Dokumen tersebut membahas tentang estimasi parameter secara serentak pada model logistik satu parameter (L1P). Terdapat beberapa langkah yang dijelaskan seperti mengeluarkan responden dan butir dengan jawaban semua benar atau salah, menghitung logit sukses dan gagal, serta mengestimasi parameter kemampuan responden dan kesukaran butir menggunakan prosedur PROX.
2. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Bab 23
ESTIMASI PARAMETER SECARA SERENTAK
A. Estimasi Serentak
1. Pendahuluan
• Ada kalanya terjadi bahwa ada parameter
yang diketahui dan parameter lainnya
diestimasi
• Ada kalanya pula terjadi bahwa semua
parameter tidak diketahui dan harus
diestimasi secara serentak
3. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
2. Parameter yang Diestimasi Secara Serentak
Ada tiga besaran pada karakteristik butir model logistik
q a, b, c
I II
P(q)
III
Dalam estimasi parameter serentak, hanya III yang diketahui
Selanjutnya I dan II diestimasi secara serentak
Estimasi berlangsung secara indeterminasi sehingga
diperlukan satu metrik tertentu
Kemudian semua hasil estimasi dikalibrasikan ke metrik
tertentu itu
4. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
3. Prosedur Estimasi Serentak
• Ada sejumlah cara untuk melakukan estimasi
mencakup kebolehjadian maksimum (bersama,
marginal, kondisional), Bayes, heuristik.
• Di sini dibahas prosedur estimasi berupa
Prosedur PROX (normal approximation
estimation) hanya untuk L1P
Prosedur lainnya dengan bantuan program
komputer
• Estimasi dengan bantuan program komputer
biasanya berlangsung secara iterasi yang
berlangsung cukup banyak kali
5. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
B. Estimasi pada L1P Menurut Prosedur PROX
1. Parameter yang Diestimasi
• Ada tiga besaran pada L1P berupa
Parameter kemampuan q
Parameter taraf sukar butir b
Probabilitas jawaban betul P(q)
• Pada estimasi parameter serentak ini
Diketahui P(q)
Diestimasi serentak q dan b
• Prosedur estimasi yang digunakan adalah
PROX (normal approximation estimation)
6. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
2. Estimasi Parameter Prosedur PROX
• Estimasi parameter serentak ini hanya digunakan
untuk model L1P
• Tidak berlaku untuk responden yang menjawab
semua butir betul dan semua butir salah (mereka
harus dikeluarkan terlebih dahulu)
• Tidak berlaku untuk butir yang dijawab betul oleh
semua responden dan yang dijawab salah oleh
semua responden (mereka harus dikeluarkan
terlebih dahulu)
• Estimasi parameter serentak dilaksanakan setelah
responden yang menjawab semua betul dan salah
telah dikeluarkan
serta butir yang dijawab betul oleh semua
responden dan dijawab salah oleh semua
responden telah dikeluarkan juga
7. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
• Estimasi parameter kemampuan responden ke-g
adalah qg dan estimasi parameter taraf sukar butir
ke-i adalah bi
qg = qAg . F(q)
bi = bAi . F(b)
qAg = simpangan logit sukses
bAg = simpangan logit gagal
F(q) = faktor perluasan untuk q
F(b) = faktor perluasan untuk b
• Faktor perluasan digunakan sebagai pengganti
iterasi pada metoda kebolehjadian maksimum
dengan pendekatan Newton-Raphson
• Perhitungan estimasi serentak prosedur PROX ini
menggunakan rerata dan simpangan baku logit
sukses dan logit gagal
8. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
3. Rerata dan Variansi Logit Sukses
Logit sukses pada responden ke-g
( q
)
( )
ln
q
P
g
g
Ls =
g Q
Rerata logit sukses untuk M responden
M
å=
m 1
=
Ls
Ls g M g
1
Variansi logit sukses untuk M responden
ù
úû
é
1 m
= å=
2 2 2
Ls g Ls Ls M
êë
-
-
M
g
M
s
1
1
9. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
4. Rerata dan Variansi Logit Gagal
Logit gagal pada butir ke-i
LG = Q
ln ( )
q
i
( q
)
i
i P
Rerata logit gagal untuk N butir
N
å=
m 1
=
LG
LG i N i
1
Variansi logit gagal untuk N butir
ù
úû
é -
-
1 m
= å=
2 LG 2 N
2
LG i LG êë
N
i
N
s
1
1
10. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
5. Estimasi Parameter Kemampuan q
• Simpangan logit sukses
qAg = Lsg – mLs
• Faktor perluasan untuk q
s
+
LG
s s
( ) ,
2 89
2 2
.
