IMPLEMENTASI ITEM RESPONSE

THEORY(IRT) MODEL RASCH PADA

ANALISIS DATA HASIL TES

Oleh:
Dr. Endang Susilaningsih,MS
JURUSAN KIMIA FMIPA UNNES
 EVALUASI
EVALUASI ITU MERUPAKAN BAGIAN PENTING DALAM
PEMBELAJARAN
EVALUASI MEMBERIKAN INFORMASI KEPADA:
1. PESERTA DIDIK TERKAIT HASIL TES ---- RAPORT
2. GURU TERKAIT DENGAN KETERCAPAIAN TUJUAN ESENSIAL
YANG INGIN DICAPAI
3. ORANG TUA /WALI : TERKAIT PRESTASI ANAKNYA
4. LEMBAGA PENDIDIKAN : STATISTIK KELULUSAN
DARI INFORMASI TERSEBUT PESERTADIDIK, GURU, ORANG
TUA/WALI, DAN LEMGAGA PENDIDIKAN AKAN DAPAT MENGAMBIL
KEPUTUSAN, SETIDAKNYA ADA LANGKAH MEMPERBAIKI
KEKURANGANNYA
 SERING KALI TERDENGAR SEANDAIANYA ADA PERTANYAAN
EVALUASI ITU APA?
JAWABANNYA : 1. TES
2. MEMBUAT SOAL
3. ULANGAN
4. TES FORMATIF DAN TES SUMATIF
5. PEMERIKSAAN
6. LAPORAN HASIL TES
JAWABANNYA AKAN SELALU ITU TERUS….. SAMPAI….. KAPAN……
ITU KENYATAAN YG SELALU SAYA DENGAR KETIKA MENGAWALI
PERKULIAHAN
EVALUASI.
Berawal dari evaluasi hasil belajar
1. evaluasi hasil belajar meliputi : pengetahuan, keterampilan dan sikap
2. Kegiatan evalusi : observasi, pengukuran, penilaian, analisis, keputusan
3. analisis data hasil belajar yang meliputi:
a. analisis data hasil tes,
b. analisis data hasil observasi,
c. analisis data hasil angket
2. Selama ini analisis yg digunakan baik itu hasil penelitian S1, sebagian S2
masih menggunakan Classic Test Theory (CTT), artinya parameter nya
meliputi validitas butir, daya beda butir, tingkat kesukaran butir, dan
reliabilitas soal
3. Bisakah analisis IRT MODEL RASCH ini diberikan di S1?
4. Bagaimana caranya ya?
5. Mungkinkah terintegrasi dengan matakuliah
evaluasi? (2 sks )
6. Jika IRT model Rasch ini masuk dalam kurikulum akan
memberikan cirikhas tersendiri, selangkah lebih maju
untuk prodi, jurusan, fakultas, institusi.
bagainama proses pengembangan instrument tes
yang baik?
Ini sebagai pendahuluannya saja
 Pengembangan butir soal tes
Pengembangan butir soal tes mengikuti langkah-langkah:
1. Tujuan esensial yang ingin diukur
2. Silabus terkait materinya
3. Kisi-kisi soal
4. Penyusunan butir soal
5. Kunci jawaban soal
6. Skoring dan penilaian
7. Ujicoba
8. Analisis data ujicoba
9. Revisi butir soal berdasarkan hasil analisis
10. Implementasi
11. Analisis --------- mari kita mulai berdiskusi untuk analisis data hasil tes
Dasar teore: PENGUKURA
N

DB, TK,
CTT IRT
TS

DB DIKOTOMU POLITOMU
S S
TK

R11 Rasch M

PCM
1 RCM
2 PL 3 PL RASCH
PL
GRM

NCM
Clasical Test Theory (CTT)
  Asumsi CTT :
1. X
keterangan X= skor tampak
T= skor murni
E= error
Hubungan antar ketiganya bersifat aditiv, jika E=0 berarti tidak ada eror,
skor tampak identik dengan skor murni, Jika E : - (negative) akan terjadi
under estimate, jika E : + (positif) akan terjadi over estimate
2. Total skor yang diperoleh (skor mentah) menggambarkan kemampuan
responden
3. kualitas soal ditentukan oleh responden, dan sebaliknya kemampuan
responden ditentukan oleh hasil tesnya
Keunggulan :
1. Sangat tergantung responden, dengan jumlah yang relative kecil
2. Analisisnya sederhana dan mudah difahami
3. mudah diaplikasikan
Kelemahan :
1. Tidak dapat memberikan informasi antara responden dengan item
dalam satu skala
2. Skor yang diperoleh memberikan informasi kemampuan responden
3. Tidak mempertimbangkan tingkat kesulitan dalam menentukan
kemampuan responden
4. Tidak menjelaskan hubungan anatara ability dan item
Item Respons Theory (IRT)
 Orang yang berperan dalam pengembangan IRT diantaranya:
1. 2. 3.

