Metodologi

Analisis Butir Soal

Jawaban singkat

Analisis butir soal menilai kualitas setiap soal dari jawaban siswa. Tingkat kesukaran P = banyak siswa yang menjawab benar / jumlah siswa (0,00–0,30 sukar, 0,31–0,70 sedang, 0,71–1,00 mudah). Daya pembeda D = proporsi benar kelompok atas − kelompok bawah (di atas 0,40 baik, negatif berarti soal bermasalah). Pengecoh berfungsi bila dipilih minimal 5% peserta, dan reliabilitas tes dihitung dengan KR-20.

Diperbarui 12 Oktober 2026Tim MetodologiAngka dicocokkan dengan R
Daftar isi
  1. Apa itu analisis butir soal?
  2. Tingkat kesukaran (P)
  3. Daya pembeda (D)
  4. Efektivitas pengecoh
  5. Validitas butir (korelasi point-biserial)
  6. Reliabilitas tes (KR-20)
  7. Memutuskan nasib setiap soal
  8. Format data
  9. Menuliskannya di laporan
  10. Kesalahan umum
  11. Pertanyaan umum
Alat · Analisis butir soalData diolah di browsermu, tidak dikirim ke server

Baris = siswa, kolom = soal. Isinya huruf jawaban (A–E) atau skor 0/1. Kolom nama, baris judul, baris berlabel "Kunci", dan kolom skor total dikenali otomatis. Sel kosong dihitung tidak menjawab.

Kelompok atas dan bawah

27% paling umum. Untuk peserta sedikit (mis. satu kelas di bawah 30 siswa), sebagian pedoman membagi dua sama besar.

Taraf signifikansi validitas

Soal valid bila r point-biserial lebih besar dari r tabel (df = n − 2, dua sisi).

Hasil muncul di sini setelah jawaban ditempel. Belum punya data? Tekan "Pakai data contoh".

Apa itu analisis butir soal?

Analisis butir soal adalah cara menilai kualitas setiap soal dari pola jawaban siswa, bukan hanya nilai akhirnya. Hasilnya menjawab beberapa pertanyaan: apakah soal ini terlalu mudah atau terlalu sulit, apakah soal ini bisa membedakan siswa yang menguasai materi dari yang belum, dan apakah pilihan jawaban yang salah (pengecoh) benar-benar dipilih oleh siswa yang belum paham.

Guru memakainya untuk memperbaiki bank soal, ujian sekolah, atau soal pretest dan posttest dalam penelitian tindakan kelas. Dalam skripsi pendidikan, analisis butir soal biasanya dilakukan pada uji coba instrumen tes, sebelum tes dipakai untuk mengumpulkan data penelitian.

Cara yang dipakai di halaman ini disebut teori tes klasik: semua ukuran dihitung langsung dari proporsi jawaban benar dan skor total.

Tingkat kesukaran (P)

Tingkat kesukaran adalah proporsi siswa yang menjawab soal dengan benar:

P=BJSP = \frac{B}{JS}

dengan B = banyak siswa yang menjawab benar dan JS = jumlah seluruh siswa. Nilainya dari 0 sampai 1. Makin besar P, makin mudah soalnya, jadi nama "indeks kesukaran" sedikit terbalik dengan artinya.

Nilai PKategori
0,00–0,30Sukar
0,31–0,70Sedang
0,71–1,00Mudah

Pembagian ini mengikuti pedoman Suharsimi Arikunto dalam buku Dasar-Dasar Evaluasi Pendidikan, yang paling banyak dipakai di Indonesia. Nilai yang tepat di batas (0,30 dan 0,70) masuk kategori di bawahnya.

Contoh (data rekaan)

Pada data contoh di alat, 25 dari 36 siswa menjawab benar soal S2. Maka P = 25 / 36 = 0,69, sehingga S2 tergolong sedang.

Daya pembeda (D)

Daya pembeda menunjukkan kemampuan soal membedakan siswa berkemampuan tinggi dari yang rendah. Caranya:

  1. Urutkan siswa dari skor total tertinggi ke terendah.
  2. Ambil kelompok atas dan kelompok bawah. Patokan yang umum adalah 27% teratas dan 27% terbawah, yang diusulkan Truman L. Kelley (1939) karena memberi pembeda paling tajam tanpa membuat kelompoknya terlalu kecil. Untuk kelas kecil, sebagian pedoman membagi siswa menjadi dua kelompok sama besar (50%).
  3. Hitung proporsi benar di masing-masing kelompok, lalu kurangkan.
D=BAJA−BBJB=PA−PBD = \frac{BA}{JA} - \frac{BB}{JB} = P_A - P_B

dengan BA dan BB = banyak yang menjawab benar di kelompok atas dan bawah, serta JA dan JB = banyak siswa di masing-masing kelompok.

