SUPLEMEN KULIAH EVALUASI PENDIDIKAN

“ANALISIS BUTIR SOAL DENGAN PROGRAM BIGSTEPS”

Disadur oleh: Suratno

(Dipakai untuk lingkungan sendiri)

Program Pascasarjana Pendidikan IPS

FKIP UNLAM
Banjarmasin 2015
A. Analisis Rasch dan BIGSTEPS
Analsis Rasch adalah suatu metode untuk memperoleh objective, fundamental measures dari
amatan stokastik yang berupa jawaban kategori terurut. George Rasch seorang ahli matematika
telah menformulasikan pendekatan ini sejak tahun 1953 untuk menganalisis jawaban terurut
dari test membaca. BIGSTEPS adalah implementasi dari formulasi Rasch yang merupakan
modifikasi dari metode estimasi PROX and UCON.
BIGSTEPS didesain untuk pengukuran konstrak Rasch dari jawaban peserta atas
seperangkat item.Jawaban tersebut boleh dinyatakan sebagai huruf atau angka bulat dan dapat
dinyatakan dengan satu atau dua karakter. Jawaban suatu item dapat berupa skor dikotomus
(benar atau salah, ya atau tidak) atau boleh juga berupa rating scale ( “good”/”better”/”best”,
disagree/neutral/agree), atau boleh dalam bentuk partial credit atau struktur hierarchical
lainnya. Item-item boleh dalam satu kelompok atau terdiri atas sub kelompok dari satu atau
lebih item yang membentuk struktur jawaban yang sama.
BIGSTEPS dimulai dengan mengestimasi kemampuan peserta (person), kalibrasi item, dan
rating scale kategori tahap kalibrasi, kecuali ditentukan sebelumnya, nilai anchor yang
disediakan oleh analist. Versi iterative dari algoritme PROX menggunakan reach a rough
convergence pada pola data yang diamati. Metode UCON juga suatu iterasi untuk mendapatkan
estimasi yang lebih eksak, standar error, dan fit statistics.
Kemampuan (measures I dinyatakan dalam LOGITS (log-odds units) kecuali rescaled.
Fit statistics dinyatakan sebagai mean-square residuals, yang mendekati distribusi chi-square
dan dinyatakan terstandar dengan N(0,1).

B. Gambaran Umum dan Instalasi Program

1. Gambaran Umum
Program BIGSTEPS diciptakan oleh Benyamin D. Wright & John M. Linacre dari
University of Chicago, tahun 1992. Program ini merupakan perangkat lunak yang
diciptakan khusus untuk melakukan analisis butir soal, dan disusun berdasarkan
pendekatan RASCH Model, yang dikembangkan oleh ahli matematika Denmark,
George Rasch, tahun 1953. Hasil analisis butir soal dengan menggunakan program
tersebut berisi informasi tentang skor, kemampuan peserta, indeks kesalahan
pengukuran, INFIT, OUTFIT, dan daya pembeda, baik untuk butir soal maupun peserta
tes.
Untuk menjalankan program BIGSTEPS diperlukan spesifikasi minimal untuk
perangkat keras (hardware) dan system computer PC/AT 386 dengan 2 disk drive, dan
akan lebih baik jika ada Math C Processor. Perkembangan computer saat ini sudah
sampai pada era Core 2 Duo, Intel Pentium, maka persoalan spesifikasi minimal ini
sudah tidak menjadi masalah dan hambatan. Sistem operasi minimal yang
dipersyaratkan adalah DOS versi 3.0, yang berarti program ini juga jalan pada system
operasi DOS versi yang lebih besar, seperti system operasi Windows 95 ke atas.
Program ini memerlukan program editor untuk mengedit program dan mengentri data
antara lain Wordstar, Word Perfect, dan Side Kick untuk system operasi DOS, dan
Microsoft Word, Note Pad, atau Word Pad yang mampu menghasilkan format file
ASCII DOS tex.
2. Instalasi Program

