psikometri bab a16

Bab 16

Sekor Komposit dan Seleksi

---------------------------------------------------------------------------------------Sekor Komposi dan Seleksi

------------------------------------------------------------------------------

Bab 16

Sekor Komposit dan Seleksi

A. Hakikat Sekor Komposit

1. Pengertian

• Sekor komposit merupakan gabungan dari sejumlah sekor

Tiap sekor : Sekor komponen

Sekor gabungan : Sekor komposit

• Terdapat sejumlah cara untuk melakukan penggabungan itu

------------------------------------------------------------------------------Sekor Komposit dan Seleksi

------------------------------------------------------------------------------

2. Bentuk Gabungan Sekor

Penggabungan sekor komponen dapat dilakukan secara

• Linier• Nonlinier

Penggabungan sekor komponen dapat juga dilakukan secara

• Tanpa bobot (semua bobot sama = 1)• Dengan bobot

Pada umumnya penggabungan sekor komponen dilakukan secara linier, tanpa atau dengan pembobotan


------------------------------------------------------------------------------

3. Bentuk Bobot

Bobot dapat berbentuk

• Bobot nominal• Bobot efektif

(a) Sekor komposit dengan bobot nominal linier

• Ukuran bobot w1, w2, w3, . . .

dengan w1 + w2 + w3 + . . . = 1 atau 100%

• Sekor komposit

A = w1A1 + w2A2 + w3A3 + . . .

= ΣwuAu

Σwu = 1 atau 100%


------------------------------------------------------------------------------

(b) Sekor komposit dengan bobot efektif

• Bobot sekor komponen dikenal sebagai indeks kontribusi sekor komponen

• Indeks kontribusi mencakup kovariansi di antara sekor komponen dengan sekor komposit

εu = indeks kontribusi sekor komponen ke-u

σ2u = variansi sekor komponen ke-u

wu, wv = bobot sekor komponen ke-u, ke-v

σuv = kovariansi di antara sekor komponen ke-u dan ke-v

∑∑

≠

+=

=+++=

vuuvuuuu

uu

ww

A

AAAA

σσε

εεεε

22

332211 ...


------------------------------------------------------------------------------

4. Beberapa Ciri Sekor

Sekor komponen memiliki beberapa ciri

• Skala• Bobot• Peringkat• Variansi

Sekor komposit memiliki beberapa ciri

• Skala• Peringkat• Variansi

Dalam beberapa hal, terdapat hubungan di antara ciri sekor komponen dengan ciri sekor komposit


------------------------------------------------------------------------------

B. Sekor Komposit Linier Berbobot Nominal

1. Bentuk Sekor Komposit

• Sekor komposit linier berbobot nominal dapat ditampilkan dalam bentuk

A = w1A1 + w2A2 + w3A3 + . . .

= ΣwuAu

ΣwuAu = 1 atau 100%

• Skala bobot dapat dinyatakan dalam proporsi (0 sampai 1) atau dalam persentase (0% sampai 100%)

• Skala sekor komponen dan skala sekor komposit biasanya terdiri atas skala yang sama, misalnya, sekor 0 sampai 100


------------------------------------------------------------------------------

2. Peranan Bobot Sekor Komponen

• Setiap sekor komponen memberikan sumbangan kepada sekor komposit yang besarnya ditentukan melalui bobot

• Biasanya sumbangan atau bobot ini ditetapkan berdasarkan pentingnya sekor komponen itu

• Makin penting suatu sekor komponen makin besar bobot yang diberikan kepada sekor komponen itu

• Sebagai misal, nilai hasil belajar merupakan sekor komposit yang menggabungkan sekor komponen tugas (T), sekor komponen ujian formatif (F), dan sekor komponen ujian sumatif (S)

A = wTAT + wFAF + wSAS

dengan wS terbesar, wF berikutnya, dan wT terkecil


------------------------------------------------------------------------------

Contoh 1

Suatu sekor komposit hasil belajar A terdiri atas sekor komponen tugas (T) dan sekor komponen ujian (U)

A = wTAT + wUAU

dengan wT = 0,3 atau 30% dan wU = 0,7 atau 70%

Res- Sekor Sekor Bobot Sekor

pon- Komponen 30% 70% Komposit

den AT AU AT AU A

1 20 50 6 35 41

2 40 45 12 31,5 43,5

3 60 60 18 42 60

4 80 55 24 38,5 62,5


------------------------------------------------------------------------------

Contoh 2

Suatu sekor komposit hasil belajar A terdiri atas sekor komponen tugas (T) dan sekor komponen ujian (U)