(Denmark)
Linacre. J. M mengembangkan
parameter dalam IRT Benjamin.Wright

Chicago Univercity
 2. Ability responden ditentukan oleh responnya terhadap item
dengan tingkat kesulitannya
contoh: 1 2 3 4 5 CTT : ani deni sama pinternya
ana 1 1 0 0 0 2 abi dodi sama pinternya
ani 1 1 1 0 0 3 IRT; dodi lebih pinter dari abi
abi 1 1 1 0 1 4 deni lebih pinter dari ani
deni 0 1 1 1 0 3
dodi 0 1 1 1 1 4
3 5 4 2 2
urutan kesuliatan 2 3 1 4 5
 2. karakter butir : ada dua komponen dalam butir soal
1. probabilitas menjawab benar
2. tingkat kemampuan

Persamaan dasar:
 Untuk banyak butir
Parameter butir dalam IRT
 1. tingkat kesulitan (difficulty)
 2. daya beda(discrimination)
 3. tebakan semu (pseudo guessing)
bagaimana ini bisa dijelaskan dalam kurva karakteristik butir
model logistik?
Bermula dari analisis regresi linear sederhana dengan persamaan :
 Parameter IRT:
1. Tingkat kesulitan
2. daya diskriminsi
3. tebakan semu/guissing pseudo bermula dari model regresi linear
 Kontribusi dalam IRT
Kontribusi kemiringan/slope dalam IRT
Kontribusi koefisien dalam IRT
 Berawal dari kontribusi analisis regresi dalam IRT
dikotomus,munculah beberapa penemuan dari para peneliti.
1.
 2.
3.
  
Model Rasch
IRT model Rasch = model logistik 1 parameter (1PL)
tingkat kesulitan dengan kekhususan tertentu.
Rasch menggunakan istilah
logit = fungsi logaritma pada ODDS ratio.
OODS ratio = probabilitas menjawab butir benar
dibagi probabilitas menjawab butir salah.

ODDS ratio PI (x=1) =

b=kemampuan individu, d = tingkat kesulitan dalam analisis
model Rasch ----- kekhususannya
 Contoh menentukan skala logit
missal peserta tes =100
jumlah yg menjawab benar = 10 20 40 50 60 80
jumlah yg menjawab salah = 90 80 60 50 40 20
ODDS ratio = 0,11 0,25 0,67 0,5 1,5 4,0
ln OODS ratio = -2,20 -1,39 -0,41 1 0,41
Skala logit -4,0 ……… 4,0
Tingkat kemampuan dan tingkat kesulitan dinyatakan dalam skala logit
Model politomus
 Rating scale models (RSM)
data politomus dari suatu pernyataan yg jawabannya
sangat setuju, setuju, ragu-ragu, sangat tidak setuju. Kemudian
dikategorikan. Kurva karakteristik butir (ICC) :
  
Model Rasch
IRT model Rasch = model logistik 1 parameter (1PL)
tingkat kesulitan dengan kekhususan tertentu.
Rasch menggunakan istilah
logit = fungsi logaritma pada ODDS ratio.
OODS ratio = probabilitas menjawab butir benar
dibagi probabilitas menjawab butir salah.

ODDS ratio PI (x=1) =

b=kemampuan individu, d = tingkat kesulitan dalam analisis
model Rasch ----- kekhususannya
PILIHAN OUT PUT
 BANYAK PILIHAN OUTPUT DALAM MENU OUTPUT TABLE,
 BEBERAPA PILIHAN MENU YANG PENTING UNTUK ANALISIS DATA

1. Item Measure : mengukur logit item (tingkat kesukaran soal)

2. Variable maps : (wright map): peta persons dan item
3. Person Fit Order : yang memberikan pola respons tidak fit
4. Summary Statistics : ringkasan statistik person dan item
5. scallogram (matriks Gutman)
 Beberapa contoh tampilan output
1. Item fit
 2.
 3.

Item Measure
 4. analisis reliabilitas soal
 5.
Person DIF plot (DIF=$S4W5)
2.5

1.5

DIF Measure (diff.)

1 A1
A2
0.5 B1
B2
*
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
-0.5

-1

-1.5

Item
TERIMAKASIH ATAS PERHATIAN DAN
PARTISIPASI BAPAK IBU SEMUANYA