus diteliti dengan
cermat dari beberapa sudut pandang (tingkat
kelas, norma, kelompok usia, lokalitas)
sebelum mereka dipertimbangkan untuk
tujuan penilaian, jika ada.
48. Prosedur yang dijelaskan adalah refleksi dari
pernyataan yang lebih formal tentang kualitas
yang harus dicari dalam memilih tes, seperti
yang dirangkum oleh American Psychological
Association. Ringkasan dari bagian
pernyataan yang berhubungan dengan seleksi
tes disajikan dalam Kotak Teks 8.2.
49. Theory to Practice Box 8.1 LE OF BAGAIMANA
PENGALAMAN SEBELUMNYA
MEMPENGARUHI HASIL STANDARISASI
50. Tes yang dibangun di satu era mungkin tidak
dapat digunakan dengan tepat di era lain
tanpa direvisi. Tes sering kali menjadi
ketinggalan jaman karena perubahan dalam
pengalaman yang mempengaruhi skor
responden, ketika item tes didasarkan pada
pengalaman tersebut. Perbedaan tersebut
disebabkan oleh pengalaman dalam populasi
unik (kelompok) atau subkelompok
berdasarkan lokalitas, budaya, etnis, atau
variabel lain. Siswa dari budaya yang selaras
dengan pengajaran dan penilaian akan tampil
lebih memadai pada penilaian daripada siswa
dari budaya lain yang tidak selaras dengan
apa yang menjadi dasar pengajaran dan
penilaian. Salah satu pemeriksaan tersebut
adalah revisi baru-baru ini dari Tes
Kecerdasan Binet Stanford yang banyak
digunakan, yang telah ditemukan pada awal
relevant and valid information.
Virtually any test should be part of system in
which it is supplemented by other sources of
information. Standardized tests are typically
developed for assessing behavioral outcomes
beyond the local classroom, for instance, they
may have been developed out of standards
agreed upon by the profession, irrespective of
local needs. Having been developed for
specific purposes, they are likely to be based
on different content than that assigned and
studied in a particular class, so they must be
scrutinized carefully from several vantage
points (grade level, norms, age group, locality)
before they are considered for grading
purposes, if at all.
The procedures described are reflections of a
more formal statement of the qualities to look
for in selecting tests, as summarized by the
American Psychological Association. A
summary of the portion of that statement
dealing with test selection is presented in Text
Box 8.2.
Theory to Practice Box 8.1 LE OF HOW
PRIOR EXPERIENCES AFFECT
STANDARDIZED SULTS
A test constructed in one era might not be
appropriately used in another era without
being revised. Tests frequently become
outmoded because of changes in the
experiences that affect the scores of
respondents, when test items are based on
those experiences. Such differences are due to
experiences in unique populations (cohorts) or
subgroups based on locality, culture, ethnicity,
or other variables. Students from a culture
that is aligned with the instruction and
assessment will perform more adequately on
the assessment than students from another
culture not aligned with that in which the
instruction and assessment are based. One
such examination was a recent revision of the
widely used Stanford Binet Intelligence Test,
which had been invented in the early part of
the 20th century, but in which some of the
 abad ke-20, tetapi di mana beberapa item
menjadi ketinggalan zaman di akhir abad ini.
51. Kecukupan budaya suatu tes mungkin tidak
valid karena representasi yang buruk dari
norma-norma yang digunakan untuk
interpretasi skor. Misalnya, norma yang
didasarkan pada prestasi siswa di satu
daerah, seperti daerah perkotaan, mungkin
tidak berguna untuk menafsirkan prestasi
siswa di daerah lain, seperti daerah
pedesaan. Demikian pula, tes mungkin tidak
valid karena tes tersebut bias (tidak adil)
untuk satu kelompok atau lainnya karena
perbedaan budaya, usia, atau lainnya. Skor
yang didasarkan pada respons terhadap item
di mana karakteristik kelompok diabaikan
dapat menyebabkan ketidaksesuaian dalam
interpretasi mengenai tingkat pencapaian
siswa dalam suatu program. Anda dapat
melihat, misalnya, bahwa grup yang terdiri
dari rekan-rekan Anda di era prespace
(kelompok yang lebih lama) tidak diragukan
lagi memiliki definisi yang berbeda dari yang
Anda miliki (kelompok baru-baru ini).
Kelompok Anda memiliki pengalaman sehari-
hari yang cukup banyak dengan istilah seperti
hitung mundur, rap, email, perjalanan luar
angkasa, keren, pengolah kata, digital,
gigabyte, dan nanodetik. Masukkan istilah
khusus konten ini ke dalam item pengujian
standar dan kelompok yang lebih muda
mungkin akan bekerja dengan baik pada
istilah tersebut. Kelompok yang jauh lebih tua
pasti akan lebih kesulitan dengan item;
norma agregat mereka untuk skor pasti jauh
lebih rendah. Di sisi lain, kelompok yang lebih
tua akan memiliki lebih banyak pengetahuan
tentang acara-acara seperti musik pop,
ekonomi, dan politik yang terkait dengan
zaman mereka; pemahaman mereka tentang
musik swing, ekspresi kuda poni, depresi,
isolasionisme, standar emas, atau mesin tik
(bahkan mungkin menggantikan ram untuk
RAM) niscaya akan sangat terkait dengan
makna yang tampaknya menghindari
kelompok yang lebih muda. Jadi, item yang
tanggapannya didasarkan pada arti istilah-
istilah ini mungkin tidak hanya sulit dipahami
items became out of date late in the century.
The cultural adequacy of a test might be
invalidated due to the poor representation of
the norms that are used for interpretation of
the scores. For example, norms based on
student performance in one locality, such as
an urban area, might not be useful for
interpreting student performance in another
locality, such as a rural area. Similarly, a test
might be invalidated because the test is biased
(unfair) to one group or another due to
cultural, age, or other differences. Scores
based on responses to items in which the
characteristics of groups were ignored can
lead to discrepancies in interpretations
regarding achievement level of students in a
program. You can see, for example, that
groups composed of your counterparts in the
prespace era (older cohort) undoubtedly had
different definitions than you have had (recent
cohorts). Your cohort has had considerable
everyday experiences with such terms as
countdown, rap, e-mail, spacewalk, cool, word
processor, digital, gigabyte, and nanosecond.
Put these content-specific terms into
standardized test items and a younger cohort
will probably perform well on them. A much
older cohort will undoubtedly have more
difficulty with the items; their aggregate
norms for scores are certain to be much
lower. On the other hand, the older cohort
will have more knowledge about such events
as the pop music, economics, and politics
associated with their day; their understanding
of swing music, pony express, depression,
isolationism, gold standard, or typewriter
(even possibly substituting ram for RAM) will
undoubtedly be richly associated with
meanings that will seem to evade the younger
cohort. Thus, an item in which the response
was based on the meaning of these terms
might not only be elusive to younger cohorts,
but might actually be unknown to them. Each
cohort has a better working knowledge of the
terms associated with their respective
experiences in understanding events. As a
result, their scores of the two cohorts would
 oleh kelompok yang lebih muda, tetapi
mungkin sebenarnya tidak diketahui oleh
mereka. Setiap kelompok memiliki
pengetahuan kerja yang lebih baik tentang
istilah yang terkait dengan pengalaman
masing-masing dalam memahami peristiwa.
Akibatnya, skor mereka dari dua kelompok
akan sangat berbeda pada setiap item di
mana istilah ini dan konteksnya menjadi
pusat. Pelajaran yang bisa dipetik di sini untuk
pemilihan tes adalah bahwa norma yang
tersedia harus dievaluasi dengan cermat
nilainya dalam membuat interpretasi
terhadap skor yang diperoleh.
52. Kotak Teks 8.2 Pertimbangan dalam
Pemilihan Tes
53. Pengguna tes harus memilih tes yang
memenuhi tujuan yang dimaksudkan dan
yang sesuai untuk peserta tes yang dituju.
54. 1. Tentukan tujuan tes, konten dan
keterampilan yang akan diuji, dan peserta tes
yang dituju. Pilih dan gunakan tes yang paling
sesuai berdasarkan tinjauan menyeluruh atas
informasi yang tersedia.
55. 2. Tinjau dan pilih tes berdasarkan kesesuaian
konten tes, keterampilan yang diuji, dan
cakupan konten untuk tujuan tes yang
dimaksudkan.
56. 3. Tinjau materi yang disediakan oleh
pengembang tes dan pilih tes yang
informasinya jelas, akurat, dan lengkap.
57. 4. Pilih tes melalui proses yang mencakup
orang-orang dengan pengetahuan,
keterampilan, dan pelatihan yang sesuai.
58. 5. Mengevaluasi bukti kualitas teknis
pengujian yang diberikan oleh pengembang
pengujian dan peninjau independen.
59. 6. Mengevaluasi contoh pertanyaan tes atau
tes latihan, arahan, lembar jawaban, manual,
dan laporan skor yang representatif sebelum
memilih tes.
60. 7. Evaluasi prosedur dan materi yang
digunakan oleh pengembang pengujian, serta
pengujian yang dihasilkan, untuk memastikan
bahwa konten atau bahasa yang berpotensi
menyinggung dihindari.
differ considerably on any items in which
these terms and their contexts were central.
The lesson to be learned here for the selection
of tests is that the available norms have to be
carefully evaluated for their value in making
interpretations of the scores obtained.
Text Box 8.2 Considerations in Selection
of Tests
Test users should select tests that meet the
intended purpose and that are appropriate for
the intended test takers.
1. Define the purpose for testing, the content
and skills to be tested, and the intended test
takers. Select and use the most appropriate
test based on a thorough review of available
information.
2. Review and select tests based on the
appropriateness of test content, skills tested,
and content coverage for the intended
purpose of testing.
3. Review materials provided by test
developers and select tests for which clear,
accurate, and complete information is
provided.
4. Select tests through a process that includes
persons with appropriate knowledge, skills,
and training.
5. Evaluate evidence of the technical quality of
the test provided by the test developer and
any independent reviewers.
6. Evaluate representative samples of test
questions or practice tests, directions, answer
sheets, manuals, and score reports before
selecting a test.
7. Evaluate procedures and materials used by
test developers, as well as the resulting test,
to ensure that potentially offensive content or
language is avoided.
61. 8. Pilih tes dengan formulir yang dimodifikasi
dengan tepat atau prosedur administrasi
untuk peserta tes penyandang disabilitas
yang membutuhkan akomodasi khusus.
62. 9. Evaluasi bukti yang tersedia tentang kinerja
peserta tes dari berbagai subkelompok.
Tentukan sejauh mungkin perbedaan kinerja
yang mungkin disebabkan oleh faktor-faktor
yang tidak terkait dengan keterampilan yang
dinilai.
63. Sumber: Diadaptasi dari Joint Committee on
Testing Practices (2007).
64. ■ Sumber untuk Memandu Pemilihan Tes
Standar ■ Sources to Guide Selection of
65. Sisa bab ini dikhususkan untuk sumber
informasi penilaian yang dapat digunakan
untuk membantu saat Anda mengembangkan
rencana pelajaran dan saat Anda melayani
dalam komite yang menangani keputusan
pendidikan, seperti yang pasti akan Anda
lakukan dalam tugas-tugas seperti
mengembangkan Rencana Pendidikan
Individual (IEP) untuk siswa pendidikan
khusus di bawah ketentuan inklusi di kelas
umum.
66. Awalnya, kami akan menyajikan contoh
sumber daya yang dapat Anda konsultasikan
untuk mempelajari lebih lanjut tentang tes,
jenis tes, atau topik pengujian. Kemudian
kami menyajikan standar saat ini yang
digunakan untuk menilai tes. Harapannya
adalah Anda tidak hanya mengetahui ke
mana harus pergi untuk mendapatkan
informasi pengujian, tetapi juga dapat menilai
kualitas suatu pengujian berdasarkan
parameter pengujian formal seperti validitas
dan reliabilitas. Terakhir, kami ingin
mengulangi peringatan bahwa hanya karena
tes dicetak atau memiliki label yang melekat
padanya, itu tidak secara otomatis
merupakan ukuran yang valid.
8. Select tests with appropriately modified
forms or administration procedures for test
takers with disabilities who need special
accommodations.
9. Evaluate the available evidence on the
performance of test takers of diverse
subgroups. Determine to the extent feasible
which performance differences may have
been caused by factors unrelated to the skills
being assessed.
Source: Adapted from Joint Committee on
Testing Practices (2007).
Standardized Tests
This rest of this chapter is devoted to sources
of assessment information that can be used to
help as you develop lesson plans and as you
serve on committees that deal with
educational decisions, as you certainly will in
such tasks as developing Individual Education
Plans (IEPs) for special education students
under provisions of inclusion in general
classes.
Initially, we will present examples of resources
that you can consult to learn more about a
test, a type of test, or a testing topic. Then we
present the current standards by which tests
are judged. The hope is that you will not only
know where to go to get test information, but
also be able to judge the quality of a test
based on formal testing parameters such as
validity and reliability. Finally, we want to
reiterate the caveat that merely because a
test is printed or has a label attached to it, it is
not automatically a valid measure.
67. ■ Buku Tahunan Pengukuran Mental Buros
dan Tes dalam Cetakan
68. The Mental Measurements Yearbook (MMY)
adalah sumber penting untuk mempelajari
hampir setiap tes yang telah diterbitkan.
Volume diterbitkan oleh Buros Institute of
Mental Measurements di University of
Nebraska – Lincoln dan merupakan sumber
informasi paling luas tentang tes formal yang
tersedia. MMY berisi ulasan dan deskripsi tes
yang diterbitkan secara komersial dalam
bahasa Inggris. Meskipun tidak diterbitkan
setiap tahun, namun diperbarui setiap
beberapa tahun.
69. Seri MMY bersifat kumulatif; volume
selanjutnya tidak menggantikan volume
sebelumnya. Dokumen tambahan, Tests in
Print (TIP), terdiri dari daftar deskriptif, tanpa
review, dari tes cetak yang diterbitkan secara
komersial. TIP juga merupakan dokumen
komprehensif di mana isi Buku Tahunan
Pengukuran Mental yang diterbitkan
sebelumnya diindeks.
70. Ada tiga cara dasar untuk mencari tes yang
sesuai di MMY. Anda dapat mencari
berdasarkan (a) judul tes (seperti Slosson Test
of Reading Readiness); (b) jenis atau kategori
konten pengujian yang Anda butuhkan
(misalnya, membaca); atau (c) nama penulis.
Dalam kategori terakhir ini, Anda dapat
menemukan penulis (a) tes, (b) review, atau
(c) artikel referensi yang membahas tes
tersebut. Masing-masing pencarian ini
dijelaskan lebih rinci di bawah.
71. Kotak Teks 8.3 Panduan Pemilihan Tes
Standar: Menggunakan Review Tes
72. Personel khusus, guru-pendidik, dan anggota
masyarakat yang merupakan pengguna tes
yang memenuhi syarat memahami prinsip-
prinsip pengukuran; derivasi dari skor dan
norma; pelaksanaan administrasi pengujian
menurut prosedur yang ditentukan;
kebutuhan mendasar untuk penilaian yang
akurat; interpretasi informasi skor tes untuk
■ Buros Mental Measurements
Yearbook and Tests in Print
The Mental Measurements Yearbook (MMY) is
an important resource for learning about
virtually every test that has been published.
The volumes are published by the Buros
Institute of Mental Measurements at the
University of Nebraska–Lincoln and are a most
extensive source of information about
available formal tests. The MMY contains
reviews and descriptions of commercially
published tests in the English language.
Though not published annually, it is updated
every few years.
The MMY series is cumulative; later volumes
do not replace earlier ones. An adjunct
document, Tests in Print (TIP), consists of
descriptive listings, without reviews, of
commercially published tests in print. TIP is
also a comprehensive document where the
contents of previously published Mental
Measurements Yearbooks are indexed.
There are three basic ways to search for an
appropriate test in MMY. You can search by
(a) the title of the test (such as Slosson Test of
Reading Readiness); (b) the type or category
of test content that you need (for instance,
reading); or (c) an author’s name. In this last
category, you can find the author of (a) a test,
(b) a review, or (c) a referenced article in
which the test is discussed. Each of these
searches is described in more detail below.
Text Box 8.3 Guiding Selection of
Standardized Tests: Using Test Reviews
Specialized personnel, teacher-educators, and
community members who are qualified users
of tests understand the principles of
measurement; the derivation of scores and
norms; the conduct of the administration of
the test according to prescribed procedures;
the underlying necessities for accurate
scoring; the informed interpretation of test
 individu dan kelompok; dan aplikasi hasil
yang berpengetahuan dan produktif.
73. Review yang akan Anda temukan di Buros
Mental Measurements Yearbook atau di
jurnal teknis akan berisi banyak informasi
tersebut. Namun demikian, tinjauan akan
bervariasi sejauh mana informasi tentang
karakteristik ini muncul. Meskipun daftar di
bawah memberikan beberapa informasi yang
akan muncul dalam tinjauan tersebut,
beberapa dapat menambah atau mengubah
informasi yang diperlukan. Untuk membantu
Anda menggunakan tinjauan secara efektif,
daftar periksa akan membantu Anda
menghindari informasi penting yang mungkin
terkandung dalam tinjauan dan
mengidentifikasi informasi yang mungkin
tidak ada dalam tinjauan.
74. Informasi Terkait Administrasi Tes
75. Administrasi pengujian memerlukan prosedur
standar berikut sehingga pengujian digunakan
dengan cara yang ditentukan oleh
pengembang pengujian. Terkadang hal ini
memerlukan pengguna yang memenuhi
syarat bersertifikat untuk menjalankan tes,
misalnya, para pendidik profesional yang
terlatih dalam mengelola tes Stanford Binet
Intelligence. Dalam banyak kasus,
administrator tes diharapkan untuk
memastikan bahwa peserta tes bekerja dalam
kondisi yang memaksimalkan peluang untuk
kinerja yang optimal. Semua yang terlibat
dalam berbagai aspek pemilihan tes akan
memberikan perhatian pada:
76. • Sejauh mana administrasi tes dilakukan
oleh personel yang memiliki informasi yang
cukup terlatih dalam prosedur pengujian
standar
77. • Sejauh mana administrator tes mengikuti
instruksi dalam manual tes; menunjukkan
kejelasan verbal; gunakan petunjuk kata demi
kata; mematuhi petunjuk kata demi kata;
ikuti urutan dan waktu yang tepat; dan
menggunakan materi yang identik dengan
yang ditentukan oleh penerbit uji
scores for individuals and groups; and the
knowledgeable and productive applications of
the results.
The reviews that you will find in the Buros
Mental Measurements Yearbook or in
technical journals will contain much of that
information. Nevertheless, reviews will vary in
the extent to which information about these
characteristics appear. Although the list below
provides some information that will appear in
such reviews, some may add or modify the
information as required. To help you use the
reviews effectively the checklist will help you
avoid overlooking any important information
that might be contained in the review and
identify information that might be absent in
the review.
Information Related to Test Administration
Test administration necessarily requires
following standard procedures so that the test
is used in the manner specified by the test
developers. Sometimes this requires qualified
users certified to administer the tests, for
example, those professional educators trained
in administering the Stanford Binet
Intelligence test. In many instances, test
administrators are expected to ensure that
test takers work within conditions that
maximize opportunity for optimum
performance. All who are involved in the
various aspects of selecting tests will give
attention to:
• The extent to which test administration is
conducted by informed personnel who are
adequately trained in the standard testing
procedures
• The extent to which test administrators
follow the instructions in the test manual;
demonstrate verbal clarity; use verbatim
directions; adhere to verbatim directions;
follow exact sequence and timing; and use
materials that are identical to those specified
by the test publisher
78. • Sejauh mana laporan dibuat tentang faktor-
faktor yang dapat membuat kinerja dan hasil
tes tidak valid, seperti penyimpangan dari
prosedur administrasi tes yang ditentukan,
termasuk informasi tentang masalah,
penyimpangan, dan akomodasi yang mungkin
terjadi
79. Informasi Terkait Penilaian Tes
80. Mungkin terlihat di permukaan bahwa nilai
tes adalah mutlak. Namun, skor yang paling
obyektif pun bisa mengalami kesalahan.
Misalnya, mungkin ada konstruksi kunci skor
yang ceroboh. Jika dinilai dengan tangan,
mungkin ada kesalahan dalam membaca
jawaban. Jika dinilai dengan mesin,
jawabannya mungkin tidak dicatat oleh pensil
yang tepat. Esai dapat memiliki bias yang
lebih besar jika dinilai tanpa rubrik
dibandingkan dengan rubrik. Tetapi rubrik
juga dapat mengalami kesalahan jika tidak
dengan cermat menentukan kriteria yang
diperlukan untuk berbagai tingkat kinerja.
Pengukuran yang akurat memerlukan
prosedur yang memadai untuk menilai
tanggapan peserta tes. Periksa ulasan untuk
informasi yang mereka berikan tentang:
81. • Penyediaan, penerapan dan pemantauan
prosedur penilaian standar
82. • Adanya rubrik yang secara jelas
menjelaskan kriteria penilaian; konsistensi
penilaian harus terus dipantau
83. • Bagaimana skor dapat dipertahankan ketika
ditantang untuk masalah kualitas oleh
pengguna akhir
84. Informasi Terkait Norma
85. Karakteristik dari mereka yang mengikuti tes
— skor siswa yang menjadi dasar norma —
akan membantu menentukan apakah
karakteristik norma tes sesuai untuk audiens
yang dituju dan memiliki kualitas teknis yang
memadai untuk tujuan yang sedang dihadapi.
Beberapa hal yang perlu dipertimbangkan
termasuk:
86. • Seperti apa peserta tes? Informasi teknis
harus ditinjau untuk menentukan apakah
karakteristik tes sesuai untuk peserta tes
(misalnya, usia, tingkat kelas, bahasa, latar
• The extent to which reports are made of
factors that may invalidate test performance
and results, such as deviations from
prescribed test administration procedures,
including information on problems,
irregularities, and accommodations that may
have occurred
Information Related to Test Scoring
It may appear on the surface that test scores
are absolute. However, even the most
objective scores are subject to errors. For
example, there can be careless construction
ofscoring keys. If scored by hand there can be
errors in reading the answers. If scored by
machine, the answers may not have been
recorded by the proper pencils. Essays can be
subject to greater bias if scored without
rubrics than with rubrics. But rubrics are also
subject to error if they do not carefully define
the criteria required for different levels of
performance. Accurate measurement
necessitates adequate procedures for scoring
the responses of test takers. Examine reviews
for the information they provide on:
• The provision, implementation and
monitoring of standard scoring procedures
• The presence of rubrics that clearly specify
the criteria for scoring; scoring consistency
should be constantly monitored
• How scores can be defended when they are
challenged for quality concerns by end users
Information Related to the Norms
The characteristics of those taking the test—
those students’ scores on which the norms
were based—will help determine whether the
characteristics of the test norms are
appropriate for the intended audience and are
of sufficient technical quality for the purpose
at hand. Some areas to consider include:
• What were the test takers like? Technical
information should be reviewed to determine
if the test characteristics are appropriate for
the test taker (e.g., age, grade level, language,
 belakang budaya).
87. • Apakah akomodasi digunakan untuk
kelompok khusus? Jika ya, modifikasi apa
yang dilakukan? Apakah individu penyandang
disabilitas dipertimbangkan? Bagaimana?
Misalnya, apakah tindakan alternatif
ditemukan dan digunakan? Apakah
akomodasi dalam prosedur joki ujian
diterapkan? Bagaimana perubahan prosedur
mempengaruhi interpretasi?
88. • Apakah karakteristik yang terkait dengan
keadilan tes dipertimbangkan? Perhatian
harus diberikan untuk memastikan bahwa tes
tersebut adil, yaitu bahwa tes tersebut tidak
membiaskan hasil untuk siswa berkebutuhan
khusus. Beberapa karakteristik situasi
mungkin tidak terkait (misalnya, usia, latar
belakang etnis, adanya kecurangan) dengan
apa yang sedang diukur, namun hasil
mungkin bias sehingga menyampaikan
informasi yang tidak valid. Dalam situasi
pembelajaran, keadilan juga berkaitan
dengan apakah siswa memiliki kesempatan
untuk belajar atau ketersediaan program
persiapan ujian yang tidak merata.
89. Informasi Terkait Interpretasi Tes
90. Apa pun peran yang dimainkan seseorang
dalam penggunaan tes standar, tes tersebut
harus ditafsirkan secara bertanggung jawab.
Interpretasi membutuhkan pengetahuan
tentang dan pengalaman dengan tes, skor,
dan keputusan yang akan dibuat. Interpretasi
nilai pada setiap tes tidak boleh dilakukan
tanpa pengetahuan yang mendalam tentang
aspek teknis tes, hasil tes, dan batasannya.
Banyak faktor yang dapat memengaruhi
interpretasi nilai tes yang valid dan berguna.
Review akan berisi beberapa pertimbangan
dari faktor-faktor ini, yang dapat
dikelompokkan menjadi beberapa kategori
termasuk karakteristik tes, pengetahuan
responden (peserta tes), dan situasi di mana
tes diberikan.
91. • Tes dan Karakteristiknya. Faktor yang
dijelaskan dalam Kotak Teks 8.1 penting saat
menafsirkan hasil tes. Ciri-ciri dasar tes ini
cultural background).
• Were accommodations employed for special
groups? If so, what modifications were made?
Were individuals with disabilities considered?
How? For instance, were alternative measures
found and used? Were accommodations in
test-taking procedures employed? How did
any change in procedure affect
interpretations?
• Were characteristics related to test fairness
considered? Care should be taken to make
certain that the test is fair, that is, that the
test does not bias the results for special-needs
students. Some characteristics of situations
may be unrelated (e.g., age, ethnic
background, existence of cheating) to what is
being measured but nevertheless may bias
results so that they convey invalid
information. In instructional situation, fairness
also relates to whether or not the student has
had an opportunity to learn or has had
unequal availability of test-preparation
programs.
Information Related to Test Interpretation
Whatever role one might play in the use of
standardized tests, they must be interpreted
responsibly. Interpretation requires
knowledge about and experience with the
test, the scores, and the decisions to be made.
Interpretation of scores on any test should not
take place without a thorough knowledge of
the technical aspects of the test, the test
results, and their limitations. Many factors can
impact the valid and useful interpretations of
test scores. Reviews will contain some
consideration of these factors, which can be
grouped into several categories including test
characteristics, knowledge of the respondents
(test takers), and the situations in which the
test is given.
• The Test and Its Characteristics. The factors
described in Text Box 8.1 are important when
interpreting test results. These basic
 harus diketahui, begitu juga dengan cara
masing-masing mempengaruhi skor dan
interpretasi hasil tes.
92. • Karakteristik Peserta Tes. Kami telah
menyentuh peserta tes di sejumlah bagian
buku ini serta di bagian sebelumnya dari
Kotak Teks ini. Jika Anda mengetahui bahwa
tes tersebut memerlukan interpretasi khusus
untuk kebutuhan khusus atau persyaratan
serupa, lihat ulasan untuk keanggotaan grup
(kurikulum yang berbeda, kebutuhan khusus,
tujuan yang berbeda) dan bagaimana
keanggotaan tersebut dapat mempengaruhi
hasil tes. Ini merupakan faktor penting dalam
interpretasi hasil tes untuk mengetahui
bahwa norma tes didasarkan pada siswa
kejuruan daripada siswa berorientasi
perguruan tinggi; bahwa mereka didasarkan
pada kelompok etnis dengan bahasa selain
bahasa Inggris sebagai bahasa pertama
mereka, bukan bahasa di mana bahasa Inggris
adalah bahasa pertama; atau bahwa
pengujian tersebut adalah ukuran standar
area konten, bukan standar lokal. Secara
khusus, Anda akan ingin menginterpretasikan
hasil tes berdasarkan bukti mengenai dampak
jenis kelamin, usia, etnis, ras, status sosial
ekonomi, dan sebagainya.
93. • Karakteristik Situasi. Fitur ini
memperhitungkan bahwa hasil pada tes apa
pun akan secara unik dipengaruhi oleh
konteks lokal. Hasil tes akan mencerminkan
program pembelajaran lokal, kesempatan
untuk belajar, kualitas program pendidikan,
lingkungan kerja dan rumah, dan faktor
lainnya. Temukan informasi sebanyak
mungkin tentang tes untuk membantu Anda
memahami batasan dalam menafsirkan hasil
tes. Misalnya, tes yang tidak selaras dengan
standar kurikulum dan bagaimana standar
tersebut diajarkan di kelas kemungkinan
besar akan memberikan informasi berguna
yang terbatas atau, paling tidak, akan
membatasi sejauh mana standar tersebut
dapat diinterpretasikan dengan benar.
94. Informasi tentang Mengkomunikasikan Hasil
characteristics of a test should be known, as
should the way each impacts the scores and
the interpretation of test results.
• The Characteristics of the Test Takers. We
have touched on the test taker in a number of
sections of this book as well as in the
foregoing sections of this Text Box. If you
know that the test requires special
interpretation for special needs or similar
requirements, then look in the review for
group memberships (different curricula,
special needs, different aims) and how that
membership may impact the results of the
test. It is a critical factor in the interpretation
of test results to know that the test norms are
based on vocational students rather than
college-oriented students; that they are based
on ethnic groups with a language other than
English as their first language rather than one
in which English is the first language; or that
the test is a measure of a content-area
standard rather than a local standard.
Specifically, you will want to interpret test
results by the evidence regarding the impact
of gender, age, ethnicity, race, socioeconomic
status, and so forth.
• The Characteristics of the Situation. This
feature takes into account that the results on
any test will be uniquely affected by the local
context. Test results will reflect the local
instructional program, opportunity to learn,
quality of the educational program, work and
home environment, and other factors. Find as
much information about the test as possible
to assist you in understanding the limitations
in interpreting test results. For example, a test
that is not aligned to curriculum standards and
how those standards are taught in the
classroom will likely provide limited useful
information or, at the least, will limit the
extent to which they can be interpreted
correctly.
Information about Communicating Test
 Tes
95. Komunikasi yang diinformasikan tentang hasil
tes bertumpu pada dasar pemahaman dasar-
dasar pengukuran dan penilaian, landasan
informasi konstruksi dan interpretasi tes, dan
pemahaman tentang tes tertentu yang dipilih
atau digunakan. Landasan ini dapat
disediakan sebagian oleh manual tes dan
dilengkapi dengan sumber daya seperti Buku
Tahunan Pengukuran Mental Buros atau
dengan tinjauan tes di jurnal profesional dan
teknis.
96. Pada akhirnya, hasil tes dan interpretasinya
harus disampaikan dalam bahasa yang dapat
dipahami oleh pengguna akhir, baik siswa,
orang tua, guru, anggota masyarakat, anggota
dewan, atau masyarakat umum. Bahasa yang
digunakan adalah elemen kunci dalam
membantu orang lain memahami arti dari
hasil tes. Oleh karena itu, penting dalam
pemilihan tes untuk memastikan bahwa tes
yang dipilih cukup dipahami dengan baik
sehingga dapat diinterpretasikan dengan cara
yang akan berguna bagi semua pihak.
Beberapa suplemen dengan informasi latar
belakang dapat membantu menjelaskan hasil
dengan hati-hati tentang salah tafsir. Tinjauan
akan membantu pengguna tes membuat
keputusan tentang sejauh mana komunikasi
dapat dibuat dengan menunjukkan
bagaimana hasil tes dapat dan tidak boleh
diinterpretasikan.
97. Sumber: Berdasarkan American Counseling
Association (2003); Komite Bersama Praktik
Pengujian (2007); dan Wall, Augustin, Eberly,
Erford, Lundberg, & Vansickle (2003).
98. Mencari berdasarkan Judul Tes
99. Gunakan Indeks Judul, yang mencantumkan
semua judul yang termasuk dalam volume. Ini
mencakup referensi silang untuk pengujian
dengan judul yang digantikan atau alternatif.
(Indeks Akronim adalah indeks alternatif. Ini
mencantumkan tes yang terkadang lebih
dikenal dengan akronimnya daripada judul
lengkapnya; SAT dan MAT adalah contoh.)
100. Ketika Anda menemukan judul tes dalam
Results
Informed communication of test results rests
on a foundation of understanding the basics of
measurement and assessment, an informed
foundation of test construction and
interpretation, and an understanding of a
particular test selected or used. This
foundation can be provided in part by the test
manual and supplemented by such resources
as the Buros Mental Measurements Yearbook
or by reviews of tests in professional and
technical journals.
Ultimately, test results and their
interpretations must be conveyed in a
language that end users, whether students,
parents, teachers, community members,
legislators, or the general public can
understand. The language used is a key
element in helping others understand the
meaning of the test results. It is essential,
then, in the selection of tests to make certain
that the test selected is sufficiently well
understood that it can be interpreted in a
manner that will be useful to all concerned.
Some supplementation with background
information can help explain the results with
cautions about misinterpretations. Reviews
will help the test user make decisions about
the extent to which the communication can be
made by indicating how the test results can be
and should not be interpreted.
Source: Based on American Counseling
Association (2003); Joint Committee on
Testing Practices (2007); and Wall, Augustin,
Eberly, Erford, Lundberg, & Vansickle (2003).
Searching by the Title of the Test
Use the Index of Titles, which lists all the titles
included in the volume. It includes cross-
references for tests with superseded or
alternative titles. (The Index of Acronyms is an
alternative index. It lists tests sometimes
better known by their acronyms than their full
titles; SAT and MAT are examples.)
When you find the test title in the index, the
 indeks, angka-angka yang mengikuti judul
mengacu pada nomor entri, bukan nomor
halaman. Bukalah item bernomor itu dan
Anda akan menemukan informasi yang
tersedia pada tes itu. Seringkali, juga, Anda
akan menemukan notasi huruf mengikuti
nama tes: (N) menunjukkan tes baru yang
diterbitkan; (R) berarti telah direvisi atau
ditambah sejak kemunculan terakhirnya
dalam MMY.
101. Berikut adalah contoh dari Indeks Judul MMY:
102. Tes Slosson untuk Kesiapan Membaca, 360
(N)
Inventaris Penilaian Perilaku Sosial, 361 (R)
Skala Iklim Sosial, lihat Skala Lingkungan
Keluarga, Edisi Kedua, 151
Sistem Penilaian Keterampilan Sosial, 362 (N)
Tes Keterampilan Softball, 363 (N)
103. Menelusuri berdasarkan Jenis Tes
104. Gunakan Indeks Subjek yang Diklasifikasikan
untuk menemukan berbagai kategori tes,
seperti tes prestasi, kecerdasan, dan
kepribadian. Indeks ini mengatur semua tes
menjadi 18 kategori area konten utama; tes
muncul menurut abjad dalam setiap kategori.
Seperti yang Anda lihat pada contoh berikut,
populasi yang menjadi tujuan pengujian juga
terdaftar. Sekali lagi perlu diingat bahwa
nomor kutipan mengacu pada nomor entri,
bukan nomor halaman.
105. Penilaian Diagnostik Membaca, Kelas 1–12,
lihat 115
Tes Bacaan Lisan Abu-abu, Edisi Ketiga, Usia
7–0 hingga 18–11, lihat 166
Tes Keterampilan Membaca dan Prestasi
Membaca Diagnostik Grup, Bentuk
Menengah, Kelas 3–9, lihat 170
Tes Membaca Kelompok, Edisi Ketiga, Usia 6–
4 hingga 11–11 dan 8–0 hingga 11–11 — di
bawah rata-rata, lihat 171
Johnston Informal Reading Inventory, Kelas
7–12, lihat 202
106. Menelusuri berdasarkan Nama Penulis Tes
atau Peninjau
numbers immediately following the title refer
to entry numbers, not page numbers. Turn to
that numbered item and you will find the
information available on that test. Often, too,
you will find a letter notation following the
name of the test: (N) indicates a new, recently
published test; (R) means that it has been
revised or supplemented since its last
appearance in an MMY.
Here is an example from the MMY’s Index of
Titles:
Slosson Test of Reading Readiness, 360 (N)
Social Behavior Assessment Inventory, 361 (R)
Social Climate Scales, see Family Environment
Scale, Second Ed., 151
Social Skills Rating System, 362 (N)
Softball Skills Test, 363 (N)
Searching by the Type of Test
Use the Classified Subject Index to locate
various categories of tests, such as
achievement, intelligence, and personality
tests. This index organizes all tests into 18
major content area categories; tests appear
alphabetically within each category. As you
can see in the following example, the
population for which the test is intended is
also listed. Again keep in mind that citation
numbers refer to entry numbers, not to page
numbers.
Diagnostic Assessments of Reading, Grades 1–
12, see 115
Gray Oral Reading Tests, Third Edition, Ages 7–
0 to 18–11, see 166
Group Diagnostic Reading Aptitude and
Achievement Tests, Intermediate Form,
Grades 3–9, see 170
Group Reading Test, Third Edition, Ages 6–4 to
11–11 and 8–0 to 11–11—below average, see
171
Johnston Informal Reading Inventory, Grades
7–12, see 202
Searching by the Name of a Test Author
or Reviewer
107. Di sini Anda akan menggunakan Indeks Nama.
Mengikuti setiap nama, indeks ini memberi
tahu Anda jenis materi apa yang terlibat:
"test" mengacu pada penulis tes, "rev" untuk
penulis review, dan "ref" untuk penulis artikel
yang direferensikan. Sekali lagi, perhatikan
bahwa angka mengacu pada nomor entri.
Anda juga dapat menemukan angka dalam
tanda kurung. Ini mengacu pada tes
bernomor lain dalam volume yang dapat
Anda putar jika Anda mau. Di sisi lain, "r",
menunjukkan ada referensi yang dikutip oleh
pengulas, tetapi itu bukan referensi
bernomor di volume. Berikut adalah contoh
dari Indeks Nama:
108. Dewey, D.: ref, 353(16) Dewey, M. E.: ref,
159(75) DeZolt, D. M.: rev, 68
Diack, H.: ref, 277r Diaferia, G.: ref, 343(78)
Dial, J. G.: test, 284
Diamond, E. E.: rev, 258, 328
Diamond, F.: ref, 36r Diamond, R.: ref,
343(138) Dick, H.: ref, 343(193)
109. Menggunakan Situs Web Buros Institute
110. Selain MMY yang dicetak, Anda dapat
memperoleh informasi dari situs Buros
Institute (www.unl.edu/buros/). Bagian
bernama Test Reviews Online menautkan ke
daftar alfabet nama pengujian dan daftar
pengujian menurut kategori. Halaman ini juga
memungkinkan Anda untuk mencari
berdasarkan kata kunci. Misalnya, pencarian
kata kunci "respons stres" menemukan, di
antara entri lain, Stres
111. Skala Respon, ukuran status emosional anak
yang dikembangkan oleh Louis A. Chandler.
112. Ketika Anda menemukan tes di situs web, klik
namanya untuk melihat deskripsi singkatnya,
seperti yang ditunjukkan pada Gambar 8.1.
Dari layar ini, Anda dapat memesan ulasan
lengkap dengan sedikit biaya. Sebagaimana
dicatat dalam Kotak Teks 8.4, web adalah
sumber daya yang berguna, tetapi tidak
eksklusif, ketika mencari informasi tentang
pengujian.
Here you will use the Index of Names.
Following each name, this index tells you what
kind of material is involved: “test” refers to a
test author, “rev” to a review author, and
“ref” to the author of a referenced article.
Again, note that numbers refer to entry
numbers. You may also find numbers in
parentheses. These refer to another
numbered test in the volume that you can
turn to if you wish. An “r,” on the other hand,
indicates there is a reference cited by the
reviewer, but it is not a numbered reference
in the volume. Here is a sample from the Index
of Names:
Dewey, D.: ref, 353(16) Dewey, M. E.: ref,
159(75) DeZolt, D. M.: rev, 68
Diack, H.: ref, 277r Diaferia, G.: ref, 343(78)
Dial, J. G.: test, 284
Diamond, E. E.: rev, 258, 328
Diamond, F.: ref, 36r Diamond, R.: ref,
343(138) Dick, H.: ref, 343(193)
Using the Buros Institute Website
In addition to the printed MMY, you can
obtain information from the Buros Institute
website (www.unl.edu/buros/). A section
called Test Reviews Online links to both an
alphabetical list of test names and a list of
tests by category. This page also allows you to
search by keywords. For example, the
keyword search “stress response” finds,
among other entries, the Stress
Response Scale, a measure of children’s
emotional status developed by Louis A.
Chandler.
When you find a test on the website, click on
the name to see a brief description of it, as
shown in Figure 8.1. From this screen, you can
order a full review for a small fee. As noted in
Text Box 8.4, the web is a useful, but not
exclusive, resource when searching for
information about tests.
113.
114. Gambar 8.1. Deskripsi Skala Respon Stres dari
situs Buros Institute. Digunakan atas izin.
115. Kotak Teks 8.4 Mengapa Tidak Mengandalkan
Pencarian Web?
116. Seperti yang ditunjukkan oleh diskusi kami
tentang situs web Buros dan ETS, Anda dapat
menemukan banyak informasi bagus tentang
langkah-langkah penilaian formal online.
Faktanya, jika Anda bertanya kepada
mahasiswa sarjana bagaimana mereka bisa
mendapatkan informasi mengenai tes dan
penilaian (atau hampir semua hal lainnya),
mereka kemungkinan besar akan mengatakan
bahwa mereka akan mencari secara online
dengan mesin pencari seperti Google
(www.google. com /) atau Yahoo!
(www.yahoo.com/). Mengapa Anda tidak
mendapatkan semua informasi seperti itu?
Mengapa repot-repot membuka database
Buros atau situs standar lainnya untuk
penilaian pendidikan?
117. Meskipun tidak ada yang salah dengan
pencarian online, masalahnya adalah bahwa
mesin pencari biasa tidak tunduk pada ulasan
formal atau informal, yang berarti Anda harus
menjadi ahli internal saat meninjau materi.
Dan, karena beberapa mesin telusur
mengambil anggaran iklan sebagai imbalan
atas cara situs web menampilkan hasil
penelusuran, klik yang Anda lihat mungkin
merupakan fungsi dari cara pengeluaran uang
periklanan.
118. Sebagai contoh, kami melakukan penelusuran
untuk "tes kekuatan psikis" di Google (situs
yang berisi indeks miliaran dokumen berbasis
Figure 8.1. Description of the Stress Response
Scale from the Buros Institute website. Used
by permission.
Text Box 8.4 Why Not Rely on Web
Searches?
As our discussion of the Buros and ETS
websites indicates, you can find a lot of
excellent information about formal
assessment measures online. In fact, if you
were to ask undergraduate students how they
might get information regarding tests and
assessments (or most anything else for that
matter), they would most likely say they
would search online with a search engine such
as Google (www.google.com/) or Yahoo!
(www.yahoo.com/). Why shouldn’t you get all
your information that way? Why bother going
to the Buros database or any other standard
site for educational assessment?
Although there is nothing wrong with online
searches, the problem is that ordinary search
engines are not subject to formal or informal
reviews, which means that you have to serve
as the in-house expert when reviewing the
material. And, because some search engines
take advertising budgets in return for the way
websites display search results, the hits you
view may be a function of how advertising
dollars are spent.
As an example, we did a search for “psychic
powers test” on Google (a site containing an
index of billions of web-based documents). In
 web). Dalam 130 milidetik, kami memperoleh
informasi tentang 76.800 dokumen! Salah
satu hits kami adalah situs Bella Online
(www.bellaonline.com) yang menawarkan
Tes Psikis dan Kuis. Apakah Anda percaya
pada kekuatan psikis atau tidak, Anda
mungkin berpikir ini adalah upaya tulus untuk
menguji kekuatan semacam itu. Namun,
setelah penyelidikan lebih lanjut, Anda akan
menemukan, terkubur di situs web,
pengakuan bahwa tes tersebut adalah lelucon
yang lucu. Jika Anda gagal meneliti materi
dengan cermat, Anda mungkin percaya
bahwa tes tersebut memiliki dasar.
119.
120. Gambar 8.2. Daftar sebagian hasil pencarian
kata kunci "sains" di database ETS TestLink.
121. ■ Koleksi Tes ETS
122. Koleksi Tes ETS adalah database lebih dari
20.000 tes dan instrumen penilaian dari
seluruh dunia berbahasa Inggris. Koleksinya
kurang formal daripada yang tercantum
dalam MMY karena banyak penilaian belum
dipublikasikan atau ditinjau secara resmi. Tes
dalam jumlah terbatas sebenarnya dapat
diunduh dari situs web ETS dengan biaya yang
murah.
123. Untuk menggunakan koleksi tes ini, kunjungi
situs ETS TestLink secara online
130 milliseconds, we obtained information on
76,800 documents! One of our hits was the
site Bella Online (www.bellaonline.com) which
offers a Psychic Test and Quiz. Whether you
believe in psychic powers or not, you might
think this is a genuine attempt to test for such
powers. Upon further investigation, though,
you will find, buried in the website, an
acknowledgement that the test is a humorous
prank. If you failed to scrutinize the material
carefully, you might have believed that the
test had some foundation to it.
Figure 8.2. A partial listing of the results of the
keyword search “science” in the ETS TestLink
database.
■ The ETS Test Collection
The ETS Test Collection is a database of over
20,000 tests and assessment instruments from
throughout the English-speaking world. The
collection is less formal than that listed in the
MMY because many of the assessments have
not been published or formally reviewed. A
limited number of the tests can actually be
downloaded from the ETS website for a
modest fee.
To use this test collection, go online to the ETS
TestLink homepage
 (www.ets.org/testcoll/index.html), klik
tombol pencarian, dan pilih jenis pencarian
yang Anda inginkan. Biasanya Anda ingin
mencari berdasarkan judul, pengarang, atau
deskriptor (kata kunci). Gambar 8.2
menunjukkan sebagian daftar hasil
penelusuran yang diperoleh dengan
deskriptor "sains". Saat hasil pencarian Anda
muncul, Anda dapat mengklik nama tes untuk
mempelajarinya lebih lanjut.
124. ■ ERIC
125. Pusat Informasi Sumber Daya Pendidikan
(ERIC®) adalah sistem informasi nasional yang
dirancang untuk menyediakan akses siap
pakai ke banyak literatur terkait pendidikan.
ERIC, didirikan pada tahun 1966, diatur
menurut topik topik. Ini menyediakan indeks
jurnal utama terkait pendidikan dan berfungsi
sebagai gudang untuk monografi akademik,
laporan, dan makalah. ERIC juga menugaskan
laporan yang dihasilkan secara internal
tentang topik yang menarik bagi para
pendidik.
126. Yang menarik dalam bab ini, adalah basis data
pencari lokasi tes ERICAE.net, yang akan
membantu Anda menemukan penilaian yang
dimasukkan sebagai bagian dari artikel jurnal
atau ditambahkan ke laporan penelitian
tertentu.
127. Untuk mengilustrasikan penggunaannya,
anggap saja Anda ingin menemukan tes
kecemasan matematika. Pertama-tama Anda
akan pergi ke alamat www.eric.gov. Lalu pergi
ke Pencarian Lanjutan. Masukkan kata kunci
"kecemasan matematika", dan di bawah Jenis
Publikasi, klik "tes / kuesioner". Anda
kemudian akan melihat layar yang mirip
dengan yang ditunjukkan pada Gambar 8.3.
128. Pencarian akan menghasilkan beberapa opsi,
seperti yang ditunjukkan pada Gambar 8.4.
129. Dari hasil pencarian, Anda bisa mendapatkan
kutipan atau, untuk entri yang lebih baru,
teks pdf lengkap dari artikel atau instrumen
tersebut.
130. ■ Standar Pendidikan
131. Pengujian Psikologis
(www.ets.org/testcoll/index.html), click on
the search button, and choose the type of
search you want. Usually you will want to
search by title, by author, or by descriptor
(keyword). Figure 8.2 shows a partial listing of
the search results obtained with the
descriptor “science.” When your search
results appear, you can click on the name of a
test to learn more about it.
■ ERIC
The Educational Resources Information Center
(ERIC®) is a national information system
designed to provide ready access to an
extensive body of education-related literature.
ERIC, established in 1966, is organized by
topical areas. It provides an index of major
educationally related journals and serves as a
repository for academic monographs, reports,
and papers. ERIC also commissions internally
generated reports on topics of interest to
educators.
Of particular interest in this chapter, is the
ERICAE.net test locator database, which will
help you locate assessments that were
incorporated as part of a journal article or
were appended to selected research reports.
To illustrate its use, let’s assume you wanted
to find a test on math anxiety. You would first
go to the address www.eric.gov. Then go to
Advanced Search. Enter the keyword “math
anxiety,” and under Publication Types, click on
“tests/questionnaires.” You would then view a
screen similar to that shown in Figure 8.3.
The search will produce several options, as
shown in Figure 8.4.
From the search result, you can obtain a
citation or, for more recent entries, the full
pdf text of the article or instrument.
■ Standards for Educational
Psychological Testing
132. The Standards for Educational and
Psychological Testing (AERA, APA, & NCME,
1999) adalah sintesis dari upaya beberapa
kelompok untuk mengatur penggunaan tes
dalam pendidikan dan psikologi. Pedoman
tersebut dikembangkan terutama oleh tiga
organisasi: American Educational Research
Association (AERA), American Psychological
Association (APA), dan National Council on
Measurement in Education (NCME). Selain
itu, lebih dari 60 organisasi lain terlibat dalam
meninjau Standar untuk edisi 1999. Standar
berkembang selama periode 50 tahun. Sangat
mungkin bahwa mereka akan terus
dimodifikasi untuk menanggapi perubahan
adat istiadat dan kepekaan.
133. Dengan banyaknya institusi yang terlibat baik
dalam pengembangan dan peninjauan, jelas
bahwa Standar menjangkau khalayak yang
luas. Namun demikian, kecil kemungkinan
bahwa setiap peserta dalam audiens
tersebut, baik perusahaan penguji besar atau
guru individu, dapat 100 persen setia pada
setiap pedoman. Bahkan dengan tes yang
telah diterbitkan selama beberapa tahun,
akumulasi bukti adalah proses yang tidak
pernah berakhir. Sebuah studi yang dilakukan
pada tahun 1986, misalnya, mungkin perlu
direplikasi pada tahun 2000-an untuk
menentukan apakah perubahan dalam
demografi populasi mempengaruhi norma
atau karakteristik lain dari tes tersebut.
134. Namun, pentingnya Standar terletak pada
kriteria yang ditawarkan untuk menilai
kegunaan tes untuk tujuan tertentu. Standar
membahas pentingnya bukti terkait
keandalan dan objektivitas, misalnya. Mereka
juga mencakup topik seperti pengembangan
dan revisi tes, metode administrasi dan
penilaian tes, dan hak dan tanggung jawab
peserta tes.
135. Sebagai demonstrasi cara kriteria Standar
diterapkan, pertimbangkan dua standar
berikut dari Bagian I: Konstruksi Uji, Evaluasi,
dan Dokumentasi:
136. Norma yang disajikan harus mengacu pada
kelompok yang dijelaskan dengan jelas.
The Standards for Educational and
Psychological Testing (AERA, APA, & NCME,
1999) is a synthesis of the efforts of several
groups to govern the use of tests in education
and psychology. The guidelines were
developed mainly by three organizations: the
American Educational Research Association
(AERA), the American Psychological
Association (APA), and the National Council on
Measurement in Education (NCME). In
addition, more than 60 other organizations
were involved in reviewing the Standards for
the 1999 edition. The Standards evolved over
a 50-year period. It is quite likely that they will
continue to be modified in response to
changing mores and sensitivities.
With the number of institutions involved in
both development and review, it is obvious
that the Standards reaches a wide audience.
Nevertheless, it is unlikely that any
participants in that audience, whether large
testing companies or individual teachers, can
be 100 percent faithful to each and every
guideline. Even with tests that have been
published for a number of years, the
accumulation of evidence is a never-ending
process. A study conducted in 1986, for
example, may need to be replicated in the
2000s to determine whether changes in
population demographics affect the norms or
other characteristics of the test.
Still, the importance of the Standards lies in
the criteria they offer for judging the
usefulness of a test for given purposes. The
Standards discuss the importance of evidence
regarding reliability and objectivity, for
example. They also cover topics such as test
development and revision, methods of test
administration and scoring, and the rights and
responsibilities of test takers.
As a demonstration of the way the Standards’
criteria are applied, consider the following two
standards from Part I: Test Construction,
Evaluation, and Documentation:
Norms that are presented should refer to
clearly described groups. These groups should
 Kelompok-kelompok ini haruslah orang-orang
yang biasanya ingin dibandingkan dengan
orang-orang yang diuji oleh pengguna tes.
(hal. 33)
137. Laporan studi norming harus mencakup
tahun di mana data normatif dikumpulkan,
memberikan statistik deskriptif, dan
mendeskripsikan desain pengambilan sampel
dan tingkat partisipasi secara cukup rinci
sehingga studi tersebut dapat dievaluasi
kesesuaiannya. (hal. 33)
138. Penerapan kriteria pertama mendorong revisi
Tes Kosakata Gambar Peabody (PPVT) yang
banyak digunakan. PPVT, yang seolah-olah
merupakan ukuran kecerdasan non-lisan
(nonvokal), pada awalnya dirancang untuk
anak-anak AS yang mengalami keterlambatan
perkembangan. Ukuran tersebut telah
distandarisasi (normatif) pada 2.000 anak
kulit putih dari pedesaan Kentucky. Karena
kemudahan dalam administrasi,
bagaimanapun, instrumen menjadi sangat
populer sebagai penilaian untuk anak-anak
imigran selama akhir 1970-an dan awal 1980-
an. Tetapi membandingkan skor anak-anak
imigran, seperti pengungsi Vietnam, dengan
skor kelompok siswa normatif di Kentucky
jelas gagal untuk memenuhi ketentuan
bahwa kelompok normatif harus cocok
dengan peserta tes yang sebenarnya.
139. Menanggapi kritik tersebut, penerbit tes
mengumpulkan data tambahan dengan
penilaian, menggunakan sampel yang lebih
beragam untuk memastikan keselarasan yang
lebih besar antara norma dan populasi yang
menerima tes. Laporan penerbit juga
memenuhi standar kedua yang dikutip di
atas; itu menjelaskan proses pengambilan
sampel dan norming secara rinci sehingga
pengguna dapat membuat penilaian yang
tepat tentang kegunaan tes. Standar untuk
tes pendidikan dan psikologi diilustrasikan
dalam Kotak Teks 8.5. Sewaktu Anda
mempelajari ilustrasi tersebut, Anda akan
melihat implementasi dari karakteristik tes
yang penting. Silakan kunjungi sumbernya jika
Anda ingin melihat dokumen lengkapnya. Ini
be the ones with whom users of the test will
ordinarily wish to compare the people who
are tested. (p. 33)
Reports of norming studies should include the
year in which normative data were collected,
provide descriptive statistics, and describe the
sampling design and participation rates in
sufficient detail so that the study can be
evaluated for appropriateness. (p. 33)
The application of the first criterion prompted
a revision of the widely used Peabody Picture
Vocabulary Test (PPVT). The PPVT, ostensibly
a non-oral (nonvocal) measure of intelligence,
was originally designed for developmentally
delayed U.S. children. The measure had been
standardized (normed) on 2,000 white
children from rural Kentucky. Because of its
ease in administration, however, the
instrument became very popular as an
assessment for immigrant children during the
late 1970s and early 1980s. But comparing the
scores of immigrant children, such as
Vietnamese refugees, with those of a
normative group of students in Kentucky
clearly failed to comply with the provision that
the normative groups should be a good match
for the actual test takers.
In response to such criticisms, the test
publishers collected additional data with the
assessment, using a more diverse sample to
ensure greater alignment between the norms
and the populations to whom the test was
being administered. The publishers’ report
also complied with the second standard
quoted above; it described the sampling and
norming process in detail so that users could
make an informed judgment about the test’s
usefulness. The standards for educational and
psychological tests are illustrated in Text Box
8.5. As you study the illustrations you will see
the implementation of important test
characteristics. Please visit the source if you
wish to see the complete document. It
provides a guide for test constructors and test
 memberikan panduan untuk konstruktor publishers alike, and is a useful guide for the
pengujian dan penerbit pengujian, dan selection of tests.
merupakan panduan yang berguna untuk
pemilihan pengujian.
140.

141. Gambar 8.3. Pencarian untuk "kecemasan Figure 8.3. A search for “math anxiety” using
matematika" menggunakan ERIC. ERIC.
142.

143. Gambar 8.4. Hasil pencarian. Figure 8.4. The search result.
144. Kotak Teks 8.5 Contoh dari Standar Tes
Pendidikan dan Psikologis Text Box 8.5 An Example from The
Standards for Educational and
Psychological Testing
145. Perhatikan bahwa ini sedang direvisi. Note that this is currently being revised.
146. Menguji Individu dengan Latar Belakang Testing Individuals of Diverse Linguistic
Linguistik yang Beragam Backgrounds
147. Standar 9.1 Praktik pengujian harus dirancang
untuk mengurangi ancaman terhadap
reliabilitas dan validitas kesimpulan skor tes
yang mungkin timbul dari perbedaan bahasa.
148. Standar 9.2 Ketika bukti penelitian yang
kredibel melaporkan bahwa skor tes berbeda
dalam arti di antara subkelompok peserta tes
yang beragam secara linguistik, maka sejauh
memungkinkan, pengembang tes harus
mengumpulkan untuk setiap subkelompok
linguistik mempelajari bentuk yang sama dari
bukti validitas yang dikumpulkan untuk
populasi peserta ujian secara keseluruhan .
149. Standar 9.3 Saat menguji ahli ujian dalam dua
atau lebih bahasa yang tesnya tersedia,
kemahiran bahasa relatif peserta ujian harus
ditentukan. Tes secara umum harus diberikan
dalam bahasa yang paling mahir bagi peserta
tes, kecuali kemahiran dalam bahasa yang
kurang mahir menjadi bagian dari penilaian.