A = wTAT + wUAU

dengan wT = 0,3 atau 30% dan wU = 0,7 atau 70%


pon- Komponen 30% 70% Komposit

den AT AU AT AU A

1 45 40

2 50 20

3 55 80

4 60 60

------------------------------------------------------------------------------Sekor Komposit

------------------------------------------------------------------------------

Contoh 3

Suatu sekor komposit hasil belajar terdiri atas sekor komponen tugas (T), sekor komponen ujian formatif (F), dan sekor komponen ujian sumatif (S)



pon- Komponen 0,1 0,4 0,5 Komposit

den AT AF AS AT AF AS A

1 85 90 80

2 90 80 70

3 95 95 85

4 90 75 60

5 85 85 80

6 70 75 70

7 75 85 75

8 80 90 85

9 80 85 80

------------------------------------------------------------------------------Sekor Komposit

------------------------------------------------------------------------------

Contoh 4






1 8 9 8

2 9 8 7

3 9 9 8

4 9 7 6

5 8 8 8

6 7 7 7

7 7 8 7

8 8 9 8

9 8 8 8

------------------------------------------------------------------------------Sekor Komposit

------------------------------------------------------------------------------

Contoh 5



A = 4, B = 3, C = 2, D = 1, E = 0 Res- Sekor Sekor Bobot Sekor



1 A A B

2 B A C

3 A A B

4 B C D

5 B B B

6 E C C

7 D B C

8 C A B

9 C B B


------------------------------------------------------------------------------

3. Peranan Variansi Sekor Komponen

• Variansi sekor komponen berperanan terhadap ciri sekor komposit terutama dalam hal peringkat

• Peringkat pada sekor komposit banyak ditentukan oleh variansi sekor komponen

• Makin besar variansi sekor komponen makin besar pengaruhnya terhadap peringkat sekor komposit

• Peringkat pada sekor komposit cenderung mengikuti peringkat pada sekor komponen dengan variansi terbesar (sekalipun bobotnya kecil)

• Kita lihat peranan variansi sekor komponen terhadap peringkat sekor komposit melalui contoh berupa sekor

A = wXAX + wYAY


------------------------------------------------------------------------------

Contoh 6


pon- Komponen 5% 95% komposit

den AX AY AX AY A

1 50 (1) 90 2,5 85,5 88 (1)

2 60 (2) 90 3 85,5 88,5 (2)

3 70 (3) 90 3,5 85,5 89 (3)

4 80 (4) 90 4 85,5 89,5 4)

µ 65 90 88,75

σ2 125 0 0,31

variansi bobot

Sekor Komponen X 125 5%

Sekor Komponen Y 0 95%

Peringkat sekor komposit A mengikuti peringkat sekor komponen X


------------------------------------------------------------------------------

Contoh 7



den AX AY AX AY A

1 20 (1) 50 (2) 6 35 41 (1)

2 40 (2) 45 (1) 12 31,5 43,5 (2)

3 60 (3) 60 (4) 18 42 60 (3)

4 80 (4) 55 (3) 24 38,5 62,5 (4)

µ 50 52,5 51,75

σ2 500 31,25 91,81

variansi bobot

Sekor Komponen X 500 30%

Sekor Komponen Y 31,5 70%

Peringkat sekor komposit A mengikuti peringkat sekor komponen X


------------------------------------------------------------------------------

Contoh 8



den AX AY AX AY A

1 45 (1) 40 (2) 13,5 28 41,5 (2)

2 50 (2) 20 (1) 15 14 29 (1)

3 55 (3) 80 (4) 16,5 56 72,5 (4)

4 60 (4) 60 (3) 18 42 60 (3)

µ 52,5 50 50,75

σ2 31,25 500 279,31

variansi bobot

Sekor Komponen X 31,25 30%

Sekor Komponen Y 500 70%

Peringkat sekor komposit A mengikuti peringkat sekor komponen Y


------------------------------------------------------------------------------

4. Peranan Bobot dan Variansi Sekor Komponen

• Dalam hal peringkat sekor komposit, peranan variansi sekor komponen lebih kuat dari peranan bobot sekor komponen

• Peranan bobot sekor komponen dapat diperkuat dengan menetralkan peranan variansi sekor komponen

• Penetralan variansi sekor komponen dapat dilakukan melalui nilai baku sekor komponen atau tara nilai baku sekor komponen (TNB)

A = w1TNB1 + w2TNB2 + w3TNB3 + . . .

