RINGKASAN. Kata kunci: Teori Tes Klasik, Teori Respon Butir

Ukuran: px
Mulai penontonan dengan halaman:

Download "RINGKASAN. Kata kunci: Teori Tes Klasik, Teori Respon Butir"

Transkripsi

1 PENERAPAN TEORI UJI KLASIK DAN TEORI RESPON BUTIR DALAM MENGEVALUASI BUTIR SOAL (Studi Kasus : Soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor Mata Kuliah Fisika Tahun Ajaran 2008/2009) ARIE ANGGREYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009

2 RINGKASAN ARIE ANGGREYANI. Penerapan Teori Uji Klasik dan Teori Respon Butir dalam Mengevaluasi Butir Soal (Studi Kasus : Soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor Mata Kuliah Fisika Tahun Ajaran 2008/2009) dibimbing oleh BUDI SUSETYO dan INDAHWATI. Kegiatan penilaian atau evaluasi hasil belajar peserta didik merupakan salah satu tugas penting yang harus dilakukan oleh pendidik. Salah satu upaya evaluasi hasil belajar adalah memberikan ujian pada tengah dan akhir semester. Namun, terkadang soal-soal yang diberikan oleh pendidik belum merepresentasikan kemampuan peserta didik. Sehingga perlu disusun soal yang mampu menggambarkan karakteristik soal dan kemampuan peserta didik. Penelitian ini bertujuan untuk menerapkan model teori respon butir (Item Response Theory, IRT) satu (1PL), dua (2PL), dan tiga (3PL) parameter logistik, membandingkan model IRT dengan indikator pada teori uji klasik (Classical Test Theory) dan memilih model IRT yang sesuai untuk menggambarkan butir-butir soal dan kemampuan peserta didik. Data yang digunakan adalah soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor (UAS TPB IPB) mata kuliah Fisika tahun ajaran 2008/2009. Tahapan yang dilakukan adalah pemeriksa asumsi, pendugaan karakteristik butir soal dan kemampuan peserta, dan pemeriksa kesesuaian model. Persentase butir soal yang yang dapat digambarkan oleh model IRT 1PL, 2PL, dan 3PL adalah 37,14%; 74,29%; dan 82,86%. Berdasarkan hasil tersebut, model yang sesuai untuk menggambarkan karakteristik butir soal adalah model teori respon butir 3 parameter logistik. Butir soal yang baik adalah soal nomor 2, 4, 7, 12, 19, 23, 32, dan 33. Soal yang cukup baik adalah nomor 5, 6, 8, 9, 10, 11, 13, 16, 17, 18, 21, 22, 24, 25, 26, 27, 28, 29, 30, 34 dan 35. Sedangkan butir soal yang belum dapat digambarkan model IRT 3PL adalah nomor 1, 3, 14, 15, 20, dan 31. Kata kunci: Teori Tes Klasik, Teori Respon Butir

3 PENERAPAN TEORI UJI KLASIK DAN TEORI RESPON BUTIR DALAM MENGEVALUASI BUTIR SOAL (Studi Kasus : Soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor Mata Kuliah Fisika Tahun Ajaran 2008/2009) ARIE ANGGREYANI Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika Pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009

4 Judul Nama NRP : Penerapan Teori Uji Klasik dan Teori Respon Butir dalam Mengevaluasi Butir Soal (Studi Kasus : Soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor Mata Kuliah Fisika Tahun Ajaran 2008/2009) : Arie Anggreyani : G Menyetujui : Pembimbing I Pembimbing II Dr. Ir. Budi Susetyo, MS NIP Ir. Indahwati, M.Si NIP Mengetahui : Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. drh. Hasim, DEA NIP Tanggal Lulus :

5 RIWAYAT HIDUP Penulis dilahirkan di Bandar Lampung pada tanggal 28 Mei 1988 dari pasangan Budiman dan Lili Suryani. Penulis dibesarkan di kota Pagaralam, Sumatera Selatan. Penulis adalah putri pertama dari lima bersaudara. Penulis menyelesaikan pendidikan dasar di SD Methodist V Pagaralam pada tahun 1999, kemudian menyelesaikan pendidikan menengahnya di SLTP Negeri 1 Pagaralam dan SMA Negeri 1 Pagaralam berturut-turut pada tahun 2002 dan Penulis diterima sebagai mahasiswa di Institut Pertanian Bogor pada tahun 2005 melalui jalur Undangan Seleksi Masuk IPB (USMI). Setelah satu tahun mengikuti perkuliahan di Tingkat Persiapan Bersama (TPB), pada tahun 2006 penulis diterima sebagai mahasiswa Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama mengikuti perkuliahan, penulis pernah menjadi asisten mata kuliah Analisis Data Kategorik untuk mahasiswa Sarjana (S1) pada semester ganjil pada tahun ajaran 2008/2009. Pada bulan Februari sampai Maret 2009, penulis menjalani praktek lapang di Lingkaran Survei Indonesia (LSI). Penulis juga aktif dalam kepengurusan Himpunan Profesi Statistika Gamma Sigma Beta (GSB) sebagai staf Departemen Keilmuan pada masa kepengurusan 2006/2007 dan staf Departemen Database dan Komputasi pada masa kepengurusan 2007/2008 serta aktif dalam berbagai kepanitiaan dalam berbagai acara yang diselenggarakan Himpunan Profesi GSB.

6 KATA PENGANTAR Alhamdulillahirabbil alamin, puji syukur penulis panjatkan kehadirat Allah SWT atas berkah, rahmat, dan karunianya sehingga penulis dapat menyelesaikan penyusunan karya ilmiah dengan judul Penerapan Teori Uji Klasik dan Teori Respon Butir dalam Mengevaluasi Butir Soal (Studi Kasus : Soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor Mata Kuliah Fisika Tahun Ajaran 2008/2009). Karya ilmiah ini disusun sebagai salah satu kewajiban akademik yang harus dipenuhi dan merupakan salah satu syarat kelulusan mahasiswa untuk mendapatkan gelar Sarjana Statistika (S. Stat) pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Penulis mengucapkan terima kasih yang sebesar-besarnya kepada Bapak Dr. Ir. Budi Susetyo, MS dan Ibu Ir. Indahwati, M.Si selaku pembimbing yang selalu memberi saran, kritik, dan masukan kepada penulis dalam penyusunan karya ilmiah ini. Terima kasih juga penulis sampaikan kepada semua pihak yang telah turut serta membantu dalam penyusunan karya ilmiah ini, antara lain : 1. Bapak Sidik, seluruh dosen dan staf Departemen Fisika yang telah mengizinkan penulis menggunakan data ujian Fisika, dan telah memberikan kesempatan untuk mempresentasikan hasil penelitian. 2. Bapak Anang Kurnia, MS yang telah memberi masukan dan menjadi penguji dalam skripsi penulis. 3. Bapak Drs. Agus Santoso, M.Si yang telah memberi masukan dan memberikan literatur mengenai penelitian penulis. 4. Bapak Farit Mochamad Afendi, S.Si, M.Si yang memberi masukan dan literatur mengenai penelitian penulis. 5. Trizar sebagai tempat bertukar pikiran dan berdiskusi, serta Mbak Wenny sebagai teman satu bimbingan. 6. Kak Sigit STK 38 yang telah meminjamkan buku mengenai penelitian penulis. 7. Kak Mukafi yang telah memberikan literatur mengenai penelitian penulis. 8. Dimas dan Angga yang telah menjadi pembahas dalam seminar penulis. Terima kasih atas segala sarannya. 9. Mama, Papa, Adek Merry, Adek Dayat, Adek Lia, Adek Andika, dan Nenekku tersayang atas cinta, kasih sayang, doa, dukungan dan semangat yang diberikan. 10. Melisa, Yuk Fey, Yuk Sinta, Yuk Apen, Kak Imam, Wina, teman-teman dan adik-adik kelas dari satu almamater atas semangat dan dukungannya. 11. Dini, Nunung, Miu, Viar, Tanzil, Nadya, Indah dan teman-teman STK 42 atas dukungan dan kebersamaannya selama tiga tahun ini. 12. Bapak Supriyanto dan Ibu Yani atas kasih sayang yang diberikan serta keluarga besar Pondok Ginastri atas semangat, dukungan, dan kebersamaannya. Semoga bantuan yang telah diberikan kepada penulis mendapat balasan dari Allah SWT. Penulis menyadari bahwa tulisan ini jauh dari sempurna. Oleh karena itu, Penulis memohon maaf atas segala kekurangan dan kesalahan yang terdapat di salam penyusunan karya ilmiah ini. Semoga karya ilmiah ini dapat bermanfaat bagi pihak yang membutuhkan. Bogor, Agustus 2009 Penulis

7 vii DAFTAR ISI Halaman DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... viii PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA... 1 Teori Uji Klasik... 1 Teori Respon Butir... 2 Model Teori Respon Butir... 3 Pendugaan Parameter... 3 Kurva Karateristik Butir... 4 Kesesuaian Model... 4 Pemilihan Model... 5 Kriteria Butir Soal... 5 BAHAN DAN METODE... 5 Bahan... 5 Metode... 5 HASIL DAN PEMBAHASAN... 6 Eksplorasi Data... 6 Teori Uji Klasik... 6 Asumsi-asumsi dalam Model IRT... 7 Model Teori Respon Butir Satu Parameter Logistik (IRT 1PL)... 7 Model Teori Respon Butir Dua Parameter Logistik (IRT 2PL)... 8 Model Teori Respon Butir Tiga Parameter Logistik (IRT 3PL)... 8 Perbandingan dan Pemilihan Model... 9 KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 12

8 viii DAFTAR TABEL Halaman 1. Kriteria butir soal Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika Statistik parameter kemampuan peserta ujian mata kuliah Fisika pada model IRT 1PL Statistik parameter kemampuan peserta ujian mata kuliah Fisika pada model IRT 2PL Statistik parameter kemampuan peserta ujian mata kuliah Fisika pada model IRT 3PL Pengklasifikasian kriteria butir soal pada teori uji klasik dan teori respon butir Indeks pemilihan model DAFTAR GAMBAR Halaman 1. Kurva karakteristik butir dengan bermacam-macam asimtot dan kemiringan Scree plot hasil analisis faktor Kurva karakteristik butir 10 pada model IRT 3PL Kurva karakteristik butir 20 pada model IRT 3PL... 9 DAFTAR LAMPIRAN Halaman 1. Nilai tingkat kesukaran, daya pembeda, dan sebaran jawaban peserta ujian Fisika Nilai parameter butir soal ujian akhir Fisika untuk IRT 1PL, IRT 2PL, dan IRT 3PL Kurva karakteritik butir soal 1-35 mata kuliah Fisika untuk Model IRT 1PL, IRT 2PL, dan IRT 3PL a. Kurva karakteritik butir soal 1-35 mata kuliah Fisika untuk Model IRT 1PL b. Kurva karakteritik butir soal 1-35 mata kuliah Fisika untuk Model IRT 2PL c. Kurva karakteritik butir soal 1-35 mata kuliah Fisika untuk Model IRT 3PL... 16

