Mathematical Resilience: Perhitungan Validitas dan

Reliabilitas dengan Rasch Models

Narin Ledy Mercury Aminanti1, Putri Amalia Oktafiani2, Yudha Renaldy3, Ayu
Faradillah4
1,2,3,4
Universitas Muhammadiyah Prof.DR.HAMKA

Abstract. Penelitian yang dilakukan ini bertujuan untuk mengkaji validitas dan reliabilitas
angket mathematical resilience dengan menggunakan Rasch Model. Metode penelitian yang
digunakan ialah metode kuantitatif survei, dengan total responden sebanyak 209 peserta didik
pada jenjang sekolah menengah yaitu SMP, SMA dan SMK. Pada penelitian ini menggunakan
angket mathematical resilience yang diadopsi dari dua penelitian lain dimana pada angket
tersebut dapat dirangkum menjadi 9 indikator dengan 44 pernyataan. Analisis data pada
penelitian ini menggunakan Rasch Model dengan aplikasi WinSteps. Hasil analisis datanya
menunjukan bahwa angket mathematical resilience ini memperoleh 8 subjek dan 4 pernyataan
yang tidak valid. Sementara, perhitungan reliabilitas memperoleh sebesar (α = 0.82).

Keyword. Validitas, Reliabilitas, Mathematical Resilience, Rasch Model

1. Pendahuluan
Setiap peserta didik memiliki kepribadian yang beragam begitu juga dengan sikap mereka
dalam menghadapi berbagai tantangan dalam pembelajaran matematika. Kemampuan dalam
memperhitungkan, memecahkan dan mengembangkan yang dilakukan dalam tindakan, tingkah laku
atau respons emosional terhadap masalah akademik atau sosial dengan karakter yang tepat dapat
dikatakan sebagai sikap resiliensi [1], [2]. Seiring dengan hadirnya resiliensi didapat banyak hasil
yang positif dalam menghadapi berbagai kendala, dalam konteks matematika kendala tersebut adalah
kebingungan akan kegagalan di kelas, perjuangan yang berlebihan, kebosanan, kinerja yang buruk,
kurikulum dan pendidikan yang buruk, kurangnya pembelajaran antara pendidik dan peserta didik
termasuk dalam hal interaksi. Menurut Garmezy mendefinisikan resiliensi dalam psikologi adalah
keterampilan umum yang terkait dengan keterampilan beradaptasi dan fleksibilitas yang unggul dalam
menghadapi tekanan internal dan eksternal [3]. Apabila seseorang mendapatkan tekanan maka dapat
memicu stress dan mempengaruhi adaptasi kearah negative. Maka, resiliensi matematis dapat
dikembangkan pada siswa yang memiliki pengalaman matematika yang buruk dengan memfokuskan
secara strategis dan eksplisit.
Resiliensi matematis merupakan salah satu gagasan yang penting dalam dunia pendidikan, hal
ini sesuai dengan ungkapan bahwa sangat penting adanya pembahasan tentang resiliensi matematis,
karena cukup banyak peserta didik yang menghadapi hambatan dan kekalahan mempelajari
matematika [4]. Peserta didik dengan resiliensi matematika dapat membangun rasa percaya diri,
mereka percaya bahwa matematika bukanlah penghalang dan bahkan jika peserta didik itu sendiri
mulai berjuang maka dia percaya diri sampai dia berhasil, kemudian peserta didik tersebut tidak ragu
untuk menolong teman atau timnya dengan ilmu yang ia peroleh dan mendapatkan pertolongan jika ia
mengalami kesulitan. Peserta didik yang memiliki tingkat resiliensi matematis tinggi akan yakin
dengan keterampilan matematikanya yang pasti meningkat [5]. Peserta didik tidak menganggap bahwa
matematika adalah pelajaran yang tidak mereka sukai, matematika sulit dipahami oleh orang lain
bahkan mereka pun merasa kesulitan, mereka yakin akan keberadaan matematika memiliki beragam
manfaat dan kegunaan serta dapat membawa kesuksesan. Secara signifikan, peserta didik yang
percaya diri akan keterampilannya mampu mengatasi akan kesulitannya dalam matematika dan
mendapatkan keterampilan baru saat ia membutuhkannya.
Cara untuk meningkatkan resiliensi matematis adalah mampu beradaptasi dalam setiap kondisi,
memiliki rasa sadar akan kemampuannya, yakin, dan percaya diri bahwa mereka juga memahami apa
yang orang lain pahami dan mampu menghadapi dan menyelesaikan permasalahan dan hambatan
dalam pembelajaran matematika, serta mampu memberikan solusi yang tepat hingga akhirnya mereka
akan sukses [6]. Untuk mengetahui tingkat kemampuan resiliensi matematis, kita perlu menggunakan
