Pendahuluan

Di era digital, teknologi telah menembus berbagai disiplin ilmu, termasuk kinanthropologi—bidang yang mempelajari hubungan antara aktivitas fisik dan manusia. Salah satu terobosan penting adalah penggunaan Computerized Adaptive Testing (CAT) dalam menilai konsep-konsep laten seperti physical self-concept. Dalam disertasi doktoralnya di Charles University, Martin Komarc mengeksplorasi efektivitas CAT menggunakan simulasi Monte Carlo berbasis Physical Self-Description Questionnaire (PSDQ) untuk mengatasi keterbatasan metode tes konvensional.

Masalah dalam Tes Konvensional: Efisiensi vs Ketepatan

Metode penilaian tradisional seperti tes linear tetap memiliki kelebihan—konsistensi, biaya rendah, dan kemudahan administrasi. Namun, mereka juga memunculkan berbagai isu seperti:

• Durasi tes yang panjang dan membebani peserta.
• Tingkat kesalahan pengukuran yang tidak seragam.
• Kurangnya fleksibilitas dalam mengakomodasi kemampuan individu.

CAT hadir sebagai solusi dengan memilih item berdasarkan respons peserta secara real-time, mempersingkat waktu tes tanpa mengorbankan akurasi. Namun, efektivitas sistem ini bergantung pada beberapa faktor, seperti algoritma pemilihan item, metode estimasi kemampuan (trait), dan distribusi variabel laten.

Tujuan dan Metodologi Penelitian

Komarc merancang simulasi Monte Carlo untuk:

1. Mengevaluasi seberapa efisien CAT mempersingkat panjang tes PSDQ.
2. Mengukur akurasi estimasi trait dibandingkan hasil penuh PSDQ.
3. Membandingkan metode estimasi (MLE vs EAP), metode pemilihan item (Fisher vs Kullback-Leibler), dan berbagai tingkat ketelitian (berbasis standard error).

Parameter Simulasi:

• 70 item PSDQ (dimensi tunggal).
• 1000 peserta simulasi dengan distribusi trait normal dan uniform.
• Simulasi menggunakan 48 kombinasi pengaturan algoritma.
• Evaluasi menggunakan ANOVA dan korelasi Pearson.

Hasil Kunci

Efisiensi Panjang Tes

• Pada tingkat presisi tinggi (SE = 0.23), dibutuhkan 22–34 item.
• Pada presisi moderat (SE = 0.32), hanya 14–18 item yang diperlukan.
• Pada presisi rendah (SE = 0.45), cukup 4–10 item, penghematan hingga 90% dari total.

Hal ini menunjukkan bahwa CAT mampu mengurangi beban peserta secara signifikan tanpa mengurangi kualitas hasil, selama akurasi moderat dianggap memadai.

Akurasi Estimasi Trait

• Korelasi antara hasil CAT dan skor sebenarnya melebihi 0.90 dalam semua kondisi.
• EAP dengan distribusi prior normal menunjukkan keunggulan dalam efisiensi untuk trait tinggi, tetapi menghasilkan bias ke arah tengah (regression to the mean).
• MLE dan EAP-uniform menghasilkan bias lebih kecil dan konsisten di seluruh spektrum trait.

Dampak Distribusi Trait

• Distribusi trait uniform menyebabkan CAT membutuhkan lebih banyak item.
• Distribusi normal (lebih realistis untuk populasi pelajar) menghasilkan penghematan item yang lebih besar.

Studi Kasus: PSDQ dan Efisiensi Praktis

Physical Self-Description Questionnaire (PSDQ) dirancang untuk menilai 11 aspek konsep diri fisik, seperti koordinasi, kekuatan, penampilan, dan ketahanan. Komarc membuktikan bahwa CAT berdasarkan PSDQ dapat menilai dimensi umum dengan akurasi tinggi hanya dengan 15% item, tanpa kehilangan validitas jika fokusnya pada gambaran umum, bukan tiap subskala.

Namun, untuk mengukur trait ekstrem (misalnya konsep diri fisik yang sangat tinggi), diperlukan item dengan parameter ambang yang lebih tinggi. Ini menyoroti pentingnya pengembangan item pool yang merata di seluruh spektrum trait.

Implikasi untuk Praktik dan Penelitian

Bagi Peneliti dan Psikolog Olahraga:

• Hemat waktu dan sumber daya: Responden tidak perlu menyelesaikan seluruh kuesioner.
• Akurasi tetap terjaga: Cocok untuk studi berskala besar atau longitudinal.
• Kustomisasi tinggi: Tes dapat disesuaikan dengan target populasi secara statistik.

Bagi Desainer Tes:

• Pemilihan algoritma penting: MLE direkomendasikan untuk keseimbangan antara efisiensi dan akurasi.
• Distribusi prior harus realistis: Menghindari bias pada ujung spektrum.
• Perlu pengembangan item baru: Untuk mengukur dengan baik trait ekstrem.

Kritik dan Ruang Pengembangan

Kelebihan:

• Simulasi komprehensif dengan 48 kombinasi kondisi.
• Berdasarkan item kalibrasi nyata (IRT-GRM).
• Validasi menyeluruh terhadap metode estimasi dan pemilihan item.

Keterbatasan:

• Studi berbasis simulasi, belum diuji dalam konteks nyata.
• Kalibrasi item berasal dari sampel Australia; perlu verifikasi lintas budaya.
• Fokus hanya pada satu dimensi umum PSDQ, bukan pada 11 subskala secara eksplisit.

Opini dan Perspektif Industri

Dalam konteks pendidikan jasmani, psikologi olahraga, dan evaluasi kebugaran, penggunaan CAT berbasis PSDQ dapat mengubah cara asesmen dilakukan. Dibandingkan metode kertas konvensional, CAT menawarkan pengalaman yang lebih adaptif dan ramah peserta. Namun, untuk mencapai potensi penuh, item-item perlu didesain agar mencakup seluruh spektrum kemampuan.

Seiring meningkatnya digitalisasi dalam pendidikan dan riset, CAT memiliki peluang luas untuk diintegrasikan dalam platform pembelajaran daring, alat diagnostik atlet, atau bahkan screening psikologis cepat di sekolah.

Kesimpulan

Disertasi Martin Komarc memberikan kontribusi signifikan dalam membuktikan bahwa CAT berbasis IRT dan simulasi Monte Carlo dapat mengoptimalkan efisiensi pengukuran tanpa mengorbankan akurasi. Dengan fokus pada penghematan item, penyesuaian individual, dan validitas tinggi, CAT adalah masa depan evaluasi dalam kinanthropologi.

Penelitian ini juga menjadi pengingat bahwa teknologi harus diimbangi dengan desain instrumen yang kuat. Dalam jangka panjang, jika CAT dapat diimplementasikan dengan baik dalam asesmen psikometrik, bukan tidak mungkin metode ini menjadi standar baru di berbagai bidang ilmu sosial dan kesehatan.

Sumber: Komarc, Martin. Computerized Adaptive Testing in Kinanthropology: Monte Carlo Simulations Using the Physical Self Description Questionnaire. Doctoral Thesis. Charles University, Faculty of Physical Education and Sport, 2017. [Dokumen tersedia dalam PDF; tautan DOI tidak tersedia].