9 1 PENDAHULUAN Latar Belakang Dalam bidang pendidikan, kegiatan penilaian atau evaluasi hasil belajar peserta didik merupakan salah satu tugas penting yang harus dilakukan oleh pendidik. Evaluasi hasil belajar peserta didik dilakukan untuk mengetahui kemajuan peserta didik terhadap kurikulum yang telah diajarkan. Salah satu upaya evaluasi hasil belajar peserta didik adalah memberikan ujian pada tengah semester dan akhir semester. Namun, terkadang pemberian soal yang terlalu susah atau terlalu mudah menyebabkan pendidik sulit membedakan kemampuan peserta didik. Oleh karena itu, diperlukan analisis terhadap soal ujian dengan harapan hasil ujian merepresentasikan kemampuan peserta didik. Banyak metode yang dikembangkan dalam bidang psikometrika yang digunakan untuk menganalisis butir soal dari pendekatan secara klasik hingga modern. Pendekatan secara klasik yang digunakan adalah teori uji klasik (classical test theory) sedangkan pendekatan modern dengan item response theory (IRT) atau teori respon butir. Teori uji klasik merupakan suatu teori yang mudah dalam penerapannya namun memiliki banyak kelemahan. Oleh karena itu, banyak peneliti mencoba mengembangkan metode modern. Aspek yang diperhatikan dalam teori uji klasik adalah setiap butir soal ditelaah menurut (1) tingkat kesukaran butir; (2) daya pembeda butir; (3) penyebaran pilihan jawaban, dan (4) reliabilitas skor tes (Safari, 2000). Teori respon butir merupakan teori pengukuran modern yang biasanya digunakan dalam analisis butir soal. Dalam teori ini digunakan model matematis untuk menghubungkan karakteristik butir soal dengan kemampuan responden. Hubungan tersebut digambarkan melalui kurva karakteristik butir. Tujuan Tujuan yang ingin dicapai dalam penelitian ini adalah : 1. Menerapkan teori uji klasik dan teori respon butir untuk memeriksa butir soal pada soal Ujian Akhir Semester Tingkat Persiapan Bersama Institut Pertanian Bogor (UAS TPB IPB) mata kuliah Fisika tahun ajaran 2008/ Mencari model yang sesuai untuk menggambarkan butir-butir soal pada soal UAS TPB IPB untuk mata kuliah Fisika. TINJAUAN PUSTAKA Teori Uji Klasik Teori uji klasik merupakan satu dari masalah yang disampaikan oleh ahli psikologi Belanda Charles Spearman dengan konsep korelasi (Crocker & Algina, 1986). Beberapa aspek yang diperhatikan dalam teori uji klasik yaitu tingkat kesukaran butir, daya pembeda butir, penyebaran pilihan jawaban, dan reliabilitas skor tes (Safari, 2000). a. Tingkat Kesukaran Butir (p) Tingkat kesukaran soal adalah peluang untuk menjawab benar suatu soal pada tingkat kemampuan tertentu yang biasanya dinyatakan dalam bentuk indeks. Indeks tingkat kesukaran ini pada umumnya dinyatakan dalam bentuk proporsi yang besarnya berkisar 0,00 1,00. Perhitungan indeks tingkat kesukaran ini dilakukan untuk setiap nomor soal. Rumus di bawah ini dipergunakan untuk soal pilihan ganda (Nitko, 1996). p= Jumlah peserta yang menjawab benar Jumlah seluruh peserta tes Semakin besar nilai p yaitu semakin besar proporsi peserta tes dalam menjawab benar, maka soal tersebut dianggap mudah. Semakin kecil nilai p maka soal tersebut dianggap sukar. Pada teori uji klasik, tingkat kesukaran butir soal bergantung kepada kemampuan peserta ujian. Bagi peserta ujian yang berkemampuan tinggi, butir soal menjadi mudah. Bagi peserta ujian yang berkemampuan rendah, butir soal menjadi sukar. Pada butir soal yang mudah, tampak kemampuan peserta ujian menjadi tinggi. Sedangkan pada butir soal yang sukar, maka kemampuan peserta ujian menjadi rendah. Oleh karena itu, tingkat kesukaran butir soal tidak sepenuhnya menggambarkan ukuran karakteristik butir soal sesungguhnya, akan tetapi lebih merupakan kemampuan rata-rata kelompok peserta ujian. Klasifikasi tingkat kesukaran soal dalam Nitko (1996) adalah: Jika nilai p di antara 0,00 0,30 soal tergolong sukar, Jika nilai p di antara 0,31 0,70 soal tergolong sedang, dan Jika nilai p di antara nilai 0,71 1,00 soal tergolong mudah.

10 2 b. Daya Pembeda (DP) Daya pembeda soal adalah nilai indeks yang menunjukkan kemampuan butir soal untuk membedakan kelompok peserta ujian yang berkemampuan tinggi dan berkemampuan rendah. Daya pembeda suatu butir soal ini didasarkan pada hasil tes suatu kelompok sehingga daya pembeda tersebut belum tentu berlaku pada kelompok yang lain. Indeks daya pembeda berkisar antara -1,00 sampai dengan 1,00. Semakin tinggi nilai daya pembeda soal, maka semakin baik soal tersebut. Daya pembeda soal untuk bentuk pilihan ganda dapat dihitung dengan rumus sebagai berikut : 2 ( BA BB ) DP N Keterangan : DP = daya pembeda soal, BA = jumlah jawaban benar pada kelompok atas BB = jumlah jawaban benar pada kelompok bawah N = jumlah siswa yang mengerjakan tes. Dalam Crocker & Algina (1986), daya pembeda soal diklasifikasikan sebagai berikut : Jika DP 0,4 maka butir soal baik/diterima, Jika 0,3 DP < 0,4 maka butir soal cukup baik, Jika 0,2 DP < 0,3 maka butir soal perlu diperbaiki, dan Jika DP < 0,2 maka soal ditolak. Pembagian kelompok diambil 25% dari urutan nilai terbaik sebagai kelompok atas dan 25% dari nilai terendah sebagai kelompok bawah. Hal ini terdapat dalam Anastasi & Urbina (1997) yang menyatakan bahwa secara umum persentase yang tepat antara 25%-33%. Selain rumus di atas, untuk mengetahui daya pembeda soal bentuk pilihan ganda dapat digunakan rumus korelasi point biserial (r pb) (Crocker & Algina, 1986). Semakin tinggi nilai korelasi point biserial maka semakin baik soal tersebut. p r pb q Keterangan : r pb = koefisien point biserial, µ + = rata-rata skor peserta ujian yang menjawab benar, µ = rata-rata skor peserta ujian, σ p q = simpangan baku skor total, = proporsi jawaban benar terhadap semua jawaban siswa, = proporsi jawaban salah terhadap semua jawaban siswa. c. Penyebaran Pilihan Jawaban Penyebaran pilihan jawaban dadikan dasar dalam penelaahan soal. Hal ini dimaksudkan untuk mengetahui berfungsi tidaknya jawaban yang tersedia. Safari (2000) menyatakan bahwa suatu pilihan jawaban (pengecoh) dapat dikatakan berfungsi apabila : 1. Paling tidak dipilih oleh 5% peserta ujian, dan 2. Lebih banyak dipilih oleh kelompok siswa yang belum paham materi. d. Reliabilitas Skor Tes Tujuan utama menghitung reliabilitas skor tes adalah untuk mengetahui tingkat ketepatan (precision) dan kekonsistenan skor tes. Indeks reliabilitas berkisar antara 0-1. Semakin tinggi koefisien reliabilitas suatu tes (mendekati 1), makin tinggi pula ketepatannya. Reliabilitas dapat dihitung dengan koefisien alfa, dalam Crocker & Algina (1986) didefinisikan sebagai berikut : n 2 n i 1 i 1 2 n 1 x Keterangan : n = jumlah butir soal, 2 i = ragam skor per butir soal, = ragam skor total. 2 x Teori Respon Butir Teori respon butir merupakan teori pengukuran modern yang biasanya digunakan dalam analisis butir soal. Nama lain teori respon butir adalah latent trait theory (LTT) atau characteristics curve theory (CCT). Pengembangan teori respon butir didasarkan kepada dua postulat. Postulat pertama adalah bahwa kemampuan subyek (examinee) pada suatu butir dapat diprediksi oleh seperangkat faktor yang disebut traits, latent traits atau abilities. Trait adalah dimensi kemampuan seseorang seperti kemampuan verbal, kemampuan psikomotor, kemampuan kognitif, dan sebagainya. Postulat kedua adalah bahwa hubungan antara kemampuan peserta tes pada suatu butir dan perangkat kemampuan laten yang mendasarinya dapat digambarkan melalui kurva karakteristik butir atau item

11 3 characteristics curve (ICC) (Hambleton et al., 1991). Model-model karakteristik butir tergantung pada bentuk matematis fungsi karakteristik butirnya dan banyaknya parameter yang dilibatkan dalam model yang digunakan. Hal ini dikarenakan tidak semua model IRT cocok untuk perangkat data tes yang lain. Beberapa asumsi model teori respon butir dalam Hambleton et al. (1991) adalah sebagai berikut: 1. Asumsi pertama adalah satu dimensi (unidimensional). Asumsi ini sangat sulit dipenuhi dikarenakan banyaknya faktorfaktor yang mempengaruhi tes seperti kognitif, kepribadian, dan administrasi tes. Namun yang paling penting dari asumsi ini adalah adanya satu komponen yang dianggap dominan dalam menentukan kemampuan subyek. Menurut Hutten (1980) dalam Hattie (1985) bahwa unidimensional dapat diperiksa dengan akar ciri dalam analisis faktor. Asumsi unidimensional dapat dilihat dengan menghitung rasio antara akar ciri yang pertama dan kedua. Jika rasionya tinggi, maka model bersifat unidimensional. 2. Asumsi kedua dikenal dengan kebebasan lokal (local independence). Asumsi ini maksudnya adalah respon peserta tes terhadap suatu butir tidak berhubungan dengan butir lainnya dalam tes tersebut. Model Teori Respon Butir Model ogive normal pada awalnya adalah model yang paling dominan digunakan dalam pengembangan teori respon butir. Namun model tersebut saat ini sudah jarang digunakan dan digantikan dengan modelmodel logistik. Model logistik lebih sering digunakan karena prosedur komputasinya lebih mudah dan sederhana dibandingkan model ogive normal. Ada tiga model logistik yang sering digunakan saat ini (Hambleton et al., 1991) yaitu : 1. Model logistik satu parameter (model rasch) atau item response theory 1- parameter logistic (IRT 1PL) yaitu untuk menganalisis data yang hanya menitikberatkan pada parameter tingkat kesukaran. Kurva karakteristik butir soal untuk model satu parameter diberikan oleh persamaan : ( bi ) e Pi ( ) ( bi ) 1 e 2. Model logistik dua parameter atau item response theory 2-parameter logistic (IRT 2PL) yaitu untuk menganalisis data yang hanya menitikberatkan pada parameter tingkat kesukaran dan daya pembeda soal. Kurva karakteristik butir soal untuk model dua parameter diberikan oleh persamaan : Da i ( bi ) e Pi ( ) Da i ( bi ) 1 e 3. Model logistik tiga parameter atau item response theory 3-parameter logistic (IRT 3PL) yaitu untuk menganalisis data yang menitikberatkan pada parameter tingkat kesukaran soal, daya pembeda soal, dan peluang menebak (guessing). Kurva karakteristik butir soal untuk model tiga parameter diberikan oleh persamaan : Da i ( bi ) e Pi ( ) c i (1 c i ) Da i ( bi ) 1 e Keterangan : P i (θ) = peluang bahwa peserta tes dengan kemampuan menjawab butir soal ke-i dengan benar, a i = parameter daya pembeda soal butir ke-i, b i = parameter tingkat kesukaran, yaitu satu titik pada skala ability dimana kemungkinan untuk menjawab benar sebesar 0,5. = peluang tebakan benar butir ke-i. c i θ D = parameter kemampuan peserta tes, = faktor penskalaan yang diikutkan untuk menjadikan fungsi logistik serupa mungkin dengan fungsi ogive normal (D = 1,702). Pendugaan Parameter Langkah pertama dan paling penting dalam aplikasi teori respon butir adalah pendugaan parameter, baik parameter kemampuan peserta uji maupun parameter karakteristik butir (Hambleton et al., 1991). Ada beberapa metode yang digunakan untuk menduga parameter pada model teori respon butir. Salah satu metode yang digunakan adalah metode kemungkinan maksimum (maximum likelihood estimation, MLE). Prinsip dasar dari metode MLE dalam Hogg et al. (1978) adalah jika terdapat contoh acak X 1, X 2,..., X n dari sebuah sebaran yang memiliki suatu fungsi kepekatan peluang f(x;θ), ΘΩ. Fungsi kepekatan peluang bersama dari X 1, X 2,..., X n adalah f(x 1 ;Θ), f(x 2 ;Θ),..., f(x n ;Θ). Fungsi kepekatan peluang bersama ini dipandang sebagai fungsi dari Θ. Dengan definisi yang telah delaskan maka

12 4 fungsi nisbah kemungkinan (L) dapat dinotasikan sebagai berikut : L(Θ;x 1, x 2,..., x n )=f(x 1 ;Θ), f( (x 2 ;Θ),..., f(x n ;Θ) Hambleton et al. (1991) mendefinisikan fungsi likelihood untuk model teori respon butir adalah sebagai berikut : L( x, x,..., x 1 l( X ) ln L( x, x l( X ) ln 2 l( X ) n N n j1 i1 ) N 1 n j1 i1 x 2 j1 i 1 x P l dengan 0, Θ=(θ;a,b,c) Dimana a, b, dan c adalah parameter butir soal, dan θ adalah parameter kemampuan. (model ini diasumsikan model IRT 3PL). Kurva Karakteristik Butir Kurva karakteristik butir dalam Hambleton et al. (1991) adalah suatu hubungan matematis yang berkaitan dengan peluang berhasil (misalnya, memberikan respon yang benar) pada butir soal yang diukur dengan melihat kemampuan ujian dan karakteristik butir soal. Semakin tinggi kemampuan seseorang, maka peluang untuk menjawab sebuah butir soal dengan benar akan semakin meningkat (Crocker & Algina, 1986). Peluang Kemampuan Keterangan : soal 1 (b=-1;a=1) soal 2 (b=-1;a=0,5) soal 3 (b=1;a=1;c=0,25) Gambar 1. Kurva karakteristik butir dengan bermacam-macam asimtot dan kemiringan N 1 n,..., x Q n 1 x ln P (1 x ) ln Q 2 P x ) Q 1 x 3 Gambar 1 merupakan ilustrasi kurva karakteristik butir yang diambil dalam Embretson & Reise (2000) terdiri atas tiga butir soal. Soal nomor 1 dan nomor 2 memiliki tingkat kesukaran yang sama sebesar -1 tetapi memiliki nilai daya pembeda yang berbeda. Perbedaan antara model IRT 1PL dan IRT 2PL terletak pada nilai daya pembeda. Pada model IRT 1PL diasumsikan nilai a (daya pembeda) setiap soal bernilai sama. Sedangkan pada model IRT 2PL, daya pembeda untuk setiap soalnya berbeda. Soal nomor 3 merupakan contoh model IRT 3PL dan terdapat peluang menebak sebesar 0,25. Berdasarkan soal nomor 3, dapat dilihat seseorang yang memiliki kemampuan tinggi memiliki peluang untuk menjawab salah dan sebaliknya seseorang yang memiliki kemampuan rendah masih memiliki peluang untuk menjawab benar. Kesesuaian Model Kesesuaian model IRT adalah untuk menguji karakteristik butir soal setelah direspon oleh berbagai kemampuan peserta tes. Uji kesesuaian (goodness of fit test) model IRT dilakukan untuk setiap butir soal yang direspon. Pengujian menggunakan statistika Z yang berdistribusi khi kuadrat (chi-square) 2 (Hambleton et al., 1991) dengan rumus sebagai berikut : z m p E( p ) E( p )[1 E( p )] dengan Z 2 2 j 1 mk Keterangan : p = proporsi jawaban benar pada butir ke-i dalam kelompok kemampuan ke-j, E(p ) = nilai harapan, N = banyaknya peserta tes yang merespon butir ke-i dalam kelompok kemampuan ke-j, k = banyaknya parameter dalam model, m = banyaknya kategori kemampuan yang bergantung pada pendugaan kemampuan peserta tes. Hipotesis nol dalam pengujian ini menyatakan bahwa kurva karakteristik sesuai untuk data respon butir ke-i. Kesesuaian model untuk suatu butir ditunjukkan oleh nilai khi kuadrat empiris butir yang tidak melebihi nilai khi kuadrat teoritis. N

