Psikometri Bab a16

Bab 16
Sekor Komposit dan Seleksi

---------------------------------------------------------------------------------------
Sekor Komposi dan Seleksi
------------------------------------------------------------------------------
Bab 16
A. Hakikat Sekor Komposit
1. Pengertian
• Sekor komposit merupakan gabungan dari
sejumlah sekor
Tiap sekor : Sekor komponen
Sekor gabungan : Sekor komposit
• Terdapat sejumlah cara untuk melakukan
penggabungan itu

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Bentuk Gabungan Sekor
Penggabungan sekor komponen dapat dilakukan
secara
• Linier
• Nonlinier
Penggabungan sekor komponen dapat juga
dilakukan secara
• Tanpa bobot (semua bobot sama = 1)
• Dengan bobot
Pada umumnya penggabungan sekor komponen
dilakukan secara linier, tanpa atau dengan
pembobotan

------------------------------------------------------------------------------
------------------------------------------------------------------------------
3. Bentuk Bobot
Bobot dapat berbentuk
• Bobot nominal
• Bobot efektif
(a) Sekor komposit dengan bobot nominal linier
• Ukuran bobot w1, w2, w3, . . .
dengan w1 + w2 + w3 + . . . = 1 atau 100%
• Sekor komposit
A = w1A1 + w2A2 + w3A3 + . . .
= SwuAu
Swu = 1 atau 100%

------------------------------------------------------------------------------
------------------------------------------------------------------------------
(b) Sekor komposit dengan bobot efektif
• Bobot sekor komponen dikenal sebagai indeks
kontribusi sekor komponen
• Indeks kontribusi mencakup kovariansi di
antara sekor komponen dengan sekor komposit
A A A A
1 1 2 2 3 3 ...
= e + e + e
+
å
å
A
e
u u
w 2 2
w
e s s
u u u u uv
u ¹
v
=
= +
eu = indeks kontribusi sekor komponen
ke-u
s2
= variansi sekor komponen ke-u
u w, w= bobot sekor komponen ke-u, ke-v
uv s= kovariansi di antara sekor komponen
uv ke-u dan ke-v

------------------------------------------------------------------------------
------------------------------------------------------------------------------
4. Beberapa Ciri Sekor
Sekor komponen memiliki beberapa ciri
• Skala
• Bobot
• Peringkat
• Variansi
Sekor komposit memiliki beberapa ciri
• Skala
• Peringkat
• Variansi
Dalam beberapa hal, terdapat hubungan di antara
ciri sekor komponen dengan ciri sekor komposit

------------------------------------------------------------------------------
------------------------------------------------------------------------------
B. Sekor Komposit Linier Berbobot Nominal
1. Bentuk Sekor Komposit
• Sekor komposit linier berbobot nominal dapat
ditampilkan dalam bentuk
A = w1A1 + w2A2 + w3A3 + . . .
= SwuAu
SwuAu = 1 atau 100%
• Skala bobot dapat dinyatakan dalam proporsi (0
sampai 1) atau dalam persentase (0% sampai
100%)
• Skala sekor komponen dan skala sekor
komposit biasanya terdiri atas skala yang
sama, misalnya, sekor 0 sampai 100

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Peranan Bobot Sekor Komponen
• Setiap sekor komponen memberikan sumbangan
kepada sekor komposit yang besarnya ditentukan
melalui bobot
• Biasanya sumbangan atau bobot ini ditetapkan
berdasarkan pentingnya sekor komponen itu
• Makin penting suatu sekor komponen makin besar
bobot yang diberikan kepada sekor komponen itu
• Sebagai misal, nilai hasil belajar merupakan sekor
komposit yang menggabungkan sekor komponen
tugas (T), sekor komponen ujian formatif (F), dan
sekor komponen ujian sumatif (S)
A = wTAT + wFAF + wSAS
dengan wS terbesar, wF berikutnya, dan wT terkecil

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 1
Suatu sekor komposit hasil belajar A terdiri atas
sekor komponen tugas (T) dan sekor komponen
ujian (U)
A = wTAT + wUAU
dengan wT = 0,3 atau 30% dan wU = 0,7 atau 70%
Res- Sekor Sekor Bobot Sekor
pon- Komponen 30% 70% Komposit
den AT AU AT AU A
1 20 50 6 35 41
2 40 45 12 31,5 43,5
3 60 60 18 42 60
4 80 55 24 38,5 62,5

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 2
Suatu sekor komposit hasil belajar A terdiri atas
sekor komponen tugas (T) dan sekor komponen
ujian (U)
A = wTAT + wUAU
dengan wT = 0,3 atau 30% dan wU = 0,7 atau 70%
pon- Komponen 30% 70% Komposit
den AT AU AT AU A
1 45 40
2 50 20
3 55 80
4 60 60

------------------------------------------------------------------------------
Sekor Komposit
------------------------------------------------------------------------------
Contoh 3
Suatu sekor komposit hasil belajar terdiri atas
sekor komponen tugas (T), sekor komponen
ujian formatif (F), dan sekor komponen ujian
sumatif (S)
pon- Komponen 0,1 0,4 0,5 Komposit
den AT AF AS AT AF AS A
1 85 90 80
2 90 80 70
3 95 95 85
4 90 75 60
5 85 85 80
6 70 75 70
7 75 85 75
8 80 90 85
9 80 85 80

------------------------------------------------------------------------------
Sekor Komposit
------------------------------------------------------------------------------
Contoh 4
sumatif (S)
1 8 9 8
2 9 8 7
3 9 9 8
4 9 7 6
5 8 8 8
6 7 7 7
7 7 8 7
8 8 9 8
9 8 8 8

------------------------------------------------------------------------------
Sekor Komposit
------------------------------------------------------------------------------
Contoh 5
sumatif (S)
A = 4, B = 3, C = 2, D = 1, E = 0
1 A A B
2 B A C
3 A A B
4 B C D
5 B B B
6 E C C
7 D B C
8 C A B
9 C B B

