Biastatistics: Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics

Edisi Khusus, No.1 2020: Hal: 98-106

Website: biastatistics.unpad.ac.id
ISSN xxxx-xxxx (online) ISSN 1907-6274 (print)

IDENTIFIKASI PARAMETER SOAL TRY-OUT SBMPTN

MENGGUNAKAN ANALISIS TEORI RESPON BUTIR 1
PARAMETER UNTUK PERHITUNGAN SKOR TIAP SOAL
1
Farhan Muhammad Sumadiredja,2Vika Aristia, 3Achmad Bachrudin
Departemen Statistika FMIPA Universitas Padjadjaran1,2,3
farhansumadiredja@gmail.com1, vikaristia@gmail.com2, a.bachrudin49@gmail.com3

ABSTRAK
Perubahan sistem penilaian SBMPTN yang pada awalnya menggunakan perhitungan dasar benar
+4, tidak diisi +0, dan salah -1 menjadi menggunakan sistem penilaian berbasis IRT yang berarti
bobot skor setiap butir soal tidak lagi sama melainkan berdasar kepada respon dari keseluruhan
siswa yang menentukan skor setiap soal. Skor masing masing soal ditentukan dari kesulitan soal
tersebut, semakin sulit suatu soal maka skor yang didapatkan siswa apabila menjawab benar akan
semakin besar begitu juga sebaliknya. Penelitian ini ditujukan untuk merumuskan perhitungan
skor SPBMTN yang dapat digunakan sebagai alat memprediksi nilai siswa apabila mengikuti
persiapan SBMPTN. Metode ini digunakan untuk membentuk parameter kesulitan soal dari respon
siswa pada hasil Try Out. Parameter kesulitan soal ini standarisasi dan dikonversi dengan skor
penimbang shingga mendapatkan skor untuk masing masing soal. Tabel berikut menunjukan
maksimal skor yang bisa didapat kan siswa dihitung dari kesulitan soalnya.
Sub-test Max Score
Penalaran Umum 743
Pemahaman Bacaan dan Menulis 773
Pengetahuan dan Pemahaman Umum 870
Pengetahuan Kuantitatif 889
Dari tabel diatas didapatkan informasi bahwa secara umum Sub-test Pengetahuan Kuantitatif
merupakan Sub-test paling sulit diikuti oleh Pengetahuan dan Pemahaman Umum, Pemahaman
Bacaan dan Menulis, dan Penalaran Umum yang secara umum paling mudah.

Kata Kunci: Item Response Theory, Scoring System, SBMPTN, Rasch Model, IPL IRT

I. PENDAHULUAN
Pendahuluan memuat latar belakang, rumusan masalah, tujuan, dan manfaat
penelitian serta literature review secara singkat.
Pendidikan merupakan proses pengubahan sikap dan tata laku seseorang atau
kelompok orang dalam usaha mendewasakan manusia melalui upaya pengajaran dan
pelatihan. Pendidikan juga merupakan salah satu kunci kemajuan dan perkembangan
suatu negara. Negara dengan tingkat pendidikan yang baik maka diharapkan
masyarakatnya memiliki taraf kehidupan yang baik pula. Perkembagan dunia pendidikan
dewasa ini mengalami kemajuan yang sangatlah pesat, dan dengan internet yang semakin
meluas dan dapat diakses oleh semua kalangan. Karenanya, metode pembelajaran tidak
lagi sebatas tatap muka didalam kelas yang bersifat formal, adapula metode pembelajaran
dalam jaringan bisa berupa pematerian menggunakan video, pengerjaan soal dalam
jaringan, sampai pembelajan menggunakan interaksi dalam jaringan baik itu
menggunakan pesan maupun panggilan video oleh pengajar. Metode pembelajaran dalam

Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics 98
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
jaringan juga mengalami akselerasi yang terjadi akibibat pandemi COVID19. Untuk
mengurangi resiko penyebaran COVID19 pemerintah mengelurakan Surat Edaran Nomor
4 Tahun 2020 tentang Pelaksanaan Kebijakan Pendidikan dalam Masa Darurat
Penyebaran CORONAVIRUS DISEASE (COVID-19). Dalam surat edaran tersebut
menghimbau kepada seluruh pelaksana kebijakan pendidikan bahwa proses belakar
dilaksanakan dari rumah melalui pembelajaran daring. Juga Dana Bantuan Operasional
Sekolah (Dana BOS) membiayai pembelarajan dalam jaringan. Sehingga pembelajaran
dengan metode daring sudah banyak dan mudah diakses.Baik itu gratis difasilitasi oleh
sekolah maupun berbayar untuk mendapatkan akses fitur yang lebih lengkap. Penyedia
metode pembelajaran dalam jaringan bisa berupa kampus yang memberikan kelas dalam
jaringan yang dapat diakses oleh umum atau juga perusahaan pihak ketiga yang bisa
memberikan bantuan pembelajaran formal atau juga persiapan ujian-ujian yang untuk
memasuki perguruan tinggi melalui SBMPTN.
SBMPTN sejak tahun 2019 sudah tidak lagi menggunakan sistem penilaian
dengan perhitungan benar +4, tidak diisi 0, dan salah -1 melainkan sudah menggunakan
sistem penilaian berbasis IRT, didukung juga dengan pelaksanaan tes SBMPTN yang
sudah menggunakan Computer Based Test sehingga memudahkan untuk dianalisis
menggunakana IRT karena data sudah masuk ke database tanpa perlu melakukan inputasi
lagi. Aplikasi analisis Item Response Theory (IRT) dalam perhitungan skornya, berbasis
pada kesulitan masing masing soal, apabila siswa menjawab skor dengan kesulitan tinggi
akan mendapatkan skor yang tinggi pula dibandingkan dengan skor dengan kesulitan
yang rendah. Perubahan sistem penilaian menggunakan IRT merupakan hal yang baik
karena nilai yang dihasilkan adalah objektif dari kemampuan keseluruhan siswa yang
mengikuti ujian SBMPTN. Tetapi penerapan sistem penilaian menggunakan IRT
memberikan dampak, salah satunya dampak dari tidak terbukanya sistem perhitungan
berbasis IRT ini menjadi masalah bagi lembaga penyedia layanan Try-Out non-
pemerintah karena perlu merumuskan prediksi perhitungan skor sendiri. Olej karena itu,
dalam penulisan ini akan mengaji tentang penerapan IRT dalam sistem penilaian ujian
SBMPTN.

II. METODE PENELITIAN

Teori Respon Butir ( Item Response Theory)
Item Response Theory atau teori respon butir bertujuan untuk mengatasi
kelemahan pada teori tes klasik. IRT adalah suatu teori statistik yang membuat model-
model matematika yang menyatakan probabilitas respon tertentu terhadap item tertentu

Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics 99
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
sebagai fungsi dari kemampuan seseorang dan karakteristik tertentu dari suatu item
Hambleton[1]. Model teori respon butir menghasilkan parameter butir yang independen
dari peserta tes dan parameter peserta tes yang bersifat independen dari sekumpulan butir
yang diujikan Xitao [2]. Dengan kata lain, kemampuan peserta tes tidak bergantung
kepada tingkat kesulitan soal.
Parameter
Parameter itemdalam teori respon butir terdiri dari tiga parameter yaitu :
discriminant,difficult , guessing parameter disimbolkan dengan huruf a, b, dan c secara
beurut. Sedangkan parameter untuk respon hanya satu yaitu ability yang dinyatakan
dengan θ. Parameter dari satu item akan diestimasi dengan asumsi bahwa skor
kemampuan peserta ujian diketahui. Proporsi yang diamati dari respon benar yang cocok
untuk item diukur dengan indeks uji kecocokan chi-square. Jika nilai indeks yang
diperoleh lebih besar dari nilai kriteria, item characteristic curve (ICC) yang ditentukan
oleh nilai estimasi parameter item tidak cocok dengan data.
Parameter Difficulty
Parameter difficulty dalam item response theory umumnya digambarkan dengan
skor. Dimana apabila skor semakin besar artinya kesulitan soal semakin sulit sehingga
nilai P(θ) semakin kecil.Sebaliknya apabila skor b semakin kecil maka soal semakin
mudah sehingga nilai P(θ) menjadi besar.
Menurut Hambleton [3] secara teoritis, tingkat kesulitan terletak di antara -~ dan +~.
Tingkat kesulitan soal yang baik terletak di antara -4 dan 4.klasifikasi kemampuan peserta
tes dan klasifikasi tingkat kesulitan soal menurut IRT disajikan pada tabel sebagai
berikut,
b Kriteria kemampuan peserta tes
b>4 Sangat Sulit
2<b≤4 Sulit
−2 < b ≤ 2 Sedang
−4 > b ≥ −2 Mudah
b < −4 Sangat Mudah

