Tes Daring Tanpa Pengawasan: Apa yang Berubah dan Apa yang Tidak

Sebuah perusahaan mengganti tahap tes tertulis dengan tes daring yang dikerjakan kandidat dari rumah. Biaya turun, waktu proses memendek, dan jumlah pelamar yang bisa diproses naik tiga kali lipat. Enam bulan kemudian muncul masalah: sebagian kandidat dengan skor tinggi tampil biasa saja pada tahap berikutnya, dan sebagian kandidat dengan skor rendah justru bekerja baik.

Perubahan cara pengambilan data mengubah arti data itu sendiri.

Perubahan dan kesinambungan pada tes daring tanpa pengawasan. Yang berubah adalah kontrol kondisi, bukan kewajiban validitas dan transparansi.

Skor yang sama belum tentu setara

Skor adalah hasil interaksi antara orang, alat, dan kondisi pengambilan. Bila kondisi berubah, skor bisa berubah tanpa ada perubahan nyata pada orangnya.

Tes di ruang tenang dengan pengawas dan tes di kamar kos sambil menunggu pesanan makanan bukan dua pengambilan yang setara. Kebisingan, perangkat, ukuran layar, dan kemungkinan gangguan semuanya masuk ke dalam angka.

Masalahnya, laporan biasanya hanya memuat angka. Konteks pengambilan jarang tercatat, sehingga perbandingan antar kandidat dilakukan seolah kondisi mereka sama.

Apa yang dilaporkan Tippins dan rekan-rekannya

Tippins dan rekan-rekannya (2006) menyusun tinjauan tentang tes internet tanpa pengawasan dalam konteks kerja. Isinya membahas tiga hal yang sampai sekarang masih relevan: apakah skor dari dua kondisi pengambilan dapat dianggap setara, seberapa besar risiko kecurangan, dan pengamanan apa yang proporsional.

Kesimpulan yang mereka tekankan bukan larangan, melainkan kehati-hatian. Kesetaraan skor tidak boleh diasumsikan; ia harus ditunjukkan dengan data. Bila belum ada bukti kesetaraan, hasil sebaiknya tidak dipakai sendirian untuk keputusan berisiko tinggi.

Praktik yang lazim kemudian adalah tes konfirmasi: kandidat yang lolos tahap tanpa pengawasan diminta mengerjakan ulang versi paralel dengan pengawasan sebelum keputusan diambil.

Bentuk kecurangan yang paling sering

McCabe, Treviño, dan Butterfield (2001) merangkum satu dekade penelitian tentang kecurangan akademik dan menemukan bahwa perilaku itu tersebar luas, bukan perkecualian yang langka. Temuan itu berasal dari konteks pendidikan, tetapi pola dasarnya berhubungan dengan konteks seleksi: kesempatan, norma kelompok, dan persepsi risiko tertangkap.

Pada tes daring, bentuk yang paling sering bukan pembobolan sistem. Bentuk yang paling sering adalah bantuan orang lain di ruangan yang sama, pencarian jawaban di jendela lain, dan pengerjaan bersama lewat panggilan suara.

Ketiganya sulit dideteksi dari data jawaban. Yang bisa terlihat hanya pola: waktu respons yang tidak wajar pada butir sulit, pola jawaban yang identik antar kandidat, atau lompatan performa antar bagian tes.

Apakah tes kepribadian mudah dipalsukan

Pertanyaan ini sudah lama diteliti, dan jawabannya lebih berlapis daripada "ya" atau "tidak".

Viswesvaran dan Ones (1999) memetakan estimasi kemampuan pemalsuan skor kepribadian dari banyak studi. Hasilnya: skor memang dapat dinaikkan bila peserta diminta memberi kesan baik, dengan besaran yang berbeda antar dimensi. Dimensi yang menyangkut perilaku kewargaan dan stabilitas emosi cenderung lebih mudah dinaikkan daripada dimensi yang menyangkut keterbukaan.

Namun besaran itu tidak otomatis menghancurkan kegunaan alat. Bila pemalsuan terjadi pada hampir semua peserta dengan arah yang sama, urutan relatif bisa bertahan. Bila hanya sebagian peserta memalsukan, urutan berubah dan kesimpulan seleksi bisa keliru.

Sackett dan rekan-rekannya (2022) juga mengingatkan bahwa estimasi validitas perlu dibaca dengan hati-hati, karena koreksi statistik yang dipakai dalam meta-analisis lama memengaruhi angka akhir. Angka validitas yang dikutip di brosur sering berasal dari koreksi yang diperdebatkan.

Pengawasan jarak jauh dan batasnya

Pengawasan jarak jauh menambah lapisan data: rekaman layar, kamera, dan kadang deteksi suara. Lapisan ini menaikkan risiko tertangkap, tetapi juga menimbulkan persoalan baru.

Pertama, persoalan privasi. Merekam kamar pribadi kandidat adalah pemrosesan data pribadi yang spesifik. Di Indonesia, hal ini masuk lingkup UU Pelindungan Data Pribadi, sehingga dasar pemrosesan, masa simpan, dan aksesnya harus jelas. Pembahasan soal itu ada di artikel UU PDP dan data hasil tes.

Kedua, persoalan sinyal. Kandidat dengan kamera buruk atau koneksi lambat akan tampak lebih mencurigakan daripada kandidat dengan perangkat bagus. Bila sinyal itu dipakai sebagai dasar penilaian, keputusan menjadi bias terhadap kandidat dengan sumber daya lebih kecil.

Ketiga, persoalan proporsi. Pengawasan penuh pada posisi yang tidak menuntut integritas tinggi bisa menurunkan minat kandidat yang baik. Biaya reputasinya jarang dihitung.

