Mencantumkan “rata-rata 100”, “ilmiah”, atau “akurat” belum cukup untuk menunjukkan kualitas pengukuran sebuah tes IQ. Kita perlu mengetahui siapa yang menjadi pembanding, kemampuan apa yang diukur, dan seberapa besar kesalahan dalam angka tersebut.
Jika dasar yang diperlukan untuk menilai kualitasnya tidak dipublikasikan, jangan percaya skor IQ dari tes tersebut sebagai angka yang presisi. Iklan, posisi di hasil pencarian, tampilan hasil yang rapi, dan sertifikat IQ bukanlah bukti kualitas pengukuran. Cara memilih dengan mempertimbangkan biaya dan syarat langganan juga dijelaskan dalam panduan memilih tes IQ online yang tepercaya.
Empat unsur yang menentukan kualitas pengukuran tes IQ
| Unsur | Hal yang perlu diperiksa | Dampak jika tidak ada |
|---|---|---|
| Standardisasi | Apakah kondisi pelaksanaan dan penskoran diseragamkan? | Perbedaan perangkat, waktu, dan cara penskoran ikut tercampur ke dalam skor |
| Norma | Data siapa yang digunakan sebagai pembanding? | Arti IQ 100 atau 2% teratas tidak dapat ditentukan |
| Reliabilitas | Seberapa konsisten skor yang dihasilkan? | Jawaban benar atau salah secara kebetulan dapat mengubah skor secara besar |
| Validitas | Apakah hasil dapat dibaca sebagai kemampuan yang dinyatakan? | Hasil penalaran gambar ditafsirkan terlalu luas sebagai IQ keseluruhan |
Kualitas pengukuran IQ tidak dapat dinilai dari salah satu unsur saja. Norma dalam jumlah besar tetap tidak berguna jika kondisi pelaksanaan sangat beragam. Reliabilitas yang tinggi juga tidak membuat tes penalaran gambar otomatis valid sebagai IQ keseluruhan yang mencakup bahasa, memori, dan kecepatan pemrosesan.
Standardisasi dan norma
Standardisasi berarti menyamakan penjelasan, batas waktu, penyajian soal, penskoran, serta penanganan waktu habis dan interupsi. Dalam tes online, perbedaan tampilan antara ponsel dan PC, keterlambatan jaringan, pengulangan tes, serta penggunaan pencarian web atau catatan juga termasuk kondisi yang memengaruhi skor. Jika orang dengan kemampuan yang sama memperoleh IQ yang sangat berbeda hanya karena perangkat atau jumlah percobaan, skornya tidak menjadi ukuran yang dapat dibandingkan.
Norma adalah kelompok pembanding untuk IQ. Mengubah skor mentah menjadi skala dengan rata-rata 100 dan simpangan baku 15 dapat dilakukan dengan data kelompok mana pun. Namun, menjadikan rata-rata pengunjung situs sebagai 100 tidak berarti skor tersebut menunjukkan posisi seseorang di antara populasi umum orang dewasa di Indonesia.
Setidaknya, periksa informasi berikut.
- Selain jumlah sampel, lihat usia, bahasa, wilayah, dan cara perekrutan
- Penanganan tes pertama dan tes ulang, respons yang tidak wajar, serta tes yang tidak diselesaikan
- Jumlah peserta per kelompok usia dan metode penyesuaian usia
- Tahun pengumpulan data dan kesesuaiannya dengan soal serta metode penskoran saat ini
- Jika tes dikerjakan dalam Bahasa Indonesia, apakah norma acuannya disusun dari respons peserta terhadap soal versi Bahasa Indonesia?
Meskipun tertulis “100.000 peserta”, kualitas norma tidak dapat dinilai jika tidak jelas apakah tes ulang oleh orang yang sama ikut dihitung, berapa jumlah peserta pada tiap usia, dan kapan datanya dikumpulkan. Norma dari versi bahasa lain juga tidak dapat langsung diterapkan pada tes yang hanya diterjemahkan ke Bahasa Indonesia. Pedoman International Test Commission untuk adaptasi tes juga menekankan perlunya bukti yang mendukung norma, reliabilitas, dan validitas versi adaptasi pada populasi sasaran, beserta dokumentasi teknis untuk pengguna tes.
Reliabilitas, kesalahan pengukuran, dan interval kepercayaan
Reliabilitas menunjukkan seberapa konsisten informasi yang tercermin dalam skor dan dinyatakan dengan koefisien antara 0 dan 1. Konsistensi internal menilai keterkaitan antarbutir, sedangkan reliabilitas tes ulang menilai kestabilan hasil pada hari yang berbeda. Karena itu, pernyataan “reliabilitas .90” belum lengkap tanpa jenis koefisien, data peserta, dan skor yang dianalisis.
Reliabilitas dapat digunakan untuk menghitung kesalahan baku pengukuran atau standard error of measurement (SEM) pada skor individu. Pada skala IQ dengan simpangan baku 15 dan reliabilitas .90, SEM adalah sekitar 4,7 poin. Jika interval kepercayaan 95% dihitung dengan ±1,96 SEM, rentang untuk IQ 130 adalah sekitar 121–139. Reliabilitas .90 bukan berarti skor akurat hingga satu poin.
Angka tersebut menunjukkan kesalahan pengukuran yang terdapat dalam satu skor individu. Bias dalam sampel norma atau masalah validitas—misalnya apakah penalaran gambar layak disebut IQ keseluruhan—tidak terselesaikan hanya karena interval kepercayaannya sempit.