1
 Install program yang dijelaskan berikut hanya terbatas pada computer yang dilengkapi
dengan harddisk, mengingat computer yang tersedia saat ini udah dilengkapi dengan
fasilitas tersebut.
Jika menggunakan system operasi DOS
 Buat directory BIGSTEPS dengan perintah C:\MKDIR (MD) BIGSTEPS
 Masuk ke directory BIGSTEPS dengan perintah C:\CD BIGSTEPS
 Setelah muncul C>BIGSTEPS, masukkan disket yang berisi program
BIGSTEPS.EXE di drive A
 Copy program tersebut dengan perintah C>COPY A:BIGSTEPS.EXE
Jika menggunakan system operasi Windows
 Buat folder BIGSTEPS dengan mengklik tombol kanan mouse
 Masuk ke folder BIGSTEPS dengan mengklik dua kali folder BIGSTEPS
 Masukkan disket yang berisi program BIGSTEPS.EXE di drive A
 Copy program tersebut dengan perintah DRUG AND DROP pada windows
explorer atau edit copy pada my computer
C. Penyiapan File Data dan File Program
1. File Data
Sebelum kita melakukan analisis butir soal, perlu disiapkan terlebih dahulu data file (file
data) dan control file (file program). Untuk itu, perlu dilakukan ucicoba instrument, dan
data hasil uji coba tersebut di entry ke dalam file computer dalam bentuk DOS text/
ASCII/ Non document dengan menggunakan Word Processor seperti Word Star,
Notepad, Word Perfect, K Edit, Editor dan seterusnya yang sejenis. Misalnya kita telah
memiliki file data ING.DAT seperti pada tabel berikut.

001 BDACBDACCBABADB
002 OOOOABACOOOOAAD
003 BCACBCACBDAAABC
004 BBACDAADDCABBAD
005 BBADBBADCBADCCB
006 BBABBCACCCAAACA
007 BCADBCACDDABABD
008 BDACDCABCAACAAC
009 BBADBDCBCBAABBB
010 BBACCBABCBCBBAB
.
.
.
146 BDACCCBDADABBCC
147 BCADACADCBAAAAD
148 CBADBCCBCDACAAB
149 ACDBBCCBABABAOB
150 DCOCBCCBCAACCBB

2. File Program (Control file)

Langkah berikutnya adalah menyiapkan control file dengan nama CFING00.txt yang
berisi pernyataan-pernyataan berikut:

2
&INST
TITLE="BAHASA INGGRIS"
DATA=ING.DAT
NI=15
XWIDE=1
CATEGS=5
CURVES=111
ASCII=Y
MUCON=50
MPROX=10
NAME1=1
ITEM1=5
CODES=ABCDE
KEY=ABEADBACCDCBDAE
TABELS=1110011111111111111111
&END
BUTIR01
BUTIR02
BUTIR03
BUTIR04
BUTIR05
BUTIR06
BUTIR07
BUTIR08
BUTIR09
BUTIR10
BUTIR11
BUTIR12
BUTIR13
BUTIR14
BUTIR15
ENDNAMES

3
 Keterangan:
Variabel Deskripsi Dalam Contoh
&INST Awal perintah
TITLE Judul data yang dianalisis (ditulis “BAHASA INGGRIS"
diantara tanda kutip)
DATA Nama file data yang akan ING.DAT
dianalisis
NI Banyaknya butir soal yang 15 BUTIR SOAL
dianalisis
NAME1 Posisi karakter pertama untuk 1
identitas responden
ITEM1 Posisi jawaban pertama pada 5
record data
ASCII Jika ya, maka semua karakter Y
diperlakukan sebagai ASCII
CATEGS Banyaknya pilihan jawaban 5
CODES Kode pilihan jawaban ABCDE
KEY Kunci Jawaban ABEADBACCDCBDAE
MUCON Maksimum iterasi dengan 50
pendekatan UCON
MPROX Maksimum iterasi dengan 10
pendekatan PROX
TABELS Alternatif tabel yang dikehendaki 1110011111111111111111
(1 = ya, 0 = tidak)
XWIDE Lebar Kolom Lebar kolom pertama
&END Akhir perintah
BUTIR01 S/D Identitas setiap butir soal Butir 1 s.d. Butir 15
BUTIR15
ENDNAMES Batas akhir identitas butir soal

D. Menjalankan Program
Pengembangan bank soal dengan menggunakan program BIGSTEPS dianjurkan melakukan
analisis pendahuluan dengan program ITEMAN. Berdasarkan analisis klasik dengan
ITEMAN akan diketahui butir soal yang baik dan yang kurang baik (dianulir). Secara
umum ada 4 tahap yang harus dikerjakan dalam menjalankan program BIGSTEPS sehingga
diperoleh tes baku (standard), yaitu Run-1 menghasilkan delete person, Run-2
menghasilkan delete item, Run-3 menghasilkan Linking item, dan Run-4 menghasilkan
bank soal. Proses tahapan tersebut akan dijelaskan berikut:
1. Analisis (Run) tahap I
Pertama-tama masuk ke directory BIGSTEPS, kemudian ketik BIGSTEPS lalu enter,
maka di layar computer akan muncul pesan berikut:

BIGSTEPS version: 2.30

Please enter name of BIGSTEPS control file:

Masukkan nama file control, yaitu ketik CFING00.txt kemudian enter, maka dilayar
computer muncul pesan berikut:

4
 Please enter name of report output file:

Masukkan nama file output, yaitu HASIL01.TXT kemudian tekan enter, proses analisis
sedang berlangsung dan di layar monitor akan muncul tampilan berikut tetapi tak
sempat terlihat di layar dan akan tampil nama file baru dalam bentuk notepad.

