Bab 25 membahas pencocokan model pada teori respons butir. Ada beberapa cara untuk melakukan pencocokan model, yaitu cara statistika melalui prosedur PROX, cara pemenuhan syarat model, dan cara kecermatan pada prediksi model. Cara statistika menggunakan statistik uji-t untuk menguji kecocokan data dengan model. Cara pemenuhan syarat model menguji syarat-syarat seperti unidimensi dan independensi lokal. Cara kecermatan
Bab 17 membahas estimasi melalui pensampelan matriks. Terdapat beberapa metode pensampelan seperti pensampelan responden, butir, dan matriks. Pensampelan matriks melibatkan penarikan sampel responden dan butir secara acak. Rancangan pensampelan matriks mempertimbangkan ukuran sampel, pengembalian, dan kelengkapan butir/responden. Metode ini digunakan untuk memperkirakan atribut responden, butir, dan program secara umum
Bab 18 membahas karakteristik butir dalam pengukuran. Butir merupakan komponen dasar dalam alat ukur dan pengukuran. Alat ukur dibentuk melalui perakitan butir-butir berdasarkan tata cara tertentu. Setiap butir memiliki parameter seperti taraf kesukaran dan daya beda yang menunjukkan kemampuannya untuk membedakan responden.
Bab 19 membahas karakteristik model butir ojaif normal berdasarkan distribusi probabilitas normal. Model ini mengasumsikan bahwa variabel acak memiliki distribusi normal dan probabilitas jawaban benar berbentuk kumulatif atau ojaif normal. Fungsi distribusi normal baku digunakan untuk menghitung nilai probabilitas pada model ini.
Bab ini membahas tentang ketidakwajaran skor yang terjadi karena ketidakcocokan antara kemampuan responden dengan skor yang diperoleh. Dijelaskan beberapa metode untuk mengukur ketidakwajaran skor seperti metode Ghiselli, Jacob, dan Donlon-Fisher yang memanfaatkan tingkat kesulitan butir dan frekuensi jawaban yang benar.
Teks tersebut membahas perencanaan struktur pelat beton pada bangunan gedung tiga lantai. Terdapat penjelasan mengenai metode perhitungan, perencanaan tebal pelat, perhitungan beban, dan perhitungan tulangan pelat lantai dan atap. Perencanaan struktur pelat dilakukan sesuai standar nasional Indonesia dengan mempertimbangkan faktor seperti mutu beton dan baja serta beban mati dan hidup.
Bab 17 membahas estimasi melalui pensampelan matriks. Terdapat beberapa metode pensampelan seperti pensampelan responden, butir, dan matriks. Pensampelan matriks melibatkan penarikan sampel responden dan butir secara acak. Rancangan pensampelan matriks mempertimbangkan ukuran sampel, pengembalian, dan kelengkapan butir/responden. Metode ini digunakan untuk memperkirakan atribut responden, butir, dan program secara umum
Bab 18 membahas karakteristik butir dalam pengukuran. Butir merupakan komponen dasar dalam alat ukur dan pengukuran. Alat ukur dibentuk melalui perakitan butir-butir berdasarkan tata cara tertentu. Setiap butir memiliki parameter seperti taraf kesukaran dan daya beda yang menunjukkan kemampuannya untuk membedakan responden.
Bab 19 membahas karakteristik model butir ojaif normal berdasarkan distribusi probabilitas normal. Model ini mengasumsikan bahwa variabel acak memiliki distribusi normal dan probabilitas jawaban benar berbentuk kumulatif atau ojaif normal. Fungsi distribusi normal baku digunakan untuk menghitung nilai probabilitas pada model ini.
Bab ini membahas tentang ketidakwajaran skor yang terjadi karena ketidakcocokan antara kemampuan responden dengan skor yang diperoleh. Dijelaskan beberapa metode untuk mengukur ketidakwajaran skor seperti metode Ghiselli, Jacob, dan Donlon-Fisher yang memanfaatkan tingkat kesulitan butir dan frekuensi jawaban yang benar.
Teks tersebut membahas perencanaan struktur pelat beton pada bangunan gedung tiga lantai. Terdapat penjelasan mengenai metode perhitungan, perencanaan tebal pelat, perhitungan beban, dan perhitungan tulangan pelat lantai dan atap. Perencanaan struktur pelat dilakukan sesuai standar nasional Indonesia dengan mempertimbangkan faktor seperti mutu beton dan baja serta beban mati dan hidup.
Bab 27 membahas tentang bank butir dan perangkat ujian. Bank butir adalah kumpulan butir-butir ujian yang telah diseleksi dan dicatat kualitasnya untuk keperluan penyusunan perangkat ujian. Bank butir perlu disiapkan dengan baik melalui proses seleksi, pengembangan, dan kalibrasi butir-butir agar kualitasnya terjaga.
Bab 16 membahas tentang sekor komposit dan seleksi. Sekor komposit merupakan gabungan dari beberapa sekor komponen, dan dapat digabung secara linier maupun nonlinier, dengan atau tanpa bobot. Bobot sekor komponen menentukan kontribusi masing-masing komponen terhadap sekor komposit. Variansi dan kovariansi sekor komponen juga mempengaruhi ciri sekor komposit khususnya peringkatnya.
Bab 22 membahas estimasi parameter secara terpisah pada model logistik tiga parameter. Terdapat tiga kemungkinan estimasi parameter yaitu parameter responden, parameter butir, atau keduanya. Estimasi dilakukan dengan cara coba-coba menghitung kemungkinan jawaban benar dengan berbagai nilai kemampuan atau dengan metode Newton-Raphson untuk memperoleh nilai maksimum kemungkinan. Prosedur lengkapnya melibatkan penentuan nilai awal, perhitungan
Bab 20 membahas karakteristik butir model logistik. Terdapat tiga model logistik yaitu satu parameter, dua parameter, dan tiga parameter. Model logistik satu parameter (L1P) mirip dengan model Rasch. L1P dan Rasch menggunakan fungsi logistik dengan satu parameter butir. Model L1P dua parameter (L2P) dan tiga parameter (L3P) menggunakan dua dan tiga parameter. Nilai konstanta D pada umumnya diambil 1,7 agar model logistik mendek
Bab 21 membahas teori responsi butir yang menjelaskan hubungan antara kemampuan responden dan kesukaran butir. Teori ini memisahkan kemampuan responden dan kesukaran butir menjadi independen untuk meningkatkan akurasi pengukuran. Terdapat model satu, dua, dan tiga parameter yang menentukan karakteristik butir berdasarkan respon responden. Teori ini memenuhi syarat unidimensi, invarian kelompok, dan independensi lokal untuk mencapai kemand
Bab 12 membahas reliabilitas penilai dan pengamat dalam pengukuran. Terdapat beberapa poin penting, yaitu:
1. Penilai dan pengamat digunakan untuk menentukan skor dengan mengikuti kriteria tertentu.
2. Diperlukan kesesuaian antara hasil penilaian dan pengamatan oleh lebih dari satu penilai atau pengamat.
3. Kecocokan dapat berupa kecocokan peringkat atau kategori dan diuk
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.
Bab 8 membahas nilai acuan kriteria yang digunakan untuk menentukan apakah siswa sudah menguasai suatu kemampuan. Terdapat penjelasan tentang wilayah kriteria, format butir alat ukur, contoh butir, standar batas penguasaan, dan prosedur penilaian untuk menghasilkan nilai acuan kriteria berupa sudah menguasai atau belum menguasai. Juga diberikan contoh-contoh penyusunan alat ukur berdas
Bab 11 membahas reliabilitas yang merupakan tingkat kepercayaan terhadap suatu skor. Terdapat dua jenis reliabilitas yaitu reliabilitas stabilitas yang menggunakan uji ulang untuk melihat kestabilan jawaban, dan reliabilitas ekivalensi yang menggunakan uji setara untuk melihat ekivalensi pengukuran. Koefisien reliabilitas digunakan untuk mengukur tingkat kecocokan antara hasil uji dan menentukan apakah al
Bab ini membahas nilai acuan norma yang digunakan untuk memberikan arti terhadap skor hasil pengukuran. Ada beberapa pendekatan untuk menentukan nilai acuan seperti pendekatan intuitif, ipsatif, kesempurnaan, dan ke kelompok norma. Nilai acuan dapat berupa angka, huruf, atau predikat. Kelompok norma dapat berupa populasi maupun sampel yang digunakan untuk menentukan tara perkembangan, tingkat, umur, dan peringkat
Bab 2 membahas sasaran ukur yang mencakup hakikat, komponen, bentuk, dimensi, keterukuran, dan jenis atribut yang dapat diukur. Atribut dapat berupa konstanta atau variabel, unidimensi atau multidimensi, manifes atau laten, dan jenisnya meliputi fisik, status, kemampuan, keberhasilan, dan kepribadian. Pengukuran dilakukan dengan alat ukur untuk menghasilkan data kuantitatif tentang ob
Bab 1 Pendahuluan membahas konsep-konsep dasar pengukuran psikologi seperti evaluasi, asesmen, metode pengukuran, teori pengukuran, sasaran ukur, skala ukur, alat ukur, cara pengukuran, matriks sekor, pensekoran, reliabilitas, validitas, dan karakteristik butir. Bab ini juga menjelaskan proses penyediaan alat ukur mulai dari pembuatan, uji coba, dan perbaikan.
Bab 27 membahas tentang bank butir dan perangkat ujian. Bank butir adalah kumpulan butir-butir ujian yang telah diseleksi dan dicatat kualitasnya untuk keperluan penyusunan perangkat ujian. Bank butir perlu disiapkan dengan baik melalui proses seleksi, pengembangan, dan kalibrasi butir-butir agar kualitasnya terjaga.
Bab 16 membahas tentang sekor komposit dan seleksi. Sekor komposit merupakan gabungan dari beberapa sekor komponen, dan dapat digabung secara linier maupun nonlinier, dengan atau tanpa bobot. Bobot sekor komponen menentukan kontribusi masing-masing komponen terhadap sekor komposit. Variansi dan kovariansi sekor komponen juga mempengaruhi ciri sekor komposit khususnya peringkatnya.
Bab 22 membahas estimasi parameter secara terpisah pada model logistik tiga parameter. Terdapat tiga kemungkinan estimasi parameter yaitu parameter responden, parameter butir, atau keduanya. Estimasi dilakukan dengan cara coba-coba menghitung kemungkinan jawaban benar dengan berbagai nilai kemampuan atau dengan metode Newton-Raphson untuk memperoleh nilai maksimum kemungkinan. Prosedur lengkapnya melibatkan penentuan nilai awal, perhitungan
Bab 20 membahas karakteristik butir model logistik. Terdapat tiga model logistik yaitu satu parameter, dua parameter, dan tiga parameter. Model logistik satu parameter (L1P) mirip dengan model Rasch. L1P dan Rasch menggunakan fungsi logistik dengan satu parameter butir. Model L1P dua parameter (L2P) dan tiga parameter (L3P) menggunakan dua dan tiga parameter. Nilai konstanta D pada umumnya diambil 1,7 agar model logistik mendek
Bab 21 membahas teori responsi butir yang menjelaskan hubungan antara kemampuan responden dan kesukaran butir. Teori ini memisahkan kemampuan responden dan kesukaran butir menjadi independen untuk meningkatkan akurasi pengukuran. Terdapat model satu, dua, dan tiga parameter yang menentukan karakteristik butir berdasarkan respon responden. Teori ini memenuhi syarat unidimensi, invarian kelompok, dan independensi lokal untuk mencapai kemand
Bab 12 membahas reliabilitas penilai dan pengamat dalam pengukuran. Terdapat beberapa poin penting, yaitu:
1. Penilai dan pengamat digunakan untuk menentukan skor dengan mengikuti kriteria tertentu.
2. Diperlukan kesesuaian antara hasil penilaian dan pengamatan oleh lebih dari satu penilai atau pengamat.
3. Kecocokan dapat berupa kecocokan peringkat atau kategori dan diuk
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.
Bab 8 membahas nilai acuan kriteria yang digunakan untuk menentukan apakah siswa sudah menguasai suatu kemampuan. Terdapat penjelasan tentang wilayah kriteria, format butir alat ukur, contoh butir, standar batas penguasaan, dan prosedur penilaian untuk menghasilkan nilai acuan kriteria berupa sudah menguasai atau belum menguasai. Juga diberikan contoh-contoh penyusunan alat ukur berdas
Bab 11 membahas reliabilitas yang merupakan tingkat kepercayaan terhadap suatu skor. Terdapat dua jenis reliabilitas yaitu reliabilitas stabilitas yang menggunakan uji ulang untuk melihat kestabilan jawaban, dan reliabilitas ekivalensi yang menggunakan uji setara untuk melihat ekivalensi pengukuran. Koefisien reliabilitas digunakan untuk mengukur tingkat kecocokan antara hasil uji dan menentukan apakah al
Bab ini membahas nilai acuan norma yang digunakan untuk memberikan arti terhadap skor hasil pengukuran. Ada beberapa pendekatan untuk menentukan nilai acuan seperti pendekatan intuitif, ipsatif, kesempurnaan, dan ke kelompok norma. Nilai acuan dapat berupa angka, huruf, atau predikat. Kelompok norma dapat berupa populasi maupun sampel yang digunakan untuk menentukan tara perkembangan, tingkat, umur, dan peringkat
Bab 2 membahas sasaran ukur yang mencakup hakikat, komponen, bentuk, dimensi, keterukuran, dan jenis atribut yang dapat diukur. Atribut dapat berupa konstanta atau variabel, unidimensi atau multidimensi, manifes atau laten, dan jenisnya meliputi fisik, status, kemampuan, keberhasilan, dan kepribadian. Pengukuran dilakukan dengan alat ukur untuk menghasilkan data kuantitatif tentang ob
Bab 1 Pendahuluan membahas konsep-konsep dasar pengukuran psikologi seperti evaluasi, asesmen, metode pengukuran, teori pengukuran, sasaran ukur, skala ukur, alat ukur, cara pengukuran, matriks sekor, pensekoran, reliabilitas, validitas, dan karakteristik butir. Bab ini juga menjelaskan proses penyediaan alat ukur mulai dari pembuatan, uji coba, dan perbaikan.
Java Numbers
Pembahasan yang mengkhususkan bagaimana sebuah angka diproses di dalam pemrograman berbasis java. Diantaranya juga disertakan tentang formatting angka, contoh kasus serta beberapa konsep yang memudahkan developers untuk menggunakan beberapa data type yang berbeda.
FGroupIndonesia.com
Training & Digital Solutions Provider
Address:
Jl. Parahyangan no.18
Komp. Panghegar Permai I,
Ujung Berung, Bandung, Indonesia
CALL / WA : (+62)857-9556-9337 / (+62)857-2126-1437
Email : training@fgroupindonesia.com
Modul Kelas Programming : Java Numbersgumuruh sspj
Modul Kelas Programming : Java Numbers
Pembahasan yang mengkhususkan bagaimana sebuah angka diproses di dalam pemrograman berbasis java. Diantaranya juga disertakan tentang formatting angka, contoh kasus serta beberapa konsep yang memudahkan developers untuk menggunakan beberapa data type yang berbeda.
FGroupIndonesia.com
Training & Digital Solutions Provider
Address:
Jl. Parahyangan no.18
Komp. Panghegar Permai I,
Ujung Berung, Bandung, Indonesia
CALL / WA : (+62)857-9556-9337 / (+62)857-2126-1437
Email : training@fgroupindonesia.com
Dokumen tersebut membahas tentang metode transportasi dalam riset operasi untuk mengatur distribusi produk dari sumber ke tempat tujuan secara optimal dengan mempertimbangkan biaya transportasi. Terdapat tiga metode untuk menyelesaikan masalah transportasi yaitu metode pojok barat laut, metode biaya terendah, dan metode aproksimasi Vogel.
Bab 3 membahas tentang skala ukur, yang merupakan aturan untuk mengaitkan atribut dengan bilangan. Terdapat beberapa jenis skala ukur seperti nominal, ordinal, interval, dan rasio, yang masing-masing memiliki tingkat informasi yang berbeda. Bab ini juga menjelaskan ciri-ciri skala ukur seperti nilai, sifat, dan level skalanya, yang mempengaruhi pengolahan data hasil pengukuran.
Dokumen ini membahas tentang korelasi dan teknik analisis korelasi Pearson product moment. Korelasi menyatakan derajat hubungan linier antara dua variabel atau lebih. Teknik Pearson product moment digunakan untuk variabel skala interval atau rasio untuk mengetahui ada tidaknya hubungan dan besarnya sumbangan satu variabel terhadap yang lain. Hasil korelasi akan diuji signifikasinya.
Analisis jalur digunakan untuk menguji hubungan antar variabel penelitian. Variabel penelitian meliputi kepemimpinan kepala sekolah, profesionalisme guru, kerajinan belajar murid, dan prestasi belajar. Hasil analisis menunjukkan profesionalisme guru dan kerajinan belajar berpengaruh langsung terhadap prestasi belajar, sedangkan kepemimpinan kepala sekolah berpengaruh tidak langsung melalui variabel lain.
Terdapat tiga tes statistik yang dijelaskan dalam dokumen tersebut, yaitu Tes "t", Tes Kai Kuadrat, dan Uji Z. Tes "t" digunakan untuk menguji hipotesis nihil mengenai perbedaan rata-rata dua sampel. Contoh penggunaan Tes "t" untuk menguji apakah terdapat perbedaan prestasi belajar siswa sebelum dan sesudah diterapkannya metode baru mengajar. Hasilnya menunjukkan adanya perbedaan
Dokumen tersebut membahas tentang penggunaan uji kai kuadrat untuk menguji perbedaan frekuensi antara data yang diamati dengan yang diharapkan secara teoritis. Metode kai kuadrat digunakan untuk menganalisis beberapa contoh, termasuk pendapat staf pengajar tentang sistem kredit semester dan sikap pegawai terhadap pemotongan gaji. Dokumen ini menyimpulkan bahwa tidak terdapat perbedaan prestasi belajar yang signifikan
Dokumen ini membahas tentang uji Z, yaitu salah satu uji statistika yang menggunakan distribusi normal. Uji Z digunakan untuk menguji hipotesis dengan sampel besar dan varians yang diketahui. Dokumen ini menjelaskan pengertian, kriteria penggunaan, rumus, dan contoh soal uji Z dua pihak dan satu pihak beserta analisisnya.
Dokumen tersebut membahas tentang uji persyaratan data untuk analisis varian, yaitu uji normalitas dan uji homogenitas. Secara khusus membahas tentang pengertian dan teknik uji normalitas dengan menggunakan teknik Shapiro-Wilk beserta contoh penyelesaiannya, serta pengertian dan teknik uji homogenitas menggunakan uji Fisher.
Teks tersebut membahas tentang landasan sosiologi pendidikan di Indonesia. Secara garis besar, teks tersebut menjelaskan bahwa pendidikan di Indonesia didasarkan pada pendekatan integralistik dimana setiap anggota masyarakat saling terkait dan berhubungan erat untuk mencapai tujuan bersama. Teks tersebut juga membahas ruang lingkup kajian sosiologi pendidikan yaitu hubungan antara sistem pendidikan dengan aspek masyarak
1. Dokumen tersebut membahas tentang aliran pendidikan progresivisme, yang muncul pada abad ke-19 di Amerika Serikat. Aliran ini menekankan pendidikan berpusat pada peserta didik dan pengalaman belajar mereka.
2. Prinsip-prinsip progresivisme antara lain melihat pendidikan sebagai bagian dari kehidupan, berkaitan dengan minat peserta didik, dan belajar melalui pemecahan masalah. Kurikulum progresivisme
Dokumen tersebut membahas tentang analisis varian satu arah (ANAVA) yang digunakan untuk menganalisis perbedaan antar kelompok data dengan satu variabel bebas. Dokumen ini menjelaskan pengertian, asumsi, langkah-langkah, dan contoh soal uji ANAVA satu arah beserta uji normalitas data.
Modul Ajar Bahasa Inggris Kelas 10 Fase E Kurikulum MerdekaFathan Emran
Modul Ajar Bahasa Inggris Kelas 10 SMA/MA Fase E Kurikulum Merdeka - abdiera.com. Modul Ajar Bahasa Inggris Kelas 10 SMA/MA Fase E Kurikulum Merdeka. Modul Ajar Bahasa Inggris Kelas 10 SMA/MA Fase E Kurikulum Merdeka.
Paper ini bertujuan untuk menganalisis pencemaran udara akibat pabrik aspal. Analisis ini akan fokus pada emisi udara yang dihasilkan oleh pabrik aspal, dampak kesehatan dan lingkungan dari emisi tersebut, dan upaya yang dapat dilakukan untuk mengurangi pencemaran udara
Ppt landasan pendidikan Pai 9 _20240604_231000_0000.pdffadlurrahman260903
Ppt landasan pendidikan tentang pendidikan seumur hidup.
Prodi pendidikan agama Islam
Fakultas tarbiyah dan ilmu keguruan
Universitas Islam negeri syekh Ali Hasan Ahmad addary Padangsidimpuan
Pendidikan sepanjang hayat atau pendidikan seumur hidup adalah sebuah system konsepkonsep pendidikan yang menerangkan keseluruhan peristiwa-peristiwa kegiatan belajarmengajar yang berlangsung dalam keseluruhan kehidupan manusia. Pendidikan sepanjang
hayat memandang jauh ke depan, berusaha untuk menghasilkan manusia dan masyarakat yang
baru, merupakan suatu proyek masyarakat yang sangat besar. Pendidikan sepanjang hayat
merupakan asas pendidikan yang cocok bagi orang-orang yang hidup dalam dunia
transformasi dan informasi, yaitu masyarakat modern. Manusia harus lebih bisa menyesuaikan
dirinya secara terus menerus dengan situasi yang baru.
2. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Bab 25
PENCOCOKAN MODEL
A. Tujuan Pencocokan Model
1. Pendahuluan
• Pada teori responsi butir, kita bebas memilih model karakteristik butir
• Setelah ada data, timbul pertanyaan apakah benar data itu sesuai
dengan model yang kita pilih
• Untuk itu, dilakukan pengujian tentang kecocokan data dengan
model yang dipilih
3. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
2. Cara Pencocokan Model
Tidak mudah untuk menemukan cara pencocokan
yang tepat dan mudah. Cara yang tepat dan mudah
masih terus dicari
Beberapa cara pencocokan yang telah dikenal
meliputi
• Cara statistika
Cara ini cenderung tidak begitu cocok
untuk data besar dan cenderung cocok
untuk data kecil
• Cara pemenuhan syarat model
Uji syarat seperti unidimensi; pada model
L2P tidak ada parameter c, pada model
L1P parameter a adalah konstan
4. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
• Cara pemenuhan harapan
Uji invariansi parameter
• Cara kecermatan pada prediksi model
Uji melalui pembandingan dengan data
simulasi atau data prediksi
Tidak semua cara ini dibahas di sini. Cara yang
dibahas mencakup
Cara statistika pada prosedur PROX