------------------------------------------------------------------------------
------------------------------------------------------------------------------
3. Peranan Variansi Sekor Komponen
• Variansi sekor komponen berperanan terhadap ciri
sekor komposit terutama dalam hal peringkat
• Peringkat pada sekor komposit banyak ditentukan
oleh variansi sekor komponen
• Makin besar variansi sekor komponen makin besar
pengaruhnya terhadap peringkat sekor komposit
• Peringkat pada sekor komposit cenderung
mengikuti peringkat pada sekor komponen dengan
variansi terbesar (sekalipun bobotnya kecil)
• Kita lihat peranan variansi sekor komponen
terhadap peringkat sekor komposit melalui contoh
berupa sekor
A = wXAX + wYAY

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 6
pon- Komponen 5% 95% komposit
den AX AY AX AY A
1 50 (1) 90 2,5 85,5 88 (1)
2 60 (2) 90 3 85,5 88,5 (2)
3 70 (3) 90 3,5 85,5 89 (3)
4 80 (4) 90 4 85,5 89,5 4)
m 65 90 88,75
s2 125 0 0,31
variansi bobot
Sekor Komponen X 125 5%
Sekor Komponen Y 0 95%
Peringkat sekor komposit A mengikuti peringkat sekor
komponen X

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 7
den AX AY AX AY A
1 20 (1) 50 (2) 6 35 41 (1)
2 40 (2) 45 (1) 12 31,5 43,5 (2)
3 60 (3) 60 (4) 18 42 60 (3)
4 80 (4) 55 (3) 24 38,5 62,5 (4)
m 50 52,5 51,75
s2 500 31,25 91,81
variansi bobot
Sekor Komponen X 500 30%
Sekor Komponen Y 31,5 70%
komponen X

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 8
den AX AY AX AY A
1 45 (1) 40 (2) 13,5 28 41,5 (2)
2 50 (2) 20 (1) 15 14 29 (1)
3 55 (3) 80 (4) 16,5 56 72,5 (4)
4 60 (4) 60 (3) 18 42 60 (3)
m 52,5 50 50,75
s2 31,25 500 279,31
variansi bobot
Sekor Komponen X 31,25 30%
Sekor Komponen Y 500 70%
komponen Y

------------------------------------------------------------------------------
------------------------------------------------------------------------------
4. Peranan Bobot dan Variansi Sekor Komponen
• Dalam hal peringkat sekor komposit, peranan
variansi sekor komponen lebih kuat dari peranan
bobot sekor komponen
• Peranan bobot sekor komponen dapat diperkuat
dengan menetralkan peranan variansi sekor
komponen
• Penetralan variansi sekor komponen dapat
dilakukan melalui nilai baku sekor komponen atau
tara nilai baku sekor komponen (TNB)
A = w1TNB1 + w2TNB2 + w3TNB3 + . . .
= SwuTNBu
Swu = 1 atau 100%
• Di sini digunakan TNB dengan skala yang sama
dengan skala sekor komponen atau skala sekor
komposit

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 9
Kita kembali ke contoh 7. Kita menggunakan Tara
Nilai Baku (TNB) yang memberikan skala sama
dengan skala sekor komponen yakni
TNB = 10z + 50
TNBX = (10)(22,36) + 50
TNBY = (10)(5,59) + 50
sehingga
Resp Sekor Komponen Sekor TNB
AX AY TNBX TNBY
1 20 (1) 50 (2) 48,58 45,53
2 40 (2) 45 (1) 45,53 36,58
3 60 (3) 60 (4) 54,47 63,42
4 80 (4) 55 (3) 63,42 54,47

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Dengan sekor TNB dan bobot dihasilkan sekor
komposit
Res- Sekor TNB Sekor Bobot Sekor
den AX AY AX AY A
1 48,58 45,53 14,57 31,87 46,44 (2)
2 45,53 36,58 13,66 25,61 27,27 (1)
3 54,47 63,42 16,34 44,39 60,73 (4)
4 63,42 54,47 19,03 38,13 57,16 (3)
Bandingkan kembali dengan contoh 7
Tampak di sini bahwa peringkat sekor komposit A
tidak lagi mengikuti peringkat pada sekor
komponen X (variansi terbesar) melainkan
mengikuti peringkat pada sekor komponen Y (bobot
terbesar)

------------------------------------------------------------------------------
------------------------------------------------------------------------------
C. Sekor Komposit Berbobot Efektif
1. Indeks Kontribusi dan Sekor Komposit
• Setiap sekor komponen memberikan kontribusi
kepada sekor komposit
• Besar kontribusi selain, berupa bobot, juga
berupa variansi dan kovariansi di antara sekor
komponen
• Bentuk umum sekor komposit
A = e1A1 + e2A2 + e3A3 + . . .
SeuAu
eu = w2
us2
u + wuSwvsuv untuk u ≠ v

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Sekor Komposit Nilai Baku
Jika kita menggunakan nilai baku maka
• Variansi s2
u = 1 dan
• Kovariansi suv = ruv (koefisien korelasi)
sehingga
eu = w2
u + wuSwvruv
3. Sekor Komposit Nilai Baku Bobot Satu
Jika bobot wu = 1, maka indeks kontribusi
eu = 1 + Sruv untuk u ≠ v
dan untuk dua sekor komponen 1 dan 2
e1 = 1 + r12
e2 = 1 + r21

------------------------------------------------------------------------------
------------------------------------------------------------------------------
D. Koefisien Reliabilitas pada Sekor Komposit
1. Reliabilitas pada Selisih Sekor
Sekor akhir ditentukan oleh selisih sekor 1 dan
sekor 2 sementara setiap sekor memiliki koefisien
reliabilitas masing-masing
Ada beberapa kemungkinan untuk memperoleh
sekor 1 dan sekor 2
• Dua ujian waktu sama pada kelompok
responden yang sama
• Dua ujian beda waktu pada kelompok
responden yang sama
Sekor selisih = sekor 1 – sekor 2