Ls LG
8 35
1
1
D2 = 2,89 D4 = 8,35
• Estimasi
qg = qAg . F(q)
2
,
F
-
q =
11. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
6. Estimasi Parameter Butir b
• Simpangan logit gagal
bAi = LGi – mLG
• Faktor perluasan untuk b
s
+
Ls
s s
( ) ,
2 89
2 2
.
Ls LG
8 35
1
1
D2 = 2,89 D4 = 8,35
• Estimasi
bi = bAi . F(b)
2
,
F b
-
=
13. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Langkah pertama: Penataan matriks sekor
• Urut sekor responden dari rendah ke tinggi atau
dari tinggi ke rendah (sekor responden pada
matriks sekor telah tersusun dari rendah ke
tinggi)
• Urut sekor butir dari rendah ke tinggi atau dari
tinggi ke rendah (sekor butir pada matriks sekor
sudah tersusun dari tinggi ke rendah)
Langkah kedua: pengeluaran semua salah dan
semua betul
• Pada model logistik L1P probabilitas sama
dengan 0 dan 1 terletak pada q = – ∞ (b = – ∞)
dan pada q = + ∞ (b = + ∞)
• Responden dan butir dengan probabilitas
sama dengan 0 dan 1 perlu dikeluarkan karena
tidak dapat diestimasi ke ∞
14. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Cara pengeluaran responden dan butir
• Mula-mula keluarkan semua responden dengan
jawaban semua salah dan semua betul
• Dari sisanya, keluarkan semua butir dengan
jawaban semua salah dan semua betul
• Ulangi dua cara ini sampai tidak ada lagi
responden dengan jawaban semua salah dan
semua betul serta tidak ada lagi butir dengan
jawaban semua salah dan semua betul
• Pada contoh ini, cara pengeluaran responden
dan butir demikan, mengeluarkan
Responden 1, 9, 10
Butir 1, 2, 9, 10
17. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Langkah ketiga: Logit sukses, rerata, dan
variansinya
• Logit sukses untuk responden ke-g
( q
)
( )
ln
q
P
g
g
Ls =
g Q
• Rerata logit sukses untuk M responden
M
1 M
1
å Ls
å
= =
= =
P
g
ln
m
Ls g Q
M 1 1
g g
g
M
( q
)
( q
)
• Variansi logit sukses untuk M responden
ù
úû
é
1 m
= å=
2 2 2
Ls g Ls Ls M
êë
-
-
M
g
M
s
1
1
19. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Rerata dan variansi logit sukses
Ag frek Pg Qg Lsg (Lsg)2 qAg
1 1 1/6 5/6 – 1,61 2,59 – 1,71
2 1 2/6 4/6 – 0,69 0,48 – 0,79
3 2 3/6 3/6 0,00 0,00 – 0,10
4 2 4/6 2/6 0,69 0,48 0,59
5 1 5/6 1/6 1,61 2,59 1,51
Jumlah 7 0,69 6,62
1
= =
.0,69 0,10
7
[ 6,62 7.(0,10) ] 1,09
1
m
Ls
s
2 - 2 =
-
7 1
=
Ls
20. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Langkah keempat: Logit gagal, rerata, dan
variansinya
• Logit gagal untuk responden ke-i
LG = Q
q
i
ln ( )
q
( )
i
i P
• Rerata logit gagal untuk N butir
N
m 1 1
q
å å
= =
= =
ln ( )
LG i P
i i
• Variansi logit gagal untuk N butir
i
N
i
Q
N
LG
N 1 1
( q
)
ù
úû
é -
-
1 m
= å=
2 LG 2 N
2
LG i LG êë
N
i
N
s
1
1
22. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Rerata dan variansi logit gagal
Bi frek Pi Qi LGi (LGi)2 bAi
6 1 6/7 1/7 – 1,79 3,20 – 1,69
5 1 5/7 2/7 – 0,92 0,85 – 0,82
4 2 4/7 3/7 – 0,29 0,08 – 0,19
2 1 5/7 2/7 0,92 0,85 1,02
1 1 1/7 6/7 1,79 3,20 1,89
Jumlah 6 – 0,58 8,26
1
= - = -
. 0,58 0,10
6
[ 8,26 6.( 0,10) ] 1,64
1
m
LG
s
2 - - 2 =
-
6 1
=
LG
23. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Langkah kelima: Estimasi kemampuan q
Faktor perluasan untuk q
1 1,64
2,89
1 (1,09)(1,64)
2
s
LG
s s
2,89
+
1 .