Dengan demikian proses analisis tahap pertama telah selesai.

Dalam pelaksanaan uji coba sering terjadi beberapa responden tidak konsisten dalam
mengerjakan seperti menebak, menyontek, tidak serius atau karena factor lain. Hal ini
akan berpengaruh terhadap hasil analisis yang kita peroleh. Untuk itu responden yang
tidak konsisten tidak perlu diikutsertakan dalam analisis, dengan kata lain dihapus
(delete). Untuk menghapus person dari analisis, maka tahapan-tahapan yang harus
dilakukan adalah sebagai berikut:
a. Buka file HASIL01.TXT
b. Perhatikan tabel 6.1, khusus pada kolom 1 dan 9

5
TABEL 6.1 BAHASA INGGRIS "BIGSTEPS" RASCH ANALYSIS VER. 2.30
May 18 4:47 2009 INPUT: 150 PERSONS 15 ITEMS ANALYZED: 148 PERSONS 15 ITEMS 2 CATEGORIES
------------------------------------------------------------------------------------------------------------

PERSON STATISTICS: OUTFIT ORDER

+---------------------------------------------------------------------------------------------------+
| NUM SCORE COUNT MEASURE ERROR|MNSQ INFIT|MNSQ OUTFT|PTBIS| NAME |
|-----------------------------------+----------+----------+-----+-----------------------------------|
| 15 13 15 2.16 .78|1.36 .8|4.36 2.3| -.45| 015 |
| 135 3 15 -1.64 .71|1.24 .7|2.27 1.7| .16| 135 |
| 26 5 15 -.79 .61|1.48 1.6|1.70 1.7| -.05| 026 |
| 87 4 14 -1.14 .66|1.67 1.8|1.86 1.7| -.23| 087 |
| 30 4 14 -1.14 .66|1.74 1.9|1.83 1.7| -.28| 030 |
| 1 3 15 -1.64 .71|1.63 1.4|2.12 1.6| -.19| 001 |
| 35 3 13 -1.43 .74|1.50 1.2|2.06 1.6| .01| 035 |
| 12 4 15 -1.18 .65|1.41 1.2|1.76 1.5| .03| 012 |
| 90 2 15 -2.23 .83|1.59 1.1|2.39 1.5| -.23| 090 |
| 110 2 15 -2.23 .83|1.52 1.0|2.38 1.4| -.16| 110 |
| 83 1 15 -3.11 1.09|1.35 .7|3.07 1.4| -.19| 083 |
| 118 2 15 -2.23 .83|1.49 1.0|2.29 1.4| -.12| 118 |
| 127 2 15 -2.23 .83|1.49 1.0|2.29 1.4| -.12| 127 |
| 93 3 15 -1.64 .71|1.37 .9|1.88 1.3| .06| 093 |
| 37 2 15 -2.23 .83|1.21 .6|2.21 1.3| .15| 037 |
| 115 14 15 2.96 1.05|1.15 .5|2.77 1.3| -.16| 115 |
| 98 3 15 -1.64 .71|1.61 1.4|1.79 1.3| -.16| 098 |
| 69 2 15 -2.23 .83| .96 .0|2.08 1.2| .36| 069 |
| 138 3 15 -1.64 .71|1.18 .5|1.78 1.2| .23| 138 |
| 130 2 14 -2.12 .84| .98 .0|2.05 1.2| .37| 130 |
| 111 2 15 -2.23 .83|1.51 1.0|1.99 1.2| -.14| 111 |
| 143 2 14 -2.17 .84| .97 .0|1.96 1.2| .36| 143 |
| 114 3 15 -1.64 .71|1.47 1.1|1.67 1.1| -.04| 114 |
| 75 1 11 -2.78 1.15|1.52 .8|2.13 1.1| -.12| 075 |
| 9 1 15 -3.11 1.09|1.32 .6|2.10 1.1| -.13| 009 |
| 41 5 15 -.79 .61|1.36 1.2|1.38 1.1| .04| 041 |
| 79 3 14 -1.61 .72|1.61 1.4|1.58 1.0| -.17| 079 |
| 107 14 15 2.96 1.05|1.13 .4|2.01 1.0| -.06| 107 |
| 116 1 15 -3.11 1.09|1.32 .6|1.98 1.0| -.11| 116 |
| 140 1 15 -3.11 1.09|1.32 .6|1.98 1.0| -.11| 140 |
| 126 13 15 2.16 .78|1.22 .6|1.79 1.0| -.04| 126 |
| 122 2 15 -2.23 .83|1.43 .9|1.71 1.0| -.04| 122 |
| 134 2 15 -2.23 .83|1.19 .5|1.63 .9| .18| 134 |
| 64 3 15 -1.64 .71|1.58 1.3|1.49 .9| -.13| 064 |
| 128 2 14 -2.17 .84|1.21 .6|1.55 .8| .18| 128 |
| 38 2 15 -2.23 .83|1.19 .5|1.51 .8| .19| 038 |
| 11 3 15 -1.64 .71|1.46 1.1|1.41 .8| -.02| 011 |
| 133 4 15 -1.18 .65| .97 .0|1.25 .7| .47| 133 |
| 142 1 15 -3.11 1.09|1.26 .6|1.17 .6| .01| 142 |
| 94 4 15 -1.18 .65|1.41 1.2|1.19 .5| .01| 094 |
| 31 1 15 -3.11 1.09|1.25 .6|1.08 .5| .04| 031 |
| 95 2 15 -2.23 .83|1.17 .5|1.21 .5| .23| 095 |

