IMPLEMENTASI MODEL RASCH DENGAN ESTIMASI KEMAMPUAN MAXIMUM LIKELIHOOD BERBASIS COMPUTER BASED TEST UNTUK IDENTIFIKASI CAPAIAN KEMAMPUAN SISWA

Penelitian ini bertujuan untuk menganalisis hasil jawaban berdasarkan pemodelan rasch dan mengimplementasikan sebuah sistem evaluasi pembelajaran untuk identifikasi capaian kemampuan siswa. Instrumen penilaian berbasis komputer merupakan alat yang sangat menjanjikan untuk pengukuran pendidikan. Alat...

Full description

Saved in:
Bibliographic Details
Main Author: Fauziah, Lisna (Author)
Format: Book
Published: 2017-08-23.
Subjects:
Online Access:Link Metadata
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Penelitian ini bertujuan untuk menganalisis hasil jawaban berdasarkan pemodelan rasch dan mengimplementasikan sebuah sistem evaluasi pembelajaran untuk identifikasi capaian kemampuan siswa. Instrumen penilaian berbasis komputer merupakan alat yang sangat menjanjikan untuk pengukuran pendidikan. Alat ukur yang baik adalah alat ukur yang memenuhi persyaratan dan mampu menghasilkan informasi yang mengandung kesalahan sekecil mungkin. Model Rasch dipilih karena beberapa keunggulan yang dimiliki. Data yang digunakan pada penelitian ini berupa data sejumlah 30 siswa dan 30 item soal. Hasil dari penelitian ini adalah : (1) pemodelan rasch dapat melakukan prediksi terhadap data yang hilang, yang didasarkan kepada pola respons yang sistematis. Hasil analisis statistik menjadi lebih akurat dalam penelitian yang dilakukan. kemampuan prediksi pemodelan rasch akan menghasilkan kemungkinan nilai terbaik dari data yang hilang (2) estimasi parameter menggunakan maximum likelihood diketahui bahwa dari 23,3% mempunyai latent trait sangat rendah, 26.7% siswa memiliki latent trait sangat tinggi dan 50% siswa laten trait nya sedang. Berdasarkan analisis diatas seorang guru dapat melihat kemmapuan siswa melalui analisis penilaian dengan model rasch dianjurkan untuk setiap guru agar dapat membantu guru dalam mengetahui kemampuan dan hasil belajar siswa .---------- The study aims to analyze the resultsof answers based on rasch modeling and implement a learning evaluation system for identificatioanof student achievement outcomes. A good measuring instrument is a metric that meets the requirements and is able to produce information containing the smallest possible errors. Rasch Model was chosen because of several advantages. The data used in this study were 30 students and 30 items. The result of this study are: (1) person realibility on basic network item test is 0.45 while item realibility is 0.68 the magnitude of Alpha Cronbach is 0.51% person measure showed that all items were fit. So the item does not need to be revised or eliminated. Another information that can be obtained is the logit person, for person 3 with 1.5 logit showed that the person with the highest score (able to do almost all of items), person 30 with -1.53 logit showed that students with the lowest ability (the lowest in solving the items correctly). There is no misfit occur because of 0.5 <MNSQ> 1.5 and 0.4 <PT Measure Corr <0.85. (2) estimated parameter was used maximum likelihood known that from 23.3% have very low latent trait, 26.7% of students have very high latent trait and 50% students are medium. Based on the analysis above a teacher can see the students' ability through assessment analysis with rasch model is suggested for each teacher to help teacher so that they know the students' ability and the result of learning.
Item Description:http://repository.upi.edu/31773/1/S_KOM_1100258_Title.pdf
http://repository.upi.edu/31773/2/S_KOM_1100258_Table%20of%20Content.pdf
http://repository.upi.edu/31773/3/S_KOM_1100258_Abstract.pdf
http://repository.upi.edu/31773/4/S_KOM_1100258_chapter%201.pdf
http://repository.upi.edu/31773/6/S_KOM_1100258_chapter%202.pdf
http://repository.upi.edu/31773/5/S_KOM_1100258_chapter%203.pdf
http://repository.upi.edu/31773/7/S_KOM_1100258_chapter%204.pdf
http://repository.upi.edu/31773/8/S_KOM_1100258_chapter%205.pdf
http://repository.upi.edu/31773/9/S_KOM_1100258_bibliography.pdf
http://repository.upi.edu/31773/10/S_KOM_1100258_Appendix.pdf