= ΣwuTNBu

Σwu = 1 atau 100%

• Di sini digunakan TNB dengan skala yang sama dengan skala sekor komponen atau skala sekor komposit


------------------------------------------------------------------------------

Contoh 9

Kita kembali ke contoh 7. Kita menggunakan Tara Nilai Baku (TNB) yang memberikan skala sama dengan skala sekor komponen yakni

TNB = 10z + 50

TNBX = (10)(22,36) + 50

TNBY = (10)(5,59) + 50

sehingga

Resp Sekor Komponen Sekor TNB

AX AY TNBX TNBY

1 20 (1) 50 (2) 48,58 45,53

2 40 (2) 45 (1) 45,53 36,58

3 60 (3) 60 (4) 54,47 63,42

4 80 (4) 55 (3) 63,42 54,47


------------------------------------------------------------------------------

Dengan sekor TNB dan bobot dihasilkan sekor komposit

Res- Sekor TNB Sekor Bobot Sekor


den AX AY AX AY A

1 48,58 45,53 14,57 31,87 46,44 (2)

2 45,53 36,58 13,66 25,61 27,27 (1)

3 54,47 63,42 16,34 44,39 60,73 (4)

4 63,42 54,47 19,03 38,13 57,16 (3)

Bandingkan kembali dengan contoh 7

Tampak di sini bahwa peringkat sekor komposit A tidak lagi mengikuti peringkat pada sekor komponen X (variansi terbesar) melainkan mengikuti peringkat pada sekor komponen Y (bobot terbesar)


------------------------------------------------------------------------------

C. Sekor Komposit Berbobot Efektif

1. Indeks Kontribusi dan Sekor Komposit

• Setiap sekor komponen memberikan kontribusi kepada sekor komposit

• Besar kontribusi selain, berupa bobot, juga berupa variansi dan kovariansi di antara sekor komponen

• Bentuk umum sekor komposit

A = ε1A1 + ε2A2 + ε3A3 + . . .

ΣεuAu

εu = w2uσ2

u + wuΣwvσuv untuk u ≠ v


------------------------------------------------------------------------------

2. Sekor Komposit Nilai Baku

Jika kita menggunakan nilai baku maka

• Variansi σ2u = 1 dan

• Kovariansi σuv = ρuv (koefisien korelasi)

sehingga

εu = w2u + wuΣwvρuv

3. Sekor Komposit Nilai Baku Bobot Satu

Jika bobot wu = 1, maka indeks kontribusi

εu = 1 + Σρuv untuk u ≠ v

dan untuk dua sekor komponen 1 dan 2

ε1 = 1 + ρ12

ε2 = 1 + ρ21


------------------------------------------------------------------------------

D. Koefisien Reliabilitas pada Sekor Komposit

1. Reliabilitas pada Selisih Sekor

Sekor akhir ditentukan oleh selisih sekor 1 dan sekor 2 sementara setiap sekor memiliki koefisien reliabilitas masing-masing

Ada beberapa kemungkinan untuk memperoleh sekor 1 dan sekor 2

• Dua ujian waktu sama pada kelompok responden yang sama

• Dua ujian beda waktu pada kelompok responden yang sama

Sekor selisih = sekor 1 – sekor 2


------------------------------------------------------------------------------

Rumus Koefisien Reliabilitas Selisih Sekor

Koefisien reliabilitas selisih sekor ini diturunkan dari koefisien reliabilitas masing-masing sekor asal

dengan

ρSL = koefisien reliabilitas selisih sekor

ρ11 = koefisien reliabilitas sekor 1


ρ12 = koefisien korelasi di antara sekor 1 dan sekor 2

Koefisien reliabilitas selisih sekor ditentukan oleh korelasi di antara kedua sekor itu

12

122211

12

ρ

ρρρ

ρ−

−+

=SL


------------------------------------------------------------------------------

Contoh 10

Misalkan ρ11 = 0,86 dan ρ22 = 0,80 sehingga rerata mereka adalah 0,83. Berikut adalah koefisien reliabilitas selisih sekor 1 – sekor 2 untuk berbagai harga koefisien korelasi ρ12.