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Rumus Koefisien Reliabilitas Selisih Sekor
Koefisien reliabilitas selisih sekor ini diturunkan dari
koefisien reliabilitas masing-masing sekor asal
dengan
r + r -
r
11 22
1
2
r
12
12
r
-
= SL
rSL = koefisien reliabilitas selisih sekor
r11 = koefisien reliabilitas sekor 1
r12 = koefisien korelasi di antara sekor 1 dan sekor 2
Koefisien reliabilitas selisih sekor ditentukan oleh
korelasi di antara kedua sekor itu

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 10
Misalkan r11 = 0,86 dan r22 = 0,80 sehingga rerata
mereka adalah 0,83. Berikut adalah koefisien
reliabilitas selisih sekor 1 – sekor 2 untuk berbagai
harga koefisien korelasi r12.
r12 rrel
0,83 0,00
0,80 0,15
0,70 0,43
0,60 0,58
0,50 0,67
0,40 0,72
0,30 0,76
0,20 0,79
0,10 0,81
0,00 0,83

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Pembahasan
Sekor 1 dan sekor 2 masing-masing mengandung
sekor tulen dan sekor keliru
A1 = T1 + K1
A2 = T2 + K2
sehingga selisih mereka adalah
Asel = A1 – A2 = (T1 – T2 ) + (K1 – K2)
Koefisien korelasi tinggi berarti bahwa T2  T1 atau
(T1 – T2)  0,
sehingga koefisien reliabilitas rrel ditentukan oleh
sekor keliru (K1 – K2) yang acak dengan akibat
rrel  0

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Reliabilitas pada Jumlah Dua Sekor
Sekor akhir ditentukan oleh jumlah sekor 1 dan
sekor 2 sementara setiap sekor memiliki koefisien
reliabilitas masing-masing
Ada beberapa kemungkinan untuk memperoleh
sekor 1 dan sekor 2
• Dua ujian waktu sama pada kelompok
responden yang sama
• Dua ujian beda waktu pada kelompok
responden yang sama
Sekor jumlah = sekor 1 + sekor 2

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Rumus Koefisien Reliabilitas Jumlah Dua Sekor
Koefisien reliabilitas gabungan dua sekor ini
diturunkan dari koefisien reliabilitas masing-masing
sekor asal
dengan
= - -( + )
r r r
11 22
2
r
12
1 2
+
rel
rrel = koefisien reliabilitas jumlah sekor
r12 = koefisien korelasi di antara sekor 1 dan 2
Makin besar koefisien korelasi r12 makin besar
koefisien reliabilitas gabungan dua sekor

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 11
Misalkan r11 = 0,86 dan r22 = 0,80 maka untuk
berbagai harga koefisien korelasi di antara sekor 1
dan sekor 2, koefisien reliabilitas gabungan sekor
adalah
r12 rrel
1,0 0,89
0,8 0,88 Makin tinggi koefisien
0,6 0,87 korelasi r12 makin tinggi
0,4 0,86 koefisien reliabilitas gabungan
0,2 0,85 rrel
0,0 0,83
Pembahasan
Makin tinggi korelasi di antara sekor makin setara
kedua sekor itu sehingga seolah-olah alat ukur
diperpanjang dengan akibat peningkatan koefisien
reliabilitas (lihat pilah L Spearman-Brown)

------------------------------------------------------------------------------
------------------------------------------------------------------------------
3. Koefisien Reliabilitas pada Jumlah k Sekor
Gabungan dua sekor kita perluas menjadi gabungan k
sekor
Koefisien reliabilitas meningkat menurut rumus berikut
k k
( )
r = - -
r
1 11
2
k k k
( )
+ -
r
12
rerata koefisien reliabilitas
rerata koefisien korelasi
rel
=
=
r
11
r
12
Peningkatan koefisien reliabilitas gabungan sekor
bergantung kepada besar kecilnya rerata koefisien
korelasi di antara mereka
Makin tinggi rerata koefisien korelasi makin tinggi pula
koefisien reliabilitas gabungan sekor karena seolah-olah
alat ukur diperpanjang

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 12
Sekor komposit (gabungan) terdiri atas 3 sekor,
masing-masing dengan koefisien reliabilitas
0,70, 0,75, dan 0,80 serta dengan rerata
interkorelasi 0,39
k = 3
= 0,70 + 0,75 + 0,80
=
0,39
0,75
3
r
11
=
r
12
Koefisien reliabilitas sekor komposit menjadi
= - - rel r
1 3 (3)(0,75) 2
3 (3 3)(0,39)
= -
1 0,14
0,86
=
+ -

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Pembahasan
Sekor gabungan menyebabkan seolah-olah ujian
menjadi panjang sehingga dengan interkorelasi
yang memadai koefisien reliabilitas cenderung
meningkat
Namun peningkatan ini dipengaruhi oleh
kesetaraan di antara hasil ujian yang berkenaan
dengan interkorelasi di antara butir
Kalau ujian formatif dan ujian sumatif memiliki
kesetaraan yang tinggi, maka sekor komposit hasil
belajar akan dicapai dengan koefisien reliabilitas
yang lebih tinggi daripada koefisien reliabilitas
setiap ujian

------------------------------------------------------------------------------
Penyetaraan Sekor dan Seleksi
------------------------------------------------------------------------------
E. Seleksi Penerimaan
1. Tujuan
• Untuk suatu penerimaan, misalnya, penerimaan
mahasiswa baru atau penerimaan pegawai
baru, biasanya diadakan ujian seleksi
• Tujuan ujian seleksi berkaitan dengan validitas
kriteria yakni untuk memperoleh penerimaan
baru yang kelak dapat berhasil dengan baik
• Ada beberapa hal yang terkait di dalam
seleksi penerimaan meliputi di antaranya
validitas kriteria, sekor prediktor, batas
seleksi, sekor kriteria, dan angka sukses
(keberhasilan)

