ANALISIS SOAL PILIHAN GANDA (DATA DIKOTOMI) DAN

URAIAN (DATA POLITOMI) PADA PEMODELAN RASCH

DENGAN MENGGUNAKAN APLIKASI MINISTEP

Makalah Ini Disusun Untuk Memenuhi Salah Satu Tugas Mata

Kuliah Evaluasi Pembelajaran Matematika

Dosen pengampu : Dr. H. Mustamin Idris, M.Si.

Disusun oleh:
Muhammad Jukhair J. Husain (A23222009)

PROGRAM STUDI MAGISTER PENDIDIKAN MATEMATIKA

PROGRAM PASCASARJANA
UNIVERSITAS TADULAKO
PALU
2022

i
 KATA PENGANTAR

Segala Puji Hanyalah milik Allah Subhanahu Wa Ta’ala, yang telah

senantiasa melimpahkan rahmat dan karunia-Nya sehingga penulisan makalah ini
dapat diselesaikan. Makalah yang berjudul Analisis Soal Pilihan Ganda (Data
Dikotomi) Dan Uraian (Data Politomi) Pada Pemodelan Rasch Dengan
Menggunakan Aplikasi Ministep. Makalah ini disusun dalam rangka memenuhi
tugas mata kuliah Evaluasi Pembelajaran Matematika. Dalam penulisan makalah
ini, penulis mendapatkan bantuan dari berbagai pihak utamanya kepada Bapak Dr.
H. Mustamin Idris, M.Si. selaku dosen pengampu mata kuliah serta berbagai
pihak yang telah berpartisipasi membantu dalam pembuatan makalah ini.

Penulis menyadari bahwa dalam penulisan makalah ini masih belum

sempurna dan banyak kekurangan-kekurangan. Oleh karena itu kritik dan saran
yang bersifat membangun sangat penulis harapkan. Semoga makalah ini dapat
bermanfaat untuk pengembangan pengetahuan.

Palu, Desember 2022

Penulis

Muhammad Jukhair J. Husain

ii
 DAFTAR ISI

HALAMAN JUDUL ...................................................................................... i

KATA PENGANTAR .................................................................................... ii

DAFTAR ISI ................................................................................................... iii

BAB I PENDAHULUAN

1.1 Latar Belakang ........................................................................................ 1

1.2 Rumusan Masalah................................................................................... 1
1.3 Tujuan Penulisan .................................................................................... 2

BAB II PEMBAHASAN

2.1 Analisis Soal Pilihan Ganda (Data dikotomi)…………………………..3

2.2 Analisis Tes Uraian (Data Politomi)…………………………………….18
2.3 Analisis Data Politomi Peringkat Majemuk (PCM)…………………….20

BAB III PENUTUP

3.1 Kesimpulan ............................................................................................. 24

3.2 Saran ....................................................................................................... 24

DAFTAR RUJUKAN..................................................................................... 25

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada pembahasan sebelumnya sudah dijelaskan konteks tentang
penilaian pendidikan dan juga dibahas perbedaanya dengan ujian atau tes,
serta pengolahan hasilnya yang tidak lain memberikan gambaran tentang
kegiatan pengukuran serta 4 komponen utama pengukuran yaitu peta
konstruk, desain butir soal, ruang keluaran dan pemodelan pengukuran.
Dengan adanya pemodelan Rasch guru terbantukan untuk mengetahui
banyak hal mengenai instrumen yang digunakan untuk mengevaluasi, baik
evaluasi secara personal maupun evaluasi butir soal yang digunakan. Guru
dapat mengidentifikasi kemampuan dan tingkat kesulitan soal sehingga
menjadi masukkan bagi guru dalam mercancang instrumen penilaian
kedepannya.
Telah dipaparkan bahwa, menghitung logit dari model Rasch secara
manual termasuk sukar untuk dilakukan. Oleh karenanya untuk membantu
proses perhitungan dan menghemat waktu dapat menggunakan aplikasi
Ministep merupakan versi gratis dari aplikasi Winstep. Aplikasi in hanya
dapat menganalisis maksimal 25 soal dari 75 responden. Jika ingin
menganalisis lebih dari itu maka perlu untuk membeli versi premium atau
winstep.
Untuk lebih jelasnya pada makalah ini akan dipaparkan bagaimana
cara menganalisis soal dengan tipe dikotomi dan politomi. Soal tipe
politomi juga memiliki ragam dalam makalah ini akan dituangkan dua tipe
politomi yang pertama soal yang memiliki skor maksimal sama dan skol
maksimal berbeda dengan menggunakan aplikasi Ministep.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, rumusan masalah dalam makalah
ini adalah:
1. Bagaimana cara menganalisis soal pilihan ganda menurut model Rasch ?