**TABEL CONTINUED ON NEXT SHEET**

c. Catat nomor responden (person) yang memiliki OUTFIT > 2.0 atau Outfit < -2 atau
Ptbis negative (Bond & Fox, 2007: 239). Dari contoh tersebut, person yang akan di-
delete adalah person nomor 15, 26, 87, 30, 1, 90, 110, 83, 118, 127, 115, 98, 111,
114, 75, 9, 79, 107, 116, 140, 126, 122, 64, dan 11.
d. Buatlah daftar person delete tersebut dalam file ING01.txt
2. Aanalisis (Run) tahap II
a. Buka file CFING00.txt
b. Dibawah variable DATA=ING.DAT tambahkan variable : PDFILE=ING01.txt dan
simpan dalam file CFING01.txt
c. Lakukan analisis tahap kedua (seperti pada analisis tahap pertama)
Pertama-tama masuk ke directory BIGSTEPS, kemudian ketik BIGSTEPS lalu
enter, maka di layar monitor akan muncul pesan berikut:

BIGSTEPS version: 2.30

6
 Please enter name of BIGSTEPS control file:

Masukkan nama file control, yaitu ketik CFING01.txt kemudian enter, maka dilayar
monitor muncul pesan berikut:

Please enter name of report output file:

Masukkan nama file output, yaitu HASIL02.TXT kemudian tekan enter, tunggu
sampai proses analisis selesai.
d. Data Cleaning tahap II (delete item)
Selain responden (person), butir soal (item) yang tidak konsisten juga harus dihapus
(delete). Untuk menghapus item dari analisis, lakukan langkah-langkah berikut:
- Buka file HASIL02.TXT
- Perhatikan tabel 10.1 berikut:
TABEL 10.1 BAHASA INGGRIS "BIGSTEPS" RASCH ANALYSIS VER. 2.30
May 18 5:11 2009 INPUT: 150 PERSONS 15 ITEMS ANALYZED: 121 PERSONS 15 ITEMS 2 CATEGORIES
------------------------------------------------------------------------------------------------------------

ITEMS STATISTICS: OUTFIT ORDER

+---------------------------------------------------------------------------------------------------+
| NUM SCORE COUNT MEASURE ERROR|MNSQ INFIT|MNSQ OUTFT|PTBIS| NAME |
|-----------------------------------+----------+----------+-----+-----------------------------------|
| 15 11 119 1.02 .32|1.13 .6|2.55 3.4| -.36| BUTIR15 |
| 3 13 121 .84 .30|1.10 .5|1.33 1.1| -.27| BUTIR03 |
| 7 50 116 -1.13 .20|1.04 .8|1.06 .8| -.15| BUTIR07 |
| 13 28 120 -.14 .22|1.06 .6|1.12 .8| -.18| BUTIR13 |
| 5 6 121 1.69 .42|1.03 .2|1.21 .6| -.15| BUTIR05 |
| 10 6 119 1.68 .42|1.00 .1|1.12 .4| -.04| BUTIR10 |
| 6 10 114 1.09 .34|1.00 .0| .95 .0| -.04| BUTIR06 |
| 2 23 112 .05 .24|1.00 .0| .98 .0| -.07| BUTIR02 |
| 8 12 117 .91 .31|1.00 .0| .89 -.2| -.05| BUTIR08 |
| BETTER FITTING OMITTED +----------+----------+-----| |
| 9 22 120 .19 .24| .94 -.4| .79 -1.1| .06| BUTIR09 |
+---------------------------------------------------------------------------------------------------+

