Peningkatan Presisi Penskoran Hasil Belajar: Analisis Fungsi Informasi Tes (TIF) dan Standard Error Menggunakan Software Xcalibre untuk Model 3-Parameter Logistik (3PL)
Penelitian ini bertujuan untuk mengevaluasi presisi pengukuran instrumen hasil belajar dengan memanfaatkan keunggulan metrik Item Response Theory (IRT). Berbeda dengan Classical Test Theory (CTT) yang mengasumsikan kesalahan pengukuran konstan, penelitian ini menganalisis variabilitas Fungsi Informasi Tes (TIF) dan Standard Error of Measurement (SE(θ)) di sepanjang kontinum kemampuan. Metode penelitian yang digunakan adalah kuantitatif deskriptif-evaluatif dengan melibatkan 620 responden yang mengerjakan 45 butir soal pilihan ganda dikotomus. Kalibrasi dilakukan menggunakan Model 3-Parameter Logistik (3PL) melalui Software Xcalibre pada lingkungan R untuk mengestimasi parameter daya beda (a), tingkat kesulitan (b), dan tebakan semu (c). Hasil analisis menunjukkan bahwa model 3PL memiliki kesesuaian yang sangat baik dengan data (RMSEA = 0,051; SRMR = 0,042). Temuan utama mengindikasikan bahwa TIF mencapai nilai maksimum sebesar 25,80 pada tingkat kemampuan = +0,25, yang berkorespondensi dengan nilai SE(θ) minimum sebesar 0,197. Sebaliknya, pada rentang kemampuan ekstrem (θ +2.5), nilai SE(θ) meningkat tajam hingga mencapai 0,392, yang menunjukkan penurunan presisi pengukuran secara signifikan. Simpulan dari penelitian ini menegaskan bahwa presisi penskoran bersifat heteroskedastik atau bergantung pada tingkat kemampuan individu. Oleh karena itu, institusi pendidikan direkomendasikan untuk beralih dari pelaporan skor tunggal ke pelaporan skor yang disertai dengan Interval Kepercayaan 95% guna meminimalisir bias interpretasi. Selain itu, pengembangan tes di masa depan perlu menambah butir soal dengan tingkat kesulitan ekstrem untuk meratakan distribusi informasi tes.
Jaringan kolaborasi para penulis
2 penulis ·
1 tautan kepenulisan bersama
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Afiliasi tidak diketahui
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulis
Organisasi
Artikel bersama
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.