1
 2. Bagaimana cara menganalisis tes uraian menurut model Rasch?
3. Bagaimana cara menganalisis data politomi peringkat majemuk (PCM)
menurut model Rasch?

1.3 Tujuan Penulisan

Berdasarkan uraian rumusan masalah diatas, tujuan penulisan dalam
makalah ini adalah untuk memperoleh informasi tentang:
1. Cara menganalisis soal pilihan ganda menurut model Rasch.
2. Cara menganalisis tes uraian menurut model Rasch.
3. Cara menganalisis data politomi peringkat majemuk (PCM) menurut
model Rasch.

2
 BAB II

PEMBAHASAN

2.1 Analisis Soal Pilihan Ganda (Data dikotomi)

2.1.1 Menyiapkan Data Mentah

Untuk mengolah data menggunakan aplikasi ministep terlebih dahulu kita

menyiapkan data mendah jawaban siswa kedalam microsoft excel seperti
berikutmodel

Gambar 2.1 Contoh data mentah

Data mentah diatas berisi data jawaban siswa pada soal pilihan ganda 10
nomor dari 20 siswa. Kolom A sampai D merupakan identitas person, dimana
Kolom A dan B merupakan nomor urut siswa 01 s.d. 20, Kolom C merupakan
kenis kelamin siswa (L/P) dan kolom D domisili siswa kota atau desa.
Penggunaan kolom person ini disesuaikan dengan kebutuhan dan tidak terbatas
pada 4 kolom saja.

Data mentah diatas terlebih dahulu di atur lebar kolomnya (column width),
seperti pada gambar berikut:

3
 Caranya dengan memblok semua data atau dengan menekan pada
keybord, dan menekan tool format kemudian menekan column width, setelah itu
merubah column width menjadi 1

Dengan demikian tampilan data akan menjadi seperti ini:

Hal yang dilakukan selanjutnya ialah dengan menyimpan berkas data dalam
dengan jenis file .prn. caranya dengan menekan menu file kemudian save as dan
memilih folder penyimpanan file dan mengisi nama file. Pada pilihan save as type
dipilih format .prn dan klik save file akan tersimpan.

4
2.1.2 Penyiapan Berkas Data Dalam Ministep

Setelah data dari ms. excel telah tersimpan langkah selanjutnya ialah
dimasukkan kedalam aplikasi ministep dengan cara membuka aplikasi ministep,
kemudian memilih menu file (boleh juga dengan menekan di keyboard)
kemudian memilih data yang telah disiapkan. Langkah selanjutnya ialah memilih
menu data setup di ministep dan klik data setup 32 bit atau 64 bit sesuai
spesifikasi laptop.

Data akan ditampilkan seperti ini:

Nama berkas data yang dianalisis

Kolom yang memulai

identifikasi person data yang
dianalisis

Panjang kolom person

Banyak baris data yang ada

Banyaknya kolom: identitas

person data dari item

Kolom pertama tempat item

dimulai

Banyak kolom item (butir

soal)

Selanjutnya setelah mengisi data person dan item sesuai data dan
mengklik refresh data display ditampilkan seperti ini:

5
 Setiap ingin memperbarui
tampilan data

Untuk pengecekan kode data

yang akan diolah

Menambah label butir soal

Menambahkan kunci jawaban

Kolom 1 sampai 4 berisi data person nomor urut, jenis kelamin dan domisili.
Kolom 5 sampai 14 berisi jawaban setiap siswa. Langkah selanjutnya ialah
mengklik scan data for codes Untuk pengecekan kode data yang akan diolah.
Untuk contoh pada data yang telah dibuat menggunakan pilihan ganda “ABCD
dan spasi untuk jawaban yang hilang/tidak diisi. Selanjutnya mengisi label dari
setiap butir soal. Caranya dengan mengklik item labels: Enter/Edit kemudian
akan ditampilkan jendela baru untuk mengisi label dari setiap butir soal. Misalnya
labelnya kita isi dengan S1 s.d.S10 yang berarti soal nomor 1 sampai soal nomor
10
Karena soal ini merupakan soal pilihan ganda maka kita perlu untuk
menambahkan jawaban yang benar dari setiap butir soal. Caranya dengan
mengklik MCO Scoring KEY=, akan ada tambahan baris dibawah label yakni
untuk mengisi jawaban yang benar dari setiap butir soal. Maka kita bisa
mengisinya dengan mengetik jawaban yang benar. Berikut ini ialah tampilan
setelah mengisi label dan kunci jawaban:

6
 Jika kongfigurasi data sudah selesai, file bisa disimpan dan dilanjutkan
dengan pengolahan data dengan pemodelan Rasch. Klik ministep pada menu
utama dan pilih menu yang pertama (save control with data file and exit to
ministep analiysis). Kemudian klik Save dan tombol enter dua kali di keyboard.
Pada layar komputer akan muncul seperti ini yang menunjukkan data sudah
selesai dianalisis:

Untuk melihat tampilan dari apa yang ingin dilihat dapat menggunakan output
tables. Didalam tampilan output tables pengguna aplikasi dapat memilih sesuai
kebutuhan/keinginan untuk ditampilkan.

2.1.3 Analisis Peta Wright (Person Item-Map)

Salah satu keistimewaan pemodelan Rasch dengan program Ministep adalah

menghasilkan suatu peta yang menggambarkan sebaran kemampuan siswa/respon
dan sebaran tingkat kesulitan soal dengan skala yang sama. Peta ini biasa disebut
dengan wright map (diambil dari nama pencetusnya Benjamin Wright) yang tidak
lain adalah peta person-aitem secara komprehensif.

Tabel 1. Variable Maps, akan dihasilkan peta seperti berikut ini:

7
 Sebaran tingkat kesulitan
Sebaran abilitas siswa
item

Keterangan:
T: 2 Deviasi Standar
M: Median
S: 1 Deviasi Standar

Peta wright sebelah kiri yang menggambarkan abilitas siswa, terlihat ada
satu siswa yang mempunyai abilitas tinggi, yaitu 05PK (siswa urutan ke5
perempuan berdomisili di kota). Nilai logit siswa ini ialah +2,83 logit. Siswa
05PK juta di luar dari batas dua deviasi standar (T) yang menunjukkan kecerdasan
tinggi yang berbeda (outlier). Dan begitu sebaliknya untuk siwa 16LD, dengan
nilai logit lebih kecil dari -2,81 Logit, yang menunjukkan kemampuan yang
sangat rendah. Untuk data lebih rinci juga dapat melihat di output tabel 17.
Person: measure.

8
 Peta wright sebelah kanan menjelaskan sebaran nilai logit butir. Butir S3
adalah soal dengan tingkat kesukaran tertinggi (+2,48 logit) yang bermakna
probabilitas semua siswa untuk mengerjakan soal ini dengan benar kecil sekali.
Adapun S4 dan S9 dengan logit -1,90 adalah soal yang memiliki nilai logit
terendah bermakna soal ini memiliki nilai peluang yang paling tinggi untuk siswa
menjawab dengan benar.

2.1.4 Analisis Butir

2.1.4.1 Tingkat Kesulitan Butir Soal (Item Measure)
Untuk mengetahui data tentang tingkat kesulitan soal, maka pada menu
utama output tables pada program ministep dipilih Tabel 13. Item measure.
Berikut ini ialah contohnya:

 entry number: nomor urut soal

 total score: total skor menyatakan jumlah benar untuk tiap soal
 jmle measure: nilai logit di urutkan dari yang tertinggi ke terendah (tersulit
ke termudah)
2.1.4.2 Tingkat kesesuaian butir soal (item fit)
Informasi berharga lain dengan pemodelan rasch selain tingkat
kesukaran butir ialah melihat kualitas kesesuaian dengan model, atau
disingkat kesesuaian butir (item fit). Item fit menjelaskan apakah butir soal
berfungsi nomal melakukan pengukuran atau tidak. Jika didapati suatu soal
tidak fit, hal itu merupakan indikasi bahwa terjadi miskonsepsi pada siswa
terhadap butir soal tersebut. Untuk melihat item fit dengan memilih Tabel
10. Item fit order pada output tables. Seperti contoh dibawah ini:

9
 Kolom outfit MNSQ dan ZSTD dan PT Measure Corr adalah kriteria
menilai kesesuaian butir soal (item outliers atau misfit).