sebuah instrumen dalam penelitian. Adapun instrumen yang digunakan pada penelitian ini yaitu
berupa angket. Tentu, dalam hal penggunaan angket kita harus menguji validitas dan reliabilitas
angket tersebut. Menguji validitas ialah proses mencari tahu apakah instrumen yang digunakan itu
memadai untuk dijadikan suatu alat ukur penelitian atau tidak, sedangkan untuk reliabilitas yaitu
proses mengukur konsistensi diantara dua data dari hasil pengukuran [7]. Validitas dan reliabilitas
sangat penting dalam sebuah angket, dimana keduanya dapat menentukan baik atau tidaknya
instrumen angket yang diteliti, kemudian angket yang digunakan dalam penelitian haruslah benar saat
mengungkap data dari variabel yang diteliti dan angket juga harus dapat dipercaya karena
konsistensinya agar menghasilkan data sesuai yang diinginkan [8].
Beberapa penelitian yang relevan dengan penelitian ini yaitu penelitian pertama yang dilakukan
oleh Muntazhimah, S. Putri, dan H. Khusna tahun 2020 tentang reliabilitas dan validitas sebagai alat
ukur resiliensi matematis pada guru matematika di masa depan. Penelitian kedua yang dilakukan oleh
Ramdani, Hanurawan, Ramli, Lasan, dan Afdal 2020 yaitu penelitian untuk melakukan pengembangan
dan memvalidasi skala guna mengukur resiliensi akademik peserta didik di tingkat sekolah menengah
pertama. Penelitian ketiga yang dilakukan oleh Safitri, Susanto dan Mulyadi 2020 yang mengangkat
tema yaitu pengembangan instrumen angket yang valid dan reliabel untuk mengukur tingkat resiliensi
matematis siswa. Penelitian keempat yang dilakukan oleh N. Gürefe dan V. Akçakın 2018 tentang
resiliensi matematis yaitu dengan mengadaptasi skala resiliensi matematis yang dinilai memiliki hasil
yang positif kedalam bahasa Turki.
Berdasarkan penelitian yang telah dijabarkan sebelumnya menunjukan bahwa penelitian yang
mengkaji reliabilitas dan validitas instrument kemampuan resiliensi pada mahasiswa calon guru
matematika menggunakan rasch model dengan empat indikator yang diturunkan kedalam tigapuluh
dua item pernyataan menunjukan hasil penelitian yang valid dan reliabel dengan kriteria sangat valid
[9]. Penelitian yang mengkaji kemampuan resiliensi pada siswa SMP menggunakan model Rasch dan
software Winsteps menunjukan bahwa butir-butir skala yang digunakan memiliki validitas dan
reliabilitas yang tinggi sehingga dapat digunakan untuk mengukur resiliensi akademik peserta didik
SMP [10]. Kemudian penelitian yang mengkaji tentang pengembangan instrumen angket untuk
mengukur tingkat resiliensi matematis siswa menggunakan penelitian Research & Development
menunjukan bahwa produk instrumen angket telah memenuhi kriteria valid dan memenuhi kriteria
reliabel sehingga layak digunakan untuk mengukur tingkat resiliensi matematis siswa [11].
Selanjutnya penelitian yang mengkaji kemampuan resiliensi berdasarkan skala resilien yang diadaptasi
kedalam bahasa Turki menunjukan bahwa resiliensi terdiri dari tiga komponen yaitu nilai, perjuangan,
dan pertumbuhan, dan skala tersebut mampu mengukur resiliensi matematis mahasiswa sarjana secara
valid dan reliable [12].
Dari penelitian diatas yang terkait dengan resiliensi matematis ternyata belum banyak yang
menggunakan Rasch Model berbantuan software Winsteps untuk menganalisis data pada instrumen
(angket) resiliensi matematis serta terbatasnya subjek dalam penelitian yang dilakukan sehingga
peneliti tertarik untuk melakukan sebuah penelitian yang berjudul “Mathematical Resilience: Validitas
dan Reliabilitas dengan Rasch Model”. Dengan diperlukannya alat ukur yang berkualitas yang dapat
menghasilkan suatu nilai yang akurat, yaitu instrumen evaluasi yang digunakan pada sebuah penelitian
[13], maka peneliti menguraikan tujuan penelitian ini yaitu untuk mengkaji validitas dan reliabilitas
angket resiliensi matematis peserta didik sekolah menengah pertama, sekolah menengah atas dan
sekolah menengah kejuruan dengan menggunakan Rasch Model berbantuan software Winsteps yang
diharapkan dapat dijadikan sebagai instrumen evaluasi.