- Catat nomor-nomor butir soal yang memiliki OUTFIT lebih dari 2.0 atau memiliki
Ptbis negative. Dari tabel tersebut di atas, ternyata ditemukan butir yang memiliki
outfit lebih dari 2.0 pada butir 15 dan sebanyak 8 butir selain butir 15 memiliki Ptbis
negative. Butir-butir yang memiliki OUTFIT lebih dari 2.0 dan Ptbis negative tidak
perlu dianalisis. Untuk itu harus dibuatkan file kontrolnya dan diberi label
ING02.DAT
- Buatlah file ING02.DAT
3. Analisis (Run) tahap III

a. Bukalah file CFING01.txt

b. Di bawah PDFILE=ING01.DAT, tambahkan variable IDFILE=ING02.DAT dan
simpan dalam file CFING02.txt
c. Lakukan analisis tahap ketiga (seperti pada analisis tahap pertama atau kedua)
Pertama-tama masuk ke directory BIGSTEPS, kemudian ketik BIGSTEPS lalu
enter, maka di layar monitor akan muncul pesan berikut:

BIGSTEPS version: 2.30

7
 Please enter name of BIGSTEPS control file:

Masukkan nama file control, yaitu ketik CFING02.txt kemudian enter, maka dilayar
monitor muncul pesan berikut:

Please enter name of report output file:

Masukkan nama file output, yaitu HASIL3.TXT kemudian tekan enter, tunggu
sampai proses analisis selesai.
Hasil output analisis tahap ketiga dapat dilihat pada file output HASIL3.TXT,
seperti yang ditampilkan pada lampiran. Jika hasil tersebut masih didapatkan pada
tabel 6.1 maupun tabel 10.1 nilai OUTFIT lebih besar dari 2.0 atau nilai Ptbis
kurang dari nol (negative), maka tambahkan nomor person atau nomor butir tersebut
pada file ING01.DAT untuk person dan pada file ING02.DAT item. Kemudian
lakukan proses run tahap berikutnya seperti pada proses run tahap pertama atau
kedua atau ketiga.

Bagan 1. Prosedur Kerja Analisis dengan BIGSTEPS

Analisis I Output-1
ING.DAT Hasil01.TXT

Buka Output I Buang Orang

Tabel 6.1 ING01.DAT

Analisis II Output II
PDFILE=…….. Hasil02.TXT

Buka Output II Buang Item

Tabel.10.1 ING02.DAT

Analisis III Output III

IDFILE=……. Hasil03.TXT

8
E. Interpretasi Hasil Output program BIGSTEPS

Pada analisis tahap I. Berdasarkan hasil output tabel 3.1., dan tabel 6.1.pada file Tahap I,
maka diperoleh statistik masing-masing sebagaimana berikut.

Tabel 1
RINGKASAN ANALISIS TAHAP I
Karakteristik Statistik
Minimum Maksimum Rerata SD
Skor mentah 1,00 14,00 3,5 3,1
Measure -3,11 2.96 -1,56 1,35
SEM 0,61 1,15 0,81 0,16
Infit -1.60 1,90 0,10 0,70
Outfit -1,60 2,30 0,10 0,80

Pada analisis tahap pertama, juga diidentifikasi peserta ujian yang menjawab dengan menebak.
Identifikasi ini dilakukan dengan melihat nilai outfit dan ptbis. Untuk peserta yang memiliki
nilai outfit > 2,00 atau nilai ptbis < 0,00, maka peserta tersebut dikatakan menjawab dengan
menebak. Hasil identifikasi dilakukan dengan melihat tabel 6.1. Hasil identifikasi diperoleh 11
orang peserta ujian yang menjawab dengan tebakan yaitu peserta ke 15,4,107,137, 82, 74, 41
120, 110 serta 30 dan 34.
Indeks keandalan (ITEM SEP REL) 15 item pada tahap pertama ini sebesar 0,93 dan indeks
keandalan (PERSON SEP REL) 150 orang sebesar 0.63.