Menurut Boone dkk serta Bond dan Fox, nilai outfit means-square, outfit
z-standard, dan point measure correlation adalah kriteria yang digunakan untuk
melihat tingkat kesesuaian butir (item fit). Kriteria yang akan digunakan untuk
memeriksa kesesuaian butir soal yang tidak sesuai adalah:

a. Nilai outfit mean square yang diterima:

b. Nilai outfit z-standard yang diterima:
c. Nilai point Measure Correlation yang diterima:
(Sumintono & Widhiarso, 2015)

Selain melalui angka, ilustrasi item fit juga bisa ditampilkan melalui grafik,
yaitu grafik expected score ICC, prosedurnya yakni pada menu graphs pilih
expected score icc maka akan muncul grafiknya.

2.1.4.3 Deteksi Adanya Butir Soal Yang Bias

Suatu pengukuran yang valid, salah satu ukurannya adalah intstrumen dan
butir-butir soal yang digunakan tidak menganduk bias. Suatu instrumen atau
butir soal disebut bias jika didapati bahwa salah satu individu dengan
karakteristik tertentu lebih diuntungkan dibandingkan dengan individu dengan
karakteristik lain. Misanya, butir soal yang lebih mudah dijawab oleh siswa laki-
laki dibanding siswa perempuan, yang hal in menunjukkan adanya butir soal
yang bias gender.
Dalam pemodelan rasch untuk mendeteksi bias menggunakan deteksi DIF
(differential item functioning atau keberfungsian butir diferensial). Untuk
memeriksanya, tabel yang menampilkan hal ini dari menu utama Output Tables
dipilih tabel 30. Item DIF. Dengan file contoh data mentah yang digunakan
dimasukkan dua data demografi yaitu jenis kelamin dan asal domisili siswa.

10
Artinya terdapat dua variabel demografi yang bisa digunakan untuk deteksi bias
ini.
Suatu butir soal dikatakan mengandung bias jika didapati nilai probabilitas
butirnya yang berada dibawah 5% atau 0,05. Data awal yang dimasukkan yaitu
empat kolom pertama adalah identitas responden.

Kolom AB ialah nomor urut responden, kolom C ialah jenis kelamin dan
kolom D ialah asal domisili siswa. Saat diminta tabel 30, pada layar akan muncul
permintaan pada kelompok butir yang mana akan diperiksa. Untuk mengetahui
apakah ada butir soal yang bias terhadap jenis kelamin langkahnya seperti
berikut:

Kotak DIF= diisi dengan $S3W1. $S3 yang bermakna butir soal akan
dicek biasnya berdasarkan pengelompokan pada kolom 3 (dalam hal ini jenis
kelamin) dengan W1 yaitu panjang kolom (width) satu. Sehingga jika ingin
melihat bias soal berdasarkan domisili saja maka di isi dengan $S4W1.

11
 Dari tabel diatas terlihat bahwa semua probabilitas butir soal diatas 0,05.
Artinya, semua butir soal yang digunakan terhindar dari dari bias berdasarkan
gender. Selain dalam bentuk angka data DIF ini juga bisa ditampilkan dalam
bentuk grafik dengan cara pada menu utama plots memilih plot 30.2 item DIF
kemudian tombol mengklik tombol ok. Akan muncul seperti ini:

Dari gambar diatas terlihat bahwa pada soal nomor 5 siswa perempuan
cenderung mudah dalam mengerjakannya sedangkan untuk siswa laki-laki
cenderung sulit untuk menyelesaikannya. Meskipun belum mencapai kriteria
0,05 namun sebagai evaluasi guru juga dapat memperbaiki soal ini agar dapat
meminimalisir bias yang terjadi serta kualitas soal yang baik. Untuk melihat
bias kombinasi antara dua data demografi jenis kelamin dan domisili maka
kolom DIFnya diisi dengan DIF=$S3W2 (panjang kolom 2 dimulai dari kolom
ke3) dengan cara yang sama seperti diatas akan terlihat bias berdasarkan
kombinasi dua data demografinya.

2.1.5 Analisis Abilitas Siswa

Dalam konteks penilaian pendidikan, selain melakukan analisis butir
soal, termasuk yang penting untuk dilakukan ialah analisis abilitas siswa
dalam mengerjakan soal ujian yang diberikan. Seperti halnya butir soal
analisis abilitas siswa dapat membantu guru untuk dapat memaksimalkan
proses pembelajaran. Melalui abilitas guru dapat mengidentifikasi mana sisw
yang memang tingkat kemampuannya tinggi, sisw yang mempunyai pola

12
 respons berbeda (misalnya yang tidak hati-hati/careless atau main
tebakan/lucky guess) maupun siswa yang diidentifikasi bekerja sama
(menyontek/cheating) dan lainnya.
2.1.5.1 Tingkat Abilitas Individu (Person Measure)
Data kemampuan/abilitas sisw dapat diperoleh dengan klik pada menu
utama output table, yang dipilih untuk dimunculkan yaitu Tabel 17. Person
Measure. Maksudnya ialah tabel yang merinci informasi logit dari tiap
individu. Seperti halnya pada tabel tingkat kesulitan butir soal yang telah
dibahas sebelumnya. Sebagai contoh dari data mentah yang diolah dalam
makalah ini ketika menampilkan output tabel 17:

Pada kolom entry number adalah nomor urut siswa, kode siswa bisa dilihat
pada kolom paling kanan (person). Data diurutkan dari siswa yang memiliki
abilitas tinggi ke abilitas terendah dalam konteks menyelesaikan soal ini yang
berkorespondensi dengan total score yang dikerjakan. Nilai logit dapat dilihat di
JMLE Measure dimana person 05PK memilki nilai logit tertinggi yaitu 2,83,
dalam artian untuk soal yang memilki nilai logi kurang dari 2,83 peluang person
05PK menjawab benar ialah sangat tinggi (telah dijelaskan sebelumnya di item
measure dan peta widget). Selain itu dengan mengetahui standar deviasi guru
terbantukan untuk menentukan pengelompokan kemampuan siswa menjadi tinggi,
sedang dan rendah.

2.1.5.2 Tingkat Kesesuaian Individu (Person Fit)

Selain bisa memetakan kemampuan siswa sesuai kepentingan

pengelompokan prestasi, pemodelan Rasch juga mendeteksi jika didapati adanya
individu yang pola responnya tidak sesuai. Adapun yang dimaksud dengan pola

13
respon berbeda ialah adanya ketidaksesuaian antara jawaban yang diberikan
berdasarkan abilitasnya dibandingkan dengan model ideal. Hal ini bisa digunakan
guru untuk mengetahui konsistensi berpikir siswa maupun dapat digunakan untuk
mengetahui jika terdapat kecurangan yang dilakukan. Tabel yang menampilkan
hal ini dari menu utama output tables, dipilih untuk dimunculkan tabel 6. Person
fit order. Tabel akan memunculkan berurutan butir soal yang mempunyai kriteria
tidak fit dibagian atas. Adapun untuk kriteria penentuan person fit sama seperti
pada item fit yaitu pendapat dari Boone dkk.

Contoh tampilan Tabel 6 Person fit order:

Dari tampilan tabel diatas diperoleh bahwa siswa dengan kode 20LK, 18PD,
19LD, 16LD, 04PK, 07PK, 09LK, 12PD, 05PK dan 10PK berada diluar batas
MNSQ. Sedangkan untuk kriteria ZSTD-nya yang keluar batas ialah 20LK dan
18PD dan untuk Pt Mean Corr yakni 20LK dan 18PD, 19LD, hal ini
mengindikasikan adanya pola respons di luar kebiasaan.

Informasi pola respon yang tidak biasa ini bisa diketahui lebih jauh dengan
melihat skalogram. Melalui matriks guttman ini akan diketahui penyebab secara
langsung kenapa pola responnya tidak sesuai dengan model. Untuk menampilkan
matriks scalogram respon yaitu dengan memilih output tables pada menu utama
kemudian memilih tabel 22 scalogram, maka akan tampil seperti dibawah ini:

14
 Pola respon sama, indikasi terjadinya saling nyontek

2.1.6 Analisis Instrumen

Dalam pemodelan Rasch, selain dapat melakukan analisis sampai
ketingkat butir soal dan tingkat individu, analisis ditingkat instrumen pun bisa
dilakukan. Kelebihan lainnya, analisis keseluruhan ini pun diberikan lebih rinci
dalam bentuk ringkasan statistik dan fungsi informasi tes. Hal ini berarti bahwa
nilai informasi yang diberikan dengan pemodelan Rasch bersifat komprehensif
dan akan membimbing guru, pembuat soal, ataupun pengambil kebijakam dalam
membuat keputusan yang tepat, logis dan ilmiah berdasarkan analisis yang
lengkap dan mendalam.
2.1.6.1 Ringkasan Statistik
Untuk mendapatkan informasi mengenai ringkasan statistik dari set
ujian yang diberikan, maka hal ini bisa dimunculkan dari menu utama Output
Tables kemudian dipilih summary statistics. Akan tampak dilayar hasil seperti
berikut ini:

15
Statistik Deskriptif skala Nilai reliabilitas dan
logit untuk person pengolompokkan untuk person

Statistik Deskriptif skala Nilai reliabilitas dan

logit untuk item pengolompokkan untuk item

Dari data diatas diperoleh informasi:

1. Person measure menunjukkan rata-rata seluruh siswa

dalam mengerjakan butir soal yang diberikan. Nilai rata-rata yang lebih
kecil dari nilai logit 0,0 (item measure) menunjukkan kecenderungan
abilitas siswa yang lebih kecil daripada tingkat kesulitan soal.
2. Nilai alpha cronbach (mengukur reabilitas, yaitu interaksi antara person
dan butir-butir soal secara keseluruhan.

Buruk
Jelek
Cukup
Bagus

16
 >0,8 Bagus sekali
3. Nila Person reliability dan item reliability:

Lemah
Cukup
Bagus
Bagus sekali
Istimewa

Pada contoh data yang dioleh diperoleh person reliability 0,44

termasuk kategori lemah dan item reliability 0,79 kategori cukup.
4. Data lain yang bisa digunakan adalah INFIT MNSQ dan OUTFIT MNSQ,
untuk tabel person nilai rata-ratanya secara berurutan adalah 0,95 dan 1,06.
Nilai idealnya adalah 1,00 (makin mendekati 1,00 makin baik); untuk
INFIT ZSTD dan OUTFIT ZSTD, nilai rata-rata pada tabel person adalah
dan dalam hal ini nilai idealnya ialah 0,00. Begitu pula
dengan tabel item.
5. Pengelompokan person dan butir dapat diketahui dengan separation.
Makin besar nilai separation, maka kualitas instrumen dalam hal
keseluruhan responden dan butir semakin bagus, karena bisa
mengidentifikasi kelompok responden dan kelompok butir. Persamaan lain
yang digunakan yang melihat pengelompokan secara lebih teliti disebut
pemisahan strata:
( )

Dengan nilai butir separation 1,96 maka diperoleh

( )
atau dibulatkan menjadi 3, yang bermakna
terdapat 3 kelompok butir soal yang bisa dimaknai soal yang sulit, sedang
dan mudah.

17
2.2 Analisis Tes Uraian (Data Politomi)
2.2.1 Menyiapkan Data Politomi Dengan Peringkat/Rating Yang Sama
Sama seperti data dikotomi data politomi juga disiapkan dengan
menggunakan aplikasi Microsoft excel.

Keterangan

Kolom 1 dan 2 merupakan

nomor urut siswa

Kolom 3 ialah jenis kelamin

kolom 4 asal domisili siswa

Kolom 5 s.d. 14 merupakan

jawaban siswa sesuai nomor
soal.

Setelah data jawaban siswa disiapkan, kolom dari setiap data diatur dengan
jarak 1 sama dengan menggunakan column width yaitu memilih pilihan format
dimenu file, langkah selanjutnya ialah menyimpat file dengan format ms. Excel
(.xlsx) agar dapat diubah kembali jika ingin merubahkan dikemudian hari.
Kemudian, menyimpannya kembali dengan format file .prn. dengan cara
mengklik save as dan memilih format .prn. kemudian klik simpan sesuai tempat
penyimpanan yang diinginkan. Setelah file tersimpan dalam format .prn. barulah
membuka aplikasi ministep untuk menyiapkan format data pada program
ministep.

2.2.2 Menyiapkan Format Data Pada program ministep

a. Langkah 1: membuka aplikasi ministep
b. Langkah 2: membuka file format .prn yang telah disimpan sebelumnya
dengan cara mengklik menu file dan memilih open atau dengan mengetik
ctl+o dikeyboard.

