Item Response Theory

Oleh:

Mansyur & Syahrul

Prodi PEP S2 PPS UNM

23/02/2023 Mansyur & Syahrul 1

23/02/2023 Mansyur & Syahrul 2
A. Latar Belakang

1. Tingkat Kesulitan & Daya Pembeda

pada teori tes klasik bersifat invarian:
a. Group Dependent (Sample dependent)
b. Item dependent

23/02/2023 Mansyur & Syahrul 3

2. Reliabilitas Tes didasarkan pada
kesejajaran perangkat tes dan
Indeks kesalahan baku
pengukuran diasumsikan sama
untuk semua peserta tes

23/02/2023 Mansyur & Syahrul 4

3. Estimasi kemampuan peserta tes
berdasarkan total skor yang
diperoleh

23/02/2023 Mansyur & Syahrul 5

B. Bagaimana dengan IRT?

Hambleton, Swaminathan, dan Rogers (1991: 5),

menyatakan bahwa IRT akan membentuk:
a. Karakteristik butir yang tidak tergantung pada
kelompok subjek yang dites (not group-dependent),
b. Skor tes dapat menggambarkan kemampuan subjek
yang tidak tergantung pada karakteristik tes (not
test-dependent),
c. Suatu model dinyatakan berdasarkan butir tes
bukan berdasarkan tes,
d. Suatu model yang tidak mensyaratkan tes yang
parallel untuk mengestimasi koefisien reliabilitas,
dan
e. Suatu model yang memberikan ukuran ketelitian
masing-masing skor kemampuan.
23/02/2023 Mansyur & Syahrul 6
C. Postulat yang mendasari IRT
IRT didasarkan pada dua buah postulat, yaitu:
a. Kemampuan seorang peserta tes pada suatu
butir soal dapat diprediksi (dijelaskan) oleh
faktor-faktor yang disebut traits, dan
b. Hubungan antara kemampuan seorang peserta
tes dengan traits yang mendasarinya pada
suatu butir soal dapat dijelaskan melalui suatu
fungsi monoton naik (fungsi matematika) yang
disebut fungsi karakteristik butir atau kurva
karakteristik butir
(Hambleton & Swaminathan, 1985: 9;Crocker
& Algina, 1986: 339-341; Hulin, Drasgow,
Parson, 1983: 14-15 ).

23/02/2023 Mansyur & Syahrul 7

D. Asumsi
Tujuan teori respon butir yaitu membentuk
parameter butir dan parameter peserta yang
bersifat invarian yang akan dicapai jika ada
kecocokan perangkat data tes dengan model yang
digunakan. Model yang digunakan akan cocok jika
data tes memenuhi asumsi-asumsi pada teori
respon butir, yaitu unidimensi, independen lokal,
dan invariansi parameter (Hambleton &
Swaminathan, 1985: 9; Hambleton, Swaminathan,
dan Rogers, 1991: 16).

23/02/2023 Mansyur & Syahrul 8

a. Unidimensi
Setiap butir soal hanya mengukur satu
kemampuan (kondisi ini sulit terpenuhi
secara ideal karena faktor-faktor kognitif,
kepribadian, dan faktor-faktor administratif
dalam tes seperti kecemasan, motivasi,
dan kecenderungan untuk menebak).
Asumsi unidimensi dapat ditunjukkan
hanya jika tes mengandung suatu
komponen dominan yang mengukur
kemampuan peserta

23/02/2023 Mansyur & Syahrul 9

Dominant

first factor

23/02/2023 Mansyur & Syahrul 10

b. Independen lokal
Terjadi jika faktor-faktor yang
memengaruhi kemampuan konstan, maka
respon seorang peserta tes terhadap
pasangan butir manapun akan independen
secara statistik satu sama lain. Artinya,
jawaban seorang peserta tes terhadap
suatu butir tidak memengaruhi jawabannya
terhadap butir yang lain.