Pengamanan yang proporsional

Urutan yang masuk akal dimulai dari yang paling murah dan paling kecil risikonya.

Pertama, desain tes. Butir yang menuntut penerapan pada konteks nyata lebih sulit dijawab lewat pencarian cepat daripada butir hafalan. Tes yang mengukur penalaran lebih tahan terhadap bantuan luar daripada tes yang mengukur ingatan.

Kedua, pembatasan waktu yang wajar. Batas waktu yang terlalu longgar memberi ruang mencari jawaban; batas yang terlalu ketat menghukum kandidat yang teliti tetapi lambat mengetik.

Ketiga, variasi butir. Bank butir yang cukup besar dengan pemilihan acak membuat kerja sama antar kandidat lebih sulit.

Keempat, tes konfirmasi dengan pengawasan. Ini pengaman yang paling langsung, dan biasanya cukup untuk posisi dengan risiko sedang.

Kelima, pengawasan jarak jauh, dipakai selektif pada posisi dengan risiko tinggi dan dengan pemberitahuan yang jelas di awal proses.

Bagaimana membaca hasil dari dua kondisi berbeda?

Bila sebagian kandidat dites dengan pengawasan dan sebagian tanpa, jangan membandingkan skornya secara langsung sebelum ada bukti kesetaraan.

Cara yang lebih aman: laporkan kelompok secara terpisah, atau pakai skor tanpa pengawasan hanya sebagai penyaring awal dengan ambang yang lebih longgar. Kandidat yang lolos ambang longgar kemudian dikonfirmasi.

Untuk keputusan yang berkonsekuensi besar, pemakaian tes tanpa pengawasan sebagai dasar tunggal sulit dipertanggungjawabkan, baik secara metodologis maupun secara hukum. Pedoman kesetaraan peluang kerja di Amerika Serikat, yang sering dirujuk praktisi, menuntut bukti validitas dan dokumentasi prosedur. Prinsipnya relevan meski kerangka hukumnya berbeda: prosedur seleksi sebaiknya dapat dijelaskan dan diuji.

Contoh kebijakan yang masuk akal

Sebuah perusahaan logistik memakai tiga tahap. Tahap pertama tes kognitif singkat tanpa pengawasan, dipakai hanya untuk menyisihkan kandidat dengan skor sangat rendah. Tahap kedua tes konfirmasi dengan pengawasan untuk kandidat yang lolos. Tahap ketiga wawancara terstruktur.

Kandidat diberi tahu sejak awal bahwa tahap pertama tidak diawasi, bahwa hasilnya bukan keputusan akhir, dan bahwa data pengawasan pada tahap kedua disimpan enam bulan lalu dihapus.

Kebijakan ini tidak menghilangkan kecurangan. Ia menurunkan imbalannya, karena kecurangan pada tahap pertama tidak lagi cukup untuk lolos.

Batas interpretasi

Skor dari tes daring tanpa pengawasan bukan dasar tunggal keputusan seleksi, dan bukan bukti integritas seseorang. Ia satu sinyal yang harus dibaca bersama bukti lain.

Untuk sisi lain proses ini, lihat artikel memilih instrumen untuk kebutuhan kerja dan validitas prediktif seleksi.

Pertanyaan yang sering diajukan

Apakah tes tanpa pengawasan selalu tidak valid?

Tidak. Ia bisa berguna sebagai penyaring awal, terutama bila butirnya menuntut penerapan dan bukan hafalan. Yang tidak boleh diasumsikan adalah kesetaraan skornya dengan tes berpengawasan.

Apakah pengawasan kamera diperbolehkan?

Bergantung pada dasar pemrosesan dan transparansi. Merekam ruang pribadi menuntut pemberitahuan, tujuan yang jelas, dan masa simpan yang terbatas. Tanpa itu, risikonya lebih besar daripada manfaatnya.

Bagaimana mendeteksi kandidat yang dibantu orang lain?

Tidak ada cara tunggal yang dapat diandalkan. Pola waktu respons, konsistensi antar bagian, dan tes konfirmasi memberi petunjuk, tetapi tidak membuktikan. Tuduhan tanpa bukti lebih merugikan daripada membiarkan satu kasus lolos.

Apakah tes kepribadian masih berguna bila bisa dipalsukan?

Masih, dengan syarat. Ia lebih berguna untuk umpan balik dan pengembangan daripada untuk menyaring pada ambang ketat. Untuk seleksi, kombinasikan dengan metode lain dan jangan memakai ambang yang terlalu sempit.

Rujukan

• McCabe, D. L., Treviño, L. K., & Butterfield, K. D. (2001). Cheating in academic institutions: A decade of research. Ethics & Behavior, 11(3), 219–232. doi:10.1207/S15327019EB1103_2
• Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology, 107(11), 2040–2068. doi:10.1037/apl0000994
• Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings. Psychological Bulletin, 124(2), 262–274. doi:10.1037/0033-2909.124.2.262
• Tippins, N. T., Beaty, J., Drasgow, F., Gibson, W. M., Pearlman, K., Segall, D. O., & Shepherd, W. (2006). Unproctored internet testing in employment settings. Personnel Psychology, 59(1), 189–225. doi:10.1111/j.1744-6570.2006.00909.x
• U.S. Equal Employment Opportunity Commission. (1978). Uniform Guidelines on Employee Selection Procedures (29 CFR Part 1607). ecfr.gov
• Viswesvaran, C., & Ones, D. S. (1999). Meta-analyses of fakability estimates: Implications for personality measurement. Educational and Psychological Measurement, 59(2), 197–210. doi:10.1177/00131649921969802