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Hakikat
Penerimaan
• Biasanya tidak semua peserta seleksi dapat
diterima
Rasio seleksi (selection ratio)
• Rasio seleksi adalah rasio dari kelompok
peserta seleksi yang diterima terhadap seluruh
kelompok peserta seleksi
Batas seleksi (selection cutoff)
• Batas seleksi adalah nilai batas yang membagi
peserta seleksi menjadi dua kelompok yakni
kelompok di atas nilai batas yang diterima dan
kelompok di bawah nilai batas yang tidak
diterima
• Pada umumnya kelompok yang sama dengan
nilai batas juga diterima

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Sukses dan gagal
• Kelompok yang diterima kelak menunjukkan
apakah mereka sukses atau gagal
Rasio sukses (success ratio)
• Rasio sukses adalah rasio dari kelompok
sukses terhadap seluruh kelompok yang
diterima
• Rasio gagal adalah rasio kelompok gagal
terhadap seluruh kelompok yang diterima
Batas sukses (success cutoff)
• Batas sukses adalah nilai batas yang membagi
kelompok yang diterima ke dalam dua
kelompok yakni kelompok sukses yang terletak
di atas nilai batas dan kelompok gagal yang
terletak di bawah nilai batas
• Biasanya kelompok yang sama dengan nilai
batas juga termasuk ke kelompok sukses

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Angka hit (hit rate)
• Angka hit adalah rasio sukses (dan gagal)
yang sesungguhnya terjadi
• Biasanya angka hit digunakan pada
kelompok yang diterima apabila tidak
seluruh peserta seleksi diterima
Angka dasar (base rate)
• Angka dasar adalah rasio sukses (dan
gagal) yang paling mungkin terjadi melalui
segala jenis prosedur
• Biasanya angka dasar digunakan pada
kelompok yang diterima sekiranya seluruh
peserta seleksi diterima
Validitas kriteria
• Validitas kriteria adalah validitas kriteria
pada pengukuran yang mengkorelasikan
sekor prediktor (ujian seleksi pada
kelompok peserta seleksi) dengan sekor
kriteria (ujian kesuksesan pada kelompok
yang sudah diterima)

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Dalam bentuk diagram, berbagai besaran itu adalah
sebagai berikut
Batas sukses
Batas
seleksi
Rasio
seleksi
Angka Angka hit
dasar
Sekor prediktor
Sekor
kriteria

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Dalam bentuk diagram lainnya, angka ini dapat
ditampilkan sebagai berikut.
proporsi a = angka hit
proporsi a + b = angka dasar
proporsi d = positif palsu (false positive)
proporsi b = negatif palsu (false negative)

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Seleksi Penerimaan dengan Lebih dari Satu
Prediktor
Model Kompensasi (Linear Multiple Regression
Model)
• Sekor seleksi merupakan sekor komposit dari
beberapa sekor subujian
• Kekurangan pada sekor satu subujian dapat
dikompensasi oleh kelebihan pada sekor
subujian lain
• Dalam bentuk nilai baku, mereka membentuk
regresi linier
z’Y = b1z1 + b2z2 + b3z3 + . . . + bkzk
dengan b1, b2, b3, . . . , bk sebagai bobot
• Untuk dua sekor subujian berbobot sama,
bentuknya menjadi
z’Y = z1 + z2

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 13
Dalam bentuk nilai baku, sekor seleksi terdiri atas
dua subsekor berbobot sama
z’Y = z1 + z2 dengan batas seleksi z’Y = – 1,0
sehingga secara diagram
2,0
1,0
0,0
– 1,0
– 2,0
ditolak
diterima
– 2,0 – 1,0 0,0 1,0 2,0

------------------------------------------------------------------------------
------------------------------------------------------------------------------
3. Seleksi Penerimaan dengan Lebih dari Satu
Prediktor
Model Konjunktif (Multiple Cutoff Model)
• Sekor seleksi terdiri atas beberapa sekor subujian
seleksi
• Setiap subujian memiliki batas seleksi sendiri
(multiple cutoff), dapat sama atau dapat berbeda-beda
• Penerimaan dilakukan apabila semua sekor
subujian terletak di atas (atau sama dengan) semua
batas seleksi sekor subujian masing-masing
• Apabila ada satu saja sekor subujian terletak di
bawah batas seleksi, maka peserta itu tidak
diterima
• Untuk dua sekor subujian, terdapat dua batas
seleksi

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 14
Dalam bentuk nilai baku, sekor seleksi terdiri atas dua
subsekor dengan batas seleksi sama
batas seleksi z1 = z2 = – 1,0
sehingga secara diagram
2,0
1,0
0,0
– 1,0
– 2,0
diterima
– 2,0 – 1,0 0,0 1,0 2,0

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Perbandingan kedua model seleksi yakni model
kompensasi dan model konjunktif dalam bentuk
diagram
A : diterima melalui dua model
D : ditolak melalui dua model
B dan E: diterima melalui model kompensasi tetapi
ditolak melalui model konjunktif
C : diterima melalui model konjunktif tetapi ditolak
melalui model kompensasi
2,0
1,0
0,0
– 1,0
– 2,0
C
B
A
D E
– 2,0 – 1,0 0,0 1,0 2,0

------------------------------------------------------------------------------
------------------------------------------------------------------------------
5. Seleksi Penerimaan Satu Predikor
Model Angka Hit Terbesar
Data terandalkan
Diperlukan data yang dapat diandalkan
tentang sekor prediktor dan sekor kriteria
berikut batas sukses (atau batas gagal)
Angka hit
Dari kenyataan sukses dan gagal diperoleh
matriks
Prediksi
sukses gagal
sukses a b
Kenyataan
gagal c d
Angka hit h = a +
d
a + b + c +
d
Angka dasar b = a +
b
a + b + c +
d

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Batas seleksi
Batas seleksi diletakkan pada angka hit tertinggi
Contoh 15
Dari data yang terandalkan (dengan validitas kriteria
yang baik) diperoleh
sekor kriteria (frekuensi)
prediktor sukses gagal
20 3 0
19 5 0
18 12 2
17 8 1
16 10 2
15 4 5
14 1 8
13 1 10
12 2 7
11 1 5
10 1 4
9 0 3
8 0 2
Jumlah 48 49