Pada analisis tahap II, semua peserta yang memiliki outfit > 2.00 logit atau PTBIS < 0
dikeluarkan dari analisis tahap kedua. Langkah ini disebut dengan menghapus peserta (delete
person). Data identitas berupa no urut dari peserta yang dikeluarkan dari analisis tahap 2 ini
dibuatkan file data baru sebagai person detete file dan diberi nama ING03.DAT. Hasil analisis
tahap kedua diperoleh statistik sebagai berikut:
Tabel 2
RINGKASAN ANALISIS TAHAP II
Karakteristik Statistik
Minimum Maksimum Rerata SD
Skor mentah 1,00 6,00 2,70 1,30
Measure -2,82 2,65 -0,63 1,42
SEM 0,93 2,06 1,12 0,22
Infit -1,40 1,90 0,00 1,00
Outfit -0,40 1,60 0,20 0,50

Indeks keandalan (ITEM SEP REL) 15 item pada tahap kedua ini sebesar 0,97 dan indeks
keandalan (PERSON SEP REL) 96 orang sebesar 0.35.

Bedasarkan hasil analisis tahap I sampai dengan tahap II, terdapat 7 butir soal yang memenuhi
kriteria Rasch Model untuk dijadikan sebagai soal yang baik dalam mengukur kemampuan
peserta dari 15 butir soal yang diujikan. Dengan demikian terdapat 8 butir soal yang kurang

9
baik, yaitu butir nomor 15, 7, 13, 3, 6 dan 2. Ditemukan juga peserta yang menjawab dengan
tebakan sebanyak 48 orang dari 150 peserta yang ikut ujian. Indeks keandalan tes secara
keseluruhan (15 item) pada mulanya sebesar 0,93, tetapi setelah dilakukan penghapusan butir
yang kurang baik, maka indeks keandalan tes (7 item) menjadi 0,97.

Indeks keandalan tes sebesar 0,97 termasuk dalam kategori sangat andal. Standar error
pengukuran pada analisis dengan Bigsteps sebesar 5,71.

E. Ability
Ability (latent trait or latent dimension) hasil analisis dengan program Bigsteps dapat
dilihat pada Tabel 17.1 seperti disajikan berikut:
TABEL 17.1 BAHASA INGGRIS "BIGSTEPS" RASCH ANALYSIS VER. 2.30
May 19 2:33 2009 INPUT: 150 PERSONS 15 ITEMS ANALYZED: 91 PERSONS 7 ITEMS 2 CATEGORIES
------------------------------------------------------------------------------------------
PERSON STATISTICS: MEASURE ORDER
+----------------------------------------------------------------------------------------+
| NUM SCORE COUNT MEASURE ERROR|MNSQ INFIT|MNSQ OUTFT|PTBIS| NAME |
|----------------------+----------+----------+-----+-------------------------------------|
| 100 5 5 3.44 1.57| MAXIMUM ESTIMATED MEASURE | 100 |
| 29 6 7 2.65 1.19|1.64 1.0|1.95 1.4| .04| 029 |
| 101 6 7 2.65 1.19| .60 -.5| .28 .0| .48| 101 |
| 27 5 7 1.50 .99| .42 -1.4| .30 .0| .69| 027 |
| 48 5 7 1.50 .99| .98 .0| .70 .0| .49| 048 |
| 65 5 7 1.50 .99| .98 .0| .70 .0| .49| 065 |
| 76 5 7 1.50 .99|2.02 1.8|1.61 .9| .11| 076 |
| 92 5 7 1.50 .99|1.70 1.4|2.90 1.3| .03| 092 |
| 104 5 7 1.50 .99| .42 -1.4| .30 .0| .69| 104 |
| 105 5 7 1.50 .99| .42 -1.4| .30 .0| .69| 105 |
| 106 5 7 1.50 .99|1.46 1.0|1.21 .7| .31| 106 |
| 112 5 7 1.50 .99| .42 -1.4| .30 .0| .69| 112 |
| 143 5 7 1.50 .99|1.17 .5| .99 .0| .38| 143 |
| 148 5 7 1.50 .99| .42 -1.4| .30 .0| .69| 148 |
| 6 4 7 .59 .93| .55 -1.2| .41 -.2| .74| 006 |
| 33 4 7 .59 .93| .55 -1.2| .41 -.2| .74| 033 |
| 36 4 7 .59 .93|1.65 1.5|1.74 .9| .19| 036 |
| 49 4 7 .59 .93|1.20 .6| .96 .0| .48| 049 |
| 53 4 7 .59 .93|1.60 1.4|1.57 .8| .32| 053 |
| 55 4 7 .59 .93| .72 -.6| .53 -.1| .66| 055 |
| 62 4 7 .59 .93|1.43 1.1|1.45 .7| .39| 062 |
| 108 4 7 .59 .93| .78 -.4| .58 .0| .64| 108 |
| 121 4 7 .59 .93|1.26 .7|1.01 .4| .45| 121 |
| 44 3 5 .28 1.11| .54 -1.0| .40 -.1| .76| 044 |
| 72 3 6 .20 1.05| .54 -.9| .37 -.3| .80| 072 |
| 77 3 6 .16 1.06| .50 -1.0| .35 -.3| .81| 077 |
| 80 2 5 -.06 1.20| .92 .0| .58 .0| .67| 080 |
| 60 3 6 -.18 1.00|1.31 .9|1.03 .4| .40| 060 |
| 2 3 7 -.29 .96|1.39 .9|1.03 .4| .41| 002 |
| 5 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 005 |
| 7 3 7 -.29 .96| .84 -.2| .61 -.2| .68| 007 |
| 8 3 7 -.29 .96|1.46 1.1|1.07 .4| .38| 008 |
| 12 3 7 -.29 .96|1.81 1.6|1.90 1.1| .20| 012 |
| 25 3 7 -.29 .96| .68 -.7| .48 -.4| .75| 025 |
| 28 3 7 -.29 .96| .84 -.2| .61 -.2| .68| 028 |
| 32 3 7 -.29 .96|1.83 1.7|2.87 1.6| .17| 032 |
| 40 3 7 -.29 .96| .68 -.7| .48 -.4| .75| 040 |
| 43 3 7 -.29 .96|1.23 .6| .89 .0| .48| 043 |
| 47 3 7 -.29 .96|1.74 1.5|1.85 1.0| .23| 047 |
| 56 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 056 |
| 57 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 057 |
| 67 3 7 -.29 .96|1.97 1.9|2.04 1.2| .13| 067 |