Responden qAg qg
1 semua salah
2 – 1,71 – 2,41
3 – 0,79 – 1,11
4 – 0,10 – 0,14
5 – 0,10 – 0,14
6 0,59 0,83
7 0,59 0,83
8 1,51 2,27
9 semua betul
10 semua betul
1,41
8,35
8,35
1
( ) 2 2
=
-
+
=
-
=
Ls LG
F q
24. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Langkah keenam: Estimasi taraf sukar b
Faktor perluasan untuk b
1 1,09
2,89
1 (1,09)(1,64)
2
s
Ls
s s
2,89
+
1 .
Butir bAi bi
1 semua betul
2 semua betul
3 – 1,69 – 2,23
4 – 0,82 – 1,08
5 – 0,19 – 0,25
6 – 0,19 – 0,25
7 1,02 1,35
8 1,89 2,49
9 semua salah
10 semua salah
1,32
8,35
8,35
1
( ) 2 2
=
-
+
=
-
=
Ls LG
F b
26. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
C. Estimasi Parameter Serentak melalui Iterasi
1. Pendahuluan
• Estimasi parameter serentak dilakukan melalui
iterasi seperti pada pendekatan Newton-
Raphson
• Iterasi berlangsung pada parameter
kemampuan dan parameter butir secara
bersarang
• Secara bergantian iterasi dilakukan pada
parameter kemampuan dan parameter butir
sampai perubahan di antara iterasi menjadi
cukup kecil
• Kalau kita mulai dari iterasi parameter
kemampuan maka setelah selesai iterasi, kita
pindah ke iterasi parameter butir, kemudian ke
iterasi parameter kemampuan, dan seterusnya
sampai semua perubahan menjadi cukup kecil
untuk diabaikan
27. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
2. Parameter yang Diestimasi
• Responden dan Butir
Ada M responden, dan
Ada N butir
• Banyaknya parameter yang perlu diestimasi
Model L1P: M parameter kemampuan
N parameter butir
Model L2P: M parameter kemampuan
2N parameter butir
Model L3P: M parameter kemampuan
3N parameter butir
• Jawaban responden ke-g terhadap butir ke-i
Jawaban betul : Xgi = 1
Jawaban salah : Xgi = 0
28. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
3. Prosedur Estimasi
• Probabilitas jawaban
Betul Pgi(q)
Salah Qgi(q) = 1 – Pgi(q)
• Kebolehjadian
M
N
ÕÕ
= =
X
- =
1 ( |q ) (q ) (q )
L X P gi Q gi
g
i
gi
1 1
• Logaritma kebolehjadian
X
gi
Agar perkalian menjadi penjumlahan,
diterapkan logaritma naturalis
åå[ M
]
= =
gi gi gi gi L X X P X Q
ln ( |q ) = ln (q ) + (1 -
)ln (q )
g
N
i
1 1
29. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
4. Kebolehjadian Maksimum
Kebolehjadian maksimum dicapai melalui
derivasi atau hasil bagi direrensial yang dinolkan
Untuk estimasi q, hasilnya adalah
=
g
X P
a P c
[ ( q ) ] ( q
)
gi gi
i gi i
Untuk estimasi b, hasilnya adalah
0
1
0
1
=
-
-
-
¶
¶
å=
( )
ln ( | )
q
q
q
gi
N
i i
P
c
D
L X
0
L X
1
0
1
- =
P -
c
b
-
-
=
¶
¶
å=
[ ( )]
( q
)
gi i
( )
ln ( | )
q
q
q
gi gi
M
g gi
i
i
i
X P
P
c
D a
30. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
• Untuk estimasi a, hasilnya adalah
ln ( | )
1
L X
a
¶
1
0
M
q
å=
b P c X P
[ q ][ ( q ) ][ ( q
)]
g i gi i gi gi
P
g 1
gi
=
- - -
-
¶
i
i
c
D
( )
• Untuk estimasi c, hasilnya adalah
¶
1
ln ( | )
1
0
L X
i
c
M
å=
q
X P
gi gi
P
g 1
gi
=
-
-
¶
i
c
( )
( q
)
• Penyelesaian persamaan
0
=
q
0
=
q
Penyelesaian persamaan ini dilakukan melalui
iterasi dan sebaiknya dengan bantuan komputer
31. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
5. Penyelesaian Persamaan
• Persamaan ini menghasilkan solusi indeterminan.
