BAB I
PENDAHULUAN
A. DESKRIPSI
Ada beberapa hal yang disarankan agar Anda dapat mempelajari modul
ini dengan baik. Adapun saran penggunaan modul adalah sebagai berikut:
1
Teori Respon Butir
BAB II
PEMBELAJARAN
Kegiatan Belajar 1
Teori Tes Klasik
Teori Respon Butir
a. Tujuan Pembelajaran
___________________________________
b. Uraian Materi
__________________________________________
Sebelum Anda mempelajari lebih jauh tentang Teori Respons Butir, ada
baiknya Anda mempelajari lebih jauh tentang definisi dan karakteristik teori
tes klasik. Topik ini tentunya akan mengantarkan Anda untuk dapat
memahami secara rinci bagaimana konsep dari Teori Response Butir.
Dalam pengukuran pendidikan, terdapat dua pendekatan yang sering
digunakan yaitu teori tes klasik dan teori respons butir. Bila menggunakan
teori tes klasik, umumnya siswa menjawab butir soal suatu tes yang
berbentuk pilihan ganda dengan benar diberi skor 1 dan 0 jika salah,
sehingga kemampuan siswa dinyatakan dengan skor total yang
diperolehnya. Prosedur tersebut kurang memperhatikan interaksi antara
setiap orang siswa dengan butir. Namun, pendekatan teori respon butir
merupakan pendekatan alternatif yang dapat digunakan dalam
menganalisis suatu tes. Hal ini dikarenakan teori respons butir
menggunakan model probabilistik. Model probabilistik bermakna bahwa
probabilitas subjek untuk menjawab butir dengan benar bergantung pada
kemampuan subjek dan karakteristik butir. Artinya, peserta tes
berkemampuan tinggi mempunyai probabilitas menjawab benar lebih besar
dibandingkan peserta tes yang berkemampuan rendah. Selain itu, menurut
Hambleton& Swaminathan (1985: 1-3), teori tes klasik memiliki beberapa
kelemahan yaitu: (1) tingkat kesukaran dan daya beda butir soal tergantung
pada kelompok peserta yang mengerjakannya, (2) penggunaan metode
dan teknik untuk desain dan analisis tes dengan memperbandingkan
3
Teori Respon Butir
kemampuan siswa pada pembagian kelompok atas, tengah, dan bawah, (3)
Konsep reliabilitas skor didefinisikan dari istilah tes paralel, (4) tidak ada
dasar teori untuk menentukan bagaimana peserta memperoleh tes yang
sesuai dengan kemampuan peserta yang bersangkutan, dan (5) Standard
Error Measurement (SEM) berlaku pada seluruh peserta tes. Berdasarkan
kelemahan-kelemahan tersebut, maka pendekatan Teori Respons Butir
muncul untuk mengatasi kelemahan yang ada pada Teori Tes Klasik.
secara memadai dikerjakan oleh peserta tes. Tujuan teori respon butir
adalah untuk membangun model hubungan untuk setiap butir yakni
hubungan antara butir itu dengan peserta yang meresponnya.
Untuk mencapai tujuan seperti ini, IRT membangun suatu model
yang menghubungkan ciri butir dengan ciri peserta. Dengan sejumlah
syarat tertentu, model hubungan itu dibuat untuk berlaku secara bebas
bagi kelompok butir dan kelompok peserta mana saja yang memenuhi
syarat itu. Dengan kata lain, model hubungan tersebut dibuat untuk
berlaku bagi sejumlah kelompok butir dan sejumlah kelompok peserta
tanpa ketergantungan satu terhadap ciri lainnya. Ciri butir dan ciri peserta
yang dihubungkan oleh model yang berbentuk fungsi atau lengkungan
grafik dengan sejumlah syarat itu dinyatakan melalui sejumlah
parameter. Ada parameter ciri butir dan ada pula parameter ciri peserta
dengan menggunakan cukup banyak butir tes serta cukup banyak respon
peserta tes, dari model hubungan itu kita dapat mengestimasi parameter
ciri butir dan parameter ciri peserta. Demikianlah dengan adanya butir
tes, peserta tes, respon peserta, ciri butir, ciri terpendam (laten) dari
peserta, model hubungan berbentuk fungsi atau berbentuk lengkungan
grafik ini, muncullah berbagai istilah seperti teori respons butir, teori ciri
laten, lengkungan karakteristik butir, dan fungsi karakteristik butir. Sesuai
dengan namanya, teori respon butir membangun model hubungan untuk
setiap butir yakni hubungan diantara butir itu dengan para peserta yang
meresponsnya.
