Disusun oleh:
2. Persyaratan
Dalam mengembangkan CAT, ada beberapa syarat yang harus ada atau
ditentukan terlebih dahulu. Syarat atau aturan tersebut yakni bank soal (beberapa ahli
ada yang menyebutnya dengan item pool), aturan memulai (starting rule), algoritma
pemilihan butir, aturan berhenti (stopping rule), dan estimasi parameter (Retnawati,
2014).
a. Bank Soal
Ada tiga algoritma yang relatif popular, yakni algoritma linear, algoritma
pohon, dan algoritma fuzzy
1) Algoritma linear
2) Algoritma Pohon
Seperti halnya algoritma linear, algoritma ini berprinsip, tingkat kesulitan
butir yang dipilih untuk disajikan pada butir selanjutnya lebih tinggi dari butir
sebelumnya jika butir sebelumnya dijawab benar. Jika salah dipilih butir ke arah
kiri sedangkan jika benar dipilih butir ke arah kanan. Sebaliknya, tingkat
kesulitan akan lebih rendah dari butir sebelumnya jika butir sebelumnya dijawab
salah. Namun penentuan urutan butir ini lebih mudah, karena butir-butir dalam
bank sudah tersusun dalam suatu diagram, yang didasarkan baik berupa materi
atau tingkat kesulitan butir atau keduanya. Sebagai contoh misalnya butir-butir
dalam bank disusun sebagai berikut.
Dengan
Dan
Seperti terlihat pada Tabel 10.2, penurunan standar error saat Item 8
diberikan pada tahap 9 dibandingkan dengan standar error pada tahap 8 adalah
0,01. Prosedur berhenti pada titik ini. Estimasi kemampuan peserta ujian
adalah sebesar 1,25.
Contoh Soal
Penerapan teori respons butir dalam kegiatan penyetaraan tes harus memenuhi
dua asumsi dasar yakni unidimensi dan independensi local (Kolen & Bremann, 1989).
Unidimensi artinya bahwa dimensi karakter peserta yang diukur oleh suatu tes itu
tunggal. Independensi lokal adalah bahwa apabila kemampuan–kemampuan yang
mempengaruhi kinerja tes dianggap konstan maka respons subjek terhadap setiap
butir secara statistik tidak saling terkait. Adapun langkah-langkah melakukan
kegiatan penyetaraan tes menurut teori respons butir meliputi:
C. Jenis Penyetaraan
Penyetaraan ada dua jenis, jenis horizontal dan dan vertikal. Pada jenis
horizontal, dua skor tes atau lebih yang disetarakan merupakan tes-tes yang
mengukur tingkat/kelas yang sama. Pada jenis ini, perangkat tes-perangkat tes yang
diperbandingkan diberikan pada kelompok peserta tes yang memiliki distribusi
kemampuan yang sama (Hambleton & Swaminathan, 1985).
Pada jenis vertikal, dua skor tes atau lebih yang disetarakan merupakan tes-tes
yang mengukur tingkat kelas yang berbeda, ada yang lebih tinggi atau lebih rendah
dibandingkan lainnya. Penyetaraan vertikal (vertical equating) merupakan
penyetaraan yang dilakukan terhadap dua instrumen tes atau lebih yang tingkat
kesulitan butirnya berbeda, namun mengukur trait yang sama, dan distribusi skor
peserta tes tidak komparabel sehingga skor-skor dari instrumen-instrumen tes tersebut
dapat digunakan saling bertukar. Menurut Kalen & Brennan (1995:3), penyetaraan
skor tes dengan content tidak berbeda dan kelompok peserta tes berasal dari tingkatan
kelas berbeda, dan agar skor tes yang demikian dapat digunakan saling bertukar
adalah penyetaraan vertikal. Menurut Hambleton & Swaminathan (1985:197)
penyetaraan yang dilakukan terhadap beberapa instrumen tes dengan tingkat kesulitan
soal berbeda dan distribusi kemampuan peserta tes juga berbeda disebut penyetaraan
vertikal. Menurut Crocker & Algina (1986:473), penyetaraan vertikal dapat
melibatkan dua atau lebih instrumen tes yang mengukur trait sama, namun tingkat
kesulitannya berbeda.
1. Metode regresi
Penentuan konstanta konversi α dan β menggunakan metode regresi
dilakukan dengan memperhatikan respons peseta tes pada kedua perangkat tes
X dan Y. Estimasi parameter butir dan parameter kemampuan peserta
memenuhi persamaan regresi linier sebagai berikut:
y=αx+ β +ε …………………………………………………(4)
r xy s y
α= …………………………………………………………..(5)
sx
β= y −α x ……………………………………………………….(6)
Keterangan:
y : estimasi kemampuan atau estimasi parameter butir pada perangkat tes Y,
x : estimasi kemampuan atau estimasi parameter butir pada perangkat tes X,
r xy : koefisien korelasi antara X dan Y,
y , x : rerata dari y dan x,
s x , s y : simpangan baku dari x dan y
Penggunaan metode ini bersifat tidak timbal balik (asimetris) sehingga
kurang memadai untuk penentuan konstanta konversi apalagi mengingat
bahwa penyetaraan dua perangkat tes atau lebih sangat memerlukan syarat
invariansi dan timbal balik dari perang kat tes yang disetarakan.