23/02/2023 Mansyur & Syahrul 11

Secara matematik,

dengan,
i = butir i, i = 1, 2, 3, …., n
n = banyaknya butir soal
peluang menjawab butir i pada
kemampuan theta
dan
23/02/2023 Mansyur & Syahrul 12
c. Invarian parameter, artinya karakteristik
butir soal tidak tergantung pada karakteristik
kemampuan peserta tes dan karakteristik
kemampuan peserta tes tidak tergantung pada
karakteristik butir soal

23/02/2023 Mansyur & Syahrul 13

E. Model yang Digunakan oleh IRT

1. Model Logistik Satu Parameter (Model -1PL)

Pada Model- 1PL : peluang seorang peserta tes
untuk menjawab dengan benar suatu butir soal
ditentukan oleh satu karakteristik butir, yaitu
tingkat kesulitan butir

23/02/2023 Mansyur & Syahrul 14

Hambleton, Swaminathan, dan Rogers (1991:
12) merumuskan Model-1PL sebagai:

i = 1, 2, 3, ..., n
Dengan:
Peluang seorang siswa dengan
kemampuan theta
menjawab butir i dengan benar
bi = Parameter tingkat kesulitan butir i
n = Jumlah butir soal
e = 2.712

23/02/2023 Mansyur & Syahrul 15

Gambar Model-1PL

23/02/2023 Mansyur & Syahrul 16

Catatan:
Jika bi > ,maka makin kecil
Jika bi < ,maka makin besar dan
Jika bi = ,maka = 0.5.
Hambleton, Swaminathan, dan Rogers (1991:
13) menyatakan bahwa nilai bi bervariasi dari
-2 sampai +2. Nilai mendekati -2
menunjukkan bahwa butir soal tersebut sangat
gampang. Nilai mendekati +2 menunjukkan
bahwa butir soal tersebut sangat sulit

23/02/2023 Mansyur & Syahrul 17

2. Model Logistika 2 Parameter
(Model-2PL)

Model-2 PL ditentukan oleh dua parameter butir

yaitu tingkat kesulitan butir dan daya pembeda
butir. Model ini dikembangkan oleh Birnbaum
(Hambleton, Swaminathan, dan Rogers, 1991:
15) sebagai pengganti fungsi ogive normal 2
parameter yang perhitungannya sangat sulit.

23/02/2023 Mansyur & Syahrul 18

 ,i
i = 1, 2, 3, ..., n

Konstanta D merupakan faktor koreksi

sedemikian sehingga antara model 2PL dan
fungsi ogive normal 2 parameter berbeda tidak
signifikan. Diketahui nilai D = 1,7 dan nilai
untuk kedua fungsi tersebut berbeda dalam
nilai mutlak kurang dari 0,01 untuk setiap nilai
(Hambleton, Swaminathan, dan Rogers, 1991:
15; Hambleton & Swaminathan, 1986: 37).

23/02/2023 Mansyur & Syahrul 19

Parameter ai disebut parameter pembeda
butir. Parameter ini proporsional terhadap
kecuraman ICC pada titik dan skala
kemampuan tertentu. Butir soal dengan ICC
yang lebih curam berfungsi lebih baik dalam
membedakan kemampuan peserta tes
daripada butir soal dengan ICC yang kurang
curam. Dengan kata lain, butir soal dengan
ICC yang lebih curam mempunyai daya
pembeda yang lebih besar dibandingkan
dengan butir soal dengan ICC yang kurang
curam.

23/02/2023 Mansyur & Syahrul 20

Secara teoritik, parameter ai didefinisikan pada
skala (-, +). Nilai yang negatif menunjukkan
bahwa butir yang bersangkutan harus dibuang. Nilai
yang positif menunjukkan bahwa tes tersebut
berfungsi dengan baik dalam mengukur kemampuan
yang hendak diukur (Hambleton & Swaminathan,
1986: 37).
Dalam praktek, nilai parameter ai jarang lebih dari
2 sehingga nilai parameter biasanya terletak pada
interval (0, 2). Semakin tinggi nilai parameter a i,
maka ICC yang dihasilkan akan semakin curam dan
nilai ai yang rendah akan menghasilkan ICC yang
naik secara bertahap sebagai fungsi kemampuan
(Hambleton, Swaminathan, dan Rogers, 1991: 15).