18
c. Selanjutnya mencari file difolder tempat menyimpan file.
d. Setelah telah didapatkan dan berhasil dibuka, kemudian mengklik menu
data setup pada tampilan ministep, dengan tujuan untuk mengedit person,
code valid, dan semua yang dibutuhkan untuk analisis data diministep.

Berikut ini ialah tampilan contoh data setup setelah di edit:

Untuk edit pada Person dimulai dari kolom 1 sampai kolom 4 dan untuk
item dimulai dari kolom 5 sampai kolom 14 (banyak kolom 10 karena 10
nomor soal). Setelah itu klik scan data for codes agar nilai jawaban siswa
terscan agar dibaca oleh aplikasi. Kemudian klik item labels untuk memberikan
nama atau label pada setiap butir soal dalam hal ini misal diberi label E1
sampai E10. Jika telah selesai kemudian klik refresh data display, untuk
melihat tampilan terbaru setelah diedit kolom person dan itemnya.

Langkah selanjutnya ialah menyimpan file dengan format .txt. dengan

cara mengklik ministep dan menilih pilihan pertama lalu menyimpan dengan
nama dan format txt difolder yang kita inginkan. Catatan lain, karena soal ini
merupakan essay sehingga tidak ada mengisi kunci jawaban, jika kunci
jawaban diisi maka sistem akan membacanya sebagai tipe dikotomi. Setelah
tersimpan akan muncul tampilan seperti ini:

19
 Setelah muncul tampilan ini langkah selanjutnya ialah dengan menekan
enter 2 kali di keyboard. Sehingga program ministep akan menganalisis dan
menampilkan hasil analisisnya.

Untuk analisis selanjutnya dengan menggunakan output tables sama seperti data
dikotomi.

2.3 Analisis Data Politomi Peringkat Majemuk (PCM)

Soal jenis uraian yang diberikan kepada siswa bentuknya bermacam-macam,
selain dengan pola skor yang sama (jumlah maksimum skor tidak berbeda) ntuk
setiap butir, data politomi yang dihasilkan juga bisa total skor majemuk atau
berbeda-beda. Hal seperti ini dalam pemodelan Rasch dikenal dengan istilah
Partial Credit Model (PCM). Misalnya saja seperti ketika guru membuat butir
soal dengan panduan dalam taksonomi bloom, maka soal jenis mengingat
memiliki perbedaan nilai dengan kreatif. Program ministep ini dapat melakukan
analisis soal seperti ini.

2.3.1 Menyiapkan Data PCM

Sebagai contoh, siswa dalam suatu kelas yang terdiri dari 20 siswa akan
mengerjakan 10 soal berbentuk uraian (esay). Setiap soal mempunyai nilai
maksimum yang berbeda-beda. Butir soal 1,2,7 memiliki skor maksimum
6; butir soal 3,4, dan 8 memilki skor maksimum 5; 5,6 dan 10 memilki
skor maksimum 8 dan butir soal nomor 9 memilki skor maksimum 4.

20
 Berikut tampilan data di miscrosoft excel:

Keterangan

Kolom 3 dan 4 merupakan

nomor urut siswa

Kolom 1 ialah jenis kelamin

kolom 2 asal domisili siswa

Kolom 5 s.d. 14 merupakan

jawaban siswa sesuai nomor
soal.

2.3.2 Menyiapkan Format Data PCM Pada Program Ministep

21
 Untuk kolom edit pada Person dimulai dari kolom 1 sampai kolom 4 dan
untuk item dimulai dari kolom 5 sampai kolom 14 (banyak kolom 10 karena 10
nomor soal). Setelah itu klik scan data for codes agar nilai jawaban siswa terscan
agar dibaca oleh aplikasi. Kemudian klik item labels untuk memberikan nama
atau label pada setiap butir soal dalam hal ini misal diberi label M1 sampai M10.
Jika telah selesai kemudian klik refresh data display, untuk melihat tampilan
terbaru setelah diedit kolom person dan itemnya.