Agar determinan, dipilih satu metrik, biasanya,
melalui rerata dan simpangan baku
m = 0 dan s = 1
• Penyelesaian dilakukan melalui iterasi. Dikatakan
konvergen jika iterasi menghasilkan solusi yang
menuju ke suatu nilai tertentu
• Konvergensi dapat cepat, dapat lambat, dan
bahkan ada kasus yang mungkin tidak konvergen
• Dicari metoda dengan konvergensi yang cepat
sehingga ditemukan solusi dengan sedikit iterasi
• Langkah iterasi adalah sebagai berikut
32. -----------------------------------------------------------------------------Estimasi
Parameter Secara Serentak
-----------------------------------------------------------------------------
• Langkah 1
Tentukan nilai awal parameter kemampuan
responden dari nilai logit sukses
• Langkah 2
Dengan nilai awal parameter kemampuan
responden pada langkah 1, estimasi parameter
butir (lihat estimasi parameter secara terpisah)
• Langkah 3
Dengan nilai hasil estimasi parameter butir pada
langkah 2, estimasi ulang parameter kemampuan
responden (lihat estimasi parameter secara
terpisah)
• Langkah 4
Dengan nilai hasil estimasi parameter kemampuan
responden pada langkah 3, estimasi ulang
parameter butir
34. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
D. Program Komputer Estimasi Parameter
1. Pendahuluan
• Estimasi parameter dapat dikerjakan dengan
lebih baik dan lebih cepat melalui olahan
komputer
• Telah ada sejumlah program komputer untuk
mengestimasi parameter kemampuan
responden dan parameter butir
• Ada program komputer yang hanya dapat
mengestimasi parameter pada L1P namun ada
juga yang dapat mengestimasi parameter pada
L2P dan L3P
• Ada program komputer yang bekerja
berdasarkan kebolehjadian maksimum dan ada
pula yang berdasarkan statistika Bayes
35. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
2. Beberapa Program Komputer Estimasi Parameter
Ada sejumlah program komputer untuk
mengestimasi parameter, mencakup di antaranya,
• Rascal (untuk model L1P)
• Ascal (untuk model L1P, L2P, dan L3P)
• Bigstep (untuk model L1P)
• Normorg (untuk model ojaif normal)
• Bical (untuk model L1P)
• Bigscale (untuk model L1P)
• Microscale (untuk model L1P)
• Logist (untuk model L1P, L2P, L3P)
• Mirte (untuk model L1P, L2P, L3P)
• Bilog (untuk model L1P, L2P)
• Multilog (untuk model L1P, L2P, L3P)
• Rida (untuk model L1P)
• PML (untuk model L1P)
• Noharm (untuk model L1P,L2P,L3P)
• Ancilles (untuk model L1P, L2P, L3P)
36. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
3. Program Rascal dan Ascal
• Tidak semua program komputer estimasi parameter
itu dapat diperoleh di sini
• Di antara yang ada di sini adalah program Rascal
dan Ascal buatan Assessment System Corporation
dan termasuk dalam paket mereka ‘MicroCAT
Testing System’
• Rascal menggunakan model Rasch, tetapi dengan
D = 1,7 (sama dengan model L1P), dengan iterasi
sebanyak 10 kali
• Ascal menggunakan model L3P, dengan iterasi
sebanyak 20 kali (dapat diatur untuk kurang dari
itu).
