Disusun oleh:
Muhammad Jukhair J. Husain (A23222009)
i
KATA PENGANTAR
Penulis
ii
DAFTAR ISI
BAB I PENDAHULUAN
BAB II PEMBAHASAN
DAFTAR RUJUKAN..................................................................................... 25
iii
BAB I
PENDAHULUAN
1
2. Bagaimana cara menganalisis tes uraian menurut model Rasch?
3. Bagaimana cara menganalisis data politomi peringkat majemuk (PCM)
menurut model Rasch?
2
BAB II
PEMBAHASAN
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
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.
Selanjutnya setelah mengisi data person dan item sesuai data dan
mengklik refresh data display ditampilkan seperti ini:
5
Setiap ingin memperbarui
tampilan data
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.
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.
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:
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.
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.
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.
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.
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
15
Statistik Deskriptif skala Nilai reliabilitas dan
logit untuk person pengolompokkan untuk person
Buruk
Jelek
Cukup
Bagus
16
>0,8 Bagus sekali
3. Nila Person reliability dan item reliability:
Lemah
Cukup
Bagus
Bagus sekali
Istimewa
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
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.
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.
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.
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.
20
Berikut tampilan data di miscrosoft excel:
Keterangan
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:
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
25