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Batas seleksi
Kita dapat menghitung angka hit untuk berbagai
batas seleksi, misalnya, 17, 16, 15
Angka hit
Jika batas seleksi = 17
Prediksi
sukses gagal
Kriteria sukses 28 20 48
gagal 3 46 49
Jumlah 97
Angka hit = (28 + 46)/ 97
= 72/97
= 74,2%

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Prediksi
sukses gagal
gagal 5 44 49
Jumlah 97
Angka hit = (38 + 44)/97 = 82/97 = 84,5%
Prediksi
sukses gagal
gagal 11 38 49
Jumlah 97
Angka hit = (42 + 38)/97 = 80/97 = 82,5%
Angka hit tertinggi pada batas seleksi = 16

------------------------------------------------------------------------------
-----------------------------------------------------------------------------
5. Seleksi Penerimaan Menurut Tabel Taylor-Russel
Tabel Taylor-Russell
• Taylor-Russel menyusun tabel yang
menghubungkan angka dasar, validitas kriteria,
rasio seleksi, dan kiraan angka hit
• Di sini disediakan tabel untuk angka dasar 0,50
dan 0,60. Tabel lainnya perlu dicari
• Kita mulai dengan memperkirakan berapa
persen perserta seleksi akan berhasil sekiranya
seluruhnya diterima (angka dasar)
• Dengan angka dasar itu, kita dapat melakukan
prediksi untuk beberapa hal yang bersangkutan
dengan validitas kriteria, rasio seleksi, dan
kiraan angka hit

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Tabel Taylor-Russel
Angka dasar 0,50
rXX 0,05 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,95
0,00 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50
0,05 0,54 0,54 0,53 0,52 0,52 0,52 0,51 0,51 0,51 0,50 0,50
0,10 0,58 0,57 0,56 0,55 0,54 0,53 0,53 0,52 0,51 0,51 0,50
0,15 0,63 0,61 0,58 0,57 0,56 0,55 0,54 0,53 0,52 0,51 0,51
0,20 0,67 0,64 0,61 0,59 0,58 0,56 0,55 0,54 0,53 0,52 0,51
0,25 0,70 0,67 0,64 0,62 0,60 0,58 0,56 0,55 0,54 0,52 0,51
0,30 0,74 0,71 0,67 0,64 0,62 0,60 0,58 0,56 0,54 0,52 0,51
0,35 0,78 0,74 0,70 0,66 0,64 0,61 0,59 0,57 0,55 0,53 0,51
0,40 0,82 0,78 0, 73 0,69 0,66 0,63 0,61 0,58 0,56 0,53 0,52
0,45 0,85 0,81 0,75 0,71 0,68 0,65 0,62 0,59 0,56 0,53 0,52
0,50 0,88 0,84 0,78 0,74 0,70 0,67 0,63 0,60 0,57 0,54 0,52
0,55 0,91 0,87 0,81 0,76 0,72 0,69 0,65 0,61 0,58 0,54 0,52
0,60 0,94 0,90 0,84 0,79 0,75 0,70 0,66 0,62 0,59 0,54 0,52
0,65 0,96 0,92 0,87 0,82 0,77 0,73 0,98 0,64 0,59 0,55 0,52
0,70 0,98 0,95 0,90 0,85 0,80 0,75 0,70 0,65 0,60 0,55 0,53
0,75 0,99 0,97 0,92 0,87 0,82 0,77 0,72 0,66 0,61 0,55 0,53
0,80 1,00 0,99 0,95 0,90 0,85 0,80 0,73 0,67 0,61 0,55 0,53
0,85 1,00 0,99 0,97 0,94 0,88 0,82 0,76 0,69 0,62 0,55 0,53
0,90 1,00 1,00 0,99 0,97 0,92 0,86 0,78 0,70 0,62 056 0,53
0,95 1,00 1,00 1,00 0,99 0,96 0,90 0,81 0,71 0,63 0,56 0,53
1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,83 0,71 0,63 0,56 0,53

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Tabel Taylor-Russel
Angka dasar 0,60
rXX 0,05 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,95
0,00 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60
0,05 0,64 0,63 0,63 0,62 0,62 0,62 0,61 0,61 0,61 0,60 0,60
0,10 0,68 0,67 0,65 0,64 0,64 0,63 0,63 0,62 0,61 0,61 0,60
0,15 0,71 0,70 0,68 0,67 0,66 0,65 0,64 0,63 0,62 0,61 0,61
0,20 0,75 0,73 0,71 0,69 0,67 0,66 0,65 0,64 0,63 0,62 0,61
0,25 0,78 0,76 0,73 0,71 0,69 0,68 0,66 0,65 0,63 0,62 0,61
0,30 0,82 0,79 0,76 0,73 0,71 0,69 0,68 0,66 0,64 0,62 0,61
0,35 0,85 0,82 0,78 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,62
0,40 0,98 0,85 0,81 0,78 0,75 0,73 0,70 0,68 0,66 0,63 0,62
0,45 0,90 0,87 0,83 0,80 0,77 0,74 0,72 0,69 0,66 0,64 0,62
0,50 0,93 0,90 0,86 0,82 0,79 0,76 0,73 0,70 0,67 0,64 0,62
0,55 0,95 0,92 0,88 0,84 0,81 0,78 0,75 0,71 0,68 0,64 0,62
0,60 0,96 0,94 0,90 0,87 0,83 0,80 0,76 0,73 0,69 0,65 0,63
0,65 0,98 0,96 0,92 0,89 0,85 0,82 0,78 0,74 0,70 0,65 0,63
0,70 0,99 0,97 0,94 0,91 0,87 0,84 0,80 0,75 0,71 0,66 0,63
0,75 0,99 0,99 0,96 0,93 0,90 0,86 0,81 0,77 0,71 0,66 0,63
0,80 1,00 0,99 0,98 0,95 0,92 0,88 0,83 0,78 0,72 0,66 0,63
0,85 1,00 1,00 0,99 0,97 0,95 0,91 0,86 0,80 0,73 0,66 0,63
0,90 1,00 1,00 1,00 0,99 0,97 0,94 0,88 0,82 0,74 0,67 0,63
0,95 1,00 1,00 1,00 1,00 0,99 0,97 0,92 0,84 0,75 0,67 0,63
1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,86 0,75 0,67 0,63