2. Metode Penelitian
Penelitian ini menggunakan metode penelitian kuantitatif survei. Penelitian kuantitatif survei
yaitu metode penelitian yang digunakan untuk mengumpulkan data yang telah terjadi atau yang
sedang terjadi dan menguji beberapa asumsi tentang hubungan keyakinan, pendapat, sifat, dan variabel
perilaku [14]. Subjek penelitian ditentukan berdasarkan jenjang atau tingkatan dari peserta didik dan
dalam penelitian ini berjumlah dengan 67 peserta didik sekolah menengah pertama, 70 peserta didik
sekolah menengah atas, dan 72 peserta didik sekolah menengah kejuruan. Teknik pengumpulan data
menggunakan kuesioner dan untuk memperoleh angket yang baik maka dilakukan validasi kepada dua
orang dosen ahli dan satu pendidik ahli dalam bidang pendidikan matematika, dengan memperoleh
hasil validasi yang baik dan tepat digunakan dalam penelitian resiliensi matematis. Kemampuan
resiliensi matematis pada penelitian ini diwakili oleh 9 buah indikator yang diturunkan menjadi 44
pernyataan baik pernyataan positif maupun negatif.

Table 1. Instrumen Resiliensi Matematis

Indikator No. Item Positif Negatif Banyak Butir

Short-term persistence: Resilient students keep 123 2 13 3
working on a mathematics exercis even when
there is no porceptible prograss in learning or
solving the taks.
Medium-term persistence (assignments) : 45 4 5 2
Resilient students restart working on a
mathematics exercise even if they recently failed
in this task multiple times.
Persistence despite low motivation regarding the 67 7 6 2
current content: Resilient students work on
mathematics exercises even if they are not
interested in the content of the particular tasks.
Persistence despite low motivation regarding the 89 9 8 2
current learning process: Recilient students work
on mathematics exercises even if the learning
goals associated with the particular tasks is
unclear for them.
Medium-term persistence (study): Resilient 10 11 10 11 2
students keep studying mathematics in the firts
semester despite of reoccurring difficulties in
solving mathematics exercises.
Value 12 13 14 12 13 14 9
15 16 17 15 16 17
18 19 20 18 19 20
Struggle 21 22 23 25 21 22 23 8
24 25 26 24 26 27
27 28 28
 Growth 29 30 31 29 30 33 31 32 34 8
32 33 34 36 35
35 36
Resilience 37 38 39 37 39 40 38 8
40 41 42 41 42 43
43 44 44
Total 26 18 44

Teknik analisis data yang digunakan dalam penelitian ini yaitu dengan menggunakan model
Rasch. Model Rasch dinilai mampu untuk melihat interaksi diantara item dan responden secara
bersamaan, jadi satu buah nilai tidak hanya dilihat dari skor mentahnya saja tetapi adanya nilai logit
yang dapat mencerminkan probabilitas dipilihnya suatu item terhadap kumpulan responden [13].
Didalam penelitian ini model Rasch tidak hanya digunakan untuk evaluasi melainkan untuk
menentukan validitas dan reliabilitas instrumen yang digunakan dengan menggunakan perangkat lunak
WinSteps serta menentukan validitas dan reliabilitas data untuk evaluasi reliabilitas Cronbach Alpha
(α) [15].

Table 2. Analisis reliabilitas pada model Rasch [16]

Statistics Fit Indices Interpretation

Cronbach’s alpha (KR-20) < 0.5 Low
0.5 − 0.6 Moderate
0.6 − 0.7 Good
0.7 − 0.8 High
> 0.8 Very High
Item and Person Reliability < 0.67 Low
0.67 − 0.80 Sufficient
0.81 − 0.90 Good
0.91 − 0.94 Very Good
> 0.94 Excellent
Nilai separasi yang tinggi
menunjukan bahwa instrumen
tersebut memiliki kualitas yang
Item and Person Separation
baik karena dapat
mengidentifikasi kelompok
item dan responden

Reliabilitas dari model Rasch terdiri dari tiga kriteria indeks yang sesuai yaitu Cronbach Alpha,
reliabilitas item dan responden serta pemisahan antara item dan responden, hal ini dijelaskan oleh
Sumintono dan Widhiarso pada tabel 2 [16].

Table 3. Indeks kesesuaian item fit dan person fit [16]

Statistics Fit Indices

Outfit Mean Square Values (MNSQ) 0.5 – 1.5
Outfit Z-Stardarized Values (ZSTD) -2.0 – +2.0
Point Measure Correlation (PTMEA-CORR) 0.4 – 0.85
 Tabel 3 menunjukan tiga kriteria yang dapat digunakan untuk menunjukan bahwa item tersebut
fit yaitu Outfit Mean Square Values (MNSQ), Outfit Z-Standarized Values (ZSTD), dan Point Mesure
Correlation (PTMEA-CORR). Item fit dapat menginformasikan bahwa item berfungsi normal untuk
pengukuran yang seharusnya, sementara itu jika item menunjukkan ketidakcocokan, itu ditunjukkan
bahwa responden memiliki kesalahpahaman terhadap item [17]. Untuk menunjukan bahwa person fit
kita juga dapat menggunakan ketentuan 3 kriteria Outfit Mean Square Values (MNSQ), Outfit Z-
Standarized Values (ZSTD), dan Point Mesure Correlation (PTMEA-CORR)[16].
MNSQ menunjukkan ukuran keacakan yang merupakan jumlah distorsi dalam sistem
pengukuran. Nilai yang diharapkan adalah antara 0,5 - 1,5; jika nilainya kurang dari nilai tersebut
menunjukkan data overfit model; sementara nilai yang lebih besar menunjukkan data yang kurang
sesuai dengan model [17]. ZSTD adalah uji-t untuk hipotesis kesesuaian data dengan model, hasilnya
adalah nilai z yang merupakan simpangan unit [16].