• Minimum responden dan butir
Minimum responden : 500
Minimum butir : 25
37. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
• Contoh Rascal dan Ascal
Berikut ini adalah contoh estimasi parameter
serentak menggunakan program Rascal dan Ascal
Contoh ini hanya menggunakan 129 responden
(seharusnya minimum 500) dan 20 butir
(seharusnya minimum 25)
Contoh ini mencakup
Data mentah
Hasil olahan dengan Rascal
Hasil estimasi dengan Ascal
51. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Ascal
MicroCAT (tm) Testing System
Copyright (c) 1982, 1984, 1986, 1988, 1992 by Assessment Systems Corporation
Item Parameter Estimation Program – ASCAL (tm) Version 3.20
Progress Through the Data From File a:2459.Dat – Maximum loops = 20
*** WARNING *** Item 6 failed tp converge on loop 1
*** WARNING *** Item 15 failed tp converge on loop 1
*** WARNING *** Item 19 failed tp converge on loop 1
On loop 1 the maximum parameter change was 1.91725
*** WARNING *** Item 19 failed tp converge on loop 2
On loop 2 the maximum parameter change was 0.37722
*** WARNING *** Item 11 failed tp converge on loop 3
On loop 3 the maximum parameter change was 0.61998
On loop 4 the maximum parameter change was 0.36040
*** WARNING *** Item 10 failed tp converge on loop 5
On loop 5 the maximum parameter change was 0.66584
*** WARNING *** Item 10 failed tp converge on loop 6
*** WARNING *** Item 11 failed tp converge on loop 6
*** WARNING *** Item 16 failed tp converge on loop 6
On loop 6 the maximum parameter change was 0.41348
*** WARNING *** Item 7 failed tp converge on loop 7
*** WARNING *** Item 10 failed tp converge on loop 7
*** WARNING *** Item 11 failed tp converge on loo 7
*** WARNING *** Item 16 failed tp converge on loop 7
On loop 6 the maximum parameter change was 0.20522
*** WARNING *** Item 7 failed tp converge on loop 8
*** WARNING *** Item 10 failed tp converge on loop 8
*** WARNING *** Item 11 failed tp converge on loop 8
*** WARNING *** Item 16 failed tp converge on loop 8
On loop 8 the maximun parameter change was 0.21104
52. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
*** WARNING *** Item 7 failed tp converge on loop 9
*** WARNING *** Item 10 failed tp converge on loop 9
*** WARNING *** Item 11 failed tp converge on loop 9
*** WARNING *** Item 13 failed tp converge on loop 9
*** WARNING *** Item 16 failed tp converge on loop 9
On loop 9 the maximum parameter change was 0.12622
*** WARNING *** Item 10 failed tp converge on loop 10
*** WARNING *** Item 16 failed tp converge on loop 10
On loop 10 the maximum parameter change was 0.13311
*** WARNING *** Item 10 failed tp converge on loop 11
*** WARNING *** Item 16 failed tp converge on loop 11
On loop 11 the maximum parameter change was 0.11251
*** WARNING *** Item 7 failed tp converge on loop 12
*** WARNING *** Item 10 failed tp converge on loop 12
*** WARNING *** Item 16 failed tp converge on loop 12
On loop 12 the maximum parameter change was 0.08685
*** WARNING *** Item 1 failed tp converge on loop 13
*** WARNING *** Item 10 failed tp converge on loop 13
*** WARNING *** Item 11 failed tp converge on loop 13
*** WARNING *** Item 16 failed tp converge on loop 13
On loop 13 the maximum parameter change was 0.27317
*** WARNING *** Item 10 failed tp converge on loop 14
*** WARNING *** Item 11 failed tp converge on loop 14
*** WARNING *** Item 16 failed tp converge on loop 14
On loop 14 the maximum parameter change was 0.07880
*** WARNING *** Item 7 failed tp converge on loop 15
*** WARNING *** Item 16 failed tp converge on loop 15
On loop 15 the maximum parameter change was 0.49295
*** WARNING *** Item 10 failed tp converge on loop 16
*** WARNING *** Item 13 failed tp converge on loop 16
*** WARNING *** Item 16 failed tp converge on loop 16
On loop 16 the maximum parameter change was 0.44018
53. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
-----------------------------------------------------------------------------
*** WARNING *** Item 16 failed tp converge on loop 17
On loop 17 the maximum parameter change was 0.21051
*** WARNING *** Item 7 failed tp converge on loop 18
*** WARNING *** Item 10 failed tp converge on loop 18
*** WARNING *** Item 16 failed tp converge on loop 18
On loop 18 the maximum parameter change was 0.09358
*** WARNING *** Item 7 failed tp converge on loop 19
*** WARNING *** Item 16 failed tp converge on loop 19
On loop 19 the maximum parameter change was 0.20680
*** WARNING *** Item 7 failed tp converge on loop 20
*** WARNING *** Item 10 failed tp converge on loop 20
*** WARNING *** Item 16 failed tp converge on loop 20
On loop 20 the maximum parameter change was 0.19646
54. ------------------------------------------------------------------------------
Estimasi Parameter Secara Serentak
------------------------------------------------------------------------------
Ascal
MicroCAT (tm) Testing System
Copyright (c) 1982, 1984, 1986, 1988, 1992 by Assessment Systems Corporation
Item Parameter Estimation Program – ASCAL (tm) Version 3.20
The input was from file a:2459.Dat
The number of items was 20
The key was :
dcbcadcdabbdcbcacbdd
The numbers of alternatives were :
44444444444444444444
The inclusion specifications were :
YYYYYYYYYYYYYYYYYYYY
The number of examinees was 129
*** NOTE *** Accurate parameter estimates cannot be obtained
from small samples. The minimum recommended
sample size is 500
*** NOTE *** Accurate parameter estimates cannot be obtained
from short tests. The recommended test length
is 25