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 16
Misalkan angka dasar adalah 0,60 sedangkan
koefisien validitas adalah 0,40. Jika dari 400
peserta seleksi, 80 yang akan diterima, maka
rasio seleksi adalah 80/400 = 0,20
Dari tabel, angka hit adalah 0,81, sehingga dari
80 orang yang diterima akan sukses sebanyak
0,81 x 80= 65 orang
Con toh 17
Misalkan angka dasar adalah 0,60 sedangkan
koefisien validitas adalah 0,40. Jika rasio seleksi
adalah 0,60, maka angka hit adalah 0,70 atau
70% dari calon yang diterima akan sukses

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 18
Misalkan angka dasar adalah 0,60, sedangkan
peserta yang akan diterima (rasio seleksi) adalah
0,30. Jika dikehendaki agar angka sukses adalah
0,95, maka
diperlukan pengukuran dengan koefisien
validitas sebesar 0,80
Contoh 19
Misalkan angka dasar adalah 0,50, maka hasil
hitungan menjadi, dari
contoh 16 :
contoh 17 :
contoh 18 :

------------------------------------------------------------------------------
------------------------------------------------------------------------------
7. Kekeliruan Baku pada Estimasi Sekor Kriteria
• Validitas kriteria menghubungkan sekor prediktor
dengan sekor kriteria melalui korelasi atau regresi
• Melalui regresi di antara sekor prediktor dan sekor
kriteria dapat dilakukan estimasi (dari sekor
prediktor mengestimasi sekor kriteria)
Sekor
kriteria AY
Sekor
prediktor AX
·
· ·
·
· ·
·
·
·
·
·
ÂY
AX
estimasi

------------------------------------------------------------------------------
-----------------------------------------------------------------------------
Kekeliruan estimasi
Selisih di antara sekor kriteria AY dengan sekor
estimasi ÂY merupakan kekeliruan estimasi
A · Y
ÂY
Keliru estimasi = AY – ÂY
regresi
sekor
prediktor
sekor kriteria
estimasi
Kekeliruan
estimasi

------------------------------------------------------------------------------
------------------------------------------------------------------------------
rVal = koefisien validitas
zAY = nilai baku AY
zÂY = nilai baku ÂY
aY = AY – mAY yakni nilai simpangan
âY = ÂY – mAY yakni nilai simpangan
X
z =
z
ˆ
AY val AX
a a
s
r
r s
AY
AX
Y
Y val
X
AX
val
AY
a a
s
s
r
=
=
ˆ
ˆ

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Kekeliruan baku estimasi menjadi
å
( ˆ )
= -
est Y Y
[ ]
å
( ) ( ˆ
= + - +
m m
Y AY Y AY
å
( ˆ )
= -
Y Y
r s
r s
ö
æ
å
= + -
2
2
r s
s r s
2
1
1
1
AY
s r s
= + AY
-
AY
a
a
2 2 2 2 2
= + -
s s r s r
2
AY AY val AY val
= -
s r
AY val
2 2
2 2
2
2
2 2
2
2
2
2
2
2
2
2 2
1
1 1
2
1
est AY val krit val
AY
a a
val AX AY
AY
AX
AX val
AX
AY val
X Y
AX
val
X
AX
val
Y
X
AX
Y val
M
M
M
a a
M
a a
M
a a
M
A A
M
s s r s r
r s s
s
s
s
s
s
s
= - = -
÷ ÷ø
ç çè
= -
å å å
( )

------------------------------------------------------------------------------
Sekor Komposit
------------------------------------------------------------------------------
8. Validitas Prediksi pada Penerimaan Selektif
• Biasanya tidak semua peserta seleksi dapat
diterima
• Hanya peserta dengan sekor prediktor tinggi yang
diterima
• Perhitungan koefisien validitas hanya dapat
dihitung dari mereka yang diterima
batas seleksi
diterima
diterima
AX
AY

------------------------------------------------------------------------------
Skor Komposit dan Seleksi
------------------------------------------------------------------------------
• Dari bentuk
2 2 1 2 est krit val s =s -r
dapat diturunkan
2
r = - s
est
val s
2
1
krit
• Karena hanya sebagian yang diterima maka s2
est
menjadi kecil atau menciut sehingga rval membesar
Koefisien validitas menjadi overestimasi

------------------------------------------------------------------------------
------------------------------------------------------------------------------
9. Batas Seleksi
Batas seleksi berhubungan dengan besaran lainnya
termasuk
• Koefisien validitas
• Batas sukses
• Angka hit
Makin tinggi batas seleksi biasanya makin besar
angka hit
AY
Batas
sukses
AX
Batas seleksi
Angka hit

------------------------------------------------------------------------------
------------------------------------------------------------------------------
• Batas sukses minimum ditentukan sebesar zc sehingga
pada batas sukses minimum
z’Y = zc
• Regresi yang dihasilkan oleh validitas kriteria
z’Y = rval zX
AY
AX
zc
zX
z’Y = zc
rasio
sukses
rasio
gagal
Batas sukses

------------------------------------------------------------------------------
-----------------------------------------------------------------------------
• Nilai baku rasio sukses adalah zp dan
z = z - z = z -
z
c Y
c Y
s r
sehingga
• Selanjutnya dari z’Y = rval zX ditemukan bahwa batas
seleksi zX adalah
2
2
1
1
Y c p val
val
est
p
z z z
r
= - -
-
'
' '
z z z z
c p val
val
Y
val
X
r
r
r
- 1- 2
= ' =