ρ12 ρrel

0,83 0,00

0,80 0,15

0,70 0,43

0,60 0,58

0,50 0,67

0,40 0,72

0,30 0,76

0,20 0,79

0,10 0,81

0,00 0,83


------------------------------------------------------------------------------

Pembahasan

Sekor 1 dan sekor 2 masing-masing mengandung sekor tulen dan sekor keliru

A1 = T1 + K1

A2 = T2 + K2

sehingga selisih mereka adalah

Asel = A1 – A2 = (T1 – T2 ) + (K1 – K2)

Koefisien korelasi tinggi berarti bahwa T2 T1 atau

(T1 – T2) 0,

sehingga koefisien reliabilitas ρrel ditentukan oleh sekor keliru (K1 – K2) yang acak dengan akibat

ρrel 0


------------------------------------------------------------------------------

2. Reliabilitas pada Jumlah Dua Sekor

Sekor akhir ditentukan oleh jumlah sekor 1 dan sekor 2 sementara setiap sekor memiliki koefisien reliabilitas masing-masing

Ada beberapa kemungkinan untuk memperoleh sekor 1 dan sekor 2

• Dua ujian waktu sama pada kelompok responden yang sama

• Dua ujian beda waktu pada kelompok responden yang sama

Sekor jumlah = sekor 1 + sekor 2


------------------------------------------------------------------------------

Rumus Koefisien Reliabilitas Jumlah Dua Sekor

Koefisien reliabilitas gabungan dua sekor ini diturunkan dari koefisien reliabilitas masing-masing sekor asal

dengan

ρrel = koefisien reliabilitas jumlah sekor



ρ12 = koefisien korelasi di antara sekor 1 dan 2

Makin besar koefisien korelasi ρ12 makin besar koefisien reliabilitas gabungan dua sekor

12

2211

2

21

ρρρρ

++−−= )(

rel


------------------------------------------------------------------------------

Contoh 11

Misalkan ρ11 = 0,86 dan ρ22 = 0,80 maka untuk berbagai harga koefisien korelasi di antara sekor 1 dan sekor 2, koefisien reliabilitas gabungan sekor adalah

ρ12 ρrel

1,0 0,89

0,8 0,88 Makin tinggi koefisien

0,6 0,87 korelasi ρ12 makin tinggi

0,4 0,86 koefisien reliabilitas gabungan

0,2 0,85 ρrel

0,0 0,83

Pembahasan

Makin tinggi korelasi di antara sekor makin setara kedua sekor itu sehingga seolah-olah alat ukur diperpanjang dengan akibat peningkatan koefisien reliabilitas (lihat pilah L Spearman-Brown)


------------------------------------------------------------------------------

3. Koefisien Reliabilitas pada Jumlah k Sekor

Gabungan dua sekor kita perluas menjadi gabungan k sekor

Koefisien reliabilitas meningkat menurut rumus berikut

Peningkatan koefisien reliabilitas gabungan sekor bergantung kepada besar kecilnya rerata koefisien korelasi di antara mereka

Makin tinggi rerata koefisien korelasi makin tinggi pula koefisien reliabilitas gabungan sekor karena seolah-olah alat ukur diperpanjang

korelasikoefisienrerata

asreliabilitkoefisienrerata

kkk

kkrel

=

=

−+−−=

12

11

122

111

ρ

ρ

ρρρ)(

)(


------------------------------------------------------------------------------

Contoh 12

Sekor komposit (gabungan) terdiri atas 3 sekor, masing-masing dengan koefisien reliabilitas 0,70, 0,75, dan 0,80 serta dengan rerata interkorelasi 0,39

k = 3

Koefisien reliabilitas sekor komposit menjadi

39,0

75,03

80,075,070,0

12

11

=

=++=

ρ

ρ

86,0

14,01

)39,0)(33(3

)75,0)(3(31

2

=−=

−+−−=relρ


------------------------------------------------------------------------------

Pembahasan

Sekor gabungan menyebabkan seolah-olah ujian menjadi panjang sehingga dengan interkorelasi yang memadai koefisien reliabilitas cenderung meningkat

