Sebagaimana sudah disinggung, dalam tes yang beracuan norma skor tes digunakan untuk membandingkan kinerja testi dengan kinerja kelompok sebayanya sebagai pencerminan pemilikan suatu atribut psikologis tunggal tertentu yang menjadi sasaran pengukuran. Dengan kata lain, norm-referenced scoring lazim diterapkan dalam pengukuran sebuah atribut psikologis tunggal, dan hasilnya digunakan untuk melakukan perbandingan inter-individual yaitu membandingkan kinerja masing-masing testi dengan sebuah kriteria yang bersifat relatif berupa rerata kinerja kelompok sebayanya. Artinya, skor testi digunakan untuk melihat relative position atau posisi testi dibandingkan kelompok sebayanya terkait pemilikan atribut psikologis yang diukur. Untuk keperluan itu, raw score atau skor mentah masing-masing testi perlu dikonversikan menjadi scaled score atau skor terskala atau weighted score atau skor terbobot dengan menggunakan norma penilaian tertentu yang disusun berdasarkan
average performance atau rerata kinerja kelompok yang dipakai sebagai acuan. Prosedur ini lazim dikenal sebagai norm-referenced evaluation
atau penilaian beracuan norma. Kinerja kelompok yang lazim dipakai sebagai standar dalam penilaian beracuan norma adalah kombinasi antara mean dan SD atau deviasi standar.
Proses penentuan skor beracuan norma ini akan mencakup dua langkah utama. Langkah utama yang pertama, menyusun norma penilaian khususnya untuk keperluan penilaian beracuan norma. Proses penyusunan norma semacam ini merupakan bagian dari proses standarisasi tes dan akan mencakup dua langkah penting.
Pertama, mengadministrasikan tes pada sekelompok besar subjek yang memiliki kesamaan dalam minimal satu karakteristik penting. Karakteristik yang dimaksud bisa bersifat longgar, misal sama-sama berstatus mahasiswa aktif pada program pendidikan sarjana, atau
bisa bersifat lebih spesifik misal sama-sama berstatus mahasiswa aktif
program pendidikan sarjana Program Studi Psikologi. Kelompok yang dipakai sebagai acuan untuk menyusun norma ini lazim disebut
sampel standarisasi. Kedua, sesudah data terkumpul dihitunglah Mean
dan juga Standard Deviation skor kelompok standarisasi tersebut. Sebuah norma penilaian segera bisa disusun dengan menggunakan dua statistik deskriptif tersebut. Langkah utama yang kedua, skor kasar masing-masing testi dikonversikan menjadi skor terskala atau terbobot dengan menggunakan norma penilaian yang berhasil disusun. Skor terskala atau terbobot ini merupakan norm referenced score yang menunjukkan posisi relatif masing-masing testi di antara kelompok sebayanya, misal apakah tergolong average atau rata-rata,
above average atau di atas rata-rata, atau below average atau di bawah rata-rata kelompok sebayanya terkait pemilikan atribut psikologis tunggal tertentu yang sedang menjadi fokus perhatian.
Sebagaimana sudah disinggung di muka, kelemahan pokok skor beracuan norma ialah bahwa skor tersebut tidak sungguh-sungguh mencerminkan kuantitas atribut psikologis yang dimiliki oleh masing-masing testi, melainkan sekadar menunjukkan seberapa tinggi atau rendah kuantitas atribut psikologis yang dimiliknya itu dibandingkan teman-teman sebayanya.
2). Tes dengan Criterion-Referenced Scores
Dalam tes yang beracuan patokan, skor tes dimaksudkan untuk membandingkan kinerja testi dengan suatu standar atau kriteria absolut yang sudah ditentukan secara apriori sebagai pencerminan pemilikan suatu atribut psikologis tertentu atau mastery
atau penguasaan atas materi atau kompetensi tertentu yang menjadi sasaran pengukuran. Dengan kata lain, criterion-referenced scoring
lazim diterapkan dalam pengukuran sebuah atribut psikologis tunggal, dan hasilnya digunakan untuk melakukan perbandingan intra-individual yaitu membandingkan kinerja testi dengan sebuah kriteria yang bersifat absolut. Bisa dikatakan, skor testi digunakan untuk menunjukkan absolute standing atau posisi absolut seorang testi terkait pemilikan suatu atribut psikologis tertentu atau mastery atau penguasaan atas suatu materi atau kompetensi tertentu. Skor semacam ini diperoleh melalui penerapan criterion-referenced evaluation atau
evaluasi beracuan kriteria. Caranya, raw score atau skor mentah testi dikonversikan menjadi scaled score atau skor terskala atau weighted score atau skor terbobot dengan cara dibandingkan dengan sebuah kriteria atau standar absolut yang ditetapkan secara apriori.
Penentuan standar atau kriteria absolut ini lazimnya didasarkan pada pertimbangan teoretis tertentu. Berdasarkan apa yang dipakai sebagai kriteria atau patokan, penilaian beracuan patokan lazim dibedakan ke dalam tiga jenis (Friedenberg, 1995), yaitu (1) content-referenced scoring atau penilaian beracuan patokan materi, (2) objective-referenced scoring atau penilaian beracuan patokan tujuan, dan (3)
pass/fail atau mastery scoring atau penilaian beracuan lulus/gagal atau beracuan penguasaan. Pada pendekatan pertama, yang dijadikan standar atau kriteria adalah penguasaan atas isi atau materi tes, yang tercermin antara lain dari percent correct atau persentase jawaban benar. Pada pendekatan kedua, yang dijadikan standar atau kriteria bukan isi atau materi tes melainkan tujuan tes atau lebih tepat tujuan pengajaran (instructional objectives). Kuncinya terletak pada merumuskan sistem penskoran yang mampu menunjukkan persentase tujuan pengajaran yang berhasil dikuasai murid. Pendekatan ketiga merupakan sejenis aplikasi dari dua pendekatan yang pertama. Maksudnya, nilai yang diperoleh baik melalui penilaian beracuan patokan materi maupun beracuan patokan tujuan sama-sama bisa ditransformasikan ke dalam jenis lain, khususnya untuk memilah testi atau murid menjadi dua kategori: (a) mereka yang kinerjanya dalam tes memenuhi patokan yang ditentukan (lulus), dan (b) mereka yang kinerjanya dalam tes tidak memenuhi patokan yang ditentukan (gagal). Perbedaan skor dalam masing-masing kategori lulus atau gagal tidak lagi memiliki makna.
Pertanyaan atau isu kedua, apakah tes dimaksudkan untuk mengukur sebuah atribut psikologis tunggal atau mengukur serangkaian atribut psikologis, dan kalau pun mengukur serangkaian atribut psikologis, apakah tes akan digunakan untuk mengungkap kekuatan absolut masing-masing atribut atau mengungkap kekuatan relatif masing-masing atribut dibandingkan dengan atribut-atribut
yang lain. Isu ini melahirkan penggolongan tes menjadi kategori tes dengan ipsative scores versus kategori tes dengan normative scores.