Install

Packages
irtoys
eRm
Psychometric
ltm
equateIRT
library(ltm)
library(foreign)
library(equateIRT)
?ltm
?equateIRT

paket01 <-read.csv(file.choose(),header=TRUE)
paket02 <-read.csv(file.choose(),header=TRUE)

paket <- list(paket01,paket02)

paket[[1]]
paket[[2]]
paket01 <- ltm(paket[[1]] ~ z1)
paket02 <- ltm(paket[[2]] ~ z1)

estm1 <- import.ltm(paket01, display = FALSE)

estm2 <- import.ltm(paket02, display = FALSE)

estm1$coef[1:40, ]
estm2$coef[1:40, ]

estm1$var[1:40, 1:40]
estm2$var[1:40, 1:40]

estc <- list(estm1$coef, estm2$coef)

estv <- list(estm1$var, estm2$var)
mod2pl.ltm <- modIRT(coef = estc, var = estv, display = FALSE)
l12 <- direc(mods = mod2pl.ltm, which = c(1,2), method = "mean-sigma")
summary(l12)
itm(l12)
Metode Penyetaraan Tes

Mean- Mean-
mean gmean

Stocking Mean-
-Lord Sigma

Haebara
LANGKAH-LANGKAH PENYETARAAN TES
 library(ltm)
 library(equateIRT)
 ?ltm
 ?equateIRT

 library(ltm)
 library(foreign)
 ?ltm
 ??foreign

 paket01 <-read.csv(file.choose(),header=TRUE)
 paket02 <-read.csv(file.choose(),header=TRUE)
LANGKAH-LANGKAH PENYETARAAN TES

 paket01 <- ltm(paket[[1]] ~ z1)

 paket02 <- ltm(paket[[2]] ~ z1)
 estm1 <- import.ltm(paket01, display = FALSE)
 estm2 <- import.ltm(paket02, display = FALSE)

 estm1$coef[1:40, ]
 estm2$coef[1:40, ]

 estm1$var[1:40, 1:40]
 estm2$var[1:40, 1:40]

 estc <- list(estm1$coef, estm2$coef)

 estv <- list(estm1$var, estm2$var)
LANGKAH-LANGKAH PENYETARAAN TES
 mod2pl.ltm <- modIRT(coef = estc, var = estv, display = FALSE)
 l12 <- direc(mods = mod2pl.ltm, which = c(1,2), method = "mean-
mean")
 summary(l12)
 itm(l12)

 method
 mean-mean
 mean-gmean
 mean-sigma
 Haebara
 Stocking-Lord
 1). Metode regresi yaitu: penentuan konstanta dan dilakukan
dengan memperhatikan respon peserta tes pada kedua
perangkat tes X dan Y. Penggunaan metode ini tidak bersifat
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 perangkat tes yang
disetarakan (hambleton, Swaminathan & Rogers, 1991: 130).
Estimasi parameter butir dan parameter peserta memenuhi
persamaan linear

Keterangan:
y : estimasi kemampuan atau estimasi parameter butir pada tes Y
x : estimasi kemampuan atau estimasi parameter butir pada tes X
, : rata-rata dari y dan x
Sx, Sy = standar deviasi dari x dan y
 Metode rerata dan sigma yaitu: Penentuan konstanta konversi
dilakukan dengan memperhatikan nilai estimasi parameter butir
tes pada kedua perangkat tes yaitu bx dan by metode ini bersifat
timbal balik, sehingga dengan cara yang sama hubungan dari y ke x
dapat ditentukan. “Metode penyetaraan rerata dan sigma tidak
mempertimbangkan variasi standar error estimasi parameter butir”
(Hambleton dkk, 1991: 131). Hubungan antara estimasi parameter
butir dan estimasi kemampuan peserta pada kedua perangkat tes
yang akan disetarakan dengan persamaan:

Keterangan :
y = estimasi kemampuan atau estimasi parameter butir pada tes Y
x = estimasi kemampuan atau estimasi parameter butir pada tes X
, : rata-rata dari y dan x
Sx, Sy = standar deviasi dari x dan y
 Metode penyetaraan yang ketiga, metode rerata dan sigma tegar, menurut Hambleton
dkk, (1991: 133) menyatakan bahwa metode rerata dan sigma tegar
mempertimbangkan adanya variasi standar error estimasi parameter butir. Adapun
dalam prosedur penyetaraan, 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
 Wi = [maks{v(yi), v(xi)}]-1……………(2.1)
 Dengan v(xi) dan v(yi) adalah varians estimasi tingkat kesukaran butir perangkat tes
X dan Y
 b. Menentukan bobot terskala wi dengan persamaan :
 = ……………………………… (2.2)
 Dengan k adalah jumlah butir pada perangkat tes
 c. Menghitung estimasi berbobot tes X dan Y dengan menggunakan rumus
 = ……………………………….. (2.3)
 = ……………………………….. (2.4)
 d. Menentukan rerata dan simpangan baku dari estimasi berbobot tes X dan Y yaitu ,
, sx, sy
 e. Menentukan konstanta konversi dengan menggunakan rerata dan simpangan
baku estimasi berbobot dengan mensubtitusikan rerata dan simpangan baku estimasi
berbobot pada persamaan penyamaan skala (Hambleton dkk, 1991: 132-133).
 Metode kurva karakteristik, penentuan konstanta konversi dilakukan dengan memperhatikan
nilai estimasi parameter butir tes, kedua perangkat soal yang akan disetarakan misal X dan Y.
Apabila pada metode rerata dan sigma, serta metode rerata dan sigma tegar dalam menghitung
konstanta konversi hanya memperhitungkan hubungan antara parameter-parameter tingkat
kesulitan butir perangkat tes yang satu dengan yang lainnya tanpa mempertimbangkan
hubungan antara parameter-parameter daya pembeda kedua perangkat tes maka dengan metode
kurva karakteristik, hubungan antara parameter-parameter daya pembeda kedua perangkat tes
dipertimbangkan.
 “Penyetaraan tes dengan dengan metode kurva karakteristik mempertimbangkan
informasi dari parameter daya pembeda butir dan tingkat kesukaran butir dalam penentuan
konstanta konversi”. Haebara (1980) dalam Sukirno (2007). Oleh karena itu dalam metode
diperhatikan hubungan antara parameter daya beda dan hubungan antara parameter tingkat
kesukaran butir perangkat tes-perangkat tes yang akan disetarakan. Selain itu dalam metode
kurva karakteristik ini juga diperhatikan true score (skor asli) peserta tes pada kedua perangkat
tes. True score ( xa ) dari peserta tes dengan kemampuan yang merespon k item dalam
perangkat tes X dan tes Y, dengan rumus sebagai berikut :
 xa = (a, bxi, axi, cxi )
 ya = (a, byi, ayi, cyi )
 Adapun penentuan konstanta konversi untuk setiap butir pada perangkat tes X
 dan Y dilakukan dengan rumus sebagai berikut:
 byi = xi +
 ayi =
 atau

 cyi = cxi
 byi – bxi