13 5 Pemilihan Model Analisis yang digunakan untuk memilih model adalah likelihood ratio test (LRT). LRT merupakan suatu uji yang membandingkan nilai fungsi likelihood untuk dua model yang akan diuji. Statistik uji LRT didefinisikan dalam Wiberg (2007) sebagai berikut : 2 l( a) 2 G 2 ln 2 ln[ l( a) l( c)] ( m ) l( c) Keterangan : l(a) = nilai fungsi likelihood dari model augmented, l(c) = nilai fungsi likelihood dari model compact, m = selisih jumlah parameter antara model augmented dan model compact. Selain menggunakan menggunakan LRT, pemilihan model dapat dilihat dari indeks reliabiltas. Semakin tinggi nilai reliabilitas maka modelnya semakin baik. Kriteria Butir Soal Pemilihan kriteria butir soal dilihat berdasarkan uji kesesuaian model dan besarnya nilai parameter butir soal yaitu daya pembeda, tingkat kesukaran dan peluang menebak. Menurut Lord (1980) dalam teori respon butir, soal yang ideal adalah soal yang memiliki daya pembeda berkisar 1 (satu) dan peluang menebak mendekati nol. Dalam Hambleton et al. (1991), nilai b yang mendekati -2,00 menandakan bahwa butir soal mudah, dan nilai b yang mendekati +2,00 berarti butir soal tersebut tergolong sukar untuk kelompok tersebut. Sehingga disimpulkan sebagai berikut (secara ringkas disajikan pada Tabel 1) : 1. Soal yang baik adalah model setiap soal yang sesuai dengan model jika nilai khi kuadrat empiris butir yang tidak melebihi nilai khi kuadrat teoritis (nilai p > 0,05), memiliki nilai daya pembeda berkisar 1, peluang menebak kecil, dan tingkat kesukaran berada di antara nilai -2, 00 sampai dengan +2, Soal yang cukup baik adalah soal yang sesuai model jika nilai khi kuadrat empiris butir yang tidak melebihi nilai khi kuadrat teoritis (nilai p > 0,05) dan salah satu kriteria soal yang baik tidak terpenuhi. 3. Soal yang belum dapat digambarkan adalah soal yang tidak sesuai dengan model yang digambarkan jika nilai khi kuadrat empiris butir lebih besar nilai khi kuadrat teoritis (nilai p <0,05). Tabel 1. Kriteria butir soal Kriteria Model IRT 1PL IRT 2PL IRT 3PL Baik Nilai p > 0,05; -2 b 2 Nilai p > 0,05; a 0.5; -2 b 2 Nilai p > 0,05; a 0,5; -2<b<2; c 0,2 Cukup Baik Nilai p > 0,05; b<-2 atau b>2 Jika salah satu kriteria soal baik tidak terpenuhi. Jika salah satu kriteria soal baik tidak terpenuhi. BAHAN DAN METODE Belum dapat digambarkan Nilai p < 0,05 (uji chisquare) Nilai p < 0,05 Nilai p <0,05 Bahan Penelitian ini menggunakan data yang diperoleh dari hasil jawaban UAS Fisika TPB IPB yang dilaksanakan pada tanggal 25 Juni Jumlah peserta ujian sebanyak 1596 siswa. Jumlah butir soal sebanyak 35 butir soal pilihan ganda. Setiap soal memiliki lima pilihan jawaban yaitu A, B, C, D, dan E. Penilaian dilakukan dengan pemberian skor 1 untuk jawaban benar dan 0 untuk jawaban salah. Soal UAS TPB IPB mata kuliah Fisika terdiri dari tiga bagian yaitu : 1. Soal nomor 1 sampai dengan nomor 24, memilih satu dari lima jawaban tersedia. 2. Soal nomor 25 sampai dengan nomor 30, analisis hubungan antar hal. 3. Soal nomor 31 sampai dengan 35, asosiasi berganda. Metode Tahapan-tahapan yang dilakukan pada penelitian ini adalah : 1. Penyiapan data berupa penginputan jawaban peserta UAS TPB IPB untuk mata kuliah Fisika pada tahun ajaran 2008/ Penerapan teori uji klasik a. Menghitung indeks tingkat kesukaran, b. Menghitung daya pembeda,

14 6 c. Menghitung sebaran pilihan jawaban dan reliabilitas soal. 3. Penerapan teori respon butir dengan menggunakan model IRT 1PL, IRT 2PL, dan IRT 3PL. a. Pengujian asumsi model IRT b. Menghitung parameter karakteristik butir soal (daya pembeda, tingkat kesukaran, dan peluang menebak) untuk setiap model, c. Menghitung parameter kemampuan untuk setiap model, d. Mencari model ICC yang sesuai dari setiap soal dalam setiap model, e. Mencari model yang paling sesuai untuk menggambarkan setiap soal. Software yang digunakan pada penelitian ini adalah Epidata 3.1, ITEMAN dan Bilog MG. Program Epidata 3.1 digunakan untuk menginput data. Program ITEMAN digunakan untuk analisis teori tes klasik. Program Bilog MG digunakan untuk menganalisis model IRT 1PL, IRT 2PL, dan IRT 3PL. HASIL DAN PEMBAHASAN Eksplorasi Data Nilai statistik skor mahasiswa dalam UAS TPB IPB mata kuliah Fisika dapat dilihat pada Tabel 2. Skor maksimum yang diperoleh peserta ujian adalah 34 soal, skor minimum peserta ujian adalah 4 soal, dan rata-rata peserta dapat menjawab soal dengan benar sebanyak 16 soal. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika Statistik Skor Nilai Mahasiswa Rataan Skor 15,951 Standar Deviasi 4,911 Nilai Minimum 4 Nilai Maksimum 34 Median 16 Teori Uji Klasik Beberapa aspek yang diperhatikan dalam teori uji klasik yaitu tingkat kesukaran butir, daya pembeda butir, penyebaran pilihan jawaban, dan reliabilitas skor tes. Tingkat kesukaran butir, daya pembeda butir, dan penyebaran pilihan jawaban setiap soal disajikan pada Lampiran 1. Tingkat kesukaran adalah proporsi peserta ujian menjawab benar butir-butir soal. Berdasarkan klasifikasi tingkat kesukaran soal dalam Nitko (1996), persentase soal tergolong sukar, sedang dan mudah sebesar 28,7%; 60%; dan 11,4%. Soal yang sukar adalah soal nomor 2, 6, 7, 17, 24, 28, 29, 30, 33, dan 35. Soal-soal tersebut memiliki tingkat kesukaran di antara 0-0,3. Artinya kurang dari 30% peserta tes yang dapat menjawab soal-soal tersebut dengan benar. Soal yang tergolong sedang adalah soal nomor 1, 3, 4, 9, 10, 11, 12, 13, 14, 15, 16, 18, 19, 20, 21, 22, 23, 25, 26, 27, dan 32. Soal yang tergolong sedang memiliki tingkat kesukaran di antara 0,31-0,70. Artinya hampir 31% sampai 70% peserta tes yang dapat menjawab soal-soal tersebut dengan benar. Soal yang tergolong mudah adalah 5, 8, 31, dan 34. Soal mudah adalah soal yang hampir semua peserta tes dapat menjawab tersebut dengan benar. Daya pembeda soal dapat dihitung dengan nilai korelasi point biserial atau daya pembeda dengan mengambil data 25% dari atas dan 25% dari bawah. Nilai korelasi point biserial dan daya pembeda memiliki nilai korelasi yang tinggi, sehingga kedua indeks ini dapat dadikan sebagai pembanding dalam menentukan tingkat pembeda soal. Persentase soal yang tergolong baik, cukup baik, perlu diperbaiki, dan soal yang belum bisa membedakan sebesar 17,1%; 37,1%; 25,7%; dan 20%. Soal yang baik adalah 1, 3, 15, 19, 20, dan 31. Soal-soal tersebut memiliki daya pembeda lebih dari 0,4. Artinya soal-soal tersebut lebih banyak dawab oleh peserta tes berkemampuan tinggi daripada peserta yang berkemampuan rendah. Soal yang cukup baik adalah 2, 4, 5, 11, 12, 13, 14, 16, 22, 23, 26, 32, dan 33. Soal yang perlu diperbaiki adalah soal nomor 6, 7, 8, 9, 18, 21, 24, 28, dan 34. Soal yang belum dapat membedakan antara kedua kelompok adalah 10, 17, 25, 27, 29, 30, dan 35. Soal-soal ini adalah soal yang nilai daya pembedanya sangat kecil. Sehingga, antara peserta berkemampuan tinggi dan berkemampuan rendah tidak dapat dibedakan. Berdasarkan sebaran pilihan jawaban yang disajikan pada Lampiran 1, setiap pilihan jawaban dipilih oleh peserta ujian sehingga dapat disimpulkan bahwa pilihan jawaban berfungsi sebagai pengecoh. Namun ada beberapa soal yang proporsi setiap pilihan jawaban hampir merata yaitu soal nomor 2, 6, 7, 9, 17, 22, 24, 28, 29, 30, 33, dan 35. Hal ini mengindikasikan adanya peluang menebak. Reliabilitas skor tes dilihat menggunakan koefisien alfa. Nilai koefisien alfa yang diperoleh dari hasil ITEMAN sebesar 0,711 menunjukkan tingkat ketepatan dan kekonsistenan peserta dalam menjawab soal sudah cukup baik.

15 7 Asumsi-asumsi dalam Model IRT Ada beberapa asumsi yang harus dipenuhi dalam model IRT yaitu unidimensional dan kebebasan lokal. Salah satu cara yang digunakan untuk mengetahui asumsi unidimensional dapat dilihat dari analisis faktor. Analisis faktor yang digunakan dalam penelitian ini menggunakann matriks korelasi tetrachoric. Korelasi tetrachoric digunakan untuk mendapatkan hubungan antar peubah dari peubah-peubah biner atau peubah yang berskala dikotomik yaitu jika benar diberi nilai 1 dan jika salah diberii nilai 0. Metode yang digunakan dalam analisis faktor adalah metode iterated principal axis. Akar ciri Jumlah faktor Gambar 2. Scree plot hasil analisis faktor Hasil analisis faktor dapat dilihat pada Gambar 2. Faktor pertama memiliki akar ciri sebesar 5,097. Akar ciri pada faktor kedua sebesar 1,164. Faktor-faktor lainnya memiliki akar ciri kurang dari satu. Dalam Hattie (1985), Hutten (1980) menaksir asumsi unidimensional berdasarkan pada rasio akar ciri pertama dan akar ciri kedua. Jika nilai perbandingan akar ciri tinggii mengindikasikan unidimensional. Berdasarkan hasil analisis faktor, perbandingan akar ciri pertama dengan akar ciri kedua lebih cukup besar yaitu 4. Hal ini sudah cukup menyatakann bahwa ada satu faktor yang dominan atau asumsi unidimensional terpenuhi. Berdasarkan hasil analisis faktor, soal nomor 20, 31, 23, 32, 15, 19, 11, dan 21 memberikan nilai faktor pembobot yang besar untuk faktor pertama. Soal-soal tersebut merupakan soal-soal yang dapat diselesaikan, jika peserta tes memiliki daya ingat, kemampuan komputasi, dan ketelitian yang cukup baik. Sehingga daya ingat, kemampuan komputasi, dan ketelitian menjadi faktor yang dominan dalam mengerjakan soal. Asumsi kedua yaitu kebebasan lokal ditunjukkan dengan tidak ada satupun soal yang memberikan petunjuk menjawab untuk soal yang lain. Model Teori Respon Butir Satu Parameter Logistik (IRT 1PL) Hasil pendugaan parameter karakteristik butir setiap soal ujian mata kuliah Fisika menggunakan model IRT 1PL (Lampiran 2) menunjukkan bahwa soal-soal mata kuliah Fisika mempunyai nilai b yang cukup beragam. Pada model 1PL nilai a untuk setiap soalnya dianggap sama yaitu 0,,345. Nilai b (tingkat kesukaran) berkisar di antara -4,885 sampai 2,921. Statistik nilai dugaan parameter kemampuan peserta ujian pada Tabel 3 menunjukkan rata-rata kemampuan peserta ujian sebesar 0,0083 dengan rentang nilai dari -3,0491 sampai 3,3110. Tabel 3. Statistik parameter kemampuan peserta ujian mata kuliah Fisika pada model IRT 1PL Nilai Statistik Kemampuan Peserta Ujian Rataan 0,0083 Ragam 1,0255 Standar Deviasi 1,0127 Minimum -3,0491 Maksimum 3,3110 Berdasarkan uji kesesuaian model yang dapat disajikan pada Lampiran 2 dan kurva karakteristik butir pada Lampiran 3a menunjukkan sebesar 62,86% butir soal belum sesuai (belum dapat digambarkan oleh model) dan 37,14% butir soal yang sesuai (dapat digambarkan oleh model). Kriteria butir soal berdasarkan Tabel 1 dibedakan menjadi tiga yaitu soal yang baik, cukup baik, dan belum dapat digambarkan. soal-soal yang digolongkan tipe soal yang baik adalah soal nomor 9, 11, 16, 18, 21, 22, 24, 26 dan 34. Soal-soal yang tergolong soal yang cukup baik adalah soal nomor 6, 7, 28, dan 35. Sedangkan soal-soal yang belum dapat digambarkan adalah soal nomor 1, 2, 3,4 5, 8, 10, 12, 13, 14, 15, 17, 19, 20, 23, 25, 27, 29, 30, 31, 32 dan 33. Berdasarkan hasil analisis di atas, lebih dari 50% butir soal yang belum sesuai (tidak dapat digambarkan oleh model) sehingga model IRT 1PL belum dapat menggambarkan butir-butir soal ujian Fisika.

16 8 Model Teori Respon Butir Dua Parameter Logistik (IRT 2PL) Hasil pendugaan parameter karakteristik soal untuk model IRT 2PL dapat dilihat pada Lampiran 2. Nilai a (daya beda) berkisar dari nilai 0,115 sampai dengan 0,804. Nilai b (tingkat kesukaran) berkisar dari nilai -3,188 sampai dengan 4,982. Statistik nilai dugaan parameter kemampuan peserta ujian (Tabel 4) menunjukkan nilai kemampuan tertinggi adalah 3,4897 dan kemampuan terendah adalah -3,1029. Tabel 4. Statistik parameter kemampuan peserta ujian mata kuliah Fisika pada model IRT 2PL Nilai Statistik Kemampuan Peserta Ujian Rataan 0,0153 Ragam 1,0494 Standar Deviasi 1,0244 Minimum -3,1029 Maksimum 3,4897 Hasil kesesuaian model yang disajikan pada Lampiran 2 dan kurva karakteristik butir pada Lampiran 3b menunjukkan sebesar 25,71% butir soal yang belum sesuai dan 74,29% soal yang sesuai dengan model. Persentase soal yang sesuai lebih banyak daripada soal yang tidak sesuai sehingga disimpulkan model IRT 2PL sudah cukup baik untuk menggambarkan butir-butir soal ujian Fisika. Hal ini menunjukkan parameter daya pembeda berpengaruh dalam model. Berdasarkan Tabel 1, tipe soal dibedakan menjadi tiga yaitu soal yang baik, cukup baik, dan belum dapat digambarkan. Butir soal yang belum dapat digambarkan adalah butir soal nomor 1, 3, 11, 13, 15, 19, 20, 31, dan 33. Soal yang cukup baik adalah 2, 5, 6, 7, 8, 9, 10, 12, 14, 16, 17, 18, 21, 22, 24, 25, 26, 27, 28, 29, 30, 34, dan 35. Tipe butir soal yang baik adalah nomor 4, 23 dan 32. Model Teori Respon Butir Tiga Parameter Logistik (IRT 3PL) Statistik dugaan parameter karakteristik butir dapat dilihat pada Lampiran 2. Nilai a (daya beda) berkisar di antara 0,346 sampai dengan 1,346. Nilai b (tingkat kesukaran) berada di antara -2,980 sampai dengan 3,186. Sedangkan statistik nilai dugaan parameter kemampuan disajikan pada Tabel 5. Rataan kemampuan peserta ujian sebesar -0,0760 dengan kemampuan di antara -3,4655 sampai dengan 3,4339. Tabel 5. Statistik parameter kemampuan peserta ujian mata kuliah Fisika pada model IRT 3PL Nilai Statistik Kemampuan Peserta Ujian Rataan -0,0760 Ragam 1,2501 Standar Deviasi 1,1181 Minimum -3,4655 Maksimum 3,4339 Berdasarkan Tabel 1, tipe soal dibedakan menjadi tiga yaitu soal yang baik, cukup baik, dan belum dapat digambarkan. Soal yang baik tersebut adalah 2, 4, 7, 12, 19, 23, 32, dan 33. Soal yang cukup baik adalah 5, 6, 8, 9, 10, 11, 13, 16, 17, 18, 21, 22, 24, 25, 26, 27, 28, 29, 30, 34, dan 35. Butir soal yang belum dapat digambarkan adalah 1, 3, 14, 15, 20 dan 31. Berdasarkan hasil uji kesesuaian model yang disajikan pada Lampiran 2 dan kurva karakteristik butir pada Lampiran 3c menunjukkan bahwa sebesar 17,14% butir soal belum dapat digambarkan dengan model dan 82,86% soal yang dapat digambarkan dengan model. Persentase soal yang sesuai lebih banyak daripada soal yang tidak sesuai sehingga disimpulkan model IRT 3PL sudah cukup baik untuk menggambarkan butir-butir soal ujian Fisika. Hal ini menunjukkan parameter daya pembeda dan peluang menebak berpengaruh dalam model. Nilai c (peluang menebak) berkisar antara nilai 0,073 sampai dengan 0,416. Soal yang memiliki peluang menebak yang lebih dari 0,2 adalah 9, 10, 11, 13, 16, 17, 18, 22, 25, 27, dan 29. Peluang menebak tertinggi terdapat pada soal nomor 10 sebesar 0,416 (Gambar 3). Artinya untuk soal nomor 10 peserta ujian dengan kemampuan rendah dapat menebak jawaban benar dengan peluang 0,416. Probability c Item Characteristic Curv e: SOAL10 a = b = c = Gambar 3. Kurva karakteristik butir 10 pada model IRT 3PL Ability b

17 9 Peluang menebak terendah terdapat pada soal nomor 20 sebesar 0,078 (Gambar 4). Artinya untuk soal nomor 20 peserta ujian dengan kemampuan rendah dapat menebak jawaban benar dengan peluang 0,073. Soal nomor 20 adalah soal yang belum dapat digambarkan. Pada Gambar 4 tersebut dapat dilihat ada beberapa amatan yang diamati berada di luar selang kepercayaannya. Probability c Item Characteristic Curv e: SOAL20 a = b = c = b Ability Gambar 4. Kurva karakteristik butir 20 pada model IRT 3PL Perbandingan dan Pemilihan Model Berdasarkan hasil klasifikasi kriteria butir soal pada Tabel 6 menunjukkan terdapat beberapa soal yang belum dapat dimodelkan dengan baik. Nilai khi kuadrat empiris butir yang diperoleh pada model IRT 1PL, IRT 2PL, dan IRT 3PL lebih besar nilai khi kuadrat teoritis (nilai p < 0,05). Soal-soal tersebut berdasarkan model IRT 3PL adalah soal nomor 1, 3, 14, 15, 20 dan 31. Pada saat dimodelkan dengan model IRT 1PL dan IRT 2PL, soal-soal tersebut tidak menunjukkan kriteria yang lebih baik. Walaupun berdasarkan kriteria teori uji klasik memiliki nilai daya pembeda yang cukup baik. Berdasarkan model IRT 3PL, butir soal yang baik adalah soal nomor 2, 4, 7, 12, 19, 23, 32, dan 33. Berdasarkan hasil teori uji klasik, beberapa soal tersebut adalah soal yang sukar. Soal-soal tersebut adalah soal yang belum dapat dimodelkan dengan baik pada model IRT 1PL. Namun, setelah dimodelkan dengan model IRT 3PL terdapat beberapa soal yang menjadi baik. Hal ini dapat menyimpulkan bahwa parameter daya pembeda dan peluang menebak berpengaruh terhadap model. Soal yang cukup baik berdasarkan model IRT 3PL adalah adalah 5, 6, 8, 9, 10, 11, 13, 16, 17, 18, 21, 22, 24, 25, 26, 27, 28, 29, 30, 34 dan 35. Soal-soal tersebut merupakan soal yang setelah dimodelkan dengan IRT 1PL, IRT 2PL, dan IRT 3PL belum menunjukkan kriteria yang lebih baik. Tabel 6. Pengklasifikasian kriteria butir soal pada teori uji klasik dan teori respon butir Kriteria Butir Soal Klasik Modern TK DP IRT IRT 1PL 2PL 1 Se B KB KB KB 2 Su CB KB CB B 3 Se B KB KB KB 4 Se CB KB B B 5 M CB KB CB CB 6 Su P CB CB CB 7 Su P CB CB B 8 M P KB CB CB 9 Se P B CB CB 10 Se BB KB CB CB 11 Se CB B KB CB 12 Se CB KB CB B 13 Se CB KB KB CB 14 Se CB KB CB KB 15 Se B KB KB KB 16 Se CB B CB CB 17 Su BB KB CB CB 18 Se P B CB CB 19 Se B KB KB B 20 Se B KB KB KB 21 Se P B CB CB 22 Se CB B CB CB 23 Se CB KB B B 24 Su P B CB CB 25 Se BB KB CB CB 26 Se CB B CB CB 27 Se BB KB CB CB 28 Su P CB CB CB 29 Su BB KB CB CB 30 Su BB KB CB CB 31 M B KB KB KB 32 Se CB KB B B 33 Su CB KB KB B 34 M P B CB CB 35 Su BB CB CB CB IRT 3PL

18 10 Keterangan : TK = Tingkat kesukaran DP = Daya Pembeda M = Soal yang bertipe mudah Se = Soal yang bertipe sedang Su = Soal yang bertipe sukar B = Soal yang bertipe baik CB = Soal yang bertipe cukup baik KB = Soal yang bertipe belum dapat digambarkan P = Soal yang bertipe harus diperbaiki BB = Soal yang belum dapat membedakan antara kedua kelompok Berdasarkan hasil uji kesesuaian model yang disajikan pada Lampiran 2, model teori respon butir 2PL merupakan model yang lebih baik dari model teori respon butir 1PL. Hal ini dapat dilihat dari jumlah soal yang sesuai untuk model teori respon butir 2PL lebih banyak dari teori respon butir 1PL. Selain itu, dapat disimpulkan bahwa parameter daya pembeda berpengaruh terhadap model. Perbandingan antara model teori respon butir 2PL dan teori respon butir 3PL juga menunjukkan bahwa model teori respon butir 3PL memiliki jumlah butir soal yang sesuai dan tipe soal yang baik lebih banyak dari model teori respon butir 2PL. Hal ini menunjukkan bahwa parameter menebak berpengaruh terhadap model. Analisis lain yang digunakan untuk memilih model adalah likelihood ratio test (LRT) dan indeks reliabilitas. Perbandingan model pertama dilakukan antara model IRT 1PL dan IRT 2PL. Kemudian dilakukan perbandingan antara model IRT 2PL dan model IRT 3PL. Tabel 7. Indeks pemilihan model Model Nilai -2 log Likelihood Indeks Reliabilitas IRT 1PL 66739,927 0,705 IRT 2PL 66103,864 0,771 IRT 3PL 65984,011 0,781 Hasil likelihood ratio test antara model IRT 1PL dan IRT 2PL sebesar 636,063 dengan db = 35 diperoleh nilai p < 0,005 sehingga disimpulkan model IRT 1PL dan IRT 2PL berbeda. Sedangkan hasil likelihood ratio test antara model IRT 2PL dan IRT 3PL sebesar 119,853 dengan db = 35 diperoleh nilai p < 0,005 sehingga dapat disimpulkan juga model IRT 2PL berbeda dengan model IRT 3PL. Pemilihan model dapat juga dilihat dari indeks reliabilitas pada Tabel 7. Model IRT 3PL memiliki indeks reliabilitas lebih tinggi dari model IRT 1PL dan IRT 2PL. Hasil analisis di atas menunjukkan bahwa model yang sesuai untuk menggambarkan butir soal mata kuliah Fisika adalah IRT 3PL. KESIMPULAN Berdasarkan hasil analisis, terdapat perbedaan parameter daya pembeda dan tingkat kesukaran pada metode teori uji klasik dan teori respon butir. Daya pembeda dan tingkat kesukaran pada teori uji klasik dipengaruhi oleh kemampuan kelompok sedangkan pada teori respon butir dipengaruhi oleh kemampuan individu. Model yang paling sesuai untuk menggambarkan butir-butir soal pada soal ujian mata kuliah Fisika adalah model teori respon butir tiga parameter logistik. Butir soal yang baik adalah soal nomor 2, 4, 7, 12, 19, 23, 32, dan 33. Soal yang cukup baik adalah soal nomor 5, 6, 8, 9, 10, 11, 13, 16, 17, 18, 21, 22, 24, 25, 26, 27, 28, 29, 30, 34 dan 35. Butir soal yang belum dapat digambarkan dalam permodelan IRT 3PL adalah 1, 3, 14, 15, 20, dan 31. DAFTAR PUSTAKA Anastasi, A & S. Urbina Psychological Testing. Seventh Edition. Prentice Hall International Inc, New Jersey. Crocker, L. & J. Algina Introduction to Classical and Modern Test Theory. Holt, Rinehart and Winston, Inc. New York. Embretson, S. E & S. P. Reise Item Response Theory for Psychologists. Lawrence Erlbaum Associates, New Jersey. Hambleton, R. K., Swaminathan, H. & H. J. Rogers Fundamentals of Item Response Theory. Sage Publications, The International professional Publishers. California. Hattie, J Methodology Review : Assessing Unidimensionality of Tests and Items. Applied Psychological Measurement. 9:

19 11 Hogg, R. V., McKean, J. W., & A. T. Craig Introduction to Mathematical Statistics 4 th Ed. Macmillan Publishing, New York. Lord, M. L Application of item response theory to practical testing problems. Lawrence Erlbaum Assosiates, Publisher, New Jersey. Nitko, A. J Educational Assessment of Students, Second Edition. Merill an imprint of Prentice Hall Englewood Cliffs, Ohio. Safari Panduan Analisis Butir Soal. ulum/5.%20perangkat%20penilai AN%20KTSP%20SMA/6.%20ANALISIS %20BUTIR%20SOAL/PANDUAN%20A NALISIS%20BUTIR%20SOAL.doc [22 Mei 2009] Wiberg, M Measuring and Detecting Differential Item Functioning in Criterion- Referenced Licensing Test : A theoretic comparison of methods. EM No. 60.

20 LAMPIRAN

21 13 Lampiran 1. Nilai tingkat kesukaran, daya pembeda, dan sebaran jawaban peserta ujian Fisika Nomor soal Tingkat Kesukaran Koefisien point biserial Daya Pembeda Sebaran Pilihan Jawaban A B C D E Tidak Menjawab 1 0,551 0,425 0,6869 0,551 0,049 0,083 0,146 0,165 0, ,229 0,327 0,4545 0,120 0,135 0,115 0,229 0,395 0, ,474 0,511 0,8232 0,053 0,177 0,474 0,278 0,017 0, ,450 0,394 0,6364 0,170 0,450 0,174 0,102 0,100 0, ,754 0,314 0,4444 0,112 0,047 0,081 0,754 0,006 0, ,184 0,220 0,3081 0,573 0,065 0,038 0,140 0,184 0, ,236 0,296 0,4293 0,236 0,368 0,042 0,232 0,118 0, ,938 0,224 0,1869 0,021 0,938 0,020 0,012 0,008 0, ,396 0,295 0,4242 0,230 0,396 0,137 0,164 0,063 0, ,430 0,120 0,2222 0,136 0,162 0,430 0,063 0,208 0, ,612 0,313 0,4848 0,163 0,059 0,041 0,123 0,612 0, ,358 0,383 0,5909 0,180 0,150 0,177 0,131 0,358 0, ,493 0,375 0,6667 0,179 0,172 0,117 0,493 0,036 0, ,628 0,363 0,5758 0,237 0,050 0,027 0,057 0,628 0, ,581 0,426 0,6616 0,089 0,581 0,140 0,115 0,070 0, ,546 0,309 0,5202 0,053 0,546 0,217 0,091 0,091 0, ,276 0,162 0,2273 0,293 0,246 0,276 0,127 0,056 0, ,387 0,250 0,3889 0,161 0,387 0,184 0,113 0,152 0, ,461 0,425 0,6818 0,461 0,329 0,134 0,049 0,025 0, ,624 0,434 0,6869 0,127 0,108 0,116 0,023 0,624 0, ,499 0,271 0,4596 0,499 0,123 0,088 0,148 0,141 0, ,346 0,311 0,5101 0,474 0,032 0,069 0,346 0,075 0, ,632 0,393 0,5707 0,083 0,127 0,632 0,042 0,116 0, ,263 0,240 0,3333 0,217 0,293 0,097 0,263 0,129 0, ,539 0,192 0,2778 0,252 0,145 0,032 0,539 0,032 0, ,568 0,314 0,4949 0,044 0,167 0,083 0,568 0,138 0, ,425 0,141 0,2172 0,425 0,081 0,160 0,195 0,137 0, ,230 0,216 0,2929 0,236 0,032 0,129 0,372 0,230 0, ,217 0,131 0,2222 0,261 0,232 0,204 0,217 0,083 0, ,186 0,176 0,1970 0,412 0,222 0,075 0,186 0,101 0, ,757 0,402 0,5657 0,032 0,036 0,756 0,100 0,076 0, ,532 0,388 0,5909 0,138 0,532 0,180 0,044 0,103 0, ,269 0,368 0,5556 0,269 0,338 0,185 0,130 0,069 0, ,716 0,278 0,4192 0,118 0,050 0,716 0,038 0,076 0, ,168 0,149 0,1869 0,395 0,168 0,159 0,062 0,215 0,001 Catatan : Kotak berwarna abu-abu adalah kunci jawaban

22 Lampiran 2. Nilai parameter butir soal ujian akhir Fisika untuk IRT 1PL, IRT 2PL, dan IRT 3PL Model IRT1PL Model IRT2PL Model IRT3PL Soal Deskripsi Soal chisquarsquarsquare chi- chi- b Nilai p Kriteria a b Nilai p Kriteria a b c Nilai p Kriteria 1 Suhu dan kalor -0,383 43,8 0,0000 KB 0,545-0,272 10,5 0,0324 KB 0,697 0,202 0,176 13,4 0,0197 KB 2 Suhu dan kalor 2,220 19,4 0,0007 KB 0,429 1,847 8,2 0,0857 CB 0,926 1,751 0,124 3,7 0,6006 B 3 Suhu dan kalor 0, ,3 0,0000 KB 0,804 0,093 10,1 0,0384 KB 0,935 0,270 0,078 10,6 0,0309 KB 4 Suhu dan kalor 0,369 29,3 0,0000 KB 0,500 0,268 6,0 0,1991 B 0,696 0,678 0,154 9,4 0,9260 B 5 Termodinamika -2,052 11,9 0,0362 KB 0,426-1,719 4,4 0,4877 CB 0,478-1,157 0,191 8,7 0,1200 CB 6 Termodinamika 2,718 2,9 0,5668 CB 0,263 3,466 8,8 0,0655 CB 1,006 2,360 0,140 4,6 0,3274 CB 7 Termodinamika 2,150 8,1 0,8840 CB 0,377 1,993 3,0 0,5534 CB 0,835 1,876 0,134 1,6 0,8963 B 8 Termodinamika -4,885 17,7 0,0034 KB 0,574-3,188 5,1 0,2801 CB 0,576-2,980 0,169 9,1 0,1040 CB 9 Medan listrik 0,776 6,4 0,2720 B 0,300 0,875 10,1 0,0729 CB 0,727 1,557 0,261 2,1 0,8347 CB 10 Muatan listrik 0,514 37,6 0,0000 KB 0,115 1,441 8,6 0,1257 CB 0,923 3,186 0,416 2,8 0,7374 CB 11 Potensial listrik -0,838 7,8 0,1663 B 0,340-0,851 13,2 0,0213 KB 0,585 0,501 0,349 4,2 0,5265 CB 12 Medan listrik 1,070 28,0 0,0000 KB 0,468 0,829 4,2 0,3806 CB 0,698 1,127 0,134 5,4 0,3648 B 13 Listrik dinamik 0,049 30,2 0,0000 KB 0,450 0,035 10,3 0,0363 KB 0,664 0,628 0,202 4,2 0,5199 CB 14 Listrik dinamik -0,965 17,8 0,0032 KB 0,458-0,768 8,8 0,1164 CB 0,508-0,389 0,131 11,6 0,0413 KB 15 Listrik dinamik -0,603 51,8 0,0000 KB 0,589-0,403 14,5 0,0127 KB 0,644-0,165 0,095 17,1 0,0043 KB 16 Listrik dinamik -0,345 4,1 0,5365 B 0,330-0,360 2,4 0,7952 CB 0,425 0,438 0,203 5,0 0,4127 CB 17 Medan magnet 1,772 16,9 0,0047 KB 0,175 3,332 2,4 0,6707 CB 1,149 2,455 0,248 2,8 0,7356 CB 18 Induksi 0,848 1,4 0,9257 B 0,239 1,178 1,0 0,9614 CB 0,840 1,885 0,304 2,6 0,7673 CB electromagnet 19 Medan magnet 0,289 53,1 0,0000 KB 0,572 0,188 10,2 0,0373 KB 0,677 0,453 0,102 9,9 0,0768 B 20 Induksi -0,935 63,7 0,0000 KB 0,659-0,577 23,7 0,0001 KB 0,713-0,406 0,073 38,4 0,0000 KB elektromagnet 21 Fisika modern 0,002 6,2 0,1850 B 0,271 0,003 8,6 0,0729 CB 0,339 0,774 0,168 9,6 0,0870 CB 14

HASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika

HASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika 6 c. Menghitung sebaran pilihan jawaban dan reliabilitas soal. 3. Penerapan teori respon butir dengan menggunakan model IRT 1PL, IRT 2PL, dan IRT 3PL. a. Pengujian asumsi model IRT b. Menghitung parameter

Lebih terperinci

Aplikasi IRT dalam Analisis Aitem Tes Kognitif

Aplikasi IRT dalam Analisis Aitem Tes Kognitif Buletin Psikologi ISSN 0854-7108 2016, Vol. 24, No. 2, 64 75 Aplikasi IRT dalam Analisis Aitem Tes Kognitif Firmanto Adi Nurcahyo 1 Fakultas Psikologi Universitas Pelita Harapan Surabaya Abstract Item

Lebih terperinci

ANALISIS HASIL TEST. Classical Theory Test. Tingkat Kesukaran(

ANALISIS HASIL TEST. Classical Theory Test. Tingkat Kesukaran( 1 ANALISIS HASIL TEST by Juair mail: juair_jateng@yahoo.co.id Ulangan harian, mid semester, semester atau try out, uji SKL (TEST) adalah merupakan sarana untuk mengetahui kemampuan atau daya serap penguasaan

Lebih terperinci

PENERAPAN GENERALIZED PARTIAL CREDIT MODEL

PENERAPAN GENERALIZED PARTIAL CREDIT MODEL PENERAPAN GENERALIZED PARTIAL CREDIT MODEL DALAM TEORI RESPON BUTIR UNTUK MENDUGA KEMAMPUAN HASIL TES URAIAN (Studi Kasus: Soal Ujian Tengah Semester Mata Kuliah Kalkulus Tingkat Persiapan Bersama Institut

Lebih terperinci

ANALISIS ITEM DENGAN PENDEKATAN IRT

ANALISIS ITEM DENGAN PENDEKATAN IRT ANALISIS ITEM DENGAN PENDEKATAN IRT (DENGAN BANTUAN APLIKASI PROGRAM BILOG-MG) A. PENDAHULUAN Analisis butir soal secara modern menggunakan Item Response Theory (IRT) merupakan suatu teori yang menggunakan

Lebih terperinci

TEORI RESPON ITEM DENGAN PENDEKATAN MODEL LOGISTIK SATU PARAMETER

TEORI RESPON ITEM DENGAN PENDEKATAN MODEL LOGISTIK SATU PARAMETER TEORI RESPON ITEM DENGAN PENDEKATAN MODEL LOGISTIK SATU PARAMETER SKRIPSI Oleh: VITARIA NUGRAHENI J2E 006 038 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

ANALISIS BUTIR TES OBJEKTIF UJIAN AKHIR SEMESTER MAHASISWA UNIVERSITAS TERBUKA BERDASARKAN TEORI TES MODERN

ANALISIS BUTIR TES OBJEKTIF UJIAN AKHIR SEMESTER MAHASISWA UNIVERSITAS TERBUKA BERDASARKAN TEORI TES MODERN ANALISIS BUTIR TES OBJEKTIF UJIAN AKHIR SEMESTER MAHASISWA UNIVERSITAS TERBUKA BERDASARKAN TEORI TES MODERN Dewi Juliah Ratnaningsih (djuli@ut.ac.id) Isfarudi FMIPA-UT, Jl. Cabe Raya, Pondok Cabe, Pamulang

Lebih terperinci

Kata Kunci: Analisis Butir Tes, Teori respons butir, soal matematika

Kata Kunci: Analisis Butir Tes, Teori respons butir, soal matematika Abstrak. Tujuan penelitian ini adalah Untuk mengetahui kualitas karakteristik Butir Tes Matematika pada Tes Buatan MGMP Kota Makassar Didasarkan pada Teori Respons Butir. Penelitian ini adalah penelitian

Lebih terperinci

ANALISIS BUTIR SOAL PILIHAN GANDA UJIAN AKHIR SEMESTER MAHASISWA DI UNIVERSITAS TERBUKA DENGAN PENDEKATAN TEORI TES KLASIK

ANALISIS BUTIR SOAL PILIHAN GANDA UJIAN AKHIR SEMESTER MAHASISWA DI UNIVERSITAS TERBUKA DENGAN PENDEKATAN TEORI TES KLASIK ANALISIS BUTIR SOAL PILIHAN GANDA UJIAN AKHIR SEMESTER MAHASISWA DI UNIVERSITAS TERBUKA DENGAN PENDEKATAN TEORI TES KLASIK Dewi Juliah Ratnaningsih (djuli@ut.ac.id) Isfarudi Nuraini Soleiman FMIPA-UT,

Lebih terperinci

TEORI RESPONSI BUTIR. Penulis: : Dr. Ir. Sudaryono, M.Pd. Edisi Pertama Cetakan Pertama, 2013

TEORI RESPONSI BUTIR. Penulis: : Dr. Ir. Sudaryono, M.Pd. Edisi Pertama Cetakan Pertama, 2013 TEORI RESPONSI BUTIR Penulis: : Dr. Ir. Sudaryono, M.Pd Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian

Lebih terperinci

ABSTRAK.

ABSTRAK. 1 PERBEDAAN FUNGSI INFORMASI ITEM PADA TES PRESTASI BELAJAR MATEMATIKA BENTUK PILIHAN GANDA YANG MENGGUNAKAN PENSKORAN KONVENSIONAL DAN KOREKSI Purwo Susongko Universitas Pancasakti Tegal Kusumatirto@gmail.com

Lebih terperinci

Suhariyono, Sriyono, Nur Ngazizah

Suhariyono, Sriyono, Nur Ngazizah Akurasi pendekatan Classical Test Theory dan pendekatan Item Response Theory dalam menganalisis soal UAS Fisika semester genap kelas X SMA Negeri di Purworejo Tahun Pelajaran 2013/2014 Suhariyono, Sriyono,

Lebih terperinci

PERSYARATAN ANALISIS INSTRUMEN SEBAGAI PRASYARAT KETEPATAN HASIL ANALISIS DALAM PENELITIAN PENDIDIKAN

PERSYARATAN ANALISIS INSTRUMEN SEBAGAI PRASYARAT KETEPATAN HASIL ANALISIS DALAM PENELITIAN PENDIDIKAN PERSYARATAN ANALISIS INSTRUMEN SEBAGAI PRASYARAT KETEPATAN HASIL ANALISIS DALAM PENELITIAN PENDIDIKAN Syarifah Dosen FIS Universitas Negeri Medan Abstract Clasical test theory uses a very simple measurement

Lebih terperinci

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika 4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam

Lebih terperinci

ANALISIS BUTIR SOAL A. PENDAHULUAN

ANALISIS BUTIR SOAL A. PENDAHULUAN ANALISIS BUTIR SOAL A. PENDAHULUAN Tes adalah suatu pernyataan, tugas atau seperangkat tugas yang direncanakan untuk memperoleh informasi tentang trait atau atribut pendidikan dan psikologi. Setiap butir

Lebih terperinci

PERBEDAAN KETEPATAN ESTIMASI TINGKAT KESUKARAN BUTIR TES PILIHAN GANDA PADA PENSKORAN KOREKSI DAN KONVENSIONAL DENGAN PENERAPAN MODEL RASCH

PERBEDAAN KETEPATAN ESTIMASI TINGKAT KESUKARAN BUTIR TES PILIHAN GANDA PADA PENSKORAN KOREKSI DAN KONVENSIONAL DENGAN PENERAPAN MODEL RASCH PERBEDAAN KETEPATAN ESTIMASI TINGKAT KESUKARAN BUTIR TES PILIHAN GANDA PADA PENSKORAN KOREKSI DAN KONVENSIONAL DENGAN PENERAPAN MODEL RASCH Purwo Susongko (Universitas Pancasakti Tegal) Kusumatirto@gmail.com

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian adalah cara yang digunakan oleh peneliti dalam

BAB III METODE PENELITIAN. Metode penelitian adalah cara yang digunakan oleh peneliti dalam BAB III METODE PENELITIAN A. Metode Penelitian Metode penelitian adalah cara yang digunakan oleh peneliti dalam mengumpulkan data penelitiannya (Arikunto, 2000). Dalam penelitian ini metode penelitian

Lebih terperinci

Panduan Penggunaan AnBuso 2015

Panduan Penggunaan AnBuso 2015 COVER DAFTAR ISI COVER...i DAFTAR ISI... ii Pendahuluan...1 Hal yang Baru...1 Kerangka Isi...2 Input Data...3 Menu Identitas... 3 Menu Jawaban... 7 Laporan Peserta...7 Menu Laporan Objektif... 8 Menu Laporan

Lebih terperinci

PENYETARAAN DUA PERANGKAT TES PADA TEORI RESPON BUTIR (Studi Kasus: Soal Ujian Nasional Matematika IPA Sekolah Menengah Atas Tahun 2013)

PENYETARAAN DUA PERANGKAT TES PADA TEORI RESPON BUTIR (Studi Kasus: Soal Ujian Nasional Matematika IPA Sekolah Menengah Atas Tahun 2013) PENYETARAAN DUA PERANGKAT TES PADA TEORI RESPON BUTIR (Studi Kasus: Soal Ujian Nasional Matematika IPA Sekolah Menengah Atas Tahun 2013) SITI HANDAYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan

BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Instrumen pengukur sejauh mana penguasaan kompetensi suatu bidang keilmuan seseorang dapat diketahui dengan melakukan tes. Tes memiliki berbagai macam

Lebih terperinci

Nur Hidayanto FBS Universitas Negeri Yogyakarta

Nur Hidayanto FBS Universitas Negeri Yogyakarta Analisis Hasil Uji Kompetensi Pelajaran Bahasa Inggris dengan Model Logistik Nur Hidayanto FBS Universitas Negeri Yogyakarta email: nur_hidayanto@uny.ac.id Abstrak Penelitian ini bertujuan untuk menganalisis

Lebih terperinci

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU

Lebih terperinci

PENGEMBANGAN DAN ANALISIS SOAL ULANGAN KENAIKAN KELAS KIMIA SMA KELAS X BERDASARKAN CLASSICAL TEST THEORY DAN ITEM RESPONSE THEORY

PENGEMBANGAN DAN ANALISIS SOAL ULANGAN KENAIKAN KELAS KIMIA SMA KELAS X BERDASARKAN CLASSICAL TEST THEORY DAN ITEM RESPONSE THEORY PENGEMBANGAN DAN ANALISIS SOAL ULANGAN KENAIKAN KELAS KIMIA SMA KELAS X BERDASARKAN CLASSICAL TEST THEORY DAN ITEM RESPONSE THEORY Nahadi, Wiwi Siswaningsih, dan Ana Rofiati Jurusan Pendidikan Kimia, FPMIPA

Lebih terperinci

Keakuratan Hasil Analisis Butir Menurut Teori Tes Klasik dan Teori Respons Butir Ditinjau dari Ukuran Sampel

Keakuratan Hasil Analisis Butir Menurut Teori Tes Klasik dan Teori Respons Butir Ditinjau dari Ukuran Sampel Keakuratan Hasil Analisis Butir Menurut Teori Tes Klasik dan Teori Respons Butir Ditinjau dari Ukuran Sampel Kana Hidayati Jurusan Pendidikan Matematika FMIPA UNY ABSTRAK Penelitian ini bertujuan untuk

Lebih terperinci

METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE

METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN

Lebih terperinci

STRATEGI PEMILIHAN BUTIR ALTERNATIF PADA TES ADAPTIF UNTUK MENINGKATKAN KEAMANAN TES

STRATEGI PEMILIHAN BUTIR ALTERNATIF PADA TES ADAPTIF UNTUK MENINGKATKAN KEAMANAN TES STRATEGI PEMILIHAN BUTIR ALTERNATIF PADA TES ADAPTIF UNTUK MENINGKATKAN KEAMANAN TES Agus Santoso FMIPA Universitas Terbuka Jakarta email: aguss@mail.ut.ac.id ABSTRAK Rancangan tes adaptif terkomputerisasi

Lebih terperinci

PSIKOMETRI. Oleh: Prof. Dr. I Wayan Koyan, M.Pd. Pascasarjana Undiksha Singaraja

PSIKOMETRI. Oleh: Prof. Dr. I Wayan Koyan, M.Pd. Pascasarjana Undiksha Singaraja PSIKOMETRI Oleh: Prof. Dr. I Wayan Koyan, M.Pd. Pascasarjana Undiksha Singaraja 1 BAB I PENGUKURAN A. PENGERTIAN 1. PSIKOMETRI a. PSIKOMETRI ADALAH KOMBINASI DARI PENGUKURAN DAN STATISTIKA (KERLINGER b.

Lebih terperinci

PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA

PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 RINGKASAN TENDI

Lebih terperinci

: <Dr: SamsuCjfadi, M.Kpm

: <Dr: SamsuCjfadi, M.Kpm KEMENTERIAN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL MANAJEMEN PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PEMBINAAN SEKOLAH MENENGAH PERTAMA IKama Vnit %erja y/arasum6er :

Lebih terperinci

IDENTIFIKASI KECURANGAN PESERTA UJIAN MELALUI METODE PERSON FIT

IDENTIFIKASI KECURANGAN PESERTA UJIAN MELALUI METODE PERSON FIT IDENTIFIKASI KECURANGAN PESERTA UJIAN MELALUI METODE PERSON FIT Herwin dan Heriyati Universitas Negeri Yogyakarta, a21_herwin@yahoo.co.id, 082347789847 SDN 250 Bulu Soppeng, winunm@gmail.com, 082291216750

Lebih terperinci

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah

Lebih terperinci

Partial Credit Model (PCM) dalam Penskoran Politomi pada Teori Respon Butir

Partial Credit Model (PCM) dalam Penskoran Politomi pada Teori Respon Butir Vol. 9, No.1, 39-48, Juli 2012 Partial Credit Model (PCM) dalam Penskoran Politomi pada Teori Respon Butir Safaruddin 1, Anisa, M. Saleh AF Abstrak Dalam pelaksanaan tes uraian, penskoran biasanya dilakukan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Model Penelitian dan Pengembangan Penelitian ini termasuk dalam penelitian pengembangan dengan mengembangkan instrumen penilaian hasil belajar kognitif matematika berdasarkan

Lebih terperinci

ANALISIS DATA PENGUKURAN MENGGUNAKAN PROGRAM QUEST. Didik Setyawarno Pendidikan IPA FMIPA UNY Yogyakarta, 18 November 2016

ANALISIS DATA PENGUKURAN MENGGUNAKAN PROGRAM QUEST. Didik Setyawarno Pendidikan IPA FMIPA UNY Yogyakarta, 18 November 2016 ANALISIS DATA PENGUKURAN MENGGUNAKAN PROGRAM QUEST Didik Setyawarno Pendidikan IPA FMIPA UNY Yogyakarta, 18 November 2016 ANALISIS DATA PENGUKURAN MENGGUNAKAN PROGRAM QUEST Untuk melakukan analisis butir

Lebih terperinci

MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO

MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen

Lebih terperinci

KESTABILAN ESTIMASI PARAMETER KEMAMPUAN PADA MODEL LOGISTIK ITEM RESPONSE THEORY DITINJAU DARI PANJANG TES

KESTABILAN ESTIMASI PARAMETER KEMAMPUAN PADA MODEL LOGISTIK ITEM RESPONSE THEORY DITINJAU DARI PANJANG TES KESTABILAN ESTIMASI PARAMETER KEMAMPUAN PADA MODEL LOGISTIK ITEM RESPONSE THEORY DITINJAU DARI PANJANG TES Ilham Falani 1, Siti Ayu Kumala 2 Program Studi Teknik Industri, Universitas Indraprasta PGRI

Lebih terperinci

EVALUASI PELAKSANAAN KURIKULUM SISTEM MAYOR-MINOR PROGRAM PENDIDIKAN SARJANA (S1) INSTITUT PERTANIAN BOGOR DICKY PRATAMA YENDRA

EVALUASI PELAKSANAAN KURIKULUM SISTEM MAYOR-MINOR PROGRAM PENDIDIKAN SARJANA (S1) INSTITUT PERTANIAN BOGOR DICKY PRATAMA YENDRA EVALUASI PELAKSANAAN KURIKULUM SISTEM MAYOR-MINOR PROGRAM PENDIDIKAN SARJANA (S1) INSTITUT PERTANIAN BOGOR DICKY PRATAMA YENDRA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

EFISIENSI DAN AKURASI COMPUTERIZED ADAPTIVE TESTING PADA SISTEM UJIAN AKHIR SEMESTER UNIVERSITAS TERBUKA

EFISIENSI DAN AKURASI COMPUTERIZED ADAPTIVE TESTING PADA SISTEM UJIAN AKHIR SEMESTER UNIVERSITAS TERBUKA EFISIENSI DAN AKURASI COMPUTERIZED ADAPTIVE TESTING PADA SISTEM UJIAN AKHIR SEMESTER UNIVERSITAS TERBUKA Agus Santoso (aguss@ut.ac.id) Jurusan Statistika FMIPA Universitas Terbuka ABSTRACT Universitas

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan 1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Pancasila dan Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 adalah dasar pendidikan nasional. Pendidikan nasional berfungsi mengembangkan

Lebih terperinci

BAB III METODE PENELITIAAN. mengetahui pengaruh yang muncul. Dalam penelitian ini penulis melakukan

BAB III METODE PENELITIAAN. mengetahui pengaruh yang muncul. Dalam penelitian ini penulis melakukan BAB III METODE PENELITIAAN 3.1 Rancangan Penelitian Berdasarkan permasalahan yang dikemukakan, maka jenis penelitian ini adalah penelitian Quasi Eksperimen. Penelitian ini merupakan kegiatan untuk meneliti

Lebih terperinci

P - 16 ANALISIS KEMAMPUAN BERPIKIR KRITIS MATEMATIK SISWA DENGAN MENGGUNAKAN GRADED RESPONSE MODELS (GRM)

P - 16 ANALISIS KEMAMPUAN BERPIKIR KRITIS MATEMATIK SISWA DENGAN MENGGUNAKAN GRADED RESPONSE MODELS (GRM) P - 16 ANALISIS KEMAMPUAN BERPIKIR KRITIS MATEMATIK SISWA DENGAN MENGGUNAKAN GRADED RESPONSE MODELS (GRM) Budi Manfaat Jurusan Tadris Matematika Fakultas Tarbiyah IAIN Syekh Nurjati Cirebon e-mail: budi_manfaat@yahoo.com

Lebih terperinci

Analisis Dan Simulasi Dengan Program Win-Gen (Strategi Dalam Mengkonstruk Instrumen Soal)

Analisis Dan Simulasi Dengan Program Win-Gen (Strategi Dalam Mengkonstruk Instrumen Soal) Analisis Dan Simulasi Dengan Program Win-Gen (Strategi Dalam Mengkonstruk Instrumen Soal) Risky Setiawan FIP IKIP Veteran Semarang Email : setiawan.risky@gmail.com ABSTRAK Tujuan dari penelitian ini adalah

Lebih terperinci

ANALISIS PERIODISITAS SUHU DAN TEKANAN PARAS MUKA LAUT DI INDONESIA DAN HUBUNGANNYA DENGAN AKTIVITAS MATAHARI R. HIKMAT KURNIAWAN

ANALISIS PERIODISITAS SUHU DAN TEKANAN PARAS MUKA LAUT DI INDONESIA DAN HUBUNGANNYA DENGAN AKTIVITAS MATAHARI R. HIKMAT KURNIAWAN ANALISIS PERIODISITAS SUHU DAN TEKANAN PARAS MUKA LAUT DI INDONESIA DAN HUBUNGANNYA DENGAN AKTIVITAS MATAHARI R. HIKMAT KURNIAWAN DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

ANALISIS PENGARUH ELEMEN LANSKAP TERHADAP KUALITAS ESTETIKA LANSKAP KOTA DEPOK. Oleh: Medyuni Ruswan A

ANALISIS PENGARUH ELEMEN LANSKAP TERHADAP KUALITAS ESTETIKA LANSKAP KOTA DEPOK. Oleh: Medyuni Ruswan A ANALISIS PENGARUH ELEMEN LANSKAP TERHADAP KUALITAS ESTETIKA LANSKAP KOTA DEPOK Oleh: Medyuni Ruswan A34201045 PROGRAM STUDI ARSITEKTUR LANSKAP FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2006 RINGKASAN

Lebih terperinci

Psikometri. Reliabilitas 1

Psikometri. Reliabilitas 1 Psikometri Modul ke: Reliabilitas 1 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Apa itu Reliabilitas? reliability is a synonym for dependability or consistency Tests that

Lebih terperinci

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani S-4 APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA Indahwati, Dian Kusumaningrum, Wiwid Widiyani Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Metode Statistika

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian tentang analisis butir soal Ulangan Akhir Semester (UAS) mata pelajaran Fisika kelas XI SMA Negeri 1 Purwokerto Tahun Ajaran 2015/2016 ini sesuai

Lebih terperinci

Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Pendidikan Program Studi Pendidikan Biologi. oleh Mahanani

Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Pendidikan Program Studi Pendidikan Biologi. oleh Mahanani ANALISIS SOAL INTERNATIONAL COMPETITIONS AND ASSESSMENTS FOR SCHOOLS (ICAS) DENGAN MENGGUNAKAN METODE ITEM RESPONSE THEORY (IRT) DAN CLASSICAL TEST THEORY (CTT) Skripsi disusun sebagai salah satu syarat

Lebih terperinci

Pendekatan Regresi Logistik dalam Pendektesian DIF

Pendekatan Regresi Logistik dalam Pendektesian DIF Pendekatan Regresi Logistik dalam Pendektesian DIF Oleh: Kana Hidayati Jurusan Pendidkan Matematika FMIPA UNY ABSTRAK Kegiatan pengukuran dalam bidang pendidikan sangat memerlukan suatu alat ukur yang

Lebih terperinci

PENERAPAN MODEL FINITE LENGTH LINE SOURCE UNTUK MENDUGA KONSENTRASI POLUTAN DARI SUMBER GARIS (STUDI KASUS: JL. M.H. THAMRIN, DKI JAKARTA)

PENERAPAN MODEL FINITE LENGTH LINE SOURCE UNTUK MENDUGA KONSENTRASI POLUTAN DARI SUMBER GARIS (STUDI KASUS: JL. M.H. THAMRIN, DKI JAKARTA) PENERAPAN MODEL FINITE LENGTH LINE SOURCE UNTUK MENDUGA KONSENTRASI POLUTAN DARI SUMBER GARIS (STUDI KASUS: JL. M.H. THAMRIN, DKI JAKARTA) EKO SUPRIYADI DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA

Lebih terperinci

PEMILIHAN BUTIR ALTERNATIF PADA TES ADAPTIF UNTUK PENINGKATAN KEAMANAN TES. Agus Santoso FMIPA Universitas Terbuka

PEMILIHAN BUTIR ALTERNATIF PADA TES ADAPTIF UNTUK PENINGKATAN KEAMANAN TES. Agus Santoso FMIPA Universitas Terbuka PEMILIHAN BUTIR ALTERNATIF PADA TES ADAPTIF UNTUK PENINGKATAN KEAMANAN TES Agus Santoso FMIPA Universitas Terbuka email: aguss@ut.ac.id Abstrak Penelitian ini bertujuan mendesksripsikan pengaruh pemilihan

Lebih terperinci

BAB III METODE PENELITIAN R X O 1 R O 2

BAB III METODE PENELITIAN R X O 1 R O 2 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah metode penelitian kuantitatif yang merupakan metode eksperimen berdesain posttest-only control design, karena tujuan

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan pada penelitian ini adalah metode penelitian

BAB III METODE PENELITIAN. Metode penelitian yang digunakan pada penelitian ini adalah metode penelitian BAB III METODE PENELITIAN A. Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah metode penelitian dan pengembangan. Metode penelitian dan pengembangan adalah metode penelitian

Lebih terperinci

Jurnal Media Pendidikan Matematika J-MPM Vol. 2 No. 1, ISSN

Jurnal Media Pendidikan Matematika J-MPM Vol. 2 No. 1, ISSN TINGKAT KESUKARAN, DAYABEDA, KONSISTENSI INTERNAL BUTIR DITINJAU PENGUJIAN SEREMPAK-PARSIAL DAN KONTEN UJI PADA TES SELEKSI MASUK IKIP MATARAM TAHUN 2011/2012 Jumailiyah Dosen FIP IKIP Mataram E-mai: -

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MAGISTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1

Lebih terperinci

KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G

KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI Oleh : SITI NURBAITI G14102022 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007 ABSTRAK SITI

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 19 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 19 Bandar Lampung yang terletak di 24 III. METODE PENELITIAN A. Populasi dan Sampel Penelitian ini dilaksanakan di SMP Negeri 19 Bandar Lampung yang terletak di Jl. Turi Raya No.1 Labuhan Dalam, Kecamatan Tanjung Senang, Kota Bandar Lampung.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Variabel Penelitian Secara garis besar variabel penelitian mengenai keterbandingan reliabilitas berdasar metode penskoran number-right score dengan metode penskoran correction

Lebih terperinci

ANALISIS BUTIR SOAL DENGAN TEORI TES KLASIK: SEBUAH PENGANTAR. Oleh: Djunaidi Lababa*

ANALISIS BUTIR SOAL DENGAN TEORI TES KLASIK: SEBUAH PENGANTAR. Oleh: Djunaidi Lababa* ANALISIS BUTIR SOAL DENGAN TEORI TES KLASIK: SEBUAH PENGANTAR Oleh: Djunaidi Lababa* Abstrak Tes merupakan salah satu cara paling mudah dan murah yang bisa dilakukan untuk memotret kemajuan belajar siswa

Lebih terperinci

ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA

ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

PENSKORAN POLITOMI DALAM TEORI RESPON BUTIR MENGGUNAKAN GRADED RESPONSE MODEL (GRM) Kata Kunci: Item Respon Teori (IRT), Graded Response Model (GRM)

PENSKORAN POLITOMI DALAM TEORI RESPON BUTIR MENGGUNAKAN GRADED RESPONSE MODEL (GRM) Kata Kunci: Item Respon Teori (IRT), Graded Response Model (GRM) PENSKORAN POLITOMI DALAM TEORI RESPON BUTIR MENGGUNAKAN GRADED RESPONSE MODEL (GRM Azhar Rezky Wahyudi*, Anisa, Nasrah Sirajang Jurusan Matematika, FMIPA, Universitas Hasanuddin, Makassar 90245 *Email:

Lebih terperinci

PENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005

PENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005 1 PENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005 2 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul

Lebih terperinci

BAB III METODOLOGI PENELITIAN. eksperimen. Pada penelitian ini peneliti melakukan satu macam perlakuan yang

BAB III METODOLOGI PENELITIAN. eksperimen. Pada penelitian ini peneliti melakukan satu macam perlakuan yang BAB III METODOLOGI PENELITIAN A. Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode kuasi eksperimen. Pada penelitian ini peneliti melakukan satu macam perlakuan yang diberikan

Lebih terperinci

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN

RENCANA PELAKSANAAN PEMBELAJARAN RENCANA PELAKSANAAN PEMBELAJARAN Fakultas : FMIPA Program Studi : Pendidikan IPA Mata Kuliah/Kode : Teori Respon Butir / SSC 213 Jumlah SKS : Teori = 1 ; Praktek = 1 Semester : VII Mata Kuliah Prasyarat/kode

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MASTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I.

Lebih terperinci

Psikometri Validitas 1

Psikometri Validitas 1 Modul ke: Psikometri Validitas 1 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Pengertian: VALIDITAS Berkaitan dengan apa yang diukur oleh tes dan seberapa tepat tes mengukur

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mencoba mengembangkan alat ukur untuk mengetahui

BAB III METODOLOGI PENELITIAN. Penelitian ini mencoba mengembangkan alat ukur untuk mengetahui BAB III METODOLOGI PENELITIAN A. Rancangan Penelitian Penelitian ini mencoba mengembangkan alat ukur untuk mengetahui apakah peserta didik di sekolah menengah dapat memahami konsep atau arti fisis dari

Lebih terperinci

Perbandingan Nilai Ujian Nasional dan Ujian Sekolah Mata Pelajaran Matematika SMA Program IPA Tahun Pelajaran 2010/2011

Perbandingan Nilai Ujian Nasional dan Ujian Sekolah Mata Pelajaran Matematika SMA Program IPA Tahun Pelajaran 2010/2011 Perbandingan Nilai Ujian Nasional dan Ujian Sekolah Mata Pelajaran Matematika SMA Program IPA Tahun Pelajaran 2010/2011 Fahmi Pusat Penilaian Pendidikan Balitbang Kementerian Pendidikan dan Kebudayaan

Lebih terperinci

BAB III METODE PENELITIAN. 1. Pembelajaran melalui penerapan tutor sebaya merupakan pembelajaran

BAB III METODE PENELITIAN. 1. Pembelajaran melalui penerapan tutor sebaya merupakan pembelajaran BAB III METODE PENELITIAN A. Definisi Operasional 1. Pembelajaran melalui penerapan tutor sebaya merupakan pembelajaran yang dilakukan pada kelas eksperimen dengan membagi siswa ke dalam beberapa kelompok,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini menggunakan penelitian deskriptif kualitatif. Penilitian deskrispi kualitatif merupakan metode menggambarkan dan menginterpretasikan objek

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakang Masalah Pendidikan merupakan komponen penting dalam pengembangan sumber daya manusia. Menurut Undang-Undang Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional, didefinisikan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Setting Penelitian Penelitian ini dilakukan di SMA Kemala Bhayangkari Bandung yang terletak di jalan Palasari No. 46 Bandung, Jawa Barat. Sekolah yang berdiri di bawah naungan

Lebih terperinci

PERBANDINGAN PENAKAR HUJAN DI BERBAGAI KETINGGIAN POSISI PEMASANGAN DAN UKURAN DIAMETER MULUT PENAMPANG FITRI YASMIN

PERBANDINGAN PENAKAR HUJAN DI BERBAGAI KETINGGIAN POSISI PEMASANGAN DAN UKURAN DIAMETER MULUT PENAMPANG FITRI YASMIN PERBANDINGAN PENAKAR HUJAN DI BERBAGAI KETINGGIAN POSISI PEMASANGAN DAN UKURAN DIAMETER MULUT PENAMPANG FITRI YASMIN DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

BAB I PENDAHULUAN. Evaluasi merupakan salah satu bagian dari proses pembelajaran. Evaluasi itu

BAB I PENDAHULUAN. Evaluasi merupakan salah satu bagian dari proses pembelajaran. Evaluasi itu BAB I PENDAHULUAN A. Latar Belakang Masalah Evaluasi merupakan salah satu bagian dari proses pembelajaran. Evaluasi itu sendiri adalah suatu proses yang sistematis dan berkelanjutan untuk menentukan kualitas

Lebih terperinci

PENGANTAR TEORI TES KLASIK (TTK)*)

PENGANTAR TEORI TES KLASIK (TTK)*) PENGANTAR TEORI TES KLASIK (TTK)*) Oleh : Badrun Kartowagiran**) KERJASAMA PASCASARJANA UNY DINAS PENDIDIKAN PROV DIY 2009 ============================ *) Makalah disampaikan pada Pelatihan penulisan analisis

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) KBPP43114 Psikometri Disusun oleh: Krisnova Nastasia, S. Psi, MM PROGRAM STUDI S1 PSIKOLOGI FAKULTAS PSIKOLOGI UNIVERSITAS PUTRA INDONESIA YPTK LEMBAR PENGESAHAN Rencana

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah Overdispersi dalam Model Regresi Logistik Multinomial Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. 1. Metode pembelajaran aktif (active learning) yang dimaksud dalam penelitian

BAB III METODOLOGI PENELITIAN. 1. Metode pembelajaran aktif (active learning) yang dimaksud dalam penelitian BAB III METODOLOGI PENELITIAN A. Definisi Operasional 1. Metode pembelajaran aktif (active learning) yang dimaksud dalam penelitian ini merupakan istilah penggabungan dua metode yang termasuk ke dalam

Lebih terperinci

PENGARUH PEMBERIAN BAP DAN NAA TERHADAP PERTUMBUHAN DAN PERKEMBANGAN TUNAS MIKRO KANTONG SEMAR (Nepenthes mirabilis) SECARA IN VITRO

PENGARUH PEMBERIAN BAP DAN NAA TERHADAP PERTUMBUHAN DAN PERKEMBANGAN TUNAS MIKRO KANTONG SEMAR (Nepenthes mirabilis) SECARA IN VITRO PENGARUH PEMBERIAN BAP DAN NAA TERHADAP PERTUMBUHAN DAN PERKEMBANGAN TUNAS MIKRO KANTONG SEMAR (Nepenthes mirabilis) SECARA IN VITRO Oleh: YAYU ALITALIA A34304025 PROGRAM STUDI HORTIKULTURA FAKULTAS PERTANIAN

Lebih terperinci

ANALISIS BUTIR SOAL DENGAN PENDEKATAN CLASSICAL TEST THEORY DAN ITEM RESPONSE THEORY. Wiwin Mistiani Teacher Training and Tarbiyah Faculty, IAIN Palu

ANALISIS BUTIR SOAL DENGAN PENDEKATAN CLASSICAL TEST THEORY DAN ITEM RESPONSE THEORY. Wiwin Mistiani Teacher Training and Tarbiyah Faculty, IAIN Palu ANALISIS BUTIR SOAL DENGAN PENDEKATAN CLASSICAL TEST THEORY DAN ITEM RESPONSE THEORY Wiwin Mistiani Teacher Training and Tarbiyah Faculty, IAIN Palu Abstract The test is one of the easiest and most inexpensive

Lebih terperinci

Laporan Penelitian. Analisis Kualitas Butir Soal Mata Kuliah Membaca 2 (PBIN4329)

Laporan Penelitian. Analisis Kualitas Butir Soal Mata Kuliah Membaca 2 (PBIN4329) Laporan Penelitian Analisis Kualitas Butir Soal Mata Kuliah Membaca 2 (PBIN4329) Oleh B. Esti Pramuki esti@ut.ac.id dan Nunung Supratmi nunung@ut.ac.id LEMBAGA PENELITIAN UNIVERSITAS TERBUKA DIREKTORAT

Lebih terperinci

BAB III METODE PENELITIAN. Sebuah penelitian memerlukan metode pendekatan yang digunakan untuk

BAB III METODE PENELITIAN. Sebuah penelitian memerlukan metode pendekatan yang digunakan untuk BAB III METODE PENELITIAN 3.1 Metode Penelitian Sebuah penelitian memerlukan metode pendekatan yang digunakan untuk memecahkan masalah yang akan diteliti serta untuk mencapai tujuan penelitian. Menurut

Lebih terperinci

AKTERISTIK BUTIR TES MATEMATIKA PADA TES BUATAN MGMP MATEMATIKA KOTA PALOPO BERDASARKAN TEORI KLASIK

AKTERISTIK BUTIR TES MATEMATIKA PADA TES BUATAN MGMP MATEMATIKA KOTA PALOPO BERDASARKAN TEORI KLASIK Pedagogy Volume 1 Nomor 1 ISSN 2502-3802 AKTERISTIK BUTIR TES MATEMATIKA PADA TES BUATAN MGMP MATEMATIKA KOTA PALOPO BERDASARKAN TEORI KLASIK Syamsir Sainuddin 1, Muhammad Ilyas 2 Program Studi Pendidikan

Lebih terperinci

MODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON

MODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON MODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006 Untuk Mama dan Andri Aku tahu

Lebih terperinci

Oleh : Muhammad Amin Paris, S.Pd., M.Si (Dosen Fak. Tarbiyah IAIN Antasari Banjarmasin) Abstrak

Oleh : Muhammad Amin Paris, S.Pd., M.Si (Dosen Fak. Tarbiyah IAIN Antasari Banjarmasin) Abstrak MODEL PERSAMAAN STRUKTURAL PENGARUH MOTIVASI, KAPABILITAS DAN LINGKUNGAN TERHADAP PRESTASI BELAJAR MAHASISWA TAHUN PERTAMA PROGRAM STUDI S1 MATEMATIKA FMIPA-IPB Oleh : Muhammad Amin Paris, SPd, MSi (Dosen

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PEELITIA A. Jenis Penelitian Jenis penelitian yang digunakan adalah penelitian lapangan (survei) dengan pendekatan kuantitatif, yaitu metode penelitian yang berlandaskan pada filsafat positivisme,

Lebih terperinci

EVALUASI LAPANGAN KERAGAMAN GENOTIPE-GENOTIPE SOMAKLONAL ARTEMISIA (Artemisia annua L.) HASIL INDUKSI MUTASI IRADIASI SINAR GAMMA

EVALUASI LAPANGAN KERAGAMAN GENOTIPE-GENOTIPE SOMAKLONAL ARTEMISIA (Artemisia annua L.) HASIL INDUKSI MUTASI IRADIASI SINAR GAMMA EVALUASI LAPANGAN KERAGAMAN GENOTIPE-GENOTIPE SOMAKLONAL ARTEMISIA (Artemisia annua L.) HASIL INDUKSI MUTASI IRADIASI SINAR GAMMA oleh Purwati A34404015 PROGRAM STUDI PEMULIAAN TANAMAN DAN TEKNOLOGI BENIH

Lebih terperinci

KONSISTENSI PARAMETER TES. Rustam (Universitas Terbuka) Abstrak

KONSISTENSI PARAMETER TES. Rustam (Universitas Terbuka) Abstrak KONSISTENSI PARAMETER TES Rustam (Universitas Terbuka) Abstrak The study was amied at findding out the consistency of test parameters in which sample size of the same population change. The population

Lebih terperinci

ANALISIS SOAL BAHASA INDONESIA DAN MATEMATIKA SELEKSI MAHASISWA BARU ( SMB ) POLITEKNIK NEGERI BANDUNG TAHUN AJARAN 2008/2009

ANALISIS SOAL BAHASA INDONESIA DAN MATEMATIKA SELEKSI MAHASISWA BARU ( SMB ) POLITEKNIK NEGERI BANDUNG TAHUN AJARAN 2008/2009 34 Sigma-Mu Vol.2 No.1 Maret 2010 ANALISIS SOAL BAHASA INDONESIA DAN MATEMATIKA SELEKSI MAHASISWA BARU ( SMB ) POLITEKNIK NEGERI BANDUNG TAHUN AJARAN 2008/2009 ANALYSIS OF INDONESIAN AND MATHEMATICAL PROBLEM

Lebih terperinci

EFEK PEMUSATAN DATA TERHADAP PARAMETER ITEM BERBASIS CLASICAL TEST THEORY (CTT)

EFEK PEMUSATAN DATA TERHADAP PARAMETER ITEM BERBASIS CLASICAL TEST THEORY (CTT) SEMINAR NASIONAL PENDIDIKAN SAINS Peningkatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-21 Surakarta, 22 Oktober 2016 EFEK PEMUSATAN

Lebih terperinci

DETECTION OF GRAIN INSTRUMEN SCOORING WITH CORRECT SCORE AND PUNISHMENT SCORE

DETECTION OF GRAIN INSTRUMEN SCOORING WITH CORRECT SCORE AND PUNISHMENT SCORE Jurnal Evaluasi Pendidikan Vol 4, No 2, Oktober 2013, 198-208 DETECTION OF GRAIN INSTRUMEN SCOORING WITH CORRECT SCORE AND PUNISHMENT SCORE Wardani Rahayu Jurusan Matematika FMIPA Universitas Negeri Jakarta

Lebih terperinci

PENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR

PENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR 63 PENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR KARTIKA WANDINI PROGRAM STUDI GIZI MASYARAKAT DAN SUMBERDAYA

Lebih terperinci

PENGARUH SAMPLE SIZE (N) DAN TEST LENGTH (n) TERHADAP ITEM PARAMETER ESTIMATE DAN EXAM/NEE PARAMETER ESTIMATE, SUATU STUDI SIMULASI

PENGARUH SAMPLE SIZE (N) DAN TEST LENGTH (n) TERHADAP ITEM PARAMETER ESTIMATE DAN EXAM/NEE PARAMETER ESTIMATE, SUATU STUDI SIMULASI PENGARUH SAMPLE SIZE (N) DAN TEST LENGTH (n) TERHADAP ITEM PARAMETER ESTIMATE DAN EXAM/NEE PARAMETER ESTIMATE, SUATU STUDI SIMULASI R. BUDIARTI 1 Abstrak Studi yang mempelajari masalah pengukuran secara

Lebih terperinci

PENGUJIAN TOLERANSI KEKERINGAN PADI GOGO (Oryza sativa L.) PADA STADIA AWAL PERTUMBUHAN. Oleh Ana Satria A

PENGUJIAN TOLERANSI KEKERINGAN PADI GOGO (Oryza sativa L.) PADA STADIA AWAL PERTUMBUHAN. Oleh Ana Satria A PENGUJIAN TOLERANSI KEKERINGAN PADI GOGO (Oryza sativa L.) PADA STADIA AWAL PERTUMBUHAN Oleh Ana Satria A34404006 PROGRAM STUDI PEMULIAAN TANAMAN DAN TEKNOLOGI BENIH FAKULTAS PERTANIAN INSTITUT PERTANIAN

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah Quasy

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah Quasy BAB III METODE PENELITIAN A. Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah Quasy Experimental (Sugiyono, 008: 114). B. Desain Penelitian Adapun desain penelitian dalam

Lebih terperinci

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability

Lebih terperinci

Abstrak Pengembangan Bank Soal Matematika. Oleh : Heri Retnawati Jurdik Matematika FMIPA UNY Yogyakarta. Abstrak

Abstrak Pengembangan Bank Soal Matematika. Oleh : Heri Retnawati Jurdik Matematika FMIPA UNY Yogyakarta. Abstrak Abstrak Pengembangan Bank Soal Matematika Oleh : Heri Retnawati Jurdik Matematika FMIPA UNY Yogyakarta Abstrak Evaluasi memegang peranan penting bagi dunia pendidikan. Dengan adanya evaluasi, peserta didik

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci