Anda di halaman 1dari 4

Memperkirakan Kinerja Saat Ini Sampai pada titik ini kita telah menekankan peran hubungan uji-kriteria dalam

memprediksi kinerja di masa depan. Meskipun ini mungkin penggunaan secara umum, ada saat-saat kita tertarik pada hubungan antara tes kinerja dengan pengukuran kinerja lainnya yang sedang dilaksanakan. Dalam hal ini, kita mendapatkan kedua tindakan di sekitar waktu yang sama dan hasilnya saling berhubungan. Hal ini umumnya dilakukan ketika tes sedang dipertimbangkan sebagai pengganti metode yang memakan waktu lebih banyak untuk memperoleh informasi. Sebagai contoh, Mrs Brown, seorang guru biologi, bertanyatanya apakah tes objektif kemampuan belajar dapat digunakan di tempat dimana ia pada saat yang bersamaan juga sedang melakukan penggabungan metode pengamatan dan prosedur penilaian. Dia merasa bahwa jika tes dapat diganti untuk prosedur yang lebih kompleks, dia akan memiliki waktu lebih banyak untuk mencurahkan ke individu tiap siswa selama masa studi terbimbing. Analisis karakteristik siswa khusus di mana dia diperingkat kemampuan belajar siswa menunjukkan bahwa banyak prosedur dapat dinyatakan dalam bentuk pertanyaan tes objektif. Akibatnya, ia mengembangkan tujuan tes kemampuan belajar bahwa ia diberikan kepada murid-muridnya. Untuk menentukan seberapa memadai mengukur tes keterampilan belajar, ia kemudian menghubungkan dengan hasil tes peringkat kemampuan belajar siswa, ia memperoleh data tersebut melalui observasi yang cukup sulit. Korelasi yang dihasilkan koefisien 0,75 menunjukkan kesepakatan yang cukup besar antara hasil uji dan kriteria mengukur dan memvalidasi uji Mrs Brown dari kemampuan belajar. Faktor yang Mempengaruhi Koefisien Korelasi Sejumlah faktor yang mempengaruhi ukuran koefisien korelasi, termasuk koefisien validitas. Mengetahui faktor-faktor ini dapat membantu dengan interpretasi korelasi tertentu koefisien-satu kita telah dihitung diri atau yang ditemukan dalam buku uji. Beberapa faktor mendasar yang perlu dipertimbangkan adalah ditunjukkan pada Gambar 3.6. pada umumnya, koefisien korelasi yang lebih besar diperoleh ketika karakteristik yang diukur adalah lebih mirip (misalnya, nilai korelasi dari dua tes baca), penyebaran skor besar, stabilitas nilai tinggi, dan waktu menelurkan antara tindakan adalah pendek. Ketika kita bergerak di sepanjang kontinum menuju ujung skala pada setiap faktor-faktor ini, koefisien korelasi cenderung menjadi lebih kecil. Dengan demikian, koefisien validitas prediktif kecil dapat dijelaskan, sebagian, oleh siapa saja dari faktor-faktor ini ditampilkan pada sisi kanan gambar 3,6 atau, lebih umum, oleh beberapa kombinasi dari mereka. Tabel Ekspektasi Bagaimana tes memprediksi kinerja masa depan atau kinerja estimasi pada beberapa ukuran kriteria juga dapat ditunjukkan dengan langsung plotting data dalam grafik dua kali lipat seperti yang ditunjukkan pada Gambar 3.7. Di sini, data Mrs Young (dari tabel 3.5) telah ditabulasikan dengan menempatkan penghitungan yang menunjukkan masing-masing individu di kedua nilai jatuh bakat dan musim semi nilai matematika. Sebagai contoh, Sandra mencetak 119 pada tes bakat jatuh dan 77 pada tes matematika musim semi, dan

penghitungan mewakili penampilannya ditempatkan di sel kanan atas. Kinerja dari semua siswa lain pada tes dua adalah dihitung dengan cara yang sama. Jadi, setiap penghitungan tanda pada Gambar 3.7 merupakan seberapa baik masing-masing 20 Mr Young siswa dilakukan pada tes musim gugur dan musim semi. Jumlah siswa dalam setiap sel dan dalam setiap kolom dan baris juga ditunjukkan. Grid yang harapan ditunjukkan pada Gambar 3.7 dapat digunakan sebagai tabel harapan hanya dengan menggunakan frekuensi dalam setiap kolomnya. Interpretasi dari informasi tersebut sederhana dan langsung. Misalnya, bagi siswa yang memiliki nilai di atas rata-rata pada tes bakat, tidak ada yang mendapatkan nilai di bawah 65 pada tes matematika , 2 dari 5 skor antara 65, dan 74 dan 3 dari 5 mencetak antara 75 dan 54. Dari mereka yang dinilai di bawah rata-rata pada tes bakat, tidak ada yang mendapatkan nilai dalam kategori atas ujian matematika musim semi, dan 4 dari 5 gol di bawah 65. Interpretasi ini terbatas pada kelompok yang diuji, namun dari hasil seperti satu mungkin membuat prediksi tentang para calon mahasiswa. Kita dapat mengatakan, misalnya, bahwa siswa yang mendapat skor di atas rata-rata pada tes bakat jatuh mungkin akan skor di atas rata-rata pada tes matematika musim semi. Prediksi lain dapat dilakukan dengan cara yang sama dengan mencatat frekuensi pada setiap sel grid pada Gambar 3.7. Lebih sering, angka harapan dalam tabel disajikan dalam persentase, yang dapat dengan mudah diperoleh dari grid masing-masing dengan mengubah frekuensi sel ke persentase jumlah penghitungan dalam baris tersebut. Ini telah dilakukan untuk data pada gambar 3.7 dan hasilnya disajikan pada Tabel 3.4. baris pertama tabel menunjukkan bahwa 5 siswa yang mencetak di atas rata-rata pada tes bakat jatuh, 40 persen (2 siswa) mencetak antara 65 dan 74 pada tes matematika musim semi, dan 60 persen (3 siswa) mencetak antara 75 dan 84 , sisa baris harus dibaca dengan cara serupa. Penggunaan persentase membuat angka-angka dalam setiap baris dan kolom sebanding. Prediksi kita kemudian dapat dilakukan dalam hal standar (yaitu, kemungkinan dari 100) untuk semua tingkatan skor. Penafsiran kami adalah cenderung menjadi sedikit lebih jelas jika kita mengatakan bahwa peluang Maria berada di kelompok atas pada ukuran kriterianya adalah 60 dari 100 dan Ron hanya 10 dari 100 daripada jika kita mengatakan bahwa kemungkinan Maria adalah 3 dari 5 dan bahwa Ron adalah 1 dari 10. Tabel ekspektasi mengambil berbagai bentuk dan dapat digunakan untuk menunjukkan hubungan antara berbagai jenis ukuran. Jumlah kategori yang digunakan dengan prediktor, atau kriteria, mungkin sedikitnya dua atau sebanyak tampaknya diinginkan. Selain itu, prediktor dapat ditetapkan langkah-langkah yang berguna dalam memprediksi, dan kriteria mungkin saja nilai, peringkat, nilai tes, atau apapun lainnya ukuran keberhasilan yang relevan. Misalnya, tabel harapan yang sering digunakan dalam memperkirakan nilai ratarata point mahasiswa baru perguruan tinggi dengan menggabungkan data dari nilai sekolah tinggi dan penerimaan tes seperti Scholastic Aptitude Test (SAT) atau ACT American College Testing Program. Sebuah contoh dari tabel harapan ditunjukkan pada Tabel 3.5. Dalam menafsirkan tabel ekspektasi didasarkan pada sejumlah kecil kasus, seperti kelas Mr Young dua puluh siswa, prediksi kita harus dianggap sebagai sangat tentatif. Setiap persentase didasarkan pada siswa sangat sedikit sehingga kita dapat mengharapkan fluktuasi besar dalam angka-angka dari satu kelompok mahasiswa yang lain. Hal ini sering mungkin untuk meningkatkan jumlah siswa diwakili dalam tabel dengan menggabungkan hasil test dari beberapa kelas. Ketika kita melakukan ini, persentase kami, tentu saja, acara,