------------------------------------------------------------------------------
------------------------------------------------------------------------------
C0ntoh 20
Pada suatu seleksi penerimaan, nilai baku batas
sukses adalah zc = 0,50 sedangkan rasio sukses
adalah 0,90. Alat ukur yang digunakan memiliki
koefisien validitas rval =0,60.
Pada rasio sukses 0,90, dari tabel fungsi distribusi
pada distribusi probabilitas normal, ditemukan nilai
baku zp = – 1,282
Nilai baku batas seleksi zX adalah
c p al
, ( , ) ,
= - - -
0 50 1 282 1 0 60
2 54
0 60
1
2
2
,
,
=
- -
=
val
X
z z
z
r
r

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Contoh 21
Jika nilai baku batas minimum sukses ditentukan
sebesar zc = 0,80, rasio sukses adalah 0,90,
sedangkan alat ukur yang digunakan memiliki
koefisien validitas rval = 0,70, maka
zp =
dan nilai baku batas seleksi adalah
zX =

------------------------------------------------------------------------------
------------------------------------------------------------------------------
F. Nilai Hasil Belajar
1. Hasil Belajar
• Biasanya hasil belajar dinilai melalui sekor
komposit (sekor tugas, sekor ujian formatif, dan
sekor ujian sumatif)
• Nilai hasil belajar (grading) dinyatakan dengan
huruf atau bilangan
• Terdapat banyak cara untuk memberi nilai hasil
belajar melalui bermacam patokan
• Untuk menyususn transkrip elektronik,
organisansi para registrar di Amerika Serikat
menyusun klasifikasi yang meliputi Amerika
Serikat dan Kanada
• Klasifikasi ini mencakup puluhan sistem yang
beraneka ragam

------------------------------------------------------------------------------
------------------------------------------------------------------------------
2. Systematic Marking Procedure
(a) Pengembangan
• Prosedur ini dikembangkan dan digunakan di
University of Iowa (November 1954)
(b) Kategori hasil belajar
• Hasil belajar dikelompokkan ke dalam tujuh
kategori. Nilai A untuk tiap kategori
menggunakan rumus yang berbeda
Exceptional (A ³ M + 0,7 s)
Superior (A ³ M + 0,9 s)
Good (A ³ M + 1,1 s)
Fair (A ³ M + 1,3 s)
Average (A ³ M + 1,5 s)
Weak (A ³ M + 1,7 s)
Poor (A ³ M + 1,9 s)
M = median s = simpangan baku

-----------------------------------------------------------------------------
------------------------------------------------------------------------------
(c) Pemberian nilai
Pemberian nilai A, B, C, D, dan F berbeda untuk
tiap kategori
Kategori exceptional
M + 0,7 s £ A
M – 0,3 s £ B < M + 0,7 s
M – 1,3 s £ C < M – 0,3 s
M – 2,3 s £ D < M – 1,3 s
F < M – 2,3 s
Kategori superior
M + 0,9 s £ A
M – 0,1 s £ B < M + 0,9 s
M – 1,1 s £ C < M – 0,1 s
M – 2,1 s £ D < M – 1,1 s
F < M – 2,1 s

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Kategori good
M + 1,1 s £ A
M + 0,1 s £ B < M + 1,1 s
M – 0,9 s £ C < M + 0,1 s
M – 1,9 s £ D < M – 0,9 s
F < M – 1,9 s
Kategori fair
M + 1,3 s £ A
M + 0,3 s £ B < M + 1,3 s
M – 0,7 s £ C < M + 0,3 s
M – 1,7 s £ D < M – 0,7 s
F < M – 1,7 s

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Kategori average
M + 1,5 s £ A
M + 0,5 s £ B < M + 1,5 s
M – 0,5 s £ C < M + 0,5 s
M – 1,5 s £ D < M – 0,5 s
F < M – 1,5 s
Kategori weak
M + 1,7 s £ A
M + 0,7 s £ B < M + 1,7 s
M – 0,3 s £ C < M + 0,7 s
M – 1,1 s £ D < M – 0,3 s
F < M – 1,3 s

------------------------------------------------------------------------------
------------------------------------------------------------------------------
Kategori poor
M + 1,9 s £ A
M + 0,9 s £ B < M + 1,9 s
M – 0,1 s £ C < M + 0,9 s
M – 1,1 s £ D < M – 0,1 s
F < M – 1,1 s
Makin lemah kategori makin tinggi sekor yang
diperlukan untuk mencapai nilai hasil belajar
tertentu
Selisih di antara nilai adalah satu simpangan baku
Dasar penilaian adalah penilaian acuan norma

------------------------------------------------------------------------------
------------------------------------------------------------------------------
3. European Credit Transfer System (ECTS)
• Diperkenalkan pada tahun 1989 untuk mengatur
peralihan kredit di antara perguruan tinggi Eropa
• Satu tahun studi purnawaktu dengan beban studi
60 kredit (30 kredit per semester atau 20 kredit per
trimester)
• Nilai hasil belajar dan persentase (acuan norma)
A 10%
B 25%
C 30%
D 25%
E 10%
FX gagal, perlu tambah tugas
F gagal

------------------------------------------------------------------------------
------------------------------------------------------------------------------
3. University Mobility in Asia and the Pacific Credit
Transfer System (UCTS)
• UCTS mengadopsi ECTS sehingga sama dengan
ECTS
• Satu tahun studi purnawaktu dengan beban studi
60 kredit (30 kredit per semester atau 20 kredit per
trimester)
• Nilai hasil belajar dan persentase (acuan norma)
A 10% excellent
B 25% very good
C 30% good
D 25% satisfactory
E 10% sufficient
FX gagal, perlu tambah tugas
F gagal

------------------------------------------------------------------------------
------------------------------------------------------------------------------
4. Klasifikasi Nilai pada Transkrip Elektronik
I. Lima atau lebih nilai lulus (huruf dengan + / –)
Sandi Nilai
Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0
01 A A– B+ B B– C+ C C– D+ D D– F
02 A+,A A- B+ B B- C+ C C- D+ D D- F
03 A B+ B C+ C D+ D F
04 A+,A B+ B C+ C D+ D F
05 A+,A A- B+ B B- C+ C C- D+ D F
06 A A- B+ B B- C+ C C- F
07 A B+ B C+ C D F
08 A A- B+ B B- C+ C C- D+ D F
09 A A- B+ B B- C+ C C- D F
10 A A- B+ B B- C+ C C- D+ D D- E/N,C
11 A+,A A- B+ B B- C+ C C-
12 A+,A A- B+ B B- C+ C C- D+ D D-
13 A A- B+ B B- C+ C C- D+ D D-
14 Sistem nonstandar dng lima atau lebih nilai huruf, tanpa “F”
15 Sistem nonstandar dng lima atau lebih nilai huruf, dengan “F”