Daya Beda Butir

Daya beda butir dalah kemampuan butir dalam membedakan responden
berdasarkan kemampuannya. Semakin tinggi daya pembeda suatu soal maka P(θ) dari
responden dengan kemampuan tinggi akan berbeda dari responden dengan kemampuan
sedang atau rendah. Apabila daya pembeda dari suatu soal itu rendah maka P(θ) dari
setiap kelompok responden berdasarkan kemampuannya tidak berbeda, artinya soal tidak

100 Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
dapat mendeteksi mana siswa yang memang memiliki pengetahuan terkait topik tersebut
atau peserta yang tidak memiliki pengetahuan.
Menurut Frank Baker [4] besarnya nilai diskriminasi atau daya pembeda antara 0-∞.
klasifikasi nilai parameter diskriminasi disajikan pada tabel sebagai berikut
a Kriteria daya pembeda
0 − 0.34 Sangat Rendah
0.35 − 0.64 Rendah
0.65 − 1.34 Sedang
1.35 − 1.69 Tinggi
> 1.70 Sangat Tinggi
+∞ Sempurna

Model Logistik Satu Parameter

Model logistik satu parameter atau yang terkenal dengan model Rasch. Pada
model logistik satu parameter menganalisis data yang menitikberatkan pada parameter
tingkat kesulitan saja. Model Rasch hanya menggunakan satu parameter soal, yaitu
parameter tingkat kesulitan soal, sedang parameter lainnya, seperti daya pembeda soal
dianggap sama untuk semua butir, dan tebakan semu sama dengan nol. Perumusan
matematis model logistik satu parameter adalah sebagai berikut,
1
( )= ( )
1+
Dengan,
( ) : probabilitas responden dengan kemampuan ( ) menjawab item benar
: parameter tingkat kesulitan
a : parameter diskriminasi
Parameter b merupakan titik pada kontinum abilitas dimana probabilitas respons
benar adalah 0,5. Semakin besar nilai parameter b, semakin besar pula abilitas yang
dibutuhkan bagi responden untuk memperoleh peluang 50% menjawab aitem dengan
benar Hambleton [5]
Guessing Parameter
Parameter c adalah probabilitas menjawab benar hanya dengan menebak saja.
Parameter c dihitung diperoleh dimana probabilitas menjawab benar pada kelompok
dengan kemampuan tinggi dan kelompok kemampuan rendah memiliki adalah sama.
Menurut Frank B. Banker [6] secara teoritis parameter c memiliki rentang 0 hingga 1,
tetapi dalam aplikasinya nilai lebih dari 0.35 dikatakan sudah tidak layak sehingga
kriteria parameter c dijuntukan dalam tabel berikut:

Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics 101
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
Model logistik Dua Parameter
Model logistik dua parameter merupakan merupakan generalisasi dari model
satu parameter yang memungkinkan adanya perbedaan pada daya diskriminasi item.
Model logistik dua parameter yaitu untuk menganalisis data yang hanya menitik beratkan
pada parameter tingkat kesulitan dan parameter diskriminasi.
1
( )= ( )
1+
Dengan, ( ) : probabilitas responden dengan kemampuan menjawab item benar
: parameter tingkat kesulitan
a : parameter diskriminasi
Model Logistik Tiga Parameter
Model logistik tiga parameter cocok dikenakan pada tes yang memandang
tebakan sebagai faktor yang berkontribusi penting dalam performansi tes. Kondisi seperti
ini dapat terjadi pada tes pilihan ganda. Item-item yang sukar untuk dijawab
memungkinkan individu untuk memilih jawaban dengan cara menebak Hambleton [7].
Model logistik tiga parameter yaitu untuk menganalisis data yang menitik beratkan pada
parameter tingkat kesulitan, parameter diskriminasi dan parameter geussing.
Parameter tebakan semu pada umumnya terdeteksi pada tes dengan itemitem
yang memiliki taraf kesulitan yang tinggi. Item-item yang sukar untuk dijawab
memungkinkan individu untuk memilih jawaban dengan cara menebak Hambelton [8]
1
( ) = + (1 − ) ( )
1+
Dengan,
( ) : probabilitas responden dengan kemampuan menjawab item benar
: parameter tingkat kesulitan
a : parameter diskriminasi
c : parameter guessing (tebakan)
Pemilihan Model
Untuk mencari model mana yang paling cocok maka dilakukan ukuran
kecocokan model pemeriksaan model dilakukan dengan menggunakan Akaike 20
Information Criteria (AIC). AIC diformulasikan untuk memilih model 'perkiraan terbaik'
di antara beberapa model pengukuran dengan jumlah parameter yang berbeda,
berdasarkan kriteria statistik yang cocok Everitt & Howell [9]. Model dengan nilai AIC
yang paling kecil merupakan model yang paling cocok untuk digunakan. Besarnya AIC
dapat dihitung dengan rumus,
= −2 ( ) + 2 (1)

102 Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
Perhitungan Skor Soal
Perhitungan skor setiap soal berbasis kepada kesulitan soal tersebut semakin
sulit secara umum skor yang diberikan akan semakin besar sebaliknya semakin mudah
suatu soal maka skor yang diberikan akan semakin kecil. Perhitungan skor ini merupakan
estimasi skor penilaian SBMPTN yang dapat diaplikasikan oleh lembaga penyedia TO
sebagai gambaran penilaian sistem penilaian SBMPTN berbasis IRT. Perhitungan
disajikan sebagai berikut
= ( + 4) ∗ 10 (2)
Dengan logika parameter kesulitan ditambahkan 4 karena pada dasarnya skala
yang kesulitan soal telah dijelaskan dibab sebelumna adalah -4 hingga +4 sehingga
apabila seluruh skor ditambahkan dengan 4 maka seluruh skor akan bernilai positif.
Sedangkan bobot pengali 10 adalah estimasi dari maksimal skor SBMPTN yang berkisar
di angka 700 hingga 1200 untuk setiap 20 soal. Dengan pengali 10 ini maksimal dari skor
ini didapatkan 1600 yang arinya seluruh soal dikategorikan sangat sulit dan probabilitas
siswa menjawab benar pada setiap soalnya adalah sangat kecil. Dengan bobot pengli ini
juga telah dilakukan simulasi yang menghasilkan nilai mean sebesar 987 dengan median
ada di 848 yang artnya sudah sangat mirip dengan perhitungan skor SBMPTN

III. HASIL DAN PEMBAHASAN

Pemilihan Model
Pengujian untuk memilih model antara model 1 parameter, model 2 parameter,
atau model 3 parameter menggunakan perhitungan AIC yang telah dijelaskan pada
persamaan (1) , disajikan sebagai berikut :
AIC 1 725180.2
AIC 2 725785.7
AIC 3 746206.5

Diperoleh hasil AIC model 1 parameter sebesar 725180.2, model 2 parameter sebesar
725785.7, model 3 parameter sebesar 746206.5 sehingga dipilih model 1 parameter dengan
AIC yang terkecil. Artinya model yang cocok digunakan dalam data try-out ini adalah model
1 parameter.
Estimasi Parameter
Setelah diketahui model yang paling cocok adalah model 1 parameter maka dapat
diperoleh setiap parameter untuk setiap soalnya yang disajikan dalam tabel sebagai berikut :

Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics 103
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
 Pemahaman Bacaan dan Pengetahuan dan
Penalaran Umum Pengetahuan Kuantitatif
Menulis Pemahaman Umum
Soal No.1 -0.259915637 Soal No.1 0.07015238 Soal No.1 0.103856601 Soal No.1 -0.599013999
Soal No.2 -1.550953075 Soal No.2 -1.217023487 Soal No.2 -0.843946872 Soal No.2 -0.122381366
Soal No.3 0.296979209 Soal No.3 -1.203358962 Soal No.3 1.007839472 Soal No.3 0.241361123
Soal No.4 1.486080889 Soal No.4 -0.151613504 Soal No.4 -0.25637273 Soal No.4 0.349309576
Soal No.5 0.951391741 Soal No.5 -0.986430492 Soal No.5 0.625113478 Soal No.5 0.655961143
Soal No.6 -0.181495081 Soal No.6 0.115944191 Soal No.6 -0.166310997 Soal No.6 0.38532779
Soal No.7 -1.019093028 Soal No.7 0.6294156 Soal No.7 -0.541858214 Soal No.7 0.556872766
Soal No.8 -0.732723078 Soal No.8 0.555200328 Soal No.8 0.365455292 Soal No.8 -0.263889576
Soal No.9 -0.422213055 Soal No.9 -1.081742903 Soal No.9 1.625325806 Soal No.9 0.025195804
Soal No.10 -1.199297271 Soal No.10 0.026037159 Soal No.10 -0.404962137 Soal No.10 0.767044357
Soal No.11 0.982259599 Soal No.11 -0.63919663 Soal No.11 0.435909382 Soal No.11 0.7901554
Soal No.12 -0.793076745 Soal No.12 -0.506698074 Soal No.12 0.986890036 Soal No.12 -0.456960646
Soal No.13 0.391501734 Soal No.13 -0.971656417 Soal No.13 0.036418628 Soal No.13 0.703401893
Soal No.14 0.67687927 Soal No.14 1.330487474 Soal No.14 0.1476923 Soal No.14 1.024339267
Soal No.15 -1.549913158 Soal No.15 0.122166209 Soal No.15 0.988833606 Soal No.15 1.099157432
Soal No.16 -1.387599477 Soal No.16 1.292007922 Soal No.16 0.095655396 Soal No.16 0.904244977
Soal No.17 -0.440946216 Soal No.17 -1.08923797 Soal No.17 0.794913668 Soal No.17 0.957316289
Soal No.18 -0.18193037 Soal No.18 2.436511745 Soal No.18 0.817758234 Soal No.18 0.379635996
Soal No.19 -0.395671331 Soal No.19 -0.490795666 Soal No.19 0.658469794 Soal No.19 0.537970993
Soal No.20 -0.35646874 Soal No.20 -0.905706651 Soal No.20 0.535067608 Soal No.20 1.036135173

Perhitungan Skor
Dengan estimasi parameter b dan persamaan (2) didapatkan hasil perhitungan skor
setiap soal serta maksimal skor untuk soal try-out, yang setiap sub-test nya meiliki 20 soal
sebagai berikut :
Pemahaman Bacaan dan Pengetahuan dan
Penalaran Umum Pengetahuan Kuantitatif
Menulis Pemahaman Umum
Soal No.1 37.40084363 Soal No.1 40.7015238 Soal No.1 41.03856601 Soal No.1 34.00986001
Soal No.2 24.49046925 Soal No.2 27.82976513 Soal No.2 31.56053128 Soal No.2 38.77618634
Soal No.3 42.96979209 Soal No.3 27.96641038 Soal No.3 50.07839472 Soal No.3 42.41361123
Soal No.4 54.86080889 Soal No.4 38.48386496 Soal No.4 37.4362727 Soal No.4 43.49309576
Soal No.5 49.51391741 Soal No.5 30.13569508 Soal No.5 46.25113478 Soal No.5 46.55961143
Soal No.6 38.18504919 Soal No.6 41.15944191 Soal No.6 38.33689003 Soal No.6 43.8532779
Soal No.7 29.80906972 Soal No.7 46.294156 Soal No.7 34.58141786 Soal No.7 45.56872766
Soal No.8 32.67276922 Soal No.8 45.55200328 Soal No.8 43.65455292 Soal No.8 37.36110424
Soal No.9 35.77786945 Soal No.9 29.18257097 Soal No.9 56.25325806 Soal No.9 40.25195804
Soal No.10 28.00702729 Soal No.10 40.26037159 Soal No.10 35.95037863 Soal No.10 47.67044357
Soal No.11 49.82259599 Soal No.11 33.6080337 Soal No.11 44.35909382 Soal No.11 47.901554
Soal No.12 32.06923255 Soal No.12 34.93301926 Soal No.12 49.86890036 Soal No.12 35.43039354
Soal No.13 43.91501734 Soal No.13 30.28343583 Soal No.13 40.36418628 Soal No.13 47.03401893
Soal No.14 46.7687927 Soal No.14 53.30487474 Soal No.14 41.476923 Soal No.14 50.24339267
Soal No.15 24.50086842 Soal No.15 41.22166209 Soal No.15 49.88833606 Soal No.15 50.99157432
Soal No.16 26.12400523 Soal No.16 52.92007922 Soal No.16 40.95655396 Soal No.16 49.04244977
Soal No.17 35.59053784 Soal No.17 29.1076203 Soal No.17 47.94913668 Soal No.17 49.57316289
Soal No.18 38.1806963 Soal No.18 64.36511745 Soal No.18 48.17758234 Soal No.18 43.79635996
Soal No.19 36.04328669 Soal No.19 35.09204334 Soal No.19 46.58469794 Soal No.19 45.37970993
Soal No.20 36.4353126 Soal No.20 30.94293349 Soal No.20 45.35067608 Soal No.20 50.36135173
Max Score 743.1379618 Max Score 773.3446225 Max Score 870.1174835 Max Score 889.7118439

