Peringkat persentil merupakan skor yang diturunkan. Peringkat
persentil dari skor mentah menggambarkan bahwa lokasinya relatif terhadap skor lain di dalam distribusi. Ide bahwa peringkat persentil Johny dari 75 pada tes sains berarti bahwa ia berkinerja lebih baik dari 75% siswa yang sebanding mudah untuk dipahami dan relatif bermakna bahkan untuk orang tanpa pelatihan statistik. Jika kemudahan kejelasan adalah satu- satunya kriteria, skor yang diperoleh dalam bentuk peringkat persentil akan dengan mudah menang. Ada beberapa kerugian. Masalah utama nya adalah bahwa perubahan dalam skor mentah biasanya tidak tercermin oleh perubahan proporsional dalam peringkat persentil. Ketika satu persentil lebih tinggi dari yang lain, skor mentah yang sesuai satu lebih tinggi dari yang lain, tetapi kita tidak tahu berapa banyak. Dalam distribusi normal, frekuensi skor paling besar ada di dekat pusat distribusi. Oleh karena itu jarak antara dua skor di dekat pusat diwakili oleh perbedaan yang relatif besar dalam peringkat persentil. Pertimbangkan jarak skor aktual antara dua siswa yang masing-masing berdiri di peringkat persentil ke-40 dan ke-60. Ini sebenarnya lebih kecil dari itu antara dua siswa yang berdiri masing-masing di peringkat persentil sembilan puluh lima dan sembilan puluh sembilan. Skor standar yang dibahas sebelumnya tidak mengalami kekurangan ini. Gambar 8.3 Lokasi komparatif peringkat persentil dalam dua distribusi. Area di bawah kurva di setiap segmen sama dengan 10% dari keseluruhan, mewakili 10% dari skor KESESUAIAN SKOR Membandingkan nilai pada ujian yang berbeda. Dalam contoh kami, kami membandingkan nilai yang diperoleh Helen kelas lima ujian sejarah dan aritmatika. Menggunakan skor z, kami menemukan bahwa dibandingkan dengan seluruh kelasnya Helen telah melakukan lebih baik dalam aritmatika. Dalam contoh itu, kelompok siswa yang sama mengambil kedua ujian. Bisakah kita menggunakan skor standar dengan cara yang sama untuk membandingkan skor mentah dari kelompok yang berbeda? Seharusnya, misalnya bahwa Mary, seorang mahasiswa baru perguruan tinggi, memperoleh skor mentah 37 dalam ujian matematika dan salah satu dari 82 dalam sejarah. Misalkan lebih lanjut bahwa dalam kelas matematika, skor 37 jatuh setengah dari standar deviasi di atas rata-rata kelas (z = +5) dan bahwa skor sejarahnya adalah 82 adalah setengah dari standar deviasi di bawah rata-rata kelas (z = -5). Jika kedua program diharuskan dari semua mahasiswa baru, mungkin interpretasi kinerja Mary yang disebutkan di atas adalah benar. Satu elemen yang diperlukan untuk perbandingan yang tepat adalah bahwa kelompok referensi yang digunakan untuk menghasilkan skor standar dapat dibandingkan. Prasyarat kelompok yang sebanding sama pentingnya untuk perbandingan peringkat persentil seperti halnya untuk skor standar. Gambar 8.4 menunjukkan dua distribusi yang
condong ke arah yang berlawanan. (Distribusi
teratas akan menjadi tipikal ujian yang mudah dan
yang terbawah akan tipikal ujian yang sulit) pada
distribusi atas, skor mentah yang terletak di z = +2
adalah nilai teratas dalam distribusi.
Di sisi lain, skor mentah di z = +2 bukan nilai
teratas; yang lain jauh di atasnya. Kecuali jika
Gambar 8.4 distribusi dari mana skor standar dihitung memiliki Tidak dapat bentuk yang sama, kami akan menemukan bahwa diperbandingkannya skor standar yang sama mungkin tidak memiliki skor standar ketika peringkat yang sama dalam distribusi masing- bentuk distribusi masing. berbeda Dengan demikian, skor standar harus digunakan untuk membandingkan skor dari dua distribusi yang berbeda hanya jika kedua distribusi memiliki bentuk yang kira- kira sama. Tidak ada cara yang memuaskan untuk menghindari masalah kelompok yang tidak dapat dibandingkan, tetapi ada solusi untuk masalah bentuk yang bervariasi. Salah satu kemungkinan adalah menggunakan peringkat persentil. Solusi lain adalah mengubah skor menjadi distribusi skor turunan yang memiliki bentuk identik serta cara identik dan standar deviasi. SKOR STANDAR NORMALISASI Skor standar yang dinormalisasi seperti skor standar reguler dan standar deviasinya ditentukan, nilai konstan. Namun, mereka berbeda karena proses transformasi mengubah bentuk distribusi asli skor mentah sehingga distribusi baru mengikuti kurva normal. Gambar 8.5 menunjukkan, pertama, distribusi skor mentah yang miring, dan kedua, distribusi normal yang dihasilkan dari transformasi tipe ini. Gambar 8.5 efek menggunakan transformasi skor standar dinormalisasi MENGGABUNGKAN TINDAKAN DARI DISTRIBUSI YANG BERBEDA
Profesor Leonard Learned telah memberi kelasnya kuis, ujian tengah
semester, dan ujian akhir dan sekarang ingin menggabungkan langkah- langkah numerik ini untuk mendapatkan indeks kinerja untuk setiap siswa. Jika dia ingin masing-masing menghitung secara setara, dia mungkin menambahkan ketiga skor bersama dan menggunakan total sebagai indikator kinerja setiap siswa.
Tetapi lebih dari kemungkinan, ia akan ingin memberikan langkah-langkah ini
bobot berbeda. Misalkan dia ingin final menghitung dua kali lipat dari semesteran dan paruh waktu untuk menghitung dua kali lipat dari kuis. Kemudian ia dapat membentuk total dengan menambahkan bersama skor pada kuis, dua kali skor pada paruh waktu, dan empat kali skor pada final Dalam semua kemungkinan, prosedur tidak akan mencapai apa yang dia inginkan. Kesulitan dasar adalah bahwa ketika beberapa skor dijumlahkan, masing-masing tidak perlu dihitung secara merata dalam menentukan total. Dapat ditunjukkan bahwa jika beberapa skor independen (jika skor seseorang pada satu variabel sama sekali tidak dapat memprediksi skor orang itu pada variabel lain), maka kontribusi masing-masing skor terhadap total sebanding dengan standar deviasi dari skor tersebut. distribusi dari mana asalnya. Contoh sederhana, misalkan dua tes memiliki rata-rata yang sama, 50, tetapi skor pada tes pertama menyebar dari 30 hingga 70, sedangkan skor pada tes kedua hanya dari 40 hingga 60. Jika dua tes dihitung secara sama dalam menentukan total, sebuah siswa yang nilainya berada pada posisi terendah pada tes pertama dan pada posisi tertinggi pada tes kedua harus menerima total yang sama dengan siswa yang nilainya berada pada posisi tertinggi pada tes pertama dan pada posisi terendah pada tes kedua. Tapi ini tidak berlaku untuk skor mentah. Total siswa pertama adalah 30 + 60 = 90, tetapi total siswa kedua adalah 70 + 40 = 110. Siswa kedua memperoleh indeks yang lebih baik karena ia memiliki nasib baik untuk melakukan lebih baik pada tes dengan variabilitas yang lebih besar, sedangkan sebaliknya ini berlaku untuk siswa pertama.
Dua poin terakhir: Pertama, besarnya rata-rata dari beberapa
distribusi tidak berpengaruh pada bobot yang dibawa skor; itu adalah ukuran relatif dari standar deviasi yang penting. Kedua, jika seseorang ingin berbicara tentang rata-rata skor gabungan daripada totalnya, prinsip yang sama berlaku karena, untuk sekumpulan orang tertentu, rata-rata ditemukan dengan membagi skor setiap orang dengan konstanta