Perbedaan dari 2 jenis soal sebelumnya ialah pada jenis soal ini kita akan
memberi informasi kepada program bahwa butir-butir soal memiliki nilai
maksimum yang berbeda atau rating. Yaitu dengan ,memberikan kode sebagai
berikut:

Butir soal nomor 1 skor maksimum 6 maka kodenya adalah 1=A

Butir soal nomor 2 skor maksimum 6 maka kodenya adalah 2=A

Butir soal nomor 3 skor maksimum 5 maka kodenya adalah 3=B

Butir soal nomor 4 skor maksimum 5 maka kodenya adalah 4=B

Butir soal nomor 5 skor maksimum 8 maka kodenya adalah 5=C

Butir soal nomor 6 skor maksimum 8 maka kodenya adalah 6=C

Butir soal nomor 7 skor maksimum 6 maka kodenya adalah 7=A

Butir soal nomor 8 skor maksimum 5 maka kodenya adalah 8=B

Butir soal nomor 9 skor maksimum 4 maka kodenya adalah 9=D

Butir soal nomor 10 skor maksimum 8 maka kodenya adalah 10=C

Tahapan yang dilakukan yaitu dengan mengklik terlebih dahulu tombol

Rating scales & partial credit ISGROUPS=, kemudian mengisi kolom yang ada
dengan kode yang telah didefinisikan sebelumnya.

22
 Setelah semua prosedur spesifikasi telah selesai Tahap selanjutnya
ialah memilih menu ministep. Kemudian memilih pilihat pertama yaitu save
control with data file and exit to Ministep analysis. Kemudian menyimpannya
dengan nama file dan format .prn. Klik tombol save dan enter dua kali. Layar
laptop akan menampilkan hasil analisisnya seperti berikut:

Jika dibuka pada notepad, yang membedakan untuk politomi PCM ini
ialah ada tambahan baris perintah yang menyatakan pengelompokan item yaitu
ISGROUPS.

Untuk analisis data politomi dengan rating majemuk sama seperti untuk
analisis data dikotomi atau politomi yang sudah dijelaskan sebelumnya. Kita dapat
melakukan/melihat analisis program sesuai dengan kebutuhan kita, seperti peta
Wright, tingkat kesukaran soal, item fit, dan item bias.

23
 BAB III

PENUTUP

3.1 Kesimpulan
Adapun kesimpulan dari makalah ini ialah sebagai berikut:
1. Cara menganalisis soal pilihan ganda menggunakan aplikasi ministep
terlebih dahulu mendownload dan menginstal aplikasi ministep sesuai
spesifikasi laptop. Kemudian menyiapkan data dalam bentuk excel, sesuai
dengan format ministep, dengan mengatur kolom person dan itemnya
dengan jarak kolom yaitu 1. Langkah selanjutnya ialah menyimpan file
dalam format xlsx dan format .prn untuk dianalisis di ministep. Kemudian
membuka ministep dan membuka file format .prn yang telah disimpan
sebelumnya. Langkah selanjutnya ialah membuka data setup dan mengatur
sesuai keadaan data. Setelah semua terisi sesuai format ministep langkah
selanjutnya ialah melakukan analisis pada menu ministep dan membuka
output tables sesuai dengan kebutuhan.
2. Cara menganalisis soal uraian politomi yang memilki skor maksimal sama
menggunakan aplikasi ministep secara ringkas sama dengan data pilihan
ganda, hanya saja pada keyword atau kunci jawaban tidak diisi dengan
kunci jawaban dan pada penyimpanan setelah dari data setup file disimpan
dengan format xlsx bukan dengan format .prn.
3. Cara menganalisis soal uraian politomi peringkat majemuk (PCM) secara
ringkas sama dengan cara menganailisis soal pilihan ganda, hanya saja
pada analisis soal tipe ini menambahkan kategori rating scale pada format
data setup untuk mengatur score maksimal dari setiap butir soal.
3.2 Saran
Dari penyusunan makalah ini, saran dari penulis ialah untuk bersabar
untuk mempelajari aplikasi ini, mempelajarinya dengan bertahap, karena
dari aplikasi ini banyak hal yang bisa didapatkan manfaatnya hanya saja
perlu kesabaran untuk mempelajarinya. Selain itu juga perlu untuk
mempelajari istilah-istilah atau singkatan-singkatan dalam aplikasi sesuai
dengan teori pemodelan Rasch.

24
 DAFTAR RUJUKAN

Sumintono, B., & Widhiarso, W. (2015). Aplikasi Pemodelan Rasch Pada

Assesment Pendidikan (I). Trim Komunikata.

25