104 Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
 IV. KESIMPULAN
Kesimpulan
SBMPTN yang diikuti oleh seluruh siswa yang ingin mendaftarkan dirinya ke
perguruan tinggi sehingga kemampuan peserta tes yang sangat beragam. Keberagaman ini
lah yang menjadi saah satu alasan mengapa pengaplikasian teori respon butir baik
digunakan karena kesulitan tidak lagi ditentukan tentukan oleh lembaga pembuat soal
melainkan kemampuan peserta tes itu sendiri yang menentukan kesulitannya. Semakin
sedikit siswa yang menjawab benar suatu soal maka skor yang diberikan untuk soal
tersebut menjadi tinggi dan apabila ada siswa yang mampu menjawab soal tersebut secara
benar maka skor yang diberikan untuk soal tersebut akan semakin besar.
=( + 4) ∗ 10
Rumus tersebut sudah dapat dikatakan cukup apabila lembaga penyedia jasa try-out ingin
mengaplikasikan sistem penilaian IRT untuk rty-out nya sehingga dapat mengeluarkan
hasil yang mendekati sistem penilaian SBMPTN.
Saran
Menurut penulis, aplikasi sistem penilaian ini perlu diterapkan lebih luas lagi,
salah satunya pada Ujian Nasional tentu dengan penuh pertimbangan mengingat kondisi
pesebaran pendidikan di Indonesia yang belum sepenuhnya merata.
Untuk perhitungan skor juga penulis menyadari masih banyak kesalahan dan kurangnya
informasi yang dibutuhkan dalam perumusan skor soal prediksi. Penulis membuka segala
pendapat, saran, maupun saran dari para pembaca.

DAFTAR PUSTAKA
[1] Hambleton, R. K. (1985). Item response theory, principles and applications. New
York: Springer Science+Business Media, pp. 1-13

[2] Fan, X. (1998). Item Response Theory and classical test theory : an empirical
comparison of their item/person statistic. Educational and Psychological
Measurement, pp. 58
[3] Hambleton, R. K. (1985). Item response theory, principles and applications. New
York: Springer Science+Business Media, pp. 155-161

[4] Baker, F. (2001). The Basic Of Item Response. United States of America: Office of
Educational Research and Improvement (OERI), pp. 5-11

[5] Hambleton, R. K. (1985). Item response theory, principles and applications. New
York: Springer Science+Business Media, pp. 75-77

[6] Baker, F. (2001). The Basic Of Item Response. United States of America: Office of
Educational Research and Improvement (OERI), pp. 28-29

Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics 105
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran
[7] Hambleton, R. K. (1985). Item response theory, principles and applications. New
York: Springer Science+Business Media, pp. 88-95

[8] Hambleton, R. K. (1985). Item response theory, principles and applications. New
York: Springer Science+Business Media, pp. 38

[9] Everitt, B. &. (2005). Encyclopedia of statistics in behavioral science. Hoboken, N.J:
John Wiley & Sons.

106 Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry & Business And Social Statistics
Website: biastatistics.statistics.unpad.ac.id
Published by Departemen Statistika FMIPA Universitas Padjadjaran