23/02/2023 Mansyur & Syahrul 21

 a1= 1

a3= 1.5 a4= 1.2 a2= 0.5

23/02/2023 Mansyur & Syahrul 22

3. Model Logistik 3 Parameter
(Model-3PL)

Three parameters:
◦ a = Daya Pembeda butir
◦ b = Tingkat Kesulitan butir
◦ c = lower asymptote, “pseudo-guessing”
Theta refers to the latent trait

23/02/2023 Mansyur & Syahrul 23

Effect of the “a”
parameter

Small “a,”
poor
discrimination

23/02/2023 Mansyur & Syahrul 24

Effect of the “a”
parameter

Larger “a,”
better
discrimination

23/02/2023 Mansyur & Syahrul 25

Effect of the “b” parameter

Low “b,”
“easy item”

23/02/2023 Mansyur & Syahrul 26

Effect of the “b” parameter

Higher “b,”
more
difficult
item

“b” inversely proportional to CTT23/02/2023

p Mansyur & Syahrul 27
F. Fungsi Informasi Butir dan Tes

Pada teori tes klasik, butir-butir soal yang

memadai bagi kelompok peserta tertentu dipilih
melalui analisis butir. Mutu suatu perangkat tes
dinilai dari koefisien reliabilitasnya. Hal-hal
tersebut pada teori respon butir dilakukan melalui
fungsi informasi butir dan fungsi informasi tes.

23/02/2023 Mansyur & Syahrul 28

Fungsi informasi berkaitan dengan
ketidakpastian (uncertainity).
Ketidakpastian tentang suatu parameter
dinyatakan dalam bentuk variansi sampel dari
sampel yang digunakan untuk mengestimasi
parameter tersebut atau dalam bentuk interval
konfidensi dari parameter itu.
Misalnya, ketika mengestimasi rata-rata
populasi , kuadarat simpangan baku rata-rata,
yaitu . 2
2  x
 x 
N

Semakin kecil nilai kuadrat simpangan baku,

semakin besar informasi yang diperoleh.

23/02/2023 Mansyur & Syahrul 29

Oleh karena itu, informasi tentang parameter
sering dinyatakan sebagai kebalikan dari kuadrat
simpangan baku (Hulin, Drasgow, dan Parson:
1983, 54):

1
Ix  2
 x

23/02/2023 Mansyur & Syahrul 30

Pada teori respon butir, ketidakpastian butir berkaitan
dengan parameter ciri peserta ( ).
Jika peserta dengan kemampuan tinggi mengerjakan
butir yang mudah, maka peserta tersebut mempunyai
peluang menjawab benar yang sangat tinggi.
Sebaliknya, jika peserta dengan kemampuan rendah
menjawab butir yang sulit, maka peluang dia
menjawab dengan benar akan sangat kecil.
Pada kasus ini, tidak diketahui seberapa besar
kemampuan peserta sehingga ketidakpastian tentang
kemampuan peserta sangat tinggi dan fungsi
informasi menjadi rendah.

23/02/2023 Mansyur & Syahrul 31

Tapi, jika peserta dengan kemampuan tinggi
menjawab butir yang sukar, peserta dengan
kemampuan sedang menjawab butir yang
sedang tingkat kesulitannya, serta peserta
dengan kemampuan rendah menjawab butir
yang rendah tingkat kesulitannya, maka
jawaban yang diperoleh akan bervariasi.
Dalam hal ini, ketidakpastian tentang
kemampuan peserta menjadi lebih rendah
karena besar kemampuan peserta diketahui
sehingga nilai fungsi informasi menjadi lebih
tinggi.

