TEORI RESPON BUTIR

FUNGSI INFORMASI

Dosen: Dr. Kana

Disusun Oleh :

Agus Dwi Febrianto (22701251007)

Andi Tenri Uleng (22701251002)
Muthmainnah Damsi (22701251004)

PROGRAM PASCASARJANA
S2 PENELITIAN DAN EVALUASI PENDIDIKAN UNIVERSITAS NEGERI
YOGYAKARTA
2023
A. Pendahuluan
Pada teori tes klasik, kehandalan tes ditunjukkan dengan koefisien reliabilitas, nilai
koefisien reliabilitas melibatkan total skor tes. Berbeda dengan teori tes klasik, teori respon butir
menggunakan istilah informasi untuk menyatakan kekuatan atau sumbangan butir soal.
Penggunaan dari pengukuran fungsi informasi tes lebih akurat bila dibandingkan dengan
penggunaan reliabilitas karena: (1) bentuknya tergantung hanya pada butir-butir dalam tes, (2)
mempunyai estimasi kesalahan pengukuran pada setiap level abilitas (Hambleton &
Swaminathan, 1985: 236).
Untuk menggantikan konsep reliabilitas dalam tes klasik, maka IRT mengajukan konsep
informasi item (item information) dan informasi test (test information) yang menunjukkan
tingkat kecermatan pengukuran pada berbagai nilai abilitas θ . Fungsi informasi butir atau Item
Information Function merupakan suatu metode untuk menjelaskan kekuatan suatu butir pada
perangkat tes, pemilihan butir tes, dan perbandingan beberapa perangkat tes (Retnawati, 2014).
Sedangkan, fungsi informasi tes merupakan penjumlahan fungsi informasi semua butir tes
(Mardapi, 2012). Berdasarkan pendapat ahli terkait pengertian fungsi informasi tersebut, maka
dapat disimpulkan bahwa ada dua macam fungsi informasi, yaitu fungsi informasi butir dan
fungsi informasi tes. Fungsi informasi butir berkaitan dengan butir tes, sedangkan fungsi
informasi tes berkaitan dengan seluruh butir tes tersebut (Istiyono, 2020).
B. Fungsi Informasi
Fungsi informasi digunakan untuk mengetahui reliabilitas dari instrumen tes yang
dikonstruksi, semakin banyak informasi yang diperoleh maka semakin kecil SEM-nya.
Perpotongan antara kurva fungsi informasi dengan SEM menunjukkan batas-batas estimasi
reliabilitas dari tes tersebut. Dalam IRT, kesalahan pengukuran atau biasa disebut standard error
measurement (SEM) memiliki hubungan yang berbanding secara terbalik kuadratik dengan
fungsi informasi, semakin tinggi nilai fungsi informasi maka SEM akan semakin kecil begitu
pula sebaliknya (Retnawati, 2014). Dengan demikian, dalam analisis IRT, fungsi informasi layak
dipertimbangkan dalam menentukan model yang dipilih (Ridho, 2007). Fungsi informasi
menunjukkan sejauh mana masing-masing model mampu memberikan informasi (Veerkamp &
Berger, 1999). Semakin tinggi puncak dari fungsi informasi maka semakin tinggi pula informasi
yang bisa diberikan oleh suatu model.
1. Fungsi Informasi Item
Dalam prosedur konstruksi tes dengan pendekatan IRT, salah satu karakteristik yang
sangat penting dan harus menjadi pertimbangan utama dalam memilih item-item untuk dijadikan
bagian dari tes adalah informasi butir (item information). Konsep mengenai informasi item
merupakan salah satu kontribusi utama IRT dalam bidang pengukuran yang berkaitan dengan
reliabilitas (Azwar, 2021). Fungsi informasi butir atau item information function merupakan
suatu metode untuk menjelaskan kekuatan suatu butir pada perangkat tes, pemilihan butir tes dan
pembandingan beberapa perangkat tes. Dengan fungsi informasi butir diketahui butir mana yang
cocok dengan model sehingga membantu dalam seleksi butir tes (Retnawati, 2014).
Fungsi Informasi juga merupakan fungsi dari parameter model. Sebagai contoh,
informasi item yang diberikan oleh model logistik satu parameter (1PL) untuk data yang diskor
dikotomi adalah hasil perkalian antara peluang respon benar dan keluar respon salah, yaitu:
I i ( θ ) =p i ( θ ) q i ( θ )
sedangkan besarnya eror standar dalam estimasi (standard error of estimation, se) adalah
kebalikan dari besarnya informasi pada level kemampuan tertentu, yaitu:
1
sem ( θ )=
√Ii(θ )
Sehingga semakin besar informasi item, maka semakin kecil error pengukuran. Karena
setiap se (θ ) dinyatakan dalam metrik yang sama atribut latennya, maka se (θ ) dapat
dipergunakan untuk membuat interval kepercayaan.