Nilai DKategori
NegatifSoal bermasalah, sebaiknya dibuang
0,00–0,20Jelek
0,21–0,40Cukup
0,41–0,70Baik
0,71–1,00Baik sekali

Contoh (data rekaan)

Ada 36 siswa, jadi tiap kelompok berisi 27% × 36 = 9,72, dibulatkan menjadi 10 siswa.

  • Soal S2: 10 dari 10 siswa kelompok atas menjawab benar, sedangkan di kelompok bawah hanya 3 dari 10. D = 1,00 − 0,30 = 0,70, kategori baik.
  • Soal S7: kelompok atas 5 dari 10, kelompok bawah 8 dari 10. D = 0,50 − 0,80 = −0,30. Daya pembeda negatif: siswa yang lemah justru lebih sering benar. Penyebab yang paling sering adalah kunci jawaban yang salah, soal yang ambigu, atau pengecoh yang ternyata juga benar.

Bila beberapa siswa punya skor total yang sama tepat di batas kelompok, siapa yang masuk kelompok atas ditentukan oleh urutan data. Pada kelas kecil, ini bisa menggeser D sedikit; laporkan cara pembagian yang kamu pakai.

Efektivitas pengecoh

Pada soal pilihan ganda, pilihan yang salah disebut pengecoh (distraktor). Pengecoh yang baik terlihat masuk akal bagi siswa yang belum paham, sehingga ada yang memilihnya. Patokan yang umum: pengecoh berfungsi bila dipilih oleh sekurang-kurangnya 5% peserta tes.

Selain itu, pengecoh yang baik lebih banyak dipilih kelompok bawah daripada kelompok atas. Bila sebuah pengecoh justru lebih banyak dipilih kelompok atas, periksa apakah pilihan itu sebenarnya juga bisa dianggap benar.

Contoh (data rekaan)

Pada soal S3, 35 siswa memilih A (kunci) dan satu siswa tidak menjawab. Pengecoh B, C, D, dan E tidak dipilih siapa pun, sehingga keempatnya tidak berfungsi. Soal ini juga sangat mudah (P = 0,97). Perbaikannya adalah mengganti pengecoh dengan pilihan yang lebih masuk akal, misalnya kesalahan konsep yang sering dibuat siswa.

Validitas butir (korelasi point-biserial)

Validitas butir soal benar-salah dihitung dengan korelasi point-biserial antara skor soal (0 atau 1) dan skor total:

rpbis=Mp−MtStpqr_{pbis} = \frac{M_p - M_t}{S_t}\sqrt{\frac{p}{q}}

dengan MpM_p = rata-rata skor total siswa yang menjawab benar soal itu, MtM_t = rata-rata skor total semua siswa, StS_t = simpangan baku skor total, pp = proporsi yang menjawab benar, dan q=1−pq = 1 - p. Hasilnya sama dengan korelasi Pearson antara skor soal dan skor total, sehingga cara membacanya sama dengan uji validitas: soal valid bila rpbisr_{pbis} lebih besar dari r tabel dengan df = n − 2.

Soal yang dijawab benar oleh semua siswa (atau salah semua) tidak punya variasi, sehingga korelasinya tidak bisa dihitung.

Reliabilitas tes (KR-20)

Untuk tes yang setiap soalnya bernilai 0 atau 1, reliabilitas dihitung dengan rumus KR-20 dari G. Frederic Kuder dan Marion Richardson (1937):

r11=kk−1(1−∑pqSt2)r_{11} = \frac{k}{k-1}\left(1 - \frac{\sum pq}{S_t^2}\right)

dengan k = banyak soal dan St2S_t^2 = varians skor total (dibagi n). Hasilnya sama dengan Cronbach's Alpha pada data 0/1. Batas yang umum dipakai adalah 0,70. Rumus KR-21 lebih sederhana karena hanya memakai rata-rata dan varians skor total, tetapi menganggap semua soal sama sukarnya, sehingga hasilnya tidak pernah lebih tinggi dari KR-20. Keduanya juga tersedia di uji reliabilitas.