Validitas dan cakupan kemampuan yang diukur
Validitas menentukan apakah skor dapat dibaca sebagai kemampuan yang dinyatakan. Hal yang perlu dilihat adalah apakah isi soal mencakup kemampuan tersebut, apakah struktur skor yang diperkirakan terbukti dalam data, dan apakah hasilnya berhubungan sesuai perkiraan dengan tes inteligensi atau tugas lain yang relevan.
Soal gambar atau penalaran matriks dapat menjadi tes yang baik untuk penalaran visual atau penalaran cair. Namun, reliabilitas tinggi pada 30 soal gambar tidak berarti tes tersebut juga mengukur kosakata, pengetahuan, memori kerja, dan kecepatan pemrosesan. Jika hasilnya disebut IQ keseluruhan, diperlukan susunan soal yang mengukur beberapa kemampuan dan dasar yang mendukung penggabungan semuanya menjadi satu skor.
Pernyataan “berkorelasi .70 dengan tes IQ yang sudah ada” juga tidak berarti akurat 70%. Korelasi menunjukkan seberapa jauh dua skor bergerak naik dan turun bersama. Jika sebuah skor dibuat dengan menambahkan 10 poin secara merata kepada semua orang, korelasinya dengan skor asal akan tetap 1 meskipun setiap nilainya bergeser 10 poin. Untuk menilai apakah keduanya dapat diperlakukan sebagai IQ yang sama, kita perlu mengetahui nama dan versi tes pembanding, sampel, selisih rata-rata, dan perbedaan pada tiap rentang skor.
Soal dan norma untuk mengukur IQ tinggi
Untuk membedakan IQ 130 dan 140, sebuah tes harus melewati dua jenis batas atas.
| Batas atas | Hal yang diperlukan | Dampak jika tidak cukup |
|---|---|---|
| Batas atas soal | Soal yang tetap membedakan peserta berkemampuan tinggi | Peserta di rentang atas menjawab hampir semuanya dengan benar sehingga perbedaan kemampuan tidak terlihat |
| Batas atas norma | Data dan metode konversi yang cukup untuk mendukung rentang skor tinggi | Sulit memperkirakan IQ yang terperinci secara stabil dari jumlah jawaban benar yang sama |
Sampel yang besar secara keseluruhan tetap hanya memuat sedikit orang pada ujung distribusi. Jika diasumsikan distribusi normal dengan rata-rata 100 dan simpangan baku 15, sampel 2.000 orang hanya memuat sekitar delapan orang dengan IQ 140 atau lebih. Jumlah itu tidak cukup untuk membedakan IQ 140, 142, dan 145 secara terperinci. Artikel arti skor IQ dan proporsinya dalam populasi menjelaskan mengapa data semakin sulit dikumpulkan pada skor yang semakin tinggi.
Dari sampel norma reguler WISC-V yang berjumlah 2.200 orang, hanya 16 anak yang memiliki salah satu skor komposit 150 atau lebih. Karena itu, norma yang diperluas untuk rentang skor tinggi dikembangkan dan diuji kembali dengan sampel terpisah yang terdiri dari 108 anak berkemampuan tinggi. Tes yang sudah dikenal pun memerlukan desain soal dan data khusus untuk rentang atas.
Informasi publik yang diperlukan untuk menilai kualitas pengukuran
Dalam informasi yang dipublikasikan, lihat dasar yang sesuai dengan klaimnya, bukan sekadar bahasa promosi.
| Klaim yang ditampilkan | Informasi yang diperlukan untuk menilainya |
|---|---|
| IQ 100 atau 2% teratas | Populasi sasaran, susunan sampel, tahun pengumpulan, metode konversi |
| IQ keseluruhan | Kemampuan yang diukur, susunan soal, struktur skor |
| Reliabilitas .90 | Jenis koefisien, sampel analisis, SEM, ketepatan pada tiap rentang skor |
| Korelasi tinggi dengan tes yang sudah ada | Nama dan versi tes, sampel, korelasi, selisih rata-rata |
| Dapat mengukur IQ 140 ke atas | Soal untuk rentang kemampuan tinggi, jumlah peserta di rentang atas, metode ekstrapolasi atau validasi |
| Ilmiah atau akurat | Metode dan hasil yang mendukung masing-masing klaim |
Data mentah, algoritme penskoran, dan soal sebenarnya tidak perlu dipublikasikan seluruhnya. Pengguna sudah dapat menilai klaim jika tersedia informasi tentang sasaran, sampel, kondisi pelaksanaan, metode konversi, reliabilitas dan kesalahan pengukuran, hasil utama validitas, serta kesesuaian informasi teknis dengan versi tes saat ini.
Sebaliknya, jika informasi itu tidak tersedia untuk dinilai, angka terperinci seperti IQ 137 tetap tidak memiliki arti dan ketepatan yang dapat diperiksa. Jangan percaya IQ dari tes yang tidak mempublikasikan dasarnya sebagai angka yang presisi. Inilah kesimpulan praktisnya.
BrainTypeIQ menjelaskan alasan pemilihan 9 tugas dan hubungannya dengan 5 ranah, serta cara membentuk IQ keseluruhan dan 5 ranah dari 9 tugas. BrainTypeIQ juga mempublikasikan konversi ke skor standar dan metode penyusunan skor komposit, norma versi Bahasa Jepang dari 841 peserta yang pertama kali menyelesaikan tes, serta reliabilitas IQ keseluruhan .929 dengan SEM sekitar 4,0 poin pada versi Bahasa Jepang. Versi Bahasa Indonesia saat ini menggunakan penskoran sementara sambil mengumpulkan data versinya sendiri. Jika tujuannya adalah evaluasi formal atau penyerahan hasil kepada pihak lain, pilih berdasarkan perbedaan peran WAIS dan tes IQ online, bukan dengan membandingkan kualitas tes online saja.