Analisis Butir Soal Evaluasi Pembelajaran Bab Suhu Kalor dan Pemuaian Kelas VII SMP Menggunakan Aplikasi Iteman

Abstract

Penelitian ini bertujuan untuk menganalisis kualitas butir soal evaluasi pembelajaran dalam topik Suhu, Kalor, dan Pemuaian di kelas VII SMP. Penelitian menggunakan pendekatan kuantitatif deskriptif berbasis Teori Tes Klasik (TTK) dan memanfaatkan perangkat lunak ITEMAN versi 4.3. Sebanyak 30 soal pilihan ganda yang sebelumnya telah divalidasi oleh tujuh ahli dianalisis dengan memperhatikan lima aspek utama, yaitu validitas isi, tingkat kesukaran, daya pembeda, efektivitas pengecoh, dan reliabilitas instrumen. Hasil kajian menunjukkan bahwa sebagian besar soal tergolong mudah dari sisi tingkat kesukaran. Namun begitu, daya pembeda dan reliabilitas instrumen masih rendah, menandakan soal-soal tersebut belum sepenuhnya mampu membedakan kemampuan peserta didik secara akurat. Validitas isi tergolong cukup baik dengan nilai rata-rata Aiken’s V sebesar 0,898, meskipun terdapat dua soal yang belum memenuhi kriteria dan disarankan untuk diperbaiki. Kesimpulan dari temuan ini menekankan perlunya evaluasi kuantitatif untuk memastikan bahwa instrumen benar-benar berfungsi sebagaimana mestinya dalam mengukur pemahaman peserta didik. Maka dari itu, penelitian ini merekomendasikan adanya perbaikan pada butir soal yang kurang baik serta pelatihan lanjutan bagi guru dalam hal penyusunan dan analisis soal berbasis data.

This study aimed to analyze the quality of test items used in learning evaluations for the topic of Heat, Temperature, and Expansion in seventh-grade junior high school science classes. It followed a descriptive quantitative approach based on Classical Test Theory (CTT) and utilized ITEMAN version 4.3 for item analysis. A total of 30 multiple-choice questions, previously validated by seven experts, were examined using five main indicators: content validity, item difficulty, discriminating power, distractor effectiveness, and instrument reliability. The findings revealed that most items fell into the "easy" category based on their difficulty index. However, both the discriminating power and the overall reliability of the test were still considered low. This suggests that the items were not yet effective in differentiating students’ actual levels of understanding. In terms of content validity, the results were relatively strong, with an average Aiken’s V score of 0.898. Even so, two items did not meet the criteria and should be revised. The study underlines the importance of quantitative analysis in ensuring that assessment instruments genuinely measure student comprehension. Based on the results, the research recommends revising weaker items and providing more intensive training for teachers in constructing and analyzing assessments using data-driven methods to improve the overall quality and fairness of student evaluations.