tabel harapan menyediakan cara sederhana dan langsung menunjukkan nilai prediktif hasil uji. Persamaan Regresi Persamaan Regresi merupakan cara untuk mengubah skor diperoleh pada tes ke nilai kriteria diprediksi. Dalam bentuk yang paling sederhana, nilai pada tes, X, dikalikan dengan a, b, konstan, dikenal sebagai koefisien regresi, dan lain konstan,, yang disebut mencegat, ditambahkan ke hasil. Hasilnya adalah skor atau kriteria diperkirakan diperkirakan, Y. Artinya, = a + b (X) Tanda sisipan (^) digunakan untuk membedakan nilai kriteria diprediksi dari satu itu benarbenar diamati, Y. Prosedur untuk menghitung koefisien regresi dan mencegat dijelaskan pada Lampiran A. Di sini, kita fokus pada penafsiran. Koefisien regresi untuk memprediksi tes prestasi matematika dari skor tes bakat selama dua puluh siswa di kelas Mr Young adalah = -1.91 + .64 (X) Atau Prediksi skor Matematika = -1,91 + 0,64 kali pada tes bakat (Aptitude) Pada tabel 3.3 dapat dilihat bahwa Alice memiliki nilai kemampuan dari 90. Diperkirakan nilai matematika nya adalah 55,7 (-1,91 + 0,64 x 90). Alice benar-benar mendapat skor pada tes matematika dari 59. Artinya, ia lebih baik pada tes matematika dari yang diperkirakan dari persamaan regresi. Persamaan regresi sesuai dengan garis diagonal ditunjukkan pada Gambar 3.8. Sebar adalah sama dengan satu dalam Gambar 3.4, tetapi garis regresi telah ditambahkan. Panah pergi dari skor kemampuan 90 sampai garis regresi dan kemudian dari garis regresi dengan sumbu vertikal yang sesuai dengan nilai tes matematika menggambarkan bagaimana prediksi untuk Alice dapat diperoleh grafis. Fakta bahwa titik sesuai dengan nilai Alice berada di atas garis regresi menunjukkan bahwa dia lebih baik daripada yang diperkirakan frokm skor di atas skor tes bakat. Beberapa siswa, seperti Alice, berbuat lebih baik dari yang diperkirakan dari persamaan regresi sementara yang lain, seperti Laura, lebih buruk dari yang diperkirakan. Secara keseluruhan, bagaimanapun, rata-rata nilai matematika prediksi adalah sama dengan rata-rata nilai matematika yang sebenarnya. Dengan demikian, ada keseimbangan keluar dari nilai matematika yang lebih tinggi dari perkiraan dengan mereka yang lebih rendah dari yang diperkirakan.

"Kriteria" Masalah

Dalam studi validasi kriteria-terkait, masalah utama adalah mendapatkan kriteria yang memuaskan keberhasilan. Ingat bahwa Mr Young menggunakan pemeriksaan setiap aspek secara komprehensif sebagai kriteria keberhasilan dalam matematika kelas tujuh, dan bahwa Mrs Brown menggunakan peringkat sendiri dari kemampuan belajar siswa. Dalam setiap contoh, kriteria keberhasilan hanya sebagian cocok sebagai dasar untuk pengujian validasi. Mr Young mengakui bahwa pemeriksaan departemen tidak mengukur semua hasil pembelajaran penting bahwa ia bertujuan dalam matematika mengajar. Tidak ada penekanan yang cukup hampir pada pemecahan masalah atau penalaran aritmatika; penafsiran grafik dan bahkan diagram diabaikan, dan, tentu saja, uji tidak mengevaluasi sikap siswa terhadap aritmatika (oleh Mr Young dianggap sangat penting). Demikian juga, Mrs Brown sangat menyadari kekurangan rating-nya kemampuan belajar siswa. Dia merasa bahwa beberapa siswa "menempatkan pada acara" ketika mereka tahu mereka sedang diamati, dan bahwa siswa lainnya mungkin berlebihan pada kemampuan belajar karena prestasi tinggi dalam pekerjaan kelas. Meskipun kekurangan ini diakui, baik Mr Young dan Mrs Brown merasa perlu untuk menggunakan langkah-langkah kriteria karena mereka yang terbaik yang tersedia. Dalam situasi tertentu Mr Young dan Mrs Brown dalam mencari kriteria yang cocok untuk validasi keberhasilan uji tidak biasa. Untuk tujuan pendidikan umumnya, tidak ada kriteria keberhasilan sepenuhnya memuaskan. Yang digunakan cenderung kurang dalam kelengkapan dan dalam kebanyakan kasus hasil yang kurang stabil daripada tes yang divalidasi. Kurangnya ukuran kriteria yang memuaskan membuat konten dan membangun pertimbangan semua lebih penting.