**TABEL CONTINUED ON NEXT SHEET**

10
**CONTINUED FROM PREVIOUS SHEET**

PERSON STATISTICS: MEASURE ORDER

+-------------------------------------------------------------------------------------+
| NUM SCORE COUNT MEASURE ERROR|MNSQ INFIT|MNSQ OUTFT|PTBIS| NAME |
|-----------------------------------+----------+----------+-----+---------------------|
| 68 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 068 |
| 78 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 078 |
| 84 3 7 -.29 .96|1.28 .7|2.46 1.4| .43| 084 |
| 88 3 7 -.29 .96| .68 -.7| .48 -.4| .75| 088 |
| 91 3 7 -.29 .96| .84 -.2| .61 -.2| .68| 091 |
| 102 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 102 |
| 123 3 7 -.29 .96| .68 -.7| .48 -.4| .75| 123 |
| 130 3 7 -.29 .96| .84 -.2| .61 -.2| .68| 130 |
| 132 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 132 |
| 138 3 7 -.29 .96| .84 -.2| .61 -.2| .68| 138 |
| 147 3 7 -.29 .96| .61 -.9| .43 -.4| .78| 147 |
| 146 2 5 -.72 1.29|1.51 .9| .86 .0| .55| 146 |
| 18 2 5 -1.09 1.17|1.32 .7|1.03 .4| .45| 018 |
| 3 2 7 -1.32 1.09|1.50 .9|3.34 1.6| .27| 003 |
| 16 2 7 -1.32 1.09|1.16 .5| .84 .0| .55| 016 |
| 17 2 7 -1.32 1.09| .44 -.9| .27 -.4| .87| 017 |
| 20 2 7 -1.32 1.09|2.07 1.5|2.06 1.1| .24| 020 |
| 50 2 7 -1.32 1.09| .44 -.9| .27 -.4| .87| 050 |
| 51 2 7 -1.32 1.09|1.10 .4| .75 .0| .58| 051 |
| 52 2 7 -1.32 1.09| .44 -.9| .27 -.4| .87| 052 |
| 58 2 7 -1.32 1.09|2.13 1.6|2.15 1.1| .21| 058 |
| 61 2 7 -1.32 1.09|1.29 .6|1.14 .5| .47| 061 |
| 63 2 7 -1.32 1.09|1.10 .4| .75 .0| .58| 063 |
| 81 2 7 -1.32 1.09|1.29 .6|1.14 .5| .47| 081 |
| 93 2 7 -1.32 1.09|2.26 1.7|2.46 1.3| .13| 093 |
| 99 2 7 -1.32 1.09|1.29 .6|1.14 .5| .47| 099 |
| 119 2 7 -1.32 1.09| .44 -.9| .27 -.4| .87| 119 |
| 129 2 7 -1.32 1.09|2.13 1.6|2.15 1.1| .21| 129 |
| 136 2 7 -1.32 1.09|1.29 .6|1.14 .5| .47| 136 |
| 139 2 7 -1.32 1.09|1.10 .4| .75 .0| .58| 139 |
| 96 1 3 -1.64 2.06| .12 -.4| .10 -.1| .98| 096 |
| 131 1 4 -1.85 1.90| .14 -.5| .09 .0| .94| 131 |
| 71 1 4 -2.11 1.73| .16 -.6| .11 -.1| .95| 071 |
| 144 0 6 -2.35 1.55| MINIMUM ESTIMATED MEASURE | 144 |
| 113 1 6 -2.36 1.57| .18 -.7| .09 .0| .90| 113 |
| 125 1 6 -2.72 1.44|2.38 1.4|1.10 1.0| .33| 125 |
| 21 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 021 |
| 24 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 024 |
| 31 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 031 |
| 37 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 037 |
| 39 1 7 -2.82 1.39|2.21 1.3| .98 .0| .34| 039 |
| 69 1 7 -2.82 1.39|2.21 1.3| .98 .0| .34| 069 |
| 73 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 073 |
| 94 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 094 |