23/02/2023 Mansyur & Syahrul 32

 ,

Fungsi informasi butir, dilambangkan

dengan I i () , dinyatakan dalam
persamaan:
2

 P ( ) 
 i 
I i ( )  , i = 1, 2, 3, . . ., n
Pi ( ) Qi ( )
Dimana:
I i () = Informasi yg diberikan
butir i

Pi (  ) = Turunan pertama dari Pi (  )
Qi (  )  1  Pi (  )

23/02/2023 Mansyur & Syahrul 33

Fungsi informasi butir tergantung pada
kemiringan (slope) fungsi respon butir dan
variansi bersyarat pada masing-masing tingkat
kemampuan . Semakin besar nilai slope dan
semakin kecil nilai variansi, maka semakin
banyak informasi yang dihasilkan, dan akan
memperkecil kesalahan pengukuran. Fungsi
informasi butir untuk tiga model logistik
dirangkum pada tabel berikut.

23/02/2023 Mansyur & Syahrul 34

 2
Pi() Pi ()
Model
Pi () I i () 
Pi() Qi ()
 max I i (, u i ) max

1
1-PL 1  exp  D (  bi )  D Pi () Qi () D 2 Pi () Qi () bi 1 2
4
D

2-PL
1
1  exp  D ai (  bi ) 
D a i Pi () Qi () 2
D 2 a i Pi () Qi () bi 1 2 2
4
D ai


Pi ()  ci 2 Qi ()

ln 0,5 1  1  8ci
 
(1  ci ) Pi ()
2
1  ci D a i Pi ()  ci Qi () D 2 ai 2 3
1  20 c  8 c  (1  8c ) 2

 
ci  2 i i i
3-PL 1  exp  D ai (  bi )  1  ci 8 (1  ci )

D ai
1
2
D2 ai

23/02/2023 bi 
Mansyur & Syahrul 35
Secara umum, untuk ci > 0 , suatu butir akan
memberikan informasi yang maksimum pada
tingkat kemampuan yang lebih tinggi dari
tingkat kesulitan butir (Birnbaum dalam
Hambleton, Swaminathan, dan Rogers, 1991:
92)

23/02/2023 Mansyur & Syahrul 36

Fungsi informasi tes merupakan jumlah dari
fungsi informasi butir penyusun tes tersebut,
yaitu:

2
n n

 P ( ) 
 i 
I ( )   I ( )  
i 1
i
i 1
Pi ( ) Qi ( )

23/02/2023 Mansyur & Syahrul 37

Banyaknya informasi yang dikandung oleh
fungsi informasi tes dipengaruhi oleh kualitas
dan jumlah butir penyusun tes tersebut.
Semakin curam slope fungsi respon butir,
semakin banyak informasi yang dikandung.
Dan, semakin kecil variansi butir semakin
besar pula informasi yang diberikan oleh tes.
Fungsi informasi tes tidak tergantung pada
kombinasi tertentu dari butir-butir penyusun
tes. Masing-masing butir penyusun tes
independen satu sama lain (Hambleton,
Swaminathan, 1985: 104).

23/02/2023 Mansyur & Syahrul 38

Nilai-nilai parameter butir dan parameter
peserta merupakan hasil estimasi yang
kebenarannya bersifat probabilitas dan tidak
terlepas dari kesalahan pengukuran. Pada teori
respon butir, kesalahan pengukuran (standard
error measurement, SEM) berkaitan erat
dengan fungsi informasi.

23/02/2023 Mansyur & Syahrul 39

Nilai SEM berbanding terbalik dengan nilai akar
kuadrat fungsi informasi (Hambleton,
Swaminathan, dan Rogers, 1991: 94), yaitu:

1
ˆ E ( ) 
I ( )

23/02/2023 Mansyur & Syahrul 40

Sekian dan Terima kasih

23/02/2023 Mansyur & Syahrul 41