Namun peningkatan ini dipengaruhi oleh kesetaraan di antara hasil ujian yang berkenaan dengan interkorelasi di antara butir

Kalau ujian formatif dan ujian sumatif memiliki kesetaraan yang tinggi, maka sekor komposit hasil belajar akan dicapai dengan koefisien reliabilitas yang lebih tinggi daripada koefisien reliabilitas setiap ujian

------------------------------------------------------------------------------Penyetaraan Sekor dan Seleksi

------------------------------------------------------------------------------

E. Seleksi Penerimaan

1. Tujuan

• Untuk suatu penerimaan, misalnya, penerimaan mahasiswa baru atau penerimaan pegawai baru, biasanya diadakan ujian seleksi

• Tujuan ujian seleksi berkaitan dengan validitas kriteria yakni untuk memperoleh penerimaan baru yang kelak dapat berhasil dengan baik

• Ada beberapa hal yang terkait di dalam seleksi penerimaan meliputi di antaranya validitas kriteria, sekor prediktor, batas seleksi, sekor kriteria, dan angka sukses (keberhasilan)


------------------------------------------------------------------------------

2. Hakikat

Penerimaan• Biasanya tidak semua peserta seleksi dapat

diterima

Rasio seleksi (selection ratio)• Rasio seleksi adalah rasio dari kelompok

peserta seleksi yang diterima terhadap seluruh kelompok peserta seleksi

Batas seleksi (selection cutoff)• Batas seleksi adalah nilai batas yang membagi

peserta seleksi menjadi dua kelompok yakni kelompok di atas nilai batas yang diterima dan kelompok di bawah nilai batas yang tidak diterima

• Pada umumnya kelompok yang sama dengan nilai batas juga diterima


------------------------------------------------------------------------------

Sukses dan gagal• Kelompok yang diterima kelak menunjukkan

apakah mereka sukses atau gagal

Rasio sukses (success ratio)• Rasio sukses adalah rasio dari kelompok

sukses terhadap seluruh kelompok yang diterima

• Rasio gagal adalah rasio kelompok gagal terhadap seluruh kelompok yang diterima

Batas sukses (success cutoff)• Batas sukses adalah nilai batas yang membagi

kelompok yang diterima ke dalam dua kelompok yakni kelompok sukses yang terletak di atas nilai batas dan kelompok gagal yang terletak di bawah nilai batas

• Biasanya kelompok yang sama dengan nilai batas juga termasuk ke kelompok sukses


------------------------------------------------------------------------------

Angka hit (hit rate)• Angka hit adalah rasio sukses (dan gagal)

yang sesungguhnya terjadi • Biasanya angka hit digunakan pada

kelompok yang diterima apabila tidak seluruh peserta seleksi diterima

Angka dasar (base rate)• Angka dasar adalah rasio sukses (dan

gagal) yang paling mungkin terjadi melalui segala jenis prosedur

• Biasanya angka dasar digunakan pada kelompok yang diterima sekiranya seluruh peserta seleksi diterima

Validitas kriteria• Validitas kriteria adalah validitas kriteria

pada pengukuran yang mengkorelasikan sekor prediktor (ujian seleksi pada kelompok peserta seleksi) dengan sekor kriteria (ujian kesuksesan pada kelompok yang sudah diterima)


------------------------------------------------------------------------------

Dalam bentuk diagram, berbagai besaran itu adalah sebagai berikut

Batas seleksi

Rasio seleksi

Batas sukses

Sekor prediktor

Angka hitAngka dasar

Sekor kriteria


------------------------------------------------------------------------------

Dalam bentuk diagram lainnya, angka ini dapat ditampilkan sebagai berikut.

proporsi a = angka hit

proporsi a + b = angka dasar

proporsi d = positif palsu (false positive)

proporsi b = negatif palsu (false negative)


------------------------------------------------------------------------------

2. Seleksi Penerimaan dengan Lebih dari Satu Prediktor

Model Kompensasi (Linear Multiple Regression Model)

• Sekor seleksi merupakan sekor komposit dari beberapa sekor subujian

• Kekurangan pada sekor satu subujian dapat dikompensasi oleh kelebihan pada sekor subujian lain

• Dalam bentuk nilai baku, mereka membentuk regresi linier

z’Y = b1z1 + b2z2 + b3z3 + . . . + bkzk

dengan b1, b2, b3, . . . , bk sebagai bobot

• Untuk dua sekor subujian berbobot sama, bentuknya menjadi

z’Y = z1 + z2


------------------------------------------------------------------------------

Contoh 13

Dalam bentuk nilai baku, sekor seleksi terdiri atas dua subsekor berbobot sama

z’Y = z1 + z2 dengan batas seleksi z’Y = – 1,0

sehingga secara diagram

2,0

1,0

0,0

– 1,0

– 2,0

– 2,0 – 1,0 0,0 1,0 2,0

ditolak

diterima


------------------------------------------------------------------------------

3. Seleksi Penerimaan dengan Lebih dari Satu Prediktor

Model Konjunktif (Multiple Cutoff Model)

• Sekor seleksi terdiri atas beberapa sekor subujian seleksi

• Setiap subujian memiliki batas seleksi sendiri (multiple cutoff), dapat sama atau dapat berbeda-beda

• Penerimaan dilakukan apabila semua sekor subujian terletak di atas (atau sama dengan) semua batas seleksi sekor subujian masing-masing

• Apabila ada satu saja sekor subujian terletak di bawah batas seleksi, maka peserta itu tidak diterima

• Untuk dua sekor subujian, terdapat dua batas seleksi


------------------------------------------------------------------------------

Contoh 14

Dalam bentuk nilai baku, sekor seleksi terdiri atas dua subsekor dengan batas seleksi sama

batas seleksi z1 = z2 = – 1,0

sehingga secara diagram

2,0

1,0

0,0

– 1,0

– 2,0

– 2,0 – 1,0 0,0 1,0 2,0

diterima


------------------------------------------------------------------------------

Perbandingan kedua model seleksi yakni model kompensasi dan model konjunktif dalam bentuk diagram

A : diterima melalui dua model

D : ditolak melalui dua model

B dan E: diterima melalui model kompensasi tetapi ditolak melalui model konjunktif

C : diterima melalui model konjunktif tetapi ditolak

melalui model kompensasi

2,0

1,0

0,0

– 1,0

– 2,0

– 2,0 – 1,0 0,0 1,0 2,0

C

B

ED

A


------------------------------------------------------------------------------

5. Seleksi Penerimaan Satu Predikor

Model Angka Hit Terbesar

Data terandalkan

Diperlukan data yang dapat diandalkan tentang sekor prediktor dan sekor kriteria berikut batas sukses (atau batas gagal)

Angka hit

Dari kenyataan sukses dan gagal diperoleh matriks

Prediksi sukses gagal

sukses a b

Kenyataan

gagal c d

dcba

babdasarAngka

dcba

dahhitAngka

++++=

++++=


------------------------------------------------------------------------------

Batas seleksi Batas seleksi diletakkan pada angka hit tertinggi

Contoh 15

Dari data yang terandalkan (dengan validitas kriteria yang baik) diperoleh

sekor kriteria (frekuensi) prediktor sukses gagal 20 3 0 19 5 0 18 12 2 17 8 1 16 10 2 15 4 5 14 1 8 13 1 10 12 2 7 11 1 5 10 1 4 9 0 3 8 0 2 Jumlah 48 49


------------------------------------------------------------------------------

Batas seleksi

Kita dapat menghitung angka hit untuk berbagai batas seleksi, misalnya, 17, 16, 15

Angka hit

Jika batas seleksi = 17

Prediksi

sukses gagal

Kriteria sukses 28 20 48

gagal 3 46 49

Jumlah 97

Angka hit = (28 + 46)/ 97

= 72/97

= 74,2%


------------------------------------------------------------------------------


Prediksi

sukses gagal


gagal 5 44 49

Jumlah 97

Angka hit = (38 + 44)/97 = 82/97 = 84,5%


Prediksi

sukses gagal


gagal 11 38 49

Jumlah 97

Angka hit = (42 + 38)/97 = 80/97 = 82,5%

Angka hit tertinggi pada batas seleksi = 16


-----------------------------------------------------------------------------

5. Seleksi Penerimaan Menurut Tabel Taylor-Russel

Tabel Taylor-Russell

• Taylor-Russel menyusun tabel yang menghubungkan angka dasar, validitas kriteria, rasio seleksi, dan kiraan angka hit

• Di sini disediakan tabel untuk angka dasar 0,50 dan 0,60. Tabel lainnya perlu dicari

• Kita mulai dengan memperkirakan berapa persen perserta seleksi akan berhasil sekiranya seluruhnya diterima (angka dasar)

• Dengan angka dasar itu, kita dapat melakukan prediksi untuk beberapa hal yang bersangkutan dengan validitas kriteria, rasio seleksi, dan kiraan angka hit


------------------------------------------------------------------------------

Tabel Taylor-Russel

Angka dasar 0,50

ρXX 0,05 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,95

0,00 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50

0,05 0,54 0,54 0,53 0,52 0,52 0,52 0,51 0,51 0,51 0,50 0,50

0,10 0,58 0,57 0,56 0,55 0,54 0,53 0,53 0,52 0,51 0,51 0,50

0,15 0,63 0,61 0,58 0,57 0,56 0,55 0,54 0,53 0,52 0,51 0,51

0,20 0,67 0,64 0,61 0,59 0,58 0,56 0,55 0,54 0,53 0,52 0,51

0,25 0,70 0,67 0,64 0,62 0,60 0,58 0,56 0,55 0,54 0,52 0,51

0,30 0,74 0,71 0,67 0,64 0,62 0,60 0,58 0,56 0,54 0,52 0,51

0,35 0,78 0,74 0,70 0,66 0,64 0,61 0,59 0,57 0,55 0,53 0,51

0,40 0,82 0,78 0, 73 0,69 0,66 0,63 0,61 0,58 0,56 0,53 0,52

0,45 0,85 0,81 0,75 0,71 0,68 0,65 0,62 0,59 0,56 0,53 0,52

0,50 0,88 0,84 0,78 0,74 0,70 0,67 0,63 0,60 0,57 0,54 0,52

0,55 0,91 0,87 0,81 0,76 0,72 0,69 0,65 0,61 0,58 0,54 0,52

0,60 0,94 0,90 0,84 0,79 0,75 0,70 0,66 0,62 0,59 0,54 0,52

0,65 0,96 0,92 0,87 0,82 0,77 0,73 0,98 0,64 0,59 0,55 0,52

0,70 0,98 0,95 0,90 0,85 0,80 0,75 0,70 0,65 0,60 0,55 0,53

0,75 0,99 0,97 0,92 0,87 0,82 0,77 0,72 0,66 0,61 0,55 0,53

0,80 1,00 0,99 0,95 0,90 0,85 0,80 0,73 0,67 0,61 0,55 0,53

0,85 1,00 0,99 0,97 0,94 0,88 0,82 0,76 0,69 0,62 0,55 0,53

0,90 1,00 1,00 0,99 0,97 0,92 0,86 0,78 0,70 0,62 056 0,53

0,95 1,00 1,00 1,00 0,99 0,96 0,90 0,81 0,71 0,63 0,56 0,53

1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,83 0,71 0,63 0,56 0,53


------------------------------------------------------------------------------

Tabel Taylor-Russel

Angka dasar 0,60

ρXX 0,05 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,95

0,00 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60

0,05 0,64 0,63 0,63 0,62 0,62 0,62 0,61 0,61 0,61 0,60 0,60

0,10 0,68 0,67 0,65 0,64 0,64 0,63 0,63 0,62 0,61 0,61 0,60

0,15 0,71 0,70 0,68 0,67 0,66 0,65 0,64 0,63 0,62 0,61 0,61

0,20 0,75 0,73 0,71 0,69 0,67 0,66 0,65 0,64 0,63 0,62 0,61

0,25 0,78 0,76 0,73 0,71 0,69 0,68 0,66 0,65 0,63 0,62 0,61

0,30 0,82 0,79 0,76 0,73 0,71 0,69 0,68 0,66 0,64 0,62 0,61

0,35 0,85 0,82 0,78 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,62

0,40 0,98 0,85 0,81 0,78 0,75 0,73 0,70 0,68 0,66 0,63 0,62

0,45 0,90 0,87 0,83 0,80 0,77 0,74 0,72 0,69 0,66 0,64 0,62

0,50 0,93 0,90 0,86 0,82 0,79 0,76 0,73 0,70 0,67 0,64 0,62

0,55 0,95 0,92 0,88 0,84 0,81 0,78 0,75 0,71 0,68 0,64 0,62

0,60 0,96 0,94 0,90 0,87 0,83 0,80 0,76 0,73 0,69 0,65 0,63

0,65 0,98 0,96 0,92 0,89 0,85 0,82 0,78 0,74 0,70 0,65 0,63

0,70 0,99 0,97 0,94 0,91 0,87 0,84 0,80 0,75 0,71 0,66 0,63

0,75 0,99 0,99 0,96 0,93 0,90 0,86 0,81 0,77 0,71 0,66 0,63

0,80 1,00 0,99 0,98 0,95 0,92 0,88 0,83 0,78 0,72 0,66 0,63

0,85 1,00 1,00 0,99 0,97 0,95 0,91 0,86 0,80 0,73 0,66 0,63

0,90 1,00 1,00 1,00 0,99 0,97 0,94 0,88 0,82 0,74 0,67 0,63

0,95 1,00 1,00 1,00 1,00 0,99 0,97 0,92 0,84 0,75 0,67 0,63

1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,86 0,75 0,67 0,63


------------------------------------------------------------------------------

Contoh 16

Misalkan angka dasar adalah 0,60 sedangkan koefisien validitas adalah 0,40. Jika dari 400 peserta seleksi, 80 yang akan diterima, maka

rasio seleksi adalah 80/400 = 0,20

Dari tabel, angka hit adalah 0,81, sehingga dari 80 orang yang diterima akan sukses sebanyak

0,81 x 80= 65 orang

Con toh 17

Misalkan angka dasar adalah 0,60 sedangkan koefisien validitas adalah 0,40. Jika rasio seleksi adalah 0,60, maka angka hit adalah 0,70 atau

70% dari calon yang diterima akan sukses


------------------------------------------------------------------------------

Contoh 18

Misalkan angka dasar adalah 0,60, sedangkan peserta yang akan diterima (rasio seleksi) adalah 0,30. Jika dikehendaki agar angka sukses adalah 0,95, maka

diperlukan pengukuran dengan koefisien validitas sebesar 0,80

Contoh 19

Misalkan angka dasar adalah 0,50, maka hasil hitungan menjadi, dari

contoh 16 :

contoh 17 :

contoh 18 :


------------------------------------------------------------------------------

7. Kekeliruan Baku pada Estimasi Sekor Kriteria

• Validitas kriteria menghubungkan sekor prediktor dengan sekor kriteria melalui korelasi atau regresi

• Melalui regresi di antara sekor prediktor dan sekor kriteria dapat dilakukan estimasi (dari sekor prediktor mengestimasi sekor kriteria)

Sekor kriteria AY

Sekor prediktor AX

•

••

•• •

••

••

•ÂY

AX

estimasi


-----------------------------------------------------------------------------

Kekeliruan estimasi

Selisih di antara sekor kriteria AY dengan sekor estimasi ÂY merupakan kekeliruan estimasi

Keliru estimasi = AY – ÂY

•AY

ÂY

regresi

sekor prediktor

sekor kriteria

estimasi

Kekeliruan estimasi


------------------------------------------------------------------------------

ρVal = koefisien validitas

zAY = nilai baku AY

zÂY = nilai baku ÂY

aY = AY – µAY yakni nilai simpangan

âY = ÂY – µAY yakni nilai simpangan

XAX

AYvalY

AX

Xval

AY

Y

AXvalYA

aa

aa

zz

σσρ

σρ

σ

ρ

=

=

=

ˆ

ˆˆ


------------------------------------------------------------------------------

Kekeliruan baku estimasi menjadi

[ ]

22

22

22222

22

222

2

2

22

2

2

2

2

22

11

1

2

2

2

1

1

1

1

valkritvalAYest

valAY

valAYvalAYAY

AYAXvalAX

AYvalAX

AX

AYvalAY

YX

AX

AYval

X

AX

AYval

Y

XAX

AYvalY

YY

AYYAYY

YYest

M

aa

M

a

M

a

aaM

aaM

aaM

AAM

ρσρσσ

ρσρσρσσ

σσρσσρσ

σσρσ

σσρ

σσρ

σσρ

µµ

σ

−=−=

−=

−+=

−+=

−+=

−=

−=

+−+=

−=

∑∑∑

∑

∑

∑

∑

)(

)ˆ(

ˆ()(

)ˆ(

------------------------------------------------------------------------------Sekor Komposit

------------------------------------------------------------------------------

8. Validitas Prediksi pada Penerimaan Selektif

• Biasanