Prinsip-prinsip Penilaian dan Evaluasi Pembelajaran Bahasa

Ada beberapa prinsip penilaian yang penting untuk diketahui, yaitu kepraktisan (practicality), keterandalan (reliability), validitas (validity), dan keotentikan (authenticity). Sebuah tes dikatakan praktis apabila tes itu biaya penyelenggaraannya tidak terlalu mahal, tidak menyita waktu terlalu lama, mudah dilaksanakan, dan penyekorannya tidak membutuhkan waktu yang terlalu lama. Tes wawancara untuk yang membutuhkan waktu antara 30-60 menit tentu tidak praktis kalau yang akan dites berjumlah ratusan orang sementara pewawancara hanya 5 orang. Tes yang menggunakan LJK tentu tidak praktis jika penyelenggara tes yang harus memerikasa lembar jawaban itu tak memiliki scanner dan komputernya. Tes menulis yang berlangsung dua jam tentu tidak praktis jika yang ingin kita ketahui hanyalah kemampuan siswa menulis kalimat utama saja (topic sentence). Tes UAN menjadi terkesan tidak praktis karena dalam pelaksanaannya mesti melibatkan tim independen, polisi, dan pengawas dari luar sekolah yang bersangkutan. Tes esei untuk mengetes ratusan orang sementara waktu yang dimiliki guru terbatas, tentu tidak praktis karena pemeriksaanya lama dan subyektif. UAN dengan melibatkan aspek listening akan sangat tidak praktis jika sekolah tak memiliki sistem audio yang baik atau saat tes listrik PLN mati sepanjang hari sementara sistem back up semerti Aki tak tersedia dan tape recorder jumlahnya tak mencukupi.

Yang dimaksud dengan reliable adalah konsisten dan dapat diandalkan. Jika anda memberi tes yang sama pada siswa yang sama atau mengorelasikan dua buah perangkat tes yang paralel, dan hasilnya relatif sama, tes itu dikatakan terandal. Reliabilitas dapat mencakupi reliabilitas antarpenilai dan reliabilitas pelaksanaan. Reliabilitas antarpenilai akan terjadi apabila hasil penilaian yang dilakukan oleh beberapa penilai relatif sama. Misalnya, jika kita memberi skor esei seorang siswa 70, sedangkan sejawat kita memberi skor 72, kedua penilai itu dapat dikatakan memberikan hasil penilaian yang reliable. Reliabilitas dalam pelaksanaan penilaian terjadi apabila instrumen tes yang digunakan dalam situasi apapun hasilnya relatif sama. Reliabilitas dalam pelaksanaan ini dapat terganggu oleh adanya kegaduhan, variasi hasil foto kopi, pencahayaan, dan faktor-faktor sejenis lainnya.

Pengukuran reliabilitas dapat dilakukan dengan beberapa cara. Yang pertama menggunakan teknik belah dua (split-half method), tes paralel, dan pengetesan ulang. Dalam teknik belah dua kita memiliki satu set alat tes, misalnya berisi 50 butir soal pilihan ganda. Kita pisahkan butir genap dan butir ganjil, kemudian keduanya dianggap sebagai dua perangkat tes yang pararel dan kita korelasikan kedua belahan itu menggunakan Pearson Product Moment. Bila korelasinya signifikan, tes itu reliable. Teknik tes pararel dilakukan bila kita mempunyai dua set soal yang bertujuan mengukur hasil belajar yang sama. Setelah diujicobakan, skor kedua set soal itu dikorelasikan dan bila hasilnya signifikan, kedua set soal itu reliable. Teknik terakhir dilakukan bila kita hanya mempunyai satu set soal yang diujicobakan sebanyak dua kali kepada dua kelompok yang tingkat kemampuannya dianggap sama. Bila hasil korelasinya signifikan, tes itu reliable.

Ada beberapa cara untuk meningkatkan reliabilitas soal. Pertama, kita harus membuat soal yang mampu membedakan siswa yang kurang pandai dan yang pandai. Artinya, kita harus membuat soal yang kemungkinan bisa dijawab dengan benar oleh siswa pandai, tetapi tidak oleh siswa yang kurang pandai. Cara kedua adalah dengan tidak terlalu banyak memberi kebebasan kepada peserta tes. Dalam tes writing, misalnya, bila kita memberikan 3 judul dan siswa memilih satu judul yang harus dikembangkan, kemungkinan besar hasil tes tidak reliable karena tulisan yang dihasilkan siswa sangat beragam sehingga penyekorannya sulit untuk konsisten. Cara ketiga adalah dengan memberi perintah yang jelas dan mudah difahami peserta tes. Tidak boleh terjadi peserta tes menjawab salah karena perintahnya tidak jelas. Cara keempat adalah dengan memastikan soal yang diberikan dapat dibaca dengan baik oleh peserta tes. Cetakan atau ilustrasi yang kurang jelas harus dihindari. Cara kelima adalah dengan membuat peserta tes mengenal format dan teknis tes. Misalnya, jika tes menggunakan jawaban komputer, peserta tes harus mengetahui bagaimana cara menghitamkan dan membetulkan kesalahan yang terjadi. Bila tes disampaikan melalui Internet seperti Internet Based TOEFL, peserta tes harus diberi pemanasan dulu agar mengenal format tes yang diberikan. Cara lainnya adalah dengan memberi suasana tes yang nyaman dan tak mengganggu konsentrasi, membuat soal yang sebisa mungkin obyektif, memberi kunci jawaban yang rinci bagi para penilai terutama untuk menilai writing dan speaking selain melatih terlebih dahulu para penilai tersebut.

Validitas adalah sejauh mana kesimpulan yang kita peroleh dari tes yang kita lakukan tepat dan bermakna sesuai dengan tujuan penilaian yang diinginkan. Dengan kata lain tes yang dibuat harus mampu mengukur aspek yang ingin diukur. Jika kita ingin mengukur keterampilan berbicara, tes yang kita kembangkan harus mampu mengukur kemampuan berbicara, bukan keterampilan menulis. Contohnya, tes speaking yang meminta siswa memilih jawaban yang benar dari pertanyaan, “How do you do!” dengan pilihan: a) How do you do, b) Very well, thanks, dan c) Nice to meet you akan kurang valid dibanding dengan tes wawancara dimana pewawancara belum mengenali peserta wawancara dan berinisiatif memperkenalkan diri dengan ungkapan “Hi, my name’s is John, What’s your name?” Bila siswa dapat menjawab, “Hi, Tony. My name is Tony”. Pewawancara lalu meneruskan, “How do you do!” dan menunggu respon yang akan muncul dari peserta tes.

Ada beberapa jenis validitas yang sering dibicarakan dalam teori penilaian. Yang pertama adalah validitas isi. Sebuah tes dikatakan memiliki validitas isi bila isi tes disusun oleh butir-butir tes yang merepresentasikan kompetensi atau keterampilan berbahasa. Dalam kurikulum pembelajaran bahasa Inggris di sekolah menengah, model kompetensi berbahasa yang diadopsi adalah model yang dikembangkan oleh Celce-Murcia dan kawan-kawan (1995:27).  yang terdiri dari lima komponen, yaitu kompetensi sosiokultural (disebut juga kompetensi sosiolinguistik), kompetensi wacana, kompetensi linguistik, kompetensi aksional, dan kompetensi strategis. Kompetensi sosiokultural  adalah pengetahuan yang berhubungan dengan konteks yang mempengaruhi apa yang dikatakan dan bagaimana mengatakannya. Faktor kontekstual mencakupi siapa saja yang terlibat dalam pembicaraan (usia, status sosial) situasi (topik yang dibicarakan, tempat pembicaraan dilakukan), sedangkan ketepatan gaya merupakan kesepakatan mengenai kesantunan (misalnya undak usuk basa untuk Bahasa Sunda) dan variasi bahasa (bahasa hukum, bahasa teknik, dll). Sementara faktor budaya mencakupi dialek, pengetahuan lintas budaya, pengetahuan latar (background knowledge), dan komunikasi non-verbal seperti bahasa tubuh).

Kompetensi aksional adalah pengetahuan yang dibutuhkan untuk memahami tujuan komunikatif dengan melakukan dan menafsirkan tindak tutur dan serangkaian tindak tutur. Kompetensi ini berkaitan dengan pengetahuan mengenai tindak tutur yang dibutuhkan dalam komunikasi interpersonal seperti salam dan perpisahan, berkenalan, menyampaikan informasi dan mengungkapkan gagasan kepada orang lain. Kompetensi linguistik mencakupi leksis, fonologi, morfologi dan  juga sintaksis. Kompetensi strategis merupakan keterampilan dalam mengatasi masalah komunikasi atau kekurangan dalam kompetensi lain (Celce-Murcia et.al. 1995:27). Kompetensi wacana (discourse competence) bagi Celce-Murcia dkk menggabungkan kohesi dan koherensi yang diperlakukan secara terpisah oleh Bachman dan Palmer. Kompetensi strategis terdiri dari strategi menghindar seperti menjauhi topik pembicaraan, strategi pencapaian, dan self monitoring seperti memperbaharui dan memparafrase. Kedalam kompetensi ini dimasukan pula strategi interaksional seperti meminta bantuan, menjelaskan dan mengecek apakah pendengar memahami apa yang telah dikatakan.

Validitas yang kedua berkaitan dengan kriteria tertentu yang ditetapkan. Artinya, sebuah tes dikatakan valid jika hasil yang diperoleh sejalan dengan hasil tes yang diperoleh oleh penilaian lain yang independen dan andal. Validitas jenis ini terdiri dari concurrent validity dan predictive validity. Yang pertama terjadi ketika tes yang divalidasi dan tes yang digunakan sebagai kriteria diteskan secara bersamaan dan hasilnya memiliki korelasi yang tinggi. Predictive validity merupakan kemampuan sebuah tes memprediksi kemampuan peserta tes di masa yang akan datang. Tes TOEFL dapat dikatakan mempunyai predictive validity, karena bila seseorang memiliki skor TOEFL rendah, katakan 450, sementara rata-rata universitas di Amerika Serikat menghendaki skor 550, memaksakan untuk sekolah di negeri Paman Sam tersebut dapat dipastikan ia tak akan dapat mengikuti kuliah dengan baik atau bahkan gagal sama sekali. Validitas yang ketiga adalah validitas konstruk (construct validity). Konstruk merupakan teori, hipotesis atau model yang berusaha menjelaskan gejala yang teramati di lingkungan kita seperti kompetensi berbahasa atau motivasi. Jika konstruk kompetensi berbahasa yang diadopsi adalah model Celce-Murcia dkk (1995:27), tes yang disusun dapat dikatakan memiliki validitas konstruk apabila mengetes kompetensi sosiokultural, kompetensi linguistik, kompetensi aksional, kompetensi strategis dan kompetensi wacana.

Validitas yang keempat adalah validitas perwajahan (face validity). Bila tes yang kita kembangkan memiliki validitas perwajahan, peserta tes akan melihat tes itu fair, relevan, dan bermanfaat dalam meningkatkan keterampilan berbahasanya. Dengan kata lain, bagi peserta dan pelaksana tes, tes itu kelihatan bonafid, berwibawa, mengukur keterampilan yang diperuntukannya, tidak ada kesalahan ketik, ilustrasi, kasetnya jernih, kemasannya dan tata letaknya menarik.

Prinsip tes yang baik keempat adalah keotentikan (authenticity), yaitu tingkat  kesejalanan antara ciri-ciri sebuah tes bahasa dengan fitur-fitur tugas-tugas bahasa yang akan dilakukan dalam bahasa target. Dengan kata lain, bahan atau tugas yang diteskan harus mencerminkan kenyataan yang akan dihadapi dalam kondisi nyata di lapangan. Jika dalam kehidupan sehari-hari kita membaca teks-teks naratif, deskriptif, prosedur, iklan, pengumuman, surat formal, atau laporan, dalam tes pun jenis-jenis teks itu sebisa mungkin terwakili. Keotentikan juga mencakupi tingkat kesukaran tatabahasa, kompleksitas kalimat, serta panjang pendek teks harus seperti apa adanya tidak dipermudah atau diperpendek. Soal yang diteskan pun harus sejalan dengan situasi lapangan. Jika dalam kehidupan sehari-hari kita melakukan proses skimming, scanning, summarising dan concluding, keempatnya harus ditanyakan di dalam tes. Agar keotentikan meningkat, bahasa yang digunakan harus sealamiah mungkin, butir soal yang dibuat harus kontekstual, topik yang dipilih harus menarik bagi siswa, butis soal dikelompokan secara tematis, dan tugas yang diberikan harus merupakan tugas yang banyak ditemukan dalam dunia nyata.

Selain keempat prinsip di atas, validitas tes juga mencakupi validitias konsekuensial. Artinya, dampak tes bagi peserta tes, guru, sekolah, pemerintah dan masyarakat harus dipertimbangkan. Dampak yang ditimbulkan tes dikenal dengan nama washback (dampak balik), yaitu dampak tes terhadap pembelajaran, terutama persiapan menjelang tes. Menjamurnya lembaga bimbingan belajar, les privat, serta buku-buku persiapan UAN, persiapan SNMPTN, persiapan tes STAN, persiapan tes CPNS, dan sejenisnya merupakan salah satu fenomena dampak balik. Jika setelah ada sertifikasi guru banyak ditemukan lembaga yang menjual RPP, sertifikat seminar dan pelatihan dan bahkan produsen ijasah, itu juga merupakan washback dari sertifikasi guru. Yang harus diingat bukan berarti dampak balik itu selalu jelek. Kita harus mampu menghasilkan washback atau dampak balik yang positif. Jika kita melakukan tes formatif dan ditemukan kelemahan siswa dalam belajar atau kelemahan guru mengajar dan kita berusaha memperbaikinya, tes yang kita susun telah menghasilkan dampak balik yang positif. Sebaliknya, jika setelah mengikuti tes siswa malah tidak mengubah gaya dan target belajarnya dan ketika dites lagi hasilnya tetap tidak lulus, tes yang kita kembangkan tidak memberikan dampak balik apapun. Jika kita sering menemukan kursus persiapan TOEFL, Cambridge First Certificate, GRE, iBT, atau SAT, kursus itu muncul sebagai dampak balik dari adanya tes-tes tersebut.

Prinsip penilaian lainnya adalah terpadu, berarti penilaian oleh pendidik merupakan salah satu komponen yang tak terpisahkan dari kegiatan pembelajaran. Penilaian juga harus terbuka. Artinya, prosedur penilaian, kriteria penilaian, dan dasar pengambilan keputusan dapat diketahui oleh pihak yang berkepentingan baik siswa, guru, pemerintah maupun masyarakat. Penilaian harus menyeluruh dan berkesinambungan, yaitu bahwa penilaian oleh pendidik mencakupi semua aspek kompetensi dengan menggunakan berbagai teknik penilaian yang sesuai, untuk memantau perkembangan kemampuan peserta didik. Penilaian juga harus sistematis, yaitu dilakukan secara berencana dan bertahap dengan mengikuti langkah-langkah baku. Penilaian harus beracuan kriteria,yaitu penilaian didasarkan pada ukuran pencapaian kompetensi yang ditetapkan. Terakhir, penilaian harus akuntabel, yaitu dapat dipertanggungjawabkan, baik dari segi teknik, prosedur, maupun hasilnya.