Terdapat tiga unsur utama dalam IRT. Unsur pertama adalah butir.
IRT menelaah butir untuk menemukan cirinya. Setiap penelaahan
berkenaan dengan satu butir sehingga di dalam tes, kita dapat memiliki
banyak penelaahan, masing-masing berkenaan dengan satu butir di
dalam perangkat tes itu. Unsur kedua adalah peserta yang meresponsi
butir itu. Biasanya, peserta yang meresponsi butir itu melakukan
responsinya melalui suatu kemampuan. Dalam hal ini, model pada teori
respon butir menggunakan suatu skala kontinum untuk menampung
segala jenis kemampuan peserta (responden) yang meresponsi butir.
Diangkat ke istilah yang lebih umum, kontinum segala kemampuan
peserta, dinamakan kontinum ciri peserta atau dalam sejumlah hal,
dinamakan juga kontinum ciri terpendam (latent trait) peserta. Unsur
ketiga adalah isi responsi peserta terhadap butir tes. Didalam tes, isi
respon dapat berbentuk salah atau benar, sehingga dengan
menggabungkan isi reponsi dari semua peserta terhadap butir itu, kita
menemukan hasil berupa banyaknya jawaban benar, proporsi jawaban
benar, atau probabilitas jawaban benar. Dengan cara yang sama, kita
5
Teori Respon Butir
Gambar 1. Lengkungan responsi butir atau karakteristik butir untuk butir ke-i
7
Teori Respon Butir
9
Teori Respon Butir
Model yang
No. Jenis Data Referensi
digunakan
Four-Parameter McDonald (1967), Barton &
Logistic Lord (1981)
2. Multicategory Nominal Response Bock (1972)
Scoring Graded Response Samejima (1969)
Partial Credit Model Master (1982)
3. Continous Continous Response Samejima (1972)
11
Teori Respon Butir
Pada saat nilai b meningkat, ini berarti tingkat kesukaran item juga
meningkat. Pada saat skor kemampuan dari satu kelompok peserta
ujian ditransformasikan maka rata-ratanya ialah nol (0) dan standar
deviasinya ialah satu (1). Indeks tingkat kesukaran biasanya
berkisar antara kira-kira -2,0 hingga +2,0 (Hambleton &
Swaminathan, 1985: 36). Nilai yang semakin mendekati -2
menunjukkan karakteristik butir yang semakin mudah, dan nilai yang
mendekati +2 menunjukkan karakteristik butir yang semakin sulit
bagi peserta ujian. Dalam model 1-PL, nilai b melambangkan tingkat
kemampuan (θ) yang dituntut bagi 50% kesempatan menjawab
dengan tepat. Jadi, jika b = 0, maka kemungkinan jawaban benar
akan sama dengan 0,5 pada tingkat kemampuan θ = 0 (OAERS,
n.d.).
Gambar 3 menunjukkan dua butir berbeda yang memiliki nilai
berbeda. Nilai b untuk butir 1 = -1 ( = -1) dan nilai b untuk butir 2 =
1 ( = 1). Perhatikan bagaimana nilai b menentukan lokasi
horizontal lokasi fungsi respons butir; saat nilai b bertambah, fungsi
respons butir bergerak ke kanan dan butir berubah menjadi semakin
sulit. Dalam situasi ini, butir 2 merupakan butir yang lebih sulit
daripada butir 1. Dengan demikian, pada setiap tahap kemampuan
yang ada, peluang untuk menjawab butir 1 dengan benar lebih
tinggi daripada peluang menjawab butir 2 dengan benar.
Perhatikanlah bahwa peluang merespons dengan tepat terhadap
butir 1 = 0,5 pada tingkat kemampuan -1, seperti yang diharapkan
yaitu b1 = -1. Demikian juga peluang menjawab benar terhadap
butir 2 =0,5 pada tingkat kemampuan 1, seperti yang diharapkan
yaitu b2 = 1 (lihat Gambar 2) (OAERS, n.d.).