Cara kecermatan pada prediksi model
Dua cara pencocokan model ini menggunakan
statistika dengan kriteria tertentu
5. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
B. Cara Statistika pada Prosedur PROX
1. Pendahuluan
• Seperti halnya dengan estimasi melalui
prosedur PROX, pencocokan model melalui
prosedur PROX hanya digunakan untuk model
satu parameter yakni 1P
• Melalui sekor baku jawaban betul dan sekor
baku jawaban salah, ditentukan variansi
gabungan dua sekor itu
• Variansi ini berdistribusi probabilitas t-Student
dengan
Nilai t untuk parameter responden
Nilai t untuk parameter butir
• Cocok dengan model jika t £ tpatokan
Tidak cocok dengan model jika t > tpatokan
tpatokan = 2,00
6. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
2. Variansi
• Model karakteristik yang digunakan adalah model
Rasch dengan D = 1, sehingga
e
+
=
q
1 1
( ) ( )
P
• Simpangan baku
• Nilai simpangan
( )
X – P(q)
( )
dengan jawaban betul X = 1
jawaban salah X = 0
( )
b
b
e
Q P
-
- -
+
= - =
q
q
q q
1
1
1
P(q )Q(q ) = P(q )[1- P(q )]
7. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
• Nilai baku zX menjadi
z X P X -
• Variansi z2
( q
)
= -
P P
( q )[ 1
( q
)]
X menjadi
z X P X -
2
[ ( q
)]
q q
= -
P P
( )[ 1
( )]
2
• Untuk jawaban betul, X = 1
1 2
z P = - P
= - -
[ ( )] b
= - q
q
q 1
1
X e
• Untuk jawaban salah, X = 0
( )
( )
( )
( )[ ( )]
P
P -
P
q
q q
2
0 2
z P P
= -
[ ( )] b
= - q
( )
( q
)
q
1 1
X e
( )
( )[ ( )]
P
P P
-
=
-
q
q q
2
8. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
• Variansi gabungan untuk jawaban betul dan
jawaban salah
( X )( b)
X z2 = e 1-2 q -
Variansi ini berdistribusi probabilitas t-Student
Pada responden
banyaknya responden : M
derajat kebebasan : M – 1
Pada butir
banyaknya butir : N
derajat kebebasan : N – 1
• Statistik uji t untuk responden dan butir adalah
sebagai berikut
9. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
3. Statistik Uji dan kriteria pengujian
• Statistik uji untuk responden ke-g
é
æ
2
z
1 1
1
ln q
g N
• Statistik uji untuk butir ke-i
é
æ
2
z
M
M
1 g
1
1
bi ln
M
t M
• Kriteria pengujian t = 2,00
ù
ú ú ú ú
û
ê ê ê ê
ë
-
ö
÷ ÷ ÷ ÷
ø
ç ç ç ç
è
z
-
+
-
= -
å å
2
= = 1
N
8 1 1
t N
N
i
N
i
ù
ú ú ú ú
û
ê ê ê ê
ë
-
ö
÷ ÷ ÷ ÷ ÷
ø
ç ç ç ç ç
è
z
-
+
-
= -
å å
2
= g
= 1
M
8 1 1
11. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Hasil estimasi parameter pada contoh 1 Bab 23
adalah
resp q butir b
1 ---- 1 -----
2 – 2,41 2 -----
3 – 1,11 3 – 2,23
4 – 0,14 4 – 1,08
5 – 0,14 5 – 0,25
6 0,83 6 – 0,25
7 0,83 7 1,35
8 2,27 8 2,49
9 ----- 9 -----
10 ----- 10 -----
Masukkan nilai X, q, dan b ke dalam bentuk
( X )( b)
X z2 = e 1-2 q -
menghasilkan tabel berikut
13. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
• Statistik uji untuk responden ke-g
é
2
z
1 1
1
ln q
g N
• Statistik uji untuk butir ke-i
é
2
z
M
M
1 g
1
1
bi ln
M
t M
• Kriteria patokan t = 2,00
ù
ú ú ú ú
û
ê ê ê ê
ë
-
ö
÷ ÷ ÷ ÷
ø
æ
ç ç ç ç
è
z
-
+
-
= -
å å
2
= = 1
N
8 1 1
t N
N
i
N
i
ù
ú ú ú ú
û
ê ê ê ê ë
-
ö
÷ ÷ ÷ ÷ ÷
ø
æ
ç ç ç ç ç
è
z
-
+
-
= -
å å
2
= g
= 1
M
8 1 1
14. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
t untuk q M = 7
Resp q Sz2 t
2 – 2,41 1,73 – 1,36
3 – 1,11 2,32 – 1,03
4 – 0,14 2,83 – 0,79
5 – 0,14 10,57 1,47
6 0,83 1,66 – 1,40
7 0,83 17,02 2,87
8 2,27 1,41 – 1,57
t untuk b N = 6
Butir b Sz2 t
3 – 2,23 9,84 0,99
4 – 1,08 9,01 0,79
5 – 0,25 3,32 – 0,90
6 – 0,25 5,70 – 0,00
7 1,35 3,24 – 0,93
8 2,49 6,43 0,12
16. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Hasil estimasi parameter adalah
resp q butir b
1 ----- 1 -----
2 ----- 2 -----
3 ----- 3 ------
4 ----- 4 ------
5 ----- 5 ------
6 ----- 6 ------
7 ----- 7 ------
8 ----- 8 -----
9 ----- 9 -----
10 ----- 10 -----
Dari hasil estimasi ini, periksa kecocokan model
karakteristik butir dengan prosedur PROX
17. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
C. Cara Pemenuhan Syarat Model
1. Pendahuluan
Secara garis besar, langkah pada cara ini
adalah sebagai berikut
2. Analisis Butir
Lakukan analisis butir secara klasik (melalui
korelasi biserial titik butir-total). Jika butir tidak
baik maka butir itu juga tidak baik pada
pencocokan model ini
3. Independensi Lokal
Periksa independensi lokal melalui analisis
variansi dan kovariansi di antara responden
pada interval q yang berbeda
18. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
4. Unidimensi
Periksa syarat unidimensi melalui analisis faktor
dengan indikator:
• Eigenvalue faktor utama bernilai beberapa
kali eigenvalue faktor kedua
• Eigenvalue faktor kedua dan seterusnya
adalah hampir sama
5. Daya Beda
Periksa kesamaan daya beda melalui distribusi
koefisien korelasi (koefisien korelasi biserial)
6. Kebetulan Jawab Betul
Periksa jawaban yang kebetulan betul pada
model 1P dan 2P melalui
• pemeriksaan parameter c;
• regresi sekor butir dan sekor responden
dengan memperhatikan sekor rendah
19. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
7. Ujian Kemampuan
Periksa ujian kemampuan (bukan ujian
kecepatan) melalui banyaknya butir yang tidak
dijawab (terutama butir mudah yang tidak
dijawab)
Cara ini cukup rumit dan tidak diuraikan lebih lanjut
di sini
20. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
D. Cara Pemenuhan Harapan
1. Pendahuluan
Secara garis besar, langkah cara ini adalah
sebagai berikut
2. Invariansi
• Seharusnya harapan matematik pada
parameter responden dan parameter butir
menunjukkan invariansi (sukar diperiksa, serta
ada beberapa cara)
• Salah satu cara adalah membagi dua kelompok
responden atau kelompok butir. Dua kelompok
itu kemudian dipetakan pada sistem koordinat
Kartesius
Jika cocok maka dua kelompok itu akah sama
dan peta menunjukkan garis lurus diagonal
(450)
21. ------------------------------------------------------------------------------
Pencocokan Model
-----------------------------------------------------------------------------
• Misalkan dua kelompok itu adalah X dan Y. Jika
cocok maka mereka menunjukkan lukisan
berikut (titik dekat pada garis diagonal)
.. ..
..
. .
.
0
1 2 3 4 5
0
.. .
.
-3 -2 -1 1 2 3 4 X
-1
-2
-3
-4
Y
....
.
.
.
.
.
. .
. . ..
.
. .
.
. .
. ....
.
..
.. .
.
..
..
..
..
..
.
..
...
..
..
..
....
...
…...
.
.
.
.
.
. .
.
.
..
.
.
.
.
..
. .
.
.
.
..
.
22. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
3. Komponen Invariansi
• Besaran yang dibagi ke dalam kelompok
mencakup sejumlah besaran, seperti
Taraf sukar butir tinggi dan rendcah
Kemampuan responden pada butir ganjil
dan genap
Kemampuan responden pada butir mudah
dan butir sukar
• Jika parameter benar invarian, maka pada
semua macam pembagian itu, grafik akan tetap
membentuk garis lurus diagonal
Cara ini tidak diuraikan lebih lanjut di sini
23. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
E. Cara Kecermatan pada Prediksi Model
1. Pendahuluan
• Sekor sesungguhnya dibandingkan dengan
sekor hasil prediksi pada simulasi atau pada
harapan matematik
• Selisih mereka adalah residu yang dinyatakan
dalam nilai baku yakni residu baku
• Residu baku diuji melalui sejumlah cara seperti
Statistika khi-kuadrat
Peta pencar
Cara lain
• Di sini digunakan statistik khi-kuadrat
24. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
2. Subkelompok
Sekor dibagi ke dalam m subkelompok pada
parameter kemampuan q
q1, q2, q3, . . . qk, . . . qm
Pada subkelompok ke-k untuk butir ke-i terdapat
sejumlah Mki responden, dengan sekor
Sekor Xkgi
subkelompok : k
responden : g
butir : i
Jawaban
Betul : Xkgi = 1
Salah : Xkgi = 0
25. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
3. Sekor Sesungguhnya dan Sekor Prediksi
• Sekor sesungguhnya