Pada data contoh, KR-20 = 0,797, sehingga tesnya tergolong reliabel.

Memutuskan nasib setiap soal

Alat di atas memberi saran awal dari daya pembeda:

Daya pembedaSaran
NegatifBuang, atau periksa dulu kuncinya
0,00–0,20 (jelek)Revisi
Di atas 0,20Pakai

Saran ini titik awal, bukan aturan mutlak. Pertimbangkan juga hal berikut:

  • Soal dengan daya pembeda baik tetap perlu diperbaiki bila pengecohnya tidak berfungsi.
  • Soal yang sangat mudah atau sangat sukar boleh dipertahankan dalam jumlah kecil, misalnya untuk soal pembuka atau pengayaan.
  • Bila pedoman sekolah, kampus, atau dosen pembimbingmu memakai batas lain, ikuti pedoman itu dan sebutkan di laporan.

Format data

Satu baris untuk satu siswa dan satu kolom untuk satu soal, boleh dengan baris judul dan kolom nama.

NamaS1S2S3S4
KunciBEAD
AniBECD
BudiAEA
  • Kunci bisa ditulis sebagai baris berlabel Kunci, atau diketik di kotak kunci (mis. BEAD).
  • Jawaban satu siswa boleh berupa deretan huruf dalam satu sel, misalnya BEAD.
  • Sel kosong atau tanda strip dihitung tidak menjawab (skor 0).
  • Bila jawaban sudah dinilai, tempel skor 0/1. Analisis pengecoh hanya tersedia untuk data huruf.

Contoh dari data rekaan di alat:

Analisis 20 butir soal pada 36 peserta menunjukkan tingkat kesukaran: 1 soal sukar (5,0%), 12 sedang (60,0%) dan 7 mudah (35,0%). Daya pembeda (kelompok atas dan bawah masing-masing 27% peserta): 3 soal baik sekali (15,0%), 9 baik (45,0%), 5 cukup (25,0%), 2 jelek (10,0%) dan 1 bernilai negatif (5,0%). Reliabilitas tes dengan rumus KR-20 sebesar 0,797, sehingga tes tergolong reliabel.

Lampirkan tabel analisis per soal, lalu jelaskan soal mana yang dipakai, direvisi, atau dibuang, beserta alasannya. Bila tes dipakai dalam penelitian, soal yang direvisi sebaiknya diuji coba ulang.

Kesalahan umum

  • Mengira P besar berarti soal sukar. Kebalikannya: P besar berarti banyak yang menjawab benar.
  • Langsung membuang soal berdaya pembeda negatif tanpa memeriksa kuncinya.
  • Menyimpulkan kualitas soal dari kelas yang sangat kecil tanpa menyebut keterbatasannya.
  • Memakai data uji coba yang sama dengan data penelitian. Uji coba sebaiknya dilakukan pada siswa lain yang setara.

Pertanyaan umum

Berapa banyak siswa yang dibutuhkan?

Makin banyak makin stabil. Dengan satu kelas berisi 30-an siswa, kelompok atas dan bawah 27% hanya berisi sekitar 8–10 siswa, sehingga satu jawaban saja sudah menggeser daya pembeda 0,10. Karena itu, untuk kelas kecil sebagian pedoman memakai dua kelompok sama besar (50%). Untuk keputusan penting, gabungkan data dari beberapa kelas.

Soal mudah atau sukar harus dibuang?

Tidak harus. Tes yang baik justru memuat sebagian kecil soal mudah dan sukar, dengan kebanyakan soal sedang. Keputusan membuang atau merevisi lebih banyak ditentukan oleh daya pembeda: soal dengan daya pembeda negatif atau sangat rendah perlu diperiksa.

Bagaimana dengan soal uraian (esai)?

Prinsipnya sama, tetapi memakai rata-rata skor: tingkat kesukaran = rata-rata skor soal / skor maksimal soal, dan daya pembeda = (rata-rata kelompok atas − rata-rata kelompok bawah) / skor maksimal soal. Alat di halaman ini khusus untuk soal yang dinilai benar-salah (pilihan ganda, benar-salah, isian singkat).

Apakah data siswa saya dikirim ke server?

Tidak. Jawaban yang kamu tempel diolah langsung di browser dan tidak disimpan maupun dikirim ke mana pun.

Alat terkait

Panduan terkait