150. Standar 9.4 Modifikasi linguistik yang
direkomendasikan oleh penerbit tes, serta
rasional untuk modifikasi, harus dijelaskan
secara rinci dalam manual tes.
151. Standar 9.5 Jika ada bukti yang dapat
dipercaya tentang perbandingan skor di
seluruh tes atau administrasi reguler dan
yang dimodifikasi, tidak ada tanda yang harus
dilampirkan ke skor. Jika bukti semacam itu
kurang, informasi spesifik tentang sifat
modifikasi harus disediakan, jika diizinkan
oleh hukum, untuk membantu pengguna tes
dengan tepat untuk menafsirkan dan
bertindak berdasarkan nilai tes.
152. Standar 9.6 Ketika tes direkomendasikan
untuk digunakan dengan peserta tes yang
memiliki bahasa yang beragam, pengembang
dan penerbit tes harus memberikan informasi
yang diperlukan untuk penggunaan dan
interpretasi tes yang tepat.
153. Standar 9.7 Ketika sebuah tes diterjemahkan
dari satu bahasa ke bahasa lain, metode yang
digunakan dalam menetapkan kecukupan
terjemahan harus dijelaskan, dan bukti
empiris dan logis harus disediakan untuk
reliabilitas skor dan validitas kesimpulan skor
Standard 9.1 Testing practice should be
designed to reduce threats to the reliability
and validity of test score inferences that may
arise from language differences.
Standard 9.2 When credible research evidence
reports that test scores differ in meaning
across subgroups of linguistically diverse test
takers, then to the extent feasible, test
developers should collect for each linguistic
subgroup studied the same form of validity
evidence collected for the examinee
population as a whole.
Standard 9.3 When testing an examinee
proficient in two or more languages for which
the test is available, the examinee’s relative
language proficiencies should be determined.
The test generally should be administered in
the test taker’s most proficient language,
unless proficiency in the less proficient
language is part of the assessment.
Standard 9.4 Linguistic modifications
recommended by test publishers, as well as
the rational for the modifications, should be
described in detail in the test manual.
Standard 9.5 When there is credible evidence
of score comparability across regular and
modified tests or administrations, no flag
should be attached to a score. When such
evidence is lacking, specific information about
the nature of the modifications should be
provided, if permitted by law, to assist test
users properly to interpret and act on test
scores.
Standard 9.6 When a test is recommended for
use with linguistically diverse test takers, test
developers and publishers should provide the
information necessary for appropriate test use
and interpretation.
Standard 9.7 When a test is translated from
one language to another, the methods used in
establishing the adequacy of the translation
should be described, and empirical and logical
evidence should be provided for score
reliability and the validity of the translated
 tes yang diterjemahkan untuk penggunaan
dimaksudkan dalam kelompok linguistik yang
akan diuji.
154. Standar 9.8 Dalam pengujian ketenagakerjaan
dan pengesahan, tingkat kemahiran yang
disyaratkan dalam bahasa ujian tidak boleh
melebihi yang sesuai dengan pekerjaan atau
profesi yang relevan.
155. Standar 9.9 Ketika beberapa versi bahasa dari
suatu tes dimaksudkan untuk menjadi
pembanding, pengembang tes harus
melaporkan bukti perbandingan tes.
156. Standar 9.10 Kesimpulan tentang kemahiran
bahasa umum peserta tes harus didasarkan
pada tes yang mengukur berbagai fitur
bahasa, dan bukan pada satu keterampilan
linguistik.
157. Standar 9.11 Ketika penerjemah digunakan
dalam pengujian, penerjemah harus fasih
dalam bahasa tes dan bahasa asli peserta
ujian, harus memiliki keahlian dalam
menerjemahkan, dan harus memiliki
pemahaman dasar tentang proses penilaian.
158. Sumber: American Educational Research
Association et al. (1999).
159. ■ Tes Standar dan Penilaian Kelas
160. Tes standar penting sebagai salah satu
sumber data penilaian. Namun, mereka
biasanya tidak menggantikan tes kelas buatan
guru. Menggunakan tes formal untuk tujuan
instruksional dapat menciptakan masalah
interpretasi (Elmore & Rothman, 1999).
Bahkan jika tes dimodifikasi untuk
penggunaan instruksional tertentu di kelas,
skor tes mungkin disalahartikan sebagai
mewakili apa yang sebenarnya telah diajarkan
di kelas, dengan konsekuensi potensi
kesalahan dalam implikasinya untuk
merancang instruksi atau intervensi.
161. Sesuai dengan praktik umum yang dianjurkan
di seluruh teks ini, kami mengulangi poin ini:
Tidak ada satu sumber informasi, tidak ada
tes tunggal, yang dapat memberikan
gambaran lengkap tentang siswa yang
test’s score inferences for the uses intended in
the linguistic groups to be tested.
Standard 9.8 In employment and credentialing
testing, the proficiency level required in the
language of the test should not exceed that
appropriate to the relevant occupation or
profession.
Standard 9.9 When multiple language versions
of a test are intended to be comparable, test
developers should report evidence of test
comparability.
Standard 9.10 Inferences about test takers’
general language proficiency should be based
on tests that measure a range of language
features, and not on a single linguistic skill.
Standard 9.11 When an interpreter is used in
testing, the interpreter should be fluent in
both the language of the test and the
examinee’s native language, should have
expertise in translating, and should have a
basic understanding of the assessment
process.
Source: American Educational Research
Association et al. (1999).
■ Standardized Tests and
Classroom Assessments
Standardized tests are important as one
source of assessment data. However, they do
not ordinarily substitute for the teachermade
classroom test. Using formal tests for
instructional purposes can create problems of
interpretation (Elmore & Rothman, 1999).
Even if a test is modified for particular
instructional use in a classroom, the test score
might be misinterpreted as representing what
had actually been taught in the classroom,
with the consequent potential for errors in its
implications for designing instruction or
interventions.
In keeping with general practices advocated
throughout this text, we reiterate this point:
No single source of information, no single test,
can provide the complete picture of students
that may be required for diagnostic,
 mungkin diperlukan untuk diagnostik,
perencanaan kurikulum, atau tujuan kelas
lainnya. Suplemen termasuk tes buatan guru,
observasi, tes formal, dan tes akuntabilitas,
yang semuanya berkontribusi pada gambaran
holistik kinerja siswa.
162. Berdasarkan keputusan yang kurang tepat,
tes standar formal terkadang dipilih untuk
tujuan mempersiapkan siswa yang akan
mengambil tes dengan format yang sama.
Prosedur tersebut dikenal dengan istilah
teaching to the test. Meskipun buktinya
beragam mengenai sejauh mana guru atau
sekolah terlibat dalam praktik ini, tidak jarang
sekolah memilih bank tes yang ada dan
tersedia untuk umum dalam mempersiapkan
siswa untuk mengikuti tes di seluruh negara
bagian, biasanya disebut tes berisiko tinggi,
digunakan untuk akuntabilitas. Praktik
mengajar hingga ujian tidak bisa dinilai
sebagai apa pun selain buruk. Hal ini
dipahami dengan suara bulat serta didukung
secara empiris bahwa mengajar untuk item
tes tertentu membatasi pembelajaran,
mendorong menghafal item, dan dapat
mengganggu transfer informasi konseptual;
latihan pada item tertentu memang
meningkatkan nilai tes jika item yang identik
muncul pada tes, tetapi tidak meningkatkan
hasil pemahaman dan penerapan yang
relevan secara pendidikan. Hasil positif (jika
meningkatkan nilai tes tanpa meningkatkan
pemahaman dapat disebut positif) dicapai
dengan mendemonstrasikan kepada siswa
jenis item di mana mereka akan diuji dan
jenis respons yang diminta dalam menjawab
item tes, bahkan mungkin memanggil mereka
perhatian untuk menghafal fakta atau istilah
tertentu yang akan dihafal untuk pengakuan
nanti jika muncul pada tes yang akan diambil.
Instruksi berdasarkan ukuran yang tersedia
mungkin dapat diterima, jika guru berhati-
hati dalam menggunakan item sebagai
panduan untuk mengidentifikasi standar yang
mendasari, keterampilan, atau pengetahuan
dari domain yang direpresentasikan dalam
tes daripada pada kemiripan yang
diasumsikan dari struktur item dan spesifik.
curriculum-planning, or other classroom
purposes. Supplements include teacher-made
tests, observations, formal tests, and
accountability tests, all of which contribute to
a holistic picture of student performance.
Based on poorly informed decisions, formal
standardized tests are sometimes selected for
the purpose of preparing students who will be
taking similarly formatted tests. The
procedure is known as teaching to the test.
Although the evidence is mixed regarding the
extent to which teachers or schools engage in
this practice, it is not uncommon for schools
to select existing, publicly available test banks
in preparing students for taking statewide
tests, commonly referred to as high-stakes
tests, used for accountability. The practice of
teaching to the test cannot be judged as
anything other than a poor one. It is
unanimously understood as well as empirically
supported that teaching to specific test items
limits learning, encourages memorization of
items, and may interfere with transfer of
conceptual information; practice on specific
items does enhance test scores if identical
items appear on a test, but does not enhance
the educationally relevant outcomes of
understanding and application. The positive
outcomes (if enhancing test scores without
enhancing understanding can be called
positive) are achieved by demonstrating to
students the type of item on which they are to
be tested and the kind of response called for
in answering the test item, perhaps even
calling their attention to memorizing a specific
fact or term to be memorized for later
recognition if it appears on the test to be
taken. Instruction based on available
measures may be acceptable, if the teacher is
cautious in using the item as a guide for
identifying the underlying standards, skills, or
knowledge of a domain represented in the
test rather than on the assumed similarity of
the item structure and specific content (fact).
It must be understood that a test item is a
mere representation of some skill or
knowledge in a domain. And, further, it is only
 konten (fakta). Harus dipahami bahwa item
tes hanyalah representasi dari beberapa
keterampilan atau pengetahuan dalam suatu
domain. Dan, selanjutnya, itu hanya satu
contoh representasi dari keterampilan atau
pengetahuan itu.
163. Di sini penting untuk mengingatkan pembaca
kami tentang pentingnya melibatkan siswa
dalam penilaian diri dan rekan dalam
berfokus pada target pembelajaran. Umpan
balik semacam itu memberi tahu siswa
tentang tujuan pembelajaran dan kriteria
kualitas yang berlaku untuk pekerjaan
mereka. Hasilnya, siswa belajar untuk
mengidentifikasi tujuan pembelajaran yang
awalnya kurang mereka percayai dan yang
membutuhkan bantuan; mereka memperoleh
metakognisi yang berkaitan dengan
persyaratan untuk pembelajaran mereka
sendiri — persyaratan yang awalnya tidak
mereka sadari. Orientasi seperti itu dalam
penggunaan tes standar menjaga keterkaitan
antara penilaian dan pembelajaran tetap
utuh daripada memperlakukannya sebagai
kegiatan yang terpisah-pisah.
164. Latihan 8.1: Memilih Tes
165. Bagian A. Latihan ini dimaksudkan untuk
membantu Anda mempelajari tentang hasil
sebenarnya dari pencarian informasi yang
mungkin Anda gunakan dalam pemilihan tes.
Untuk percobaan awal:
166. 1. Identifikasi tes yang umum digunakan,
seperti California Achievement Test (CAT)
atau Stanford Achievement Test (SAT).
Instruktur Anda mungkin ingin Anda mencari
informasi tentang tes lain.
167. 2. Jika ada perpustakaan tes di sekolah Anda,
lihat tes dan manual sehingga Anda terbiasa
dengan konstruksinya.