2. Fungsi Informasi Tes

Fungsi informasi tes merupakan penjumlahan fungsi informasi semua butir tes (Mardapi,
2012). Menurut Hambleton dan Swaminathan (1985) menunjukkan bahwa karakteristik fungsi
informasi tes adalah (1) ditetapkan untuk satu set item tes pada setiap titik dari kontinum abilitas,
(2) jumlah informasi dipengaruhi oleh kualitas dan jumlah item tes, (3) kontribusi setiap item
tidak tergantung pada item lainnya, dan (4) jumlah informasi dari satu set item tes pada suatu
tingkat kemampuan berbanding terbalik dengan kesalahan yang terkait dengan estimasi
kemampuan. Fungsi informasi tes inilah yang pada akhirnya menggambarkan sejumlah mana
suatu tes dapat memberikan informasi secara umum.
 Dengan adanya asumsi independensi lokal, maka fungsi informasi item bersifat aditif,
yaitu dapat dijumlahkan. Jumlah IIF dari semua item yang ada dalam suatu tes merupakan fungsi
informasi tes yang bersangkutan (Azwar, 2021).
n
I ( θ )= ∑ I i ( θ )
i=1

sebagaimana halnya pada IIF, error standar estimasi juga adalah kebalikan dari fungsi informasi
tes, yaitu: 
1
sem ( θ )=
√I (θ )
Fakta ini sangat bermanfaat untuk mengendalikan error pengukuran dengan akurat ketika
melakukan kompilasi item dari suatu bank soal yang besar, yaitu dengan memilih item-item yang
memiliki se (θ) sekecil mungkin sehingga untuk keseluruhan tes besaran se θ menjadi minimal.

C. Fungsi Informasi dalam Model Logistik

Fungsi informasi dapat ditentukan melalui model logistic yang terdiri atas 1 PL
(parameter logistic), 2 PL, dan 3 PL. Berikut ini akan dijelaskan terkait fungsi informasi model
logistik (Istiyono, 2020) sebagai berikut.
1. Fungsi Informasi Item
Item information function (IIF) merupakan semacam indeks yang menunjukkan
kemampuan item dalam membedakan individu satu dari yang lainnya pada abilitas yang sedang
diukur. Pada item-item yang diskor dikotomi dengan model logistik 1PL, 2PL, 3PL, IIF
diformulasikan sebagai:
2

I i(θ)=
[ p'i ( θ ) ]
pi ( θ ) qi ( θ )

i = butir 1, 2, 3,….., n
pi’ = Turunan dari pi (θ )
pi ( θ ) = Peluang peserta dengan kemampuan θ untuk menjawab benar butir ke-i
qi ( θ ) = Peluang peserta dengan kemampuan θ untuk menjawab salah butir ke-i
= 1− pi ( θ )
 Secara spesifik, fungsi informasi butir dapat dirumuskan sesuai dengan parameter yang
ditetapkan. fungsi informasi dapat ditentukan melalui model Logistik, terdapat tiga model
logistik yang dapat digunakan, yaitu model logistik satu parameter (1-PL), dua parameter (2-PL),
dan tiga parameter (3-PL). Ketiga parameter tersebut adalah tingkat kesukaran butir, daya beda,
dan terkaan jawaban butir.
a. Fungsi informasi butir pada model 1-PL adalah sebagai berikut.

b. Fungsi informasi butir pada model 2-PL adalah sebagai berikut.