13
Teori Respon Butir
15
Teori Respon Butir
1-PL
2-PL
3-PL
4-PL
Keterangan:
: Tingkat kemampuan (ability) peserta tes
: Probabilitas peserta tes yang memiliki kemampuan dapat
menjawab butir i dengan benar
: Indeks daya pembeda butir ke-i
: Indeks kesukaran butir ke-i
: Indeks tebakan semu (pseudoguessing) butir ke-i
: Indeks kecerobohan (carelessness) butir ke-i
: bilangan natural yang nilainya mendekati 2,718
D : faktor penskalaan yang harganya 1,7
17
Teori Respon Butir
a. Data empirik
MLE memerlukan sejumlah data empirik yang berasal dari
sejumlah peserta yang mengerjakan sejumlah butir tertentu. Agar
pengestimasian dapat dilakukan dengan baik, ukuran data empirik
tidak boleh terlalu kecil. Ukuran tersebut tergantung pada model
logistik yang digunakan, misalnya untuk program yang bekerja pada
1P memerlukan minimal 25 butir yang dikerjakan oleh minimal 500
peserta.
b. Parameter yang akan diestimasi
Dalam hal tertentu, kita telah mengetahui parameter butir dan
akan mengestimasi parameter peserta. Dalam hal lain, parameter
peserta telah diketahui dan akan mengestimasi parameter butir. Dan
dalam hal lain lagi, kita belum mengetahui semua parameter,
sehingga kita akan mengestimasi parameter peserta dan parameter
butir secara bersamaan.
c. Alat hitung pada pengestimasian
Secara sederhana, pengestimasian dapat dilakukan dengan
kalkulator. Namun, dalam kebanyakan keadaan, perhitungan akan
terlalu rumit sehingga membutuhkan bantuan komputer. Dalam hal
ini, kita berhadapan dengan banyak jenis program komputer untuk
pengestimasian parameter yang selama telah disusun oleh para
ahli.
d. Cara estimasi yang digunakan
Diatas kita telah membicarakan cara estimasi dengan
kebolehjadian maksimum. Dalam hal ini, kita berhadapan dengan
Teori Respon Butir
19
Teori Respon Butir
Untuk respon benar, P(Ui = 1| ) adalah fungsi respon butir, yaitu atau sering ditulis
dengan Pi.
P(Ui | ) = P(Ui = 1| ) P(Ui = 0| )
=
= PiQi
Jadi untuk P (U1, U2, ... Un | ) = P(U1| ) P(U1| ) , ... , P(Un | ), harga U=1 atau 0
= ∏
= ∏
adalah peluang respons gabungan n butir. Random variabel U1, U2, ..., Un
dengan nilai spesifik u1, u2, ... un, nilainya adalah 0 atau 1. Apabila fungsi
matematika ditulis sebagai fungsi Likelihood maka:
L (u1, u2, ... un| ) = ∏
Contoh : Misalkan ada lima butir soal dengan respon sebagai berikut :
U = (u1, u2, u3, u4, u5) = ( 1 0 1 1 0)
Fungsi Likelihood-nya dapat ditulis sebagai berikut :
L (u| ) = P1 Q2 P3 P4 Q5
P dan Q merupakan fungsi respon butir, sehingga besarnya bergantung
pada parameter butir. Metode estimasi menggunakan MLE merupakan
metode estimasi yang berdasarkan pola respon peserta didik. Respon
peserta didik terhadap butir atau item soal dinyakatakan dengan huruf kecil
u.
ui = 1 (jika benar) dan ui = 0 (jika salah)
Pola respon dinyatakan dengan U sebagai vector response. Contoh: U = 1
100
Dengan menggunakan prinsip independensi lokal (Local independence),
maka MLE dua butir benar dari tiga soal, kemungkinannya adalah: 1 1 0, 1
0 1, 0 1 1, dan dapat ditulis sebagai berikut :
P (U = 1 1 0) = P1 P2 Q3
P (U = 1 0 1) = P1 Q2 P3
P (U = 0 1 1) = Q1 P2 P3
Contoh lain: apabila tiga butir tersebut memiliki peluang benar sebagai
berikut :
P1 = 0,4 maka Q1 = 0,6
Teori Respon Butir
U Likelihood L (u| ) ∏
21
Teori Respon Butir
L (U = 1 1 0| ) = ∏
= P11 Qi 1-1 . P2 Q2 1-1 . P30 Q3 1
= P1 P2 Q3
Besarnya kemampuan peserta tes dengan respon 1 1 0 (butir satu benar,
butir dua benar, dan butir tiga benar) adalah harga Likelihood yang terbesar
L (U| ). Harga Likelihood terbesar merupakan estimasi kemampuan
peserta didik dengan respon 1 1 0, yaitu sebesar 0,18. Likelihood sebesar
0,18 terletak pada kemampuan 0,00. Jadi kemampuan peserta dengan
respon 1 1 0 adalah 0.
6. Fungsi Informasi
Pada IRT, indeks keandalan (koefisien reliabilitas) tes dinyatakan dengan
fungsi informasi tes, yaitu merupakan penjumlahan fungsi informasi semua
butir tes (Djemari Mardapi, 2012: 220). Besarnya informasi suatu tes
merupakan penjumlahan informasi tiap butir tes, yaitu (Hambleton &
Swaminathan, 1985: 102) :
∑
Teori Respon Butir
23
Teori Respon Butir
25
Teori Respon Butir
1. Rangkuman
_________________________________________
Teori Respon Butir
2. Latihan
____________________________________________
Setelah Anda mempelajari kegiatan belajar 1 ini dengan baik,
berikut ini terdapat beberapa latihan yang dapat Anda lakukan
bersama dengan teman sejawat lain. Latihan ini dapat dilakukan
secara mandiri dan dapat pula dilakukan secara bersama. Jika
dilakukan secara bersama, latihan dapat dilakukan dengan bersama-
sama mengerjakan dan kemudian membuat laporan hasil latihan
atau, dapat pula dilakukan dengan melakukan diskusi yang diawali
dengan saling bertanya jawab dimana setiap teman kelompok Anda
ditugasi untuk memberikan satu pertanyaan dan menjawab satu
pertanyaan lainnya. Hasil jawaban setiap pertanyaan tadi kemudian
didiskusikan untuk memperoleh jawaban yang paling tepat.
Berikut ini adalah pertanyaan latihan yang perlu Anda selesaikan,
yaitu:
Dibawah ini tersaji respon Andry terhadap 12 butir soal pilihan
ganda yang telah diketahui indeks kesulitan dan indeks daya bedanya.
Hitunglah seberapa berapa kemampuan 𝜃 Andry dalam menjawab butir
soal tersebut!
No.butir 1 2 3 4 5 6 7 8 9 10 11 12
Iks 0,45 0,41 0,34 0,38 0,33 0,46 0,34 0,36 0,42 0,35 0,44 0,53
Idb 0,65 0,46 0,47 0,52 0,42 0,74 0,54 0,64 0,39 0,47 0,56 0,64
Respon 1 1 0 1 1 1 0 1 1 1 0 1
Catatan :
1. Skor jawaban benar = 1 dan skor jawaban salah = 0.
2. Untuk memudahkan penghitungan, maka nilai D = 1.
3. Interval kemampuan ditetapkan dari -3 ≤ 𝜃 ≤ 3
27
Teori Respon Buir
BAB III
EVALUASI
KOGNITIF SKILLS
29
Teori Respon Buir
Jawaban Latihan
____________________________
Langkah menjawab:
1. Menghitung pada setiap butir soal dan pada masing-masing kemampuan.
2. Menghitung pada setiap butir soal dan pada masing-masing kemampuan.
3. Menghitung nilai L(U|θ) kemudian tarik garis kebawah sampai batas kemampuan
terakhir ( 3), kemudian jumlahkan ∑L(U|θ).
4. Menghitung L(U|θ)/∑L(U|θ) pada masing-masing kemampuan dan mencari nilai
maksimum L(U|θ)/∑L(U|θ). Nilai maksimum itulah yang mencerminkan kemampuan
Andry dalam mengerjakan soal tersebut.
5. Menghitung persentase jawaban benar dan persentase jawaban salah berdasarkan
nilai maksimum L(U|θ)/∑L(U|θ).
6. Mengkonversikan kemampuan menjadi nilai.
7. Membuat kurva kemampuan Andry
31
Teori Respon Buir
Teori Respon Butir
33
Teori Respon Buir
KUNCI JAWABAN
35
Teori Respon Buir
37
Teori Respon Buir
Namun bila Anda belum mencapai nilai di atas 60%, Anda harus
mengulangi kegiatan belajar 2, terutama mengenai hal-hal yang belum
Anda kuasai. Semangat!
Teori Respon Butir
Evaluasi Diri
39
Teori Respon Buir
BAB IV
PENUTUP
PENUTUP
DAFTAR
PUSTAKA
Frank B. Baker. (2001). The Basic of Item Response Theory. USA: ERIC
Clearinghouse on Assessment and Evaluation.
41