168. 3. Mulailah tinjauan untuk evaluasi Anda
dengan membuka Buku Tahunan Pengukuran
Mental Buros, yang mungkin tersedia melalui
perpustakaan Anda (sebagian besar
perpustakaan menyimpan ini dalam koleksi
referensi mereka).
169. 4. Tindak lanjuti dengan sumber lain untuk
mengetahui tentang tes tersebut.
one sample of the representation of that skill
or knowledge.
It is important here to remind our readers of
the importance of engaging students in
selfand peer-assessment in focusing on
targets for learning. Such feedback informs
students about the goals of learning and the
quality criteria that apply to their work. As a
result, students learn to identify learning goals
for which they initially lacked confidence and
in which they needed help; they acquire
metacognitions related to the requirements
for their own learning—requirements of
which they were initially unaware. Such
orientations in the use of standardized tests
keep the interdependency of assessment and
learning intact rather than treating them as
separately compartmentalized activities.
Exercise 8.1: Selecting Tests
Section A. This exercise is intended to help
you learn about the actual results of a search
for information you might use in test
selection. For an initial attempt:
1. Identify a test that is commonly used, such
as the California Achievement Test (CAT) or
the Stanford Achievement Test (SAT). Your
instructor may wish to have you search for
information about another test.
2. If there is a test library at your school, look
at the test and manual so that you become
familiar with its construction.
3. Begin a review for your evaluation by going
to the Buros Mental Measurement Yearbook,
which is probably available through your
library (most libraries house this in their
reference collection).
4. Follow up with other sources for finding out
about the test.
170. Dengan kata-kata Anda sendiri, tulis evaluasi
tes:
171. 1. Mulailah dengan pernyataan tujuan yang
akan dicapai oleh ujian. Anda mungkin ingin
menggunakan materi dalam kotak (misalnya,
Kotak Teks 8.1 atau Kotak Teks 8.4) sebagai
panduan untuk laporan Anda.
172. 2. Rangkum sejauh mana tes tersebut
memenuhi standar tes yang baik.
173. 3. Pastikan untuk menyebutkan batasan yang
mungkin telah dicatat oleh pengulas.
174. 4. Rangkum alasan untuk menggunakan atau
tidak menggunakan tes serta tujuan yang
mungkin dilayani dan dalam keadaan apa tes
itu akan berguna.
175. Bagian B. Sekarang Anda telah terbiasa
dengan cara menggunakan sumber:
176. 1. Identifikasi tujuan instruksional yang akan
menjadi penting dalam pengajaran Anda
sendiri di mana tes standar mungkin sesuai
(misalnya, Anda mungkin ingin belajar
tentang tingkat pemahaman bacaan di kelas
Anda sebelum atau setelah instruksi, atau
Anda mungkin ingin mempelajari caranya
siswa Anda di kelas Anda dibandingkan
dengan siswa di sekolah lain di negara bagian
dalam memenuhi standar untuk penguasaan
fakta dan operasi aritmatika dasar).
177. 2. Cari volume MMY Buros untuk tes yang
tersedia.
178. 3. Identifikasi tes yang tampaknya sesuai.
Ingatlah bahwa pencarian Anda mungkin
diperluas ke tes tambahan atau tes berbeda
saat Anda melanjutkan tinjauan Anda.
179. 4. Kunjungi sumber tambahan (mis.,
Pencarian online) untuk mendapatkan
informasi, jika diperlukan.
180. 5. Dalam laporan tertulis, ringkaslah
perbandingan yang Anda buat. (lihat juga
paragraf terakhir di bawah Bagian A di atas).
181. 6. Sertakan dalam laporan Anda alasan
mengapa Anda membuat pilihan dari semua
tes yang Anda pilih pada awalnya.
182. ■ Ringkasan
183. Ada alasan bagus untuk memperhatikan
masalah teknis dalam pemilihan tes. Anda
In your own words, write an evaluation of the
test:
1. Begin with a statement of objectives that
would be served by the test. You might want
to use the material in the boxes (e.g., Text Box
8.1 or Text Box 8.4) as a guide for your report.
2. Summarize the extent to which the test
meets good test standards.
3. Be certain to mention any limitations that
might have been noted by the reviewers.
4. Summarize reasons for using or not using
the test as well as the purposes that might be
served and under what circumstances it would
be useful.
Section B. Now that you have become familiar
with how to use the sources:
1. Identify an instructional objective that
would be important in your own teaching for
which a standardized test might be
appropriate (e.g., you might want to learn
about the reading comprehension level of
your class before or after instruction, or you
might want to learn how your students in your
class compare with those in other schools in
the state in meeting standards for mastery of
basic arithmetic facts and operations).
2. Search the Buros MMY volumes for
available tests.
3. Identify tests that seem appropriate. Keep
in mind that your search might be extended to
additional or different tests as you progress
through your review.
4. Go to additional sources (e.g., online
searches) for information, if it seems
necessary.
5. In a written report summarize the
comparisons you made. (see also the last
paragraph under Section A above).
6. Include in your report the reasons why you
made the selection out of all the tests you
initially selected.
■ Summary
There are good reasons for attending to the
technical concerns in the selection of tests.
 akan melakukan banyak hal yang melibatkan
tes yang dipilih dari sumber luar. Mereka
sudah tersedia dan digunakan untuk berbagai
tujuan yang melayani kebutuhan
instruksional di dalam kelas, tetapi, sebagai
tambahan, tes semacam itu umumnya
tersedia untuk (a) seleksi siswa, (b) tujuan
diagnostik, (c) perencanaan program
intervensi, (d) evaluasi sumatif status siswa,
dan (e) tujuan akuntabilitas oleh pembuat
kebijakan. Memperhatikan detail teknis yang
diuraikan dalam bab ini akan membuat
pilihan akhir Anda dari banyak sekali pilihan
yang lebih sesuai untuk tujuan Anda.
184. Guru dapat terlibat langsung dalam pemilihan
tes standar ketika mereka ingin melengkapi
data dari pengukuran informal. Tes Prestasi
Stanford, misalnya, dapat digunakan untuk
menilai kemajuan dalam membaca, sains,
atau matematika.
185. Sebagian besar guru di tingkat SD, setidaknya,
akan dilibatkan dalam membuat rekomendasi
mengenai pemilihan langkah-langkah yang
tepat untuk digunakan dalam Rencana
Pendidikan Individual. Atau mereka mungkin
terlibat dengan tindakan yang tidak mereka
berikan panduan langsung atau tidak
langsung dalam seleksi, tetapi itu adalah
persyaratan kebijakan yang mempengaruhi
evaluasi pertanggungjawaban dan yang
dengannya mereka secara teratur
berpartisipasi dalam mempersiapkan siswa
untuk mengikuti tes. Situasi ini dan situasi
serupa membutuhkan keputusan yang
diinformasikan secara profesional.
Bertentangan dengan pendapat beberapa
orang, menggunakan dan menafsirkan tes
standar adalah bagian penting dari kegiatan
pengajaran normal.
186. Ukuran yang dikembangkan secara formal
melampaui penilaian kemampuan dan
pencapaian. Seorang guru dalam membaca
mungkin ingin menggunakan tes metakognisi
tentang membaca, seorang guru dalam sains
mungkin ingin menggunakan tes
kesalahpahaman dalam sains, atau guru
mana pun mungkin ingin mengevaluasi
You will be doing much that involves tests
selected from outside sources. They are
readily available and used for a variety of
purposes serving instructional needs within
the classroom, but, additionally, such tests are
generally available for (a) student selection,
(b) diagnostic purposes, (c) intervention
program planning, (d) summative evaluation
of student status, and (e) accountability
purposes by policymakers. Attending to the
technical details outlined in this chapter will
make your final selection from the myriad of
choices more appropriate for your purposes.
Teachers may be involved directly in the
selection of standardized tests when they
want to supplement data from informal
measures. The Stanford Achievement Tests,
for example, can be used for assessing
progress in reading, science, or mathematics.
Most teachers in the elementary grades, at
least, will be involved in making
recommendations regarding the selection of
appropriate measures to be used in
Individualized Educational Plans. Or they may
be involved with measures for which they
provide no direct or indirect guidance in
selection, but that are policy requirements
that affect evaluations of accountability and
for which they regularly participate in
preparing students to take the tests. These
and similar situations require professionally
informed decisions. Contrary to the opinion of
some, using and interpreting standardized
tests are a critical part of the normal activities
of teaching.
Formally developed measures go beyond the
assessment of ability and achievement. A
teacher in reading may wish to use a test of
metacognitions regarding reading, a teacher in
science may wish to use a test of
misconceptualizations in science, or any
teacher might wish to evaluate the personality
and motivational characteristics of their
 kepribadian dan karakteristik motivasi
siswanya dengan ukuran yang tersedia. baik
dari sumber komersial maupun dari literatur.
Pemilihan tindakan seperti itu, dari sumber
apa pun, membutuhkan basis pengetahuan
yang terinformasi dengan baik tentang
prosesnya.
187. Secara umum, peran guru mungkin termasuk
mengambil bagian dalam administrasi tes
kelompok formal yang tepat (misalnya, tes
pemahaman di seluruh negara bagian) untuk
memastikan bahwa kinerja diukur secara
akurat (yaitu, dalam kondisi standar). Guru
terlibat dalam pemilihan tes yang terkait
dengan bidang tertentu dan bertugas di
komite yang terlibat dalam pemilihan untuk
tujuan bimbingan (persiapan program
pendidikan individu, remediasi, atau
penempatan pengayaan), yang semuanya
membutuhkan pemahaman tentang dasar-
dasar pemilihan tes .
188. Dalam situasi ini peran guru dapat mencakup
interpretasi hasil tes yang disimpan dan
diambil untuk digunakan. Mereka
mengkomunikasikan pemahaman mereka
tentang tes, nilai tes, dan fungsi yang
disajikan oleh tes kepada publik melalui
interaksi dengan orang tua, dewan sekolah,
dan kelompok seperti asosiasi orang tua-guru.
Semakin banyak, informasi yang diberikan
oleh hasil tes standar digunakan oleh
personel terlatih seperti guru yang
bertanggung jawab atas pendidikan anak-
anak berkebutuhan khusus atau oleh psikolog
sekolah dan konselor pembimbing untuk
penempatan anak di kelas perbaikan atau
pengayaan. Banyak tes yang lebih formal,
seperti tes untuk tujuan diagnostik, harus
dilakukan oleh personel terlatih.
189. Karakteristik tes yang tersedia untuk dipilih
adalah inti dari keputusan yang
diinformasikan. Untuk sampai pada
interpretasi atau kesimpulan yang valid
mengenai kemajuan siswa dalam
pemahaman dan pemikiran, guru harus
menggunakan berbagai penilaian, baik formal
maupun informal. Untuk mencapai tujuan
students by measures that are available either
from commercial sources or from the
literature. A selection of such measures, from
whatever source, necessitates a well-informed
knowledge base regarding the process.
In general, the teacher’s roles may include
taking part in the proper administration of
formal group tests (e.g., the statewide
comprehension tests) to assure that
performance is being measured accurately
(i.e., under standardized conditions). Teachers
engage in the selection of tests related to a
particular field and serve on committees that
engage in the selection for guidance purposes
(preparation of individual educational
programs, remediation, or enrichment
placement), all of which require an
understanding of the bases for test selection.
In these situations the role of teachers may
include the interpretation of test results that
are stored and retrieved for their use. They
communicate their understanding of tests,
test scores, and functions served by tests to
the public through interaction with parents,
school boards, and groups such as the parent-
teacher association. Increasingly, the
information provided by standardized test
results are employed for use by trained
personnel such as teachers responsible for the
education of children with special needs or by
school psychologists and guidance counselors
for placement of children in remedial or
enrichment classes. Many of the more formal
tests, such as those for diagnostic purposes,
must be administered by trained personnel.