Pada subkelompok ke-k butir ke-i, sekor
sesungguhnya adalah proporsi jawaban
betul (probabilitas jawaban betul) dari
semua responden
kgi
X
ki
M
kiå=
g
p = 1
ki M
Sekor sesungguhnya ini dapat dihitung dari
data hasil ujian
26. ------------------------------------------------------------------------------
Pencocokan Model
-----------------------------------------------------------------------------
• Sekor prediksi
Sekor prediksi adalah sekor yang diperoleh
dari model karakteristik butir, dalam hal ini,
pada model L3P
1 1
P c c + - -
( q
) = + ( - )
( q ) ki ki ki Daki bki e
dengan simpangan baku
1
(q ) (q ) (q )[ (q ) ki ki ki ki P Q = P 1- P
27. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
4. Residu
Residu adalah selisih di antara sekor
sesungguhnya dengan sekor prediksi
Residu untuk subkelompok ke-k butir ke-i adalah
sebesar rki
X
å=
1
P (q )[1- P (q )]
ki ki
dengan kekeliruan baku
(q ) ki
ki
M
g
kgi
ki P
M
r
ki
= -
ki
M
28. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
• Residu baku
Dalam bentuk nilai baku, residu baku pada
subkelompok ke-k butir ke-i menjadi zki
z r
• Residu Total
P P
(q )[ - (q )]
ki ki
Residu total 2 untuk semua 2
subkelompok ki ki
pada
butir ke-i adalah
i ki P P
Residu ini berdistribusi probabilitas khi-kuadrat
dengan derajat kebebasan
nI = mi – 3
ki
ki
ki
M
=
1
å å
= = -
= =
m
k ki ki
m
k
z M r
1
2
1
(q )[1 (q )]
c
29. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Contoh 3
Dengan menggunakan model L3P, suatu butir
memperoleh karakteristik butir
a = 1,25 b = 0,75 c = 0,25
Untuk memeriksa kecocokan model, butir ini
dijawab oleh sejumlah responden.
Dari responden itu dicari 5 subkelompok masing-masing
dengan q sebagai berikut
q jumlah responden
– 2,0 20
– 1,0 20
0,0 20
1,0 20
2,0 20
30. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Sekor sesungguhnya dari responden itu adalah
q Jawaban responden Sekor
– 2,0 00000 10000 00001 00000 2
– 1,0 01000 01000 01000 10000 4
0,0 10001 10010 10010 01011 9
1,0 11111 11011 11110 10101 16
2,0 11111 11111 01111 11011 18
• Di sini kita menghitung residu baku untuk
subkelompok q = – 2,0
• Subkelompok lainnya dihitung dengan cara
yang sama
• Hasilnya disusun dalam bentuk tabel
31. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Residu baku pada subkelompok 1 (q = –2,0)
Sekor sesungguhnya
å X
å
= g=
Sekor prediksi
0 10
2
20
20
20
1
1
1
1
1
1
g
= = = ,
M
g
g X
M
1 1
P ( q
) c ( c )
a q b 1 1 1 1 1 7 1 1 1
, ( )
0 , 25 ( 1 0 , 25 )
1
0 25
1
1
1 1 7 1 25 2 0 0 75
,
( , )( , )( , , )
=
+
= + -
+
= + -
- -
- -
e
e
32. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Residu pada subkelompok 1
å=
1
1
P q
( )
X
r g
g
= -
20 1 1
20
, ,
= -
0 10 0 25
,
0 15
1
= -
Residu baku pada subkelompok 1
z r
1
P P
q q
( )[1 ( )]
1 1 1 1
1
0,15
(0,25)(1 0,25)
1,55
20
1
= -
-
= -
-
=
M
33. -----------------------------------------------------------------------------
Pencocokan Model
-----------------------------------------------------------------------------
Dengan cara sama, diperoleh untuk semua
subkelompok pada butir ini
q SX / M P(q) r z z2
– 2,0 0,10 0,25 – 0,15 – 1,55 2,40
– 1,0 0,20 0,27 – 0,02 – 0,20 0,04
0,0 0,45 0,38 0,07 0,65 0,42
1,0 0,80 0,72 0,08 0,80 0,64
2,0 0,90 0,95 – 0,05 – 1,03 1,06
c2 = 4,56
c2
1 = 4,56 n1 = 5 – 3 = 2
Pada taraf signifikansi a = 0,05 c2
(0,05)(2) = 5,991
c2
1 adalah kecil sehingga butir ini adalah cocok
dengan model L3P
34. ------------------------------------------------------------------------------
Pencocokan Model
------------------------------------------------------------------------------
Dalam bentuk grafik, pencocokan model ini
adalah sebagai berikut
P1(q)
Residu baku
1,0
0,8
0,6
0,4
0,2
1,0
0,0
–1,0
–2,0
–2,0
–2,0
–1,0
–1,0
0,0
0,0
1,0
1,0
2,0
q
2,0 q
*
*
*
*
*
*
*
*
*
*
* = prob sesungguhnya
– = prob prediksi