2. Metode rerata dan sigma.
Penentuan konstanta konversi α dan β menurut metode rerata dan
sigma dilakukan dengan memperhatikan nilai estimasi parameter tingkat
kesukaran butir tes pada kedua perangkat tes yaitu b x dan by. Menurut
Hambleton & Swaminathan (1985), hubungan antara estimasi parameter butir
tes atau parameter kemampuan peserta pada kedua perangkat tes yang akan
disetarakan dan penentuan konstanta konversinya memenuhi persamaan
sebagai berikut:
y=αx+ β ………………………………………………………(7)
y=α x+ β ………………………………………………………(8)
sy
α= ……………………………………………………………...(9)
sx
β= y −α x ………………………………………………………(10)
Keterangan:
y : estimasi kemampuan atau estimasi parameter butir pada perangkat
tes Y,
x : estimasi kemampuan atau estimasi parameter butir pada perangkat
tes X,
y , x : rerata dari y dan x,
s y , s x : simpangan baku dari x dan y.
Metode rerata dan sigma ini bersifat timbal balik sehingga dengan cara
yang sama hubungan dari y ke x dapat ditentukan. Namun demikian, menurut
Hambleton & Swaminathan (1991) mengemukakan bahwa metode
penyetaraan rerata dan sigma ini tidak mempertimbangkan variasi standar
error estimasi parameter butir.
3. Metode rerata dan sigma tegar.
Berbeda dengan metode rerata dan sigma, menurut Linn, et al
(Hambleton & Swaminathan, 1991: 26) menyatakan bahwa metode rerata dan
sigma tegar mempertimbangkan adanya variasi standar error estimasi
parameter butir. Adapun dalam prosedur penyetaraan dengan metode rerata
dan sigma tegar yang dikembangkan oleh Linn, Levin, Hastings, & Wardrop
(Hambleton & Swaminathan, 1991: 27), langkah-langkah penentuan
konstanta konversi dalam penyetaraan tes adalah sebagai berikut:
a. Menentukan bobot parameter butir i (wi) pada setiap pasangan (bxi,
byi), dengan persamaan sebagai berikut:
………………………………………(11)
dengan, v ( x i )dan v ( y i ) adalah varians estimasi parameter tingkat
kesukaran butir perangkat tes X dan Y.
……………………………………………………(12)
dengan k adalah jumlah butir pada perangkat tes.
c. Menghitung estimasi berbobot tes X dan Y dengan menggunakan
rumus:
' '
x i = w i x i…………………………………………………………..(13)
' '
y i = w i y i …………………………………………………………..(14)
d. Menentukan rerata dan simpangan baku dari estimasi berbobot tes X
dan Y yaitu y , x , s y , s x
e. Menentukan konstanta konversi α dan β dengan menggunakan rerata
dan simpangan baku estimasi berbobot dengan mensubstitusikan rerata
dan simpangan baku estimasi berbobot pada persamaan penyamaan
skala.
4. Metode kurva karakteristik
k
τ xa =∑ p (θa ¿ ,b xi , a xi , c xi )¿…………………………………..(15)
i=1
k
τ y a=∑ p(θ a ¿ , b yi , a yi ,c yi )¿………………………………….(16)
i=1
b yi=abxi + β………………………………………………….(17)
a xi
a yi= …………………………………………………………(18)
α
E. Rangkuman
LATIHAN SOAL
1. Mengapa pengembangan bank soal memerlukan konsep dari teori respon butir?
2. Jelaskan perbedaan algoritma linear, algoritma pohon, dan algoritma fuzzy
3. Kapan tidak perlu dilakukan equating?
DAFTAR PUSTAKA
Anastasi, A. & Urbina,S. (1997). Psychological testing. Upper Saddle River, NJ:
Prentice Hall.
Azwar, S. (2022). Dasar-dasar psikometrika (Edisi 2). Yogyakarta: Pustaka Pelajar.
Baker, F. B. (2001). The basics of item response theory (2nd ed.). United States of
America: ERIC Clearinghouse on Assessment and Evaluation.
Cronbach, U. 1970. Essential psychological testing (4th. edt). New York: Harper &
Row Publishers.
DeMars, C. (2010). Item response theory: understanding statistics measurement.
New York: Oxford University Press.
Gronlund, N.E. (1976). Measurement and evaluation in teaching. New York·:
Macmillan. Publishing Co.
Haebara, T. (1980). Equating logistic abilityscales by weighted least square method
dalam Hambleton R. K. & Swaminathan H. (1985) Item response theory:
Principles and applications. Boston: Kluwer-Nijhoff Publishing.
Hambleton, R.K. & Swaminathan H. (1985). Item response theory: Principles and
applications. Boston, MA: Kluwer Inc.
Hambleton, R.K., Swaminathan H. & Rogers, H.J. (1991). Fundamental of item
response theory. Newbury Park, CA: Sage Publication Inc.
Hambleton, R.K., Swaminathan, H & Rogers, H.J. (1991). Fundamental of item
response theory. Newbury Park, CA: Sage Publication Inc. ·
Haryanto, H. (2011). Pengembangan computerized adaptive testing (CAT) dengan
algoritma logika Fuzzy. Jurnal Penelitian Dan Evaluasi Pendidikan, 15(1),
47-70
Holland, P. W. & Rubin, D. B. (1982). Test equiting. New York: Academic Press,
Inc.
Jahja umar. (1999). Item banking. Dalam Masters, G.N. dan Keeves, J.P. (Ed).
Advances in Measurement in Educational Research and Assessment. New
York: Pergamon.
Retnawati, H & Samsul Hadi. (2013). pengembangan sistem bank scal untuk ujian
akhir daerah di era 'otonomi daerah dan desentralisasi. Laporan Penelitian.
Universitas Negeri Yogyakarta.
Retnawati, H. (2014). Teori Respons Butir dan Penerapannya. Yogyakarta: Nuha
Media.
Thorndike, R.L. (1982). Applied Psychometrics. Boston: Houghton Mifflin.