------------------------------------------------------------------------------
------------------------------------------------------------------------------
II. Tipe ABCD/F dengan nilai setengah langkah (AB, BC, dll)
Sandi Nilai
Bobot 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0
16 A AB B BC C CD D DF F
17 A AB B BC C D F
18 A B C+ C D F
19 A B+ B C+ C D+ D F
20 A B+ B C+ C D F
21 A B+ B C+ C C- D F
22 A+,A B+ B C+ C D+ D F
23 Sistem ABCDF lainnya dng nilai setengah langkah
tanpa “F”
24 Sistem ABCDF lainnya dng nilai setengah langkah
dengan “F”

------------------------------------------------------------------------------
------------------------------------------------------------------------------
III. Tipe ABCDF (4 nilai lulus dengan huruf
Sandi Nilai
Bobot 4,0 3,0 2,0 1,0 0,0
25 A B C D F
26 A B C D NC/N
27 A B C D E
28 H S+ S S- U
29 E S M I F
30 DN HP P HCO NC
31 D E G Q U/F
32 H E G P U
33 S H P LP F
34 E VG G P F
35 HO HP PA CR NC
36 A B C D
37 A B C D U/R
38 Sistem tipe ABCD/F lainnya, tanpa “F”
39 Sistem tipe ABCD/F lainnya, dengan “F”

------------------------------------------------------------------------------
------------------------------------------------------------------------------
IV. Tipe ABC/F (3 nilai lulus dengan huruf)
Sandi Nilai
Bobot 4,0 3,0 2,0 0,0
40 A B C F
41 H HP CR NC
42 H HP P F
43 A B C NC
44 A B C
45 H HP P NP
46 HH H P
47 HH H P F
48 E G P U/F
53 Sistem tipe ABC/F lainnya, tanpa “F”
54 Sistem tipe ABC/F lainnya, dengan “F”
V. Sistem Nilai Pascasarjana
Sandi Nilai
Bobot 4,0 3,7 3,0 2,7 0,0
49 H HP P LP U/F
50 H HP P F
51 Dist High Pass Pass Low Pass F
52 H HP P U

------------------------------------------------------------------------------
------------------------------------------------------------------------------
VI. Tipe lulus/gagal (satu atau lebih nilai lulus)
Sandi Nilai
55 lulus/gagal : HP dan P, F
56 lulus.gagal : H dan P, F
57 lulus/gagal : HP dan P, N/NC
58 lulus/gagal : H dan P, U
59 Tipe lulus/gagal lainnya dengan dua nilai lulus
60 lulus/gagal : P, F
61 lulus/gagal : Sat, U
62 lulus/gagal : CR, NC
63 lulus/gagal : S, U
64 Tipe lulus/gagal lainnya dengan satu nilai lulus

------------------------------------------------------------------------------
------------------------------------------------------------------------------
VII. Tipe Numerik – Persen
Sandi Nilai
Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0
65 100- 92- 89- 86- 82- 79- 76- 72- 69- 66- 62- 59-
93 90 87 83 80 77 73 70 67 63 60 0
66 100- 89- 79- 69- 59-
90 80 70 60 0
67 100- 93- 89- 84- 74- 69-
94 90 85 75 70 0
68 100- 89- 79- 69- 64-
90 80 70 65 0
69 100- 92- 84- 76- 69-
93 85 77 70 0
70 100- 92- 83- 74- 69-
93 84 75 70 0
71 100- 89- 79- 75- 69- 59-
90 80 76 70 60 0
72 100- 89- 84- 79- 74- 69-
90 85 80 75 70 0
73 Sistem nilai numerik lainnya – tipe persen

------------------------------------------------------------------------------
------------------------------------------------------------------------------
VIII. Tipe Numerik – Persen
Sandi Nilai
Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0
74 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0
77 1 2 3 4 5
79 4,0 3,0 2,0 1,0 0,0
80 1+, 1 1- 2+ 2 2- 3+ 3 3- 4+ 4 4- 5/6
81 3,0 2,0 1,0 0,0
82 Sistem nilai numerik lainnya – 4,0 atau tipe integer
IX. Sistem Nilai Tipe Numerik (Tipe 4,0 dengan nilai setengah
langkah)
Sandi Nilai
Bobot 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0
76 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0
78 4,0 3,5 3,0 2,5 2,0 1,0 0,0
75 Skala 4,0 sinambungan (4,0 sampai 0,0)

------------------------------------------------------------------------------
------------------------------------------------------------------------------
X. Tipe Numerik –Tipe Kanada
Sandi Nilai
Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0
83 9 8 7 6 5 4 3 2, 1
84 10, 9 8 7 6 5 4 3 2 1 0
85 100- 86- 79- 75- 72- 69- 65- 62- 59- 55- 52- 49-
87 80 76 73 70 66 63 60 56 53 50 0
86 100- 83- 74- 71- 68- 65- 63- 61- 59- 55- 52- 49-
84 75 72 69 66 64 62 60 56 53 50 0
87 100- 86- 79- 74- 69- 64- 59- 54- 49-
87 80 75 70 65 60 55 50 0
88 100- 86- 79- 74- 69- 64- 61- 58- 54- 51- 47- 44-
87 80 75 70 65 62 59 55 52 48 45 0
89 Sistem nilai numerik lainnya – Kanada

Psikometri Bab a16

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (20)

More from Universitas Negeri Makassar

More from Universitas Negeri Makassar (20)

Recently uploaded

Recently uploaded (20)

Psikometri Bab a16