3. Hasil Penelitian

3.1. Validitas Instumen

3.1.1. Item Fit

Item fit dapat menunjukkan bahwa item tersebut berkinerja baik untuk pengukuran yang
diperlukan, sedangkan jika item tersebut menunjukkan ketidakkonsistenan, hal ini
menunjukkan bahwa responden memiliki miskonsepsi ke barangnya. Item yang dapat
dikatakan fit yaitu jika memenuhi kriteria nilai Outfit Mean Square Values (MNSQ), Outfit Z-
Standarized Values (ZSTD), dan Point Mesure Correlation (PTMEA-CORR), atau setidaknya
memenuhi 2 dari 3 kriteria tersebut [16]. Item apa pun yang gagal memenuhi ketiga kriteria
Outfit Mean Square Values (MNSQ), Outfit Z-Standarized Values (ZSTD), dan Point Mesure
Correlation (PTMEA-CORR) perlu ditingkatkan atau dimodifikasi untuk memastikan kualitas
dan kesesuaian item [18]. Peneliti dapat mengetahui item-item tersebut fit atau misfit.

Table 4. Item yang tidak sesuai

Outfit MNSQ Outfit ZSTD PTMEA–CORR

Item MEASURE
(0.50 – 1.50) (-2.0 - +2.0) (0.4 – 0.85)
I32 -0.27 1.71 6.0 0.30
I34 0.05 1.62 5.9 0.16
I38 1.00 1.57 5.2 -0.39
I21 1.17 1.53 4.3 -0.07
I26 1.11 1.49 4.2 -0.07
I31 -0.07 1.49 4.6 0.28
I1 0.39 1.39 4.3 0.24
I24 1.02 1.38 3.6 0.00
I30 -1.17 1.09 0.7 0.46
I9 0.22 1.35 3.7 0.11
I17 0.06 1.31 3.2 0.24
I35 0.46 1.28 3.2 0.28
I27 0.61 1.22 2.6 0.14
I3 0.52 1.21 2.4 0.21
I33 -0.48 1.15 1.4 0.17
I5 0.27 1.12 1.4 0.44
I11 0.18 1.10 1.2 0.44
I6 0.45 1.10 1.2 0.42
I29 -0.87 0.96 -0.3 0.51
I19 0.19 1.06 0.7 0.31
 I23 0.59 1.06 0.8 0.19
I8 0.33 1.03 0.4 0.41
I2 0.12 1.00 0.0 0.35
I28 0.55 0.97 -0.4 0.27
I22 0.76 0.95 -0.6 0.22
I25 -0.66 0.83 -1.6 0.53
I40 -0.63 0.83 -1.6 0.60
I12 -0.67 0.76 -2.3 0.58
I14 -0.28 0.85 -1.5 0.44
I42 -0.26 0.85 -1.6 0.35
I10 -0.24 0.78 -2.4 0.53
I18 -0.36 0.76 -2.6 0.44
I13 -0.61 0.72 -2.8 0.56
I44 -0.53 0.69 -3.2 0.64
I4 -0.26 0.73 -3.1 0.47
I15 -0.32 0.69 -3.5 0.56
I20 -0.28 0.69 -3.5 0.50
I16 -0.36 0.66 -3.8 0.60
I39 -0.22 0.66 -4.0 0.42
I7 -0.09 0.63 -4.6 0.44
I41 -0.36 0.61 -4.5 0.59
I36 -0.43 0.60 -4.5 0.56
I37 -0.19 0.61 -4.7 0.47
I43 -0.38 0.60 -4.6 0.56

Tabel 4 menunjukan berdasarkan nilai Outfit Mean Square Values (MNSQ), Outfit Z-
Standarized Values (ZSTD), dan Point Mesure Correlation (PTMEA-CORR) untuk urutan
item yang tidak sesuai. Terdapat beberapa angka yang dicetak tebal, hal ini menunjukan
bahwa nilainya tidak memenuhi kriteria Outfit Mean Square Values (MNSQ), Outfit Z-
Standarized Values (ZSTD), dan Point Mesure Correlation (PTMEA-CORR). Dari tabel 4
diketahui bahwa terdapat empat item (I21, I32, I34, I38) yang tidak valid, lalu ada sembilan
item (I1, I3, I9, I17, I24, I26, I27, I31, I35) yang hanya memenuhi 1 syarat, sedangkan sisanya
memenuhi ketiga kriteria outfit MNSQ, outfit ZSTD dan PTMEA-CORR[19]. Sehingga 31
item pada angket dinyatakan valid dan 13 item yang tidak valid.