c. Untuk fungsi informasi butir pada model 3-PL adalah sebagai berikut.
Dimana,

Berikut ini beberapa sifat fungsi informasi butir, antara

lain:
1) Fungsi informasi butir mendekati nilai maksimum ketika nilai bl mendekati θ . Pada model
1PL dan 2PL, nilai maksimum itu tercapai pada θ =bI sedangkan pada model 3PL, nilai
maksimum itu tercapai ketika θ terletak sedikit diatas nilai bI dan dapat dihitung dengan
persamaan.
2) Pada model logistik 2P dan 3P, fungsi informasi butir secara keseluruhan meningkat jika
nilai parameer ciri butir al meningkat.
3) Pada model logistik 3P, fungsi informasi butir secara keseluruhan meningkat jika nilai
parameter ciri butir Ci menurun.
Sekalipun demikian, apakah fungsi informasi item akan memberikan manfaat dalam
pengembangan tes atau tidak, tergantung pada kesesuaian antara data dengan model ICC yang
digunakan. Bila model ICC yang digunakan tidak sesuai dengan data, maka IIF dapat
memberikan informasi yang menyesatkan. Plot fungsi informasi item dapat digunakan untuk
melihat seberapa banyak informasi yang disumbangkan item tersebut dan seberapa luas rentang
skor yang dicakupnya. Umumnya, plot IIF cenderung membentuk kurva lonceng.
Adapun contoh dari penggunaan fungsi informasi item yaitu dimisalkan pada sebuah tes
yang terdiri atas 6 butir soal yang telah diketahui parameter ciri butirnya seperti yang ditunjukan
pada Tabel 1 berikut ini:
Tabel 1. Nilai Parameter Tiap Butir
Parameter Butir
Butir ke
a b c
1 1,75 1,0 0,00
2 0,75 1,0 0,00
3 1,75 1,0 0,15
4 1,75 -1,5 0,00
5 1,20 -0,5 0,10
6 1,10 0,9 0,15
Data diatas menunjukan bahwa data termasuk kedalam model 3PL karena terdapat 3 ciri
parameter butir yang diketahui yaitu (a) daya beda, (b) tingkat kesukaran, dan (c) Pseudo
guessing. Dengan memasukkan ciri parameter tersebut ke dalam persamaan fungsi informasi
logistik 3PL, maka diperoleh:

Selanjutnya, pada setiap fungsi informasi butir tersebut, masukkan nilai θ dari -4,0 dalam
interval 0,5.
Tabel 2. Fungsi informasi untuk θ dari -4,0 dalam interval 0,5.
 Sesuai dengan sifat fungsi informasi butir, karena nilai parameter c pada butir 1, 2 dan 4
adalah nol maka nilai maksimum fungsi informasi butir terletak pada θ = b. Adapun untuk butir
ke 3, 5, dan 6 karena parameter c tidak bernilai nol, maka nilai maksimum fungsi informasi butir
tidak terletak tepat pada θ = b, melainkan pada nilai yang sesuai dengan persamaan unuk θ maks
Adapun nilai maksimum fungsi informasi 3, 5 dan 6 secara berturut-turut adalah 1,1; -0,4; dan
0,8. Fungsi informasi pada contoh soal 5.7 dapat dibuat grafik sebagaimana Gambar 2. yang
merupakan grafik fungsi informasi butir.