**TABEL CONTINUED ON NEXT SHEET**

11
**CONTINUED FROM PREVIOUS SHEET**

PERSON STATISTICS: MEASURE ORDER

+-------------------------------------------------------------------------------------+
| NUM SCORE COUNT MEASURE ERROR|MNSQ INFIT|MNSQ OUTFT|PTBIS| NAME |
|-----------------------------------+----------+----------+-----+---------------------|
| 117 1 7 -2.82 1.39|2.21 1.3| .98 .0| .34| 117 |
| 133 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 133 |
| 134 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 134 |
| 141 1 7 -2.82 1.39|2.21 1.3| .98 .0| .34| 141 |
| 145 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 145 |
| 149 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 149 |
| 150 1 7 -2.82 1.39| .28 -.9| .12 .0| .77| 150 |
| 97 0 5 -3.88 1.75| MINIMUM ESTIMATED MEASURE | 097 |
| 4 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 004 |
| 45 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 045 |
| 46 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 046 |
| 54 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 054 |
| 74 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 074 |
| 82 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 082 |
| 120 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 120 |
| 137 0 7 -3.99 1.70| MINIMUM ESTIMATED MEASURE | 137 |
+-------------------------------------------------------------------------------------+

Transformasi Ability ke skala ability yang diinginkan (misalnya skala 0 - 10 atau 0 –

100) dapat dilakukan dengan menggunakan transformasi linier
y = ax + b
dimana:
y = ability yang baru
x = ability hasil estimasi
a, b = konstanta yang harus dicari

Contoh transformasi:
Misalnya ability maksimum yang harus dicapai +4 dan minimum -4 serta skala ability yang
diinginkan 20 - 100, maka langkah awal untuk proses transformasi adalah mencari konstata a
dan b. Untuk mencari kedua konstanta tersebut, maka subtitusi nilai x = +4 (y = 100) dan x = -4
(y = 20) pada persamaan linier di atas, maka diperoleh sistem persamaan linier dua peubah
sebagai berikut:
4a + b = 100
-4a + b = 20
Kedua persamaan ini diselesaikan, yaitu dengan menjumlahkan, maka diperoleh
2b = 120  b = 60
Jika kedua persamaan di atas dikurangkan, maka diperoleh
8a = 80  a = 10
Dengan demikian, persamaan linier untuk transformasi menjadi
y = 10x + 60
Misalnya orang dengan nomor 100 memiliki ability hasil estimasi 3.44, maka orang tersebut
akan mempunyai ability dalam skala yang baru sebesar
y = 10 (3.44) + 60
= 34.4 + 60
= 94.4
Contoh lain, untuk orang dengan nomor 92 dengan ability hasil estimasi 1.50, maka orang
tersebut akan mempunyai ability dalam skala yang baru sebesar

12
 y = 10 (1.50) + 60
= 15 + 60
= 75,00
Proses transformasi selanjutnya dapat dilakukan dengan menggunakan aplikasi program exel
atau spss.

13