3.1.2. Person Fit

Informasi responden yang sesuai juga disediakan oleh analisis Rasch. Responden yang
fit atau sesuai bisa diidentifikasi dengan Model Rasch berdasarkan pola respons yang tidak
biasa seperti siswa bisa jadi tidak serius saat item yang diberikan dan bisa saja muncul
kemungkinan bahwa siswa dengan nilai yang lebih rendah secara tidak terduga dapat
mengerjakannya dengan benar dan siswa dengan nilai yang lebih tinggi dapat dengan mudah
melakukan kesalahan [20].

Table 5. Responden yang tidak sesuai

Outfit MNSQ Outfit ZSTD PTMEA–CORR

Person Total score MEASURE
(0.5 – 1.5) (-2.0 - +2.0) (0.4 – 0.85)
064LA 140 -1.62 6.05 9.9 -0.64
008PA 152 -1.49 5.50 9.9 -0.63
061PA 163 -1.36 4.78 9.9 -0.47
182LC 119 -1.88 3.97 7.5 0.31
037LA 170 -1.28 2.84 6.3 0.10
026PA 220 -0.70 2.46 4.9 0.64
015PA 200 -0.94 2.25 4.6 0.77
044PA 199 -0.96 2.21 4.5 0.77
107LB 163 -1.36 2.23 4.6 0.23
067PA 224 -0.65 1.91 3.4 0.79
056PA 181 -1.16 2.12 4.3 0.23
002PA 196 -0.99 2.08 4.1 0.70
007PA 220 -0.70 1.66 2.6 0.80
082PB 219 -0.71 1.75 2.9 0.69
019PA 240 -0.42 1.47 1.8 0.67
105PB 183 -1.14 1.71 3.0 0.62
136PB 183 -1.14 1.71 3.0 0.62
040PA 205 -0.88 1.60 2.5 0.73
203LC 259 -0.09 1.19 0.8 0.70
031PA 212 -0.80 1.50 2.1 0.71
164PC 215 -0.76 1.48 2.1 0.51
097PB 246 -0.32 1.39 1.5 0.70
003LA 179 -1.18 1.54 2.4 0.48
018PA 231 -0.55 1.55 2.2 0.55
081PB 199 -0.96 1.51 2.2 0.53
163LC 222 -0.67 1.59 2.4 0.37
021PA 248 -0.29 1.29 1.2 0.75
065PA 235 -0.49 1.44 1.8 0.71
116PB 224 -0.65 1.35 1.5 0.77
137PB 224 -0.65 1.35 1.5 0.77
050LA 215 -0.76 1.37 1.6 0.49
150PC 198 -0.97 1.42 1.9 0.63
202LC 209 -0.84 1.28 1.3 0.77
167PC 227 -0.60 1.41 1.7 0.50
024LA 182 -1.15 1.35 1.6 0.77
110PB 227 -0.60 1.31 1.4 0.77
036LA 213 -0.79 1.32 1.5 0.70
134LB 194 -1.01 1.40 1.8 0.50
051LA 219 -0.71 1.20 0.9 0.63
206PC 209 -0.84 1.30 1.4 0.49
052PA 199 -0.96 1.29 1.4 0.72
020LA 204 -0.90 1.25 1.2 0.67
114PB 199 -0.96 1.24 1.1 0.48
027LA 197 -0.98 1.21 1.0 0.78
140LC 174 -1.24 1.32 1.5 -0.01
208PC 174 -1.24 1.32 1.5 -0.01
013PA 205 -0.88 1.24 1.2 0.70
004PA 202 -0.92 1.18 0.9 0.63
012PA 193 -1.03 1.19 1.0 0.67
172PC 211 -0.81 1.26 1.2 0.32
151PC 232 -0.54 1.24 1.1 0.62
017LA 191 -1.05 1.21 1.1 0.74
049LA 204 -0.90 1.19 1.0 0.82
022PA 185 -1.12 1.23 1.2 0.70
001LA 224 -0.65 1.18 0.9 0.75
122PB 205 -0.88 1.25 1.2 0.67
025PA 226 -0.62 1.13 0.6 0.72
177PC 227 -0.60 1.11 0.5 0.75
053LA 220 -0.70 1.22 1.0 0.53
102LB 195 -1.00 1.23 1.1 0.72
038PA 199 -0.96 1.17 0.9 0.68
057PA 185 -1.12 1.15 0.8 0.71
016LA 241 -0.40 1.10 0.5 0.77
120PB 218 -0.72 1.06 0.3 0.79
113LB 176 -1.22 0.93 -0.3 -0.08
101LB 244 -0.36 0.78 -0.9 0.74
209LC 166 -1.33 0.91 -0.4 0.31
186LC 176 -1.22 0.89 -0.5 0.00
183PC 219 -0.71 0.89 -0.5 0.69
058PA 178 -1.20 0.88 -0.5 0.40
187PC 215 -0.76 0.87 -0.6 0.55
153PC 220 -0.70 0.76 -1.2 0.79
138PC 210 -0.82 0.80 -1.0 0.43
005LA 195 -1.00 0.72 -1.4 0.75
060LA 201 -0.93 0.78 -1.1 0.75
205LC 177 -1.21 0.80 -1.0 0.48
144PC 200 -0.94 0.73 -1.4 0.71
083PB 211 -0.81 0.79 -1.0 0.72
092PB 213 -0.79 0.77 -1.1 0.74
176LC 204 -0.90 0.79 -1.0 0.51
168LC 214 -0.77 0.76 -1.2 0.69
166PC 173 -1.25 0.78 -1.1 0.33
055PA 204 -0.90 0.73 -1.4 0.81
129PB 195 -1.00 0.76 -1.2 0.58
109PB 206 -0.87 0.70 -1.5 0.55