Gambar 1. Grafik Fungsi Informasi Butir

Berdasarkan Gambar di atas dapat kita lihat bahwa untuk butir ke-1, ke-2 dan ke-3
terletak pada θ yang sama. Tetapi nilai maksimum pada fungsi informasi butirnya tidak terletak
pada ketinggian yang sama. Nilai maksimum pada butir ke-1 sangat tinggi, butir ke-3 sedang dan
butir ke-2 tidak tinggi. Perbedaan ketinggian ini disebabkan oleh sifat kedua dan ketiga pada
fungsi informasi butir yakni pada nilai a dan c. Ini berarti semakin tinggi nilai a, semakin tinggi
grafik. Hal ini terjadi pada butir ke-1 dengan a₁ = 1,75 dan c₁ = 0,00. Tetapi hal ini tidak terjadi
pada butir ke-3 yang memiliki nilai a yang sama, yaitu a 3= 1,75 tetapi memiliki nilai c1 = 0,15
tidak setinggi grafik pada butir a1.
Butir ke-4 mirip dengan butir ke-1 yaitu memiliki nilai a yang tinggi a4 = 1,75. Butir ini
memiliki ketinggian yang sama pada nilai maksimum fungsi informasi. Perbedaannya ada pada
letak wilayah dimana butir ke-1 memiliki fungsi informasi maksimum pada θ = 1,0 sedangkan
butir ke-4 pada θ = -1,5. Selain nilai yang rendah sehingga memperoleh a ketinggian yang kecil
pada nilai maksimum fungsi informasi butir, butir ke-5 dan ke-6 juga memiliki nilai c yang agak
tinggi sehingga membuat grafiknya menjadi lebih rendah. Artinya, agar informasinya tinggi,
perlu memiliki butir yang memiliki nilai a yang tinggi, nilai c yang rendah dan nilai b yang
cocok dengan kemampuan peserta θ . Ketiga hal ini perlu terjadi secara bersamaan karena nilai a
yang tinggi dan nilai c yang rendah tetapi tidak disertai kecocokan diantara nilai b dengan θ ,
akan menghasilkan nilai fungsi informasi butir yang rendah.

2. Fungsi Informasi Tes

Konsep dalam teori respon butir sama maknanya dengan konsep pada teori tes klasik
mengenai standar dalam pengukuran (standard error of measurement, sem). Perbedaannya
adalah bahwa dalam teori tes klasik, besarnya sem tidak bervariasi, sedangkan dalam IRT harga
sem (θ) dapat berbeda pada setiap tingkat abilitas.
Ada enam butir soal seperti yang ditunjukkan pada Tabel 7. Berdasarkan butir tersebut
akan ditentukan fungsi informasi butir dari berbagai susunan butir di atas. Fungsi informasi butir
dari setiap butir terdapat pada Tabel 8. dengan grafiknya pada Gambar 2. Pada grafik tersebut,
tampak bahwa butir ke-4 mempunyai letak lengkungan yang jauh berbeda dengan letak
lengkungan butir lainnya karena butir ini memiliki θ sebesar -1,5 oleh karena itu sebaiknya butir
ke-4 tidak diikutsertakan dalam tes, sehingga butir yng tersisa yaitu butir ke 1,2,3,5, dan 6.
Butir ke-6 juga bisa tidak diikutsertakan pada tes karena fungsi informasinya sangat
rendah. Butir yang tersisa yaitu butir ke-1, 2, 3 dan 5. Selanjutnya, butir ke 2 juga tidak
diikutsertakan karena fungsi informasinya agak rendah. Akhirnya, butir yang tersisa adalah butir
ke-1, 3 dan 5. Fungsi informasi tes untuk tes dengan berbagai susunan butir akan disajikan pada
Tabel 3.
 Tabel 3. Fungsi Informasi Tes untuk Tes dengan Berbagai Susunan Butir

Jika tabel 3 disajikan dalam bentuk grafik sebagaimana Gambar 2, terlihat bahwa fungsi
informasi tes mencapai maksimum pada saat θ =1. Dengan demikian, tes ini cocok untuk para
peserta yang memiliki kemampuan θ disekitar 1.

Gambar 2. Fungsi Informasi Tes

Fungsi informasi dapat direpresentasikan melalui sebuah kurva fungsi informasi yang
menunjukkan hubungan antara variabel informasi pada sumbu y dan variabel kemampuan
responden pada sumbu x. Perpotongan antara kurva fungsi informasi dengan SEM menunjukkan
batas-batas estimasi reliabilitas dari tes tersebut.

Gambar 3. Fungsi Informasi dan SEM (Standard Error Measurement)

Berdasarkan Gambar dapat dilihat bahwa titik potong grafik terletak antara -2 dan 3.
Dapat disimpulkan bahwa karakteristik instrumen penilaian cocok digunakan untuk peserta didik
dengan kemampuan dalam rentang -2 hingga 3. Sehingga, dapat dikatakan bahwa intrumen tes
yang dikembangkan pada penelitian ini sesuai untuk digunakan pada peserta didik dengan
kemampuan yang rendah, sedang, dan tinggi.

1.

D. Praktik Fungsi Informasi

 DAFTAR PUSTAKA

Azwar, S. (2021). Dasar-dasar psikometri (II). Pustaka Pelajar.