The characteristics by which available tests are
to be selected are central to informed
decisions. To arrive at valid interpretations or
inferences regarding student progress in
understanding and thinking, teachers must
use a variety of assessments, both formal and
informal. To achieve the purposes intended in
the use of standardized tests, the technical
 yang dimaksudkan dalam penggunaan tes
standar, kualitas teknis penilaian, item yang
dipilih, dan karakteristiknya harus eksplisit.
Sebuah tes dinilai bukan berdasarkan
labelnya atau oleh apa yang dimaksudkan
oleh penulis untuk diukur oleh tes tersebut.
Itu dinilai berdasarkan itemnya, konten yang
mereka ketuk, standar yang mereka wakili,
sejauh mana materi pelajaran diambil
sampelnya, dan proses yang mendasarinya
disadap. Item yang terdiri dari tes harus
diperiksa untuk apa yang mereka ukur dan
sejauh mana penilaian tersebut mengambil
sampel rentang pengetahuan, pemahaman,
dan keterampilan yang dimaksudkan. Tes
keseluruhan dan item yang menjadi dasarnya
harus peka terhadap perbedaan bahasa dan
budaya serta kebutuhan siswa dengan
disabilitas khusus yang merupakan calon
peserta ujian. Pengukuran penilaian standar,
seperti tugas instruksional, diharapkan
menantang, tidak membuat frustrasi atau
tugas kinerja yang tidak penting.
190. Singkatnya, dasar pemilihan tes adalah
sebagai berikut:
191. • Tujuan. Ketahui tujuan pemilihan tes —
akuntabilitas, diagnosis, atau penyelarasan
dengan standar.
192. • Mengukur. Ketahui karakteristik tes —
apakah tes tersebut mampu memberikan
informasi yang berguna untuk tujuan yang
dimaksudkan.
193. • Kondisi. Ketahui kondisi administrasi tes
yang sesuai.
194. • Peserta ujian. Ketahui kesesuaian tes untuk
karakteristik keragaman, apakah budaya,
usia, tingkat kelas, atau perbedaan individu
lainnya. Ketahui norma yang tersedia.
195. • Penilaian. Ketahui dasar penilaian ukuran,
akurasinya, dan norma yang tersedia untuk
interpretasinya.
196. Saat memilih tes dengan hati-hati periksa
keselarasan antara apa yang diuji dan tujuan
instruksional (yaitu, apa yang diajarkan) jika
Anda berniat menggunakan hasil tes untuk
quality of the assessment, the items selected,
and their characteristics must be explicit. A
test is judged not by its label or by what the
author intended the test to measure. It is
judged on the basis of its items, the content
they tap, the standards they represent, the
extent to which the subject matter is sampled,
and the underlying processes tapped. The
items comprising the test must be examined
for what they are measuring and the extent to
which those assessments sample the range of
knowledge, understanding, and skills
intended. The overall test and the items on
which it is based must be sensitive to language
and cultural differences as well as the needs of
students with special disabilities who are the
potential examinees. Standardized assessment
measures, like instructional assignments, are
expected to be challenging, not frustrating or
unimportant performance tasks.
In summary, the bases for selection of tests
are the following:
• Purpose. Know the purpose for which the
test is being selected—accountability,
diagnosis, or the alignment with standards.
• Measure. Know the characteristics of the
test—whether it is capable of providing
information useful to the purpose intended.
• Conditions. Know the conditions under
which administration of the test is
appropriate.
• Student examinees. Know the
appropriateness of the test for diversity
characteristics, whether cultural, age, grade
level, or other individual difference. Know the
norms available.
• Scoring. Know the basis for the scoring of
the measures, their accuracy, and the norms
available for their interpretation.
When selecting tests carefully inspect the
alignment between what is tested and the
instructional objectives (i.e., what is taught) if
you intend to use the test results for your
 instruksi Anda. Penting bahwa pemilihan
didasarkan pada pertimbangan informasi
tentang program pendidikan dan siswa untuk
memberikan keseluruhan informasi jika akan
berguna untuk rekomendasi tentang
perubahan kurikulum atau program
perbaikan bagi siswa.
197. Pemilihan tes yang akan digunakan dengan
cara standar melibatkan pertimbangan
mengenai administrasi tes. Apakah ada
ketentuan khusus untuk sertifikasi
penyelenggara tes? Pelatihan khusus apa, jika
ada, yang diperlukan dari administrator
tindakan tersebut? Apakah persyaratan untuk
memenuhi persyaratan administrasi standar
dirinci untuk diikuti oleh administrator?
Bisakah tes dilakukan dengan tepat oleh
personel yang ada? (Misalnya, beberapa tes
kecerdasan memerlukan administrasi oleh
psikolog sekolah yang terlatih.)
198. Karakteristik siswa yang menerima tes harus
diperhatikan. Pertimbangkan apakah tes ini
akan digunakan dengan siswa penyandang
disabilitas khusus, siswa dari budaya yang
berbeda, siswa yang bahasa utamanya selain
bahasa Inggris, atau bahkan siswa yang
memiliki pengalaman berbeda karena
pendidikan di tempat atau distrik yang
berbeda tetapi bersebelahan. Usia, tingkat
kelas, dan status sosial ekonomi juga menjadi
pertimbangan.
199. Prosedur penilaian harus jelas; mereka harus
menghasilkan skor yang konsisten dan akurat
untuk interpretasi. Ketika skor akan
digunakan dalam perbandingan normatif,
norma yang sesuai harus tersedia mengenai
kelompok khusus yang diuji (norma terpilah)
untuk menghindari kesalahan klasifikasi siswa
dalam kelompok ini. Mereka harus berguna
dalam mengidentifikasi siswa yang dapat
mengambil keuntungan dari intervensi yang
tersedia.
200. Mengingat pertimbangan keadilan (dibahas
dalam Bab 16 tentang akomodasi tes),
penting untuk mempertimbangkan apakah
tes atau administrasi tes dapat dimodifikasi
instruction. It is important that the selection
be based on consideration of information
about the educational program and students
to provide a rounded body of information if it
is to be useful for recommendations about
curricular changes or remedial programs for
students.
The selection of tests to be employed in
standardized fashion involves considerations
regarding the administration of the test. Are
there special provisions for certification of the
administrator of the tests? What special
training, if any, is required of the
administrator of the measure? Are the
conditions for meeting standard
administration requirements detailed for the
administrator of the measure to follow? Can
the test be administered appropriately by the
personnel available? (For example, some
intelligence tests require administration by
trained school psychologists.)
The characteristics of students to whom the
test is being administered must be addressed.
Consider whether the test is to be used with
students with special disabilities, students
from different cultures, students whose
primary language is other than English, or
even students who have different experiences
due to education in different but adjoining
localities or districts. Age, grade level, and
socioeconomic status are all considerations as
well.
Scoring procedures must be clear; they should
yield consistent and accurate scores for
interpretation. When the scores are to be
used in normative comparisons, the
appropriate norm should be available
regarding special groups being tested
(disaggregated norms) in order to avoid
misclassification of students in these groups.
They should be useful in identifying students
who can profit from the interventions
available.
In view of fairness considerations (covered in
Chapter 16 on test accommodations) it is
important to consider whether the test or its
administration can be modified for special-
 untuk siswa berkebutuhan khusus atau
apakah ada bentuk atau ukuran alternatif
yang telah divalidasi terhadap formulir
aslinya. Saat memilih tes, pertimbangkan
apakah pengajaran dan kurikulum telah
memberikan kesempatan untuk belajar sesuai
standar yang diukur dalam tes.
201. Setelah Anda yakin bahwa tes tersebut
umumnya berorientasi pada tujuan Anda,
periksa data pendukungnya. Misalnya, jika
Anda ingin tes untuk seleksi siswa yang akan
berhasil pada mata kuliah aljabar tingkat
kedua, apakah datanya mendukung validitas
prediktif? Artinya, apakah skor pada tes
berkorelasi dengan keberhasilan pada kursus
kedua? Tes pencapaian standar untuk satu
area konten tidak dapat digunakan untuk
membuat prediksi tentang kesuksesan di area
konten lain jika itu adalah tujuan yang
dimaksudkan; memeriksa data untuk
menentukan bagaimana prediksi dibuat.
Setiap item atau keseluruhan tes harus
dievaluasi terhadap kriteria reliabilitas dan
validitas.
202. Jika Anda mencoba menggunakan hasil tes
standar untuk pengajaran Anda sendiri,
perhatiannya adalah sejauh mana ukuran
tersebut berfungsi sebagai penilaian formatif;
Artinya, interpretasi hasil tes harus memiliki
implikasi untuk mempengaruhi pengajaran
secara positif, baik dalam konten maupun
metode pembelajaran. Untungnya, ulasan
yang mudah diakses oleh para ahli, seperti
yang ada di Buku Tahunan Pengukuran
Mental (Buros Institute of Mental
Measurements, 2000), memberikan sumber
daya yang berguna bagi guru yang terlibat di
tingkat mana pun dalam pemilihan tes untuk
hasil dan tujuan tertentu.
needs students or whether there are
alternative forms or measures that have been
validated against the original forms. When
selecting the test consider whether instruction
and the curriculum have provided the
opportunity for learning to the standards
being measured in the test.
After you are satisfied that the test is generally
oriented toward your purpose, examine its
supporting data. For example, if you want the
test for selection of students who will succeed
in the second-level algebra course, is the data
such that it supports predictive validity? That
is, do the scores on the test correlate with
success in the second course? A standardized
achievement test for one content area can’t
be used for making predictions about success
in another content area if that was the
intended purpose; examine the data to
determine how the predictions were made.
Any item or entire test has to be evaluated
against reliability and validity criteria.
If you are attempting to use standardized test
results for your own teaching, the concern is
the extent to which the measure serves the
function of formative assessment; that is, the
interpretation of test results should have
implications for influencing instruction
positively, both in content and instructional
methods. Fortunately, the easily accessible
reviews by experts, such as those in the
Mental Measurements Yearbooks (Buros
Institute of Mental Measurements, 2000),
provide useful resources for teachers involved
at any level in the selection of tests for specific
outcomes and purposes.
ULASAN :

1. NOMOR 3 “persiapan penting dalam pengajaran di kelas”.

TANGGAPAN : Hal yang harus dipersiapkan guru professional sebelum mengajar juga

merupakan aspek yang penting dan harus diutamakan sebagai seorang guru yang
professional. Guru berperan sebagai model yang dijadikan contoh oleh para peserta didik,
oleh karena itu seorang guru harus memiliki akhlak yang baik dan budi pekerti mulia agar
peserta didik lebih menghormati dan menjadikan seorang guru sebagai pedoman dengan
mengikuti nilai-nilai dasar yang terkandung dalam Pancasila.
2. NOMOR 39 “Bagaimana tes diberikan?”.

TANGGAPAN :
Tes dapat dilakukan secara individu atau kelompok. Bergantung pada asumsi tentang
kemampuan bahasa, tes dapat disampaikan dalam bentuk lisan atau tertulis, dan dapat diatur
waktunya atau diatur sendiri. Kondisinya berbeda dengan ujian, dan itu penting karena
memengaruhi norma. Jika, misalnya, Anda ingin memperpanjang waktu pengambilan tes kelas
Anda, Anda ingin mengetahui apakah tes tersebut diatur berdasarkan batasan waktu.

3. NOMOR 160 “Tes standar penting sebagai salah satu sumber data penilaian”.

TANGGAPAN : data-data penilain juga sangat penting bagi sekolah, sala satunya tes
standar. Daripada menggunakan tes formal untuk tujuan intruksional dapat
menciptakan suatu masalah intrepertasi sering tes ini disala artikan apa yang
sebenarnya yang dia ajarkan kepada siswah.