201LC 239 -0.43 0.70 -1.3 0.67
079PB 206 -0.87 0.77 -1.2 0.79
042LA 202 -0.92 0.75 -1.3 0.77
158PC 188 -1.08 0.72 -1.4 0.71
160PC 232 -0.54 0.73 -1.2 0.59
180PC 224 -0.65 0.73 -1.3 0.51
104LB 236 -0.48 0.69 -1.4 0.55
179PC 212 -1.11 0.73 -1.4 0.59
152PC 185 -0.80 0.70 -1.5 0.71
066PA 208 -1.12 0.65 -1.9 0.79
108LB 205 -0.85 0.68 -1.7 0.52
023LA 230 -0.88 0.66 -1.8 0.84
096PB 214 -0.56 0.63 -1.8 0.82
100LB 188 -0.77 0.68 -1.6 0.68
010PA 209 -1.08 0.65 -1.9 0.80
075PB 179 -0.84 0.68 -1.7 0.57
188LC 184 -1.18 0.67 -1.8 0.44
146PC 205 -1.13 0.66 -1.9 0.68
074PB 195 -0.88 0.66 -1.8 0.67
035PA 207 -1.00 0.62 -2.1 0.81
095PB 193 -0.86 0.63 -2.0 0.52
046PA 219 -1.03 0.60 -2.3 0.75
076PB 203 -0.71 0.63 -1.9 0.79
011PA 195 -0.91 0.63 -2.0 0.80
032PA 210 -1.00 0.59 -2.3 0.83
047PA 201 -0.82 0.58 -2.3 0.83
119LB 174 -0.93 0.59 -2.3 0.59
071PB 224 -1.24 0.61 -2.2 0.55
133PB 207 -0.65 0.56 -2.3 0.74
159LC 207 -0.86 0.57 -2.4 0.80
178PC 227 -0.60 0.58 -2.3 0.63
174PC 170 -1.28 0.60 -2.2 0.73
131PB 205 -0.88 0.60 -2.2 0.67
086PB 223 -0.66 0.59 -2.2 0.49
078PB 188 -1.08 0.57 -2.1 0.62
070PB 211 -0.81 0.53 -2.5 0.53
126LB 207 -0.86 0.56 -2.6 0.76
087PB 202 -0.92 0.51 -2.4 0.69
099LB 227 -0.60 0.55 -2.8 0.68
091PB 195 -1.00 0.54 -2.4 0.65
048PA 233 -0.52 0.48 -2.7 0.80
145PC 213 -0.79 0.54 -2.8 0.86
147LC 173 -1.25 0.53 -2.5 0.72
117LB 205 -0.88 0.53 -2.7 0.62
073PB 205 -0.88 0.53 -2.7 0.64
112PB 215 -0.76 0.53 -2.7 0.64
034LA 144 -1.58 0.53 -2.6 0.79
039PA 182 -1.15 0.53 -2.7 0.73
185PC 192 -0.93 0.53 -2.8 0.62
194PC 197 -0.98 0.52 -2.8 0.65
139PC 180 -1.17 0.48 -3.2 0.74
077PB 206 -0.87 0.47 -3.1 0.83
141LC 185 -1.12 0.50 -3.0 0.77
089LB 200 -0.94 0.50 -3.0 0.72
170PC 203 -0.91 0.43 -3.5 0.72
204PC 186 -1.11 0.48 -3.1 0.76
192PC 206 -0.87 0.48 -3.1 0.75
118PB 217 -0.74 0.41 -3.5 0.77
098LB 181 -1.16 0.47 -3.3 0.68
106LB 240 -0.42 0.45 -2.9 0.74
130PB 185 -1.12 0.40 -3.8 0.79
080LB 231 -0.55 0.43 -3.2 0.71
197PC 203 -0.91 0.40 -3.7 0.75
198PC 216 -0.75 0.40 -3.6 0.80
143PC 192 -1.04 0.42 -3.7 0.75
184PC 194 -1.01 0.39 -3.9 0.70
094PB 214 -0.77 0.40 -3.6 0.82
171PC 219 -0.71 0.41 -3.5 0.67
072LB 204 -0.90 0.39 -3.8 0.69
207PC 212 -0.80 0.37 -3.9 0.79
103PB 211 -0.81 0.35 -4.1 0.70
190PC 167 -1.32 0.36 -4.3 0.82
111PB 209 -0.84 0.33 -4.4 0.79
090PB 203 -0.91 0.32 -4.6 0.78
121PB 150 -1.51 0.29 -4.7 0.79
 Tabel 5 mempresentasikan responden yang responnya kurang sesuai dengan model
Rasch, artinya respon mereka berbeda dengan rentang yang diberikan. Para responden
diberikan kode sesuai dengan 209 adalah jumlah responden, P mengacu pada perempuan L
mengacu pada laki-laki, sementara A adalah SMP, B adalah SMA dan C adalah SMK.
Menurut Tabel 5 ada 23 responden yang mencetak nilai Outfit ZSTD lebih besar dari 2.0 yang
artinya item tidak dapat diprediksi, sementara skor responden kurang dari -2.0 ada 53, berarti
item terlalu mudah diprediksi [16], Sementara itu, responden lainnya memiliki nilai Outfit
ZSTD dalam kisaran yang dapat diterima (-2.0 – 2.0). Dalam penelitian item-item ini fit untuk
164 responden (78.47%) dan tidak fit untuk 45 responden (21.53%), analisis yang dilakukan
pada responden tersebut menunjukkan temuan kualitas untuk penilaian menggunakan analisis
Rasch.

3.2. Reliabilitas Instrumen

Untuk menilai apakah instrumen kemampuan resiliensi matematis ini dapat dikatakan
reliabel maka dilakukan perhitungan reliabilitas instrumen [9]. Informasi yang dapat
ditampilkan melalui output Summary Statistics salah satunya nilai untuk pengukuran
reliabilitas, di dalamnya terdapat pengukuran dari tinjauan item pertanyaan
(item reliability) dan sisi responden (person reliability) serta interaksi antara responden
dengan item. Dibawah ini adalah gambar ringkasan statistik (output Summary Statistics) nilai
reliabilitas instrumen yang digunakan.

Gambar 1. Output Summary Statistic

Berdasarkan gambar output di atas, maka nilai yang di dapatkan telah dirangkum
didalam tabel berikut ini.
 Table 6. Hasil output summary statistics

Statistics Value
Cronbach’s alpha (KR-20) 0.82
Person Reliability 0.78
Item Reliability 0.99
Person Separation 1.90
Item Separation 9.79

Pada tabel 6 menunjukan nilai dari Cronbach’s alpha (KR-20), reliabilitas responden,
reliabilitas item, responden separasi dan item separasi berdasarkan analisis dengan model
Rasch menggunakan perangkat lunak Winstep. Berdasarkan tabel 6, koefisien dari
Cronbach’s memiliki nilai 0.82, maka dapat dikategorikan “very high” (tabel 2). Ketika nilai
reliabilitas responden dan reliabilitas item kurang dari 0.67 maka dapat dikategorikan "low"
(Tabel 2), dengan demikian hasil reliabilitas responden yang bernilai 0.78 dapat dikategorikan
“sufficient” dan reliabilitas item yang bernilai 0.99 masuk kedalam kategori “excellent”.
Kemudian nilai separasi dari responden yaitu 1.90 dan item 9.79 dimana jika nilai separasi
tinggi maka akan menunjukan bahwa instrumen bernilai baik. Secara keseluruhan, menurut
analisis Rasch Model, instrumen memiliki alpha Cronbach sangat tinggi (KR-20), person
reliability cukup dan item reliability luar biasa [16].

4. Kesimpulan dan Saran

Berdasarkan hasil validitas dalam analisis penelitian ini, dapat disimpulkan bahwa dari
209 siswa yang terdiri dari 67 peserta didik sekolah menengah pertama, 70 peserta didik
sekolah menengah atas, dan 72 peserta didik sekolah menengah kejuruan yang dilihat
berdasarkan pada rentang nilai outfit MNSQ, outfit ZSTD dan PTMEA-CORR didapatkan
hasil bahwa empat item (I21, I32, I34, I38) yang tidak valid, lalu ada sembilan item (I1, I3, I9,
I17, I24, I26, I27, I31, I35) yang hanya memenuhi 1 syarat, sedangkan 31 lainnya harus
dipertahankan karena item terpenuhi . item yang cocok untuk 164 responden (78,47%) dan
analisis yang dilakukan pada responden tersebut menunjukan temuan berkualitas dan valid
untuk penilaian menggunakan analisis Rasch. Berdasarkan analisi reliabilitas koefisien dari
Cronbach’s ( ∝= �. ��) dikategorikan “very high”, reliabilitas responden dikategorikan
“sufficient” dan reliabilitas item masuk kedalam kategori “excellent”, dengan demikian
instrumen resiliensi yang diteliti dapat dikatakan reliabel.

5. Daftar Pustaka

[1] V. Grimm and J. M. Calabrese, “What is resilience? A short introduction,” Underst. Complex
Syst., vol. 2011, pp. 3–13, 2011, doi: 10.1007/978-3-642-20423-4_1.
[2] D. S. Yeager and C. S. Dweck, “Mindsets That Promote Resilience: When Students Believe
That Personal Characteristics Can Be Developed,” Educ. Psychol., vol. 47, no. 4, pp. 302–314,
2012, doi: 10.1080/00461520.2012.722805.
[3] S. Padmowihardjo, “Psikologi Belajar Mengajar,” Pengertian Psikol. Belajar Mengajar dan
Defin. Proses Belajar, 2014.
[4] C. Lee and S. Johnston-Wilder, The Construct of Mathematical Resilience. Elsevier Inc., 2017.
[5] J. Goodall and S. Johnston-Wilder, “Overcoming Mathematical Helplessness and Developing
 Mathematical Resilience in Parents: An Illustrative Case Study,” Creat. Educ., 2015, doi:
10.4236/ce.2015.65052.
[6] A. I. Sugandi, “Meningkatkan Kemampuan Berpikir Kreatif Dan Resiliensi Matematis Siswa
Smp Melalui Pendekatan Generatif,” Jurnal Perspektif Pendidikan. 2017.
[7] H. Retnawati, “Validitas dan reliabilitas konstruk skor tes kemampuan calon mahasiswa,” J.
Ilmu Pendidik., vol. 23, no. 2, pp. 126–135, 2017, [Online]. Available:
http://journal.um.ac.id/index.php/jip/article/view/10973.
[8] F. Yusup, “Uji Validitas dan Reliabilitas Instrumen Penelitian Kuantitatif,” J. Tarb. J. Ilm.
Kependidikan, vol. 7, no. 1, pp. 17–23, 2018, doi: 10.18592/tarbiyah.v7i1.2100.
[9] Muntazhimah, S. Putri, and H. Khusna, “Rasch Model untuk Memvalidasi Instrumen Resiliensi
Matematis Mahasiswa Calon Guru Matematika,” JKPM (Jurnal Kaji. Pendidik. Mat., vol. 6, no.
1, pp. 65–74, 2020, doi: 10.30998/jkpm.v6i1.8144.
[10] R. Ramdani, F. Hanurawan, M. Ramli, B. B. Lasan, and A. Afdal, “Development and
Validation of Indonesian Academic Resilience Scale Using Rasch Models,” Int. J. Instr., vol.
14, no. 1, pp. 105–120, 2020, doi: 10.29333/IJI.2021.1417A.
[11] W. D. Safitri, H. P. Susanto, and Mulyadi, “Pengembangan Instrumen Angket untuk Mengukur
Tingkat Resiliensi Matematis Siswa,” pp. 1–6, 2020, [Online]. Available:
https://repository.stkippacitan.ac.id/id/eprint/154/.
[12] N. Gürefe and V. Akçakın, “The Turkish Adaptation of the Mathematical Resilience Scale:
Validity and Reliability Study,” J. Educ. Train. Stud., vol. 6, no. 4, pp. 38–47, 2018, doi:
10.11114/jets.v6i3.2992.
[13] M. Muntazhimah, “Pengembangan Instrumen Kemampuan Berpikir Reflektif Matematis siswa
Kelas 8 SMP,” Imajiner J. Mat. dan Pendidik. Mat., vol. 1, no. 5, pp. 237–242, 2019, doi:
10.26877/imajiner.v1i5.4551.
[14] S. Gürbüz, “Survey as a quantitative research method,” in Research Methods and Techniques
in Public Relations and Advertising, 2017.
[15] S. A. Osman et al., “The effectiveness of industrial training from the perspective of students of
the civil and structure engineering department,” J. Eng. Sci. Technol., vol. 11, no. November,
pp. 1–12, 2016.
[16] B. Sumintono and W. Widhiarso, Aplikasi Model Rasch untuk Penelitian Ilmu-Ilmu Sosial
(edisi revisi), no. November. 2014.
[17] A. Faradillah and L. Febriani, “Mathematical Trauma Students’ Junior High School Based on
Grade and Gender,” Infin. J., vol. 10, no. 1, p. 53, 2021, doi: 10.22460/infinity.v10i1.p53-68.
[18] S. S. Saidi and N. M. Siew, “Reliability and Validity Analysis of Statistical Reasoning Test
Survey Instrument using the Rasch Measurement Model,” Int. Electron. J. Math. Educ., 2019,
doi: 10.29333/iejme/5755.
[19] A. Abdaziz, M.S. Jusoh, Harith Amlus, and Tuan Salwani Salleh, “Construct Validity: A Rasch
Measurement Model Approaches,” J. Appl. Sci. Agric., vol. 9, no. 11, pp. 104–108, 2014.
[20] W. J. Boone, “Rasch analysis for instrument development: Why,when,and how?,” CBE Life Sci.
Educ., 2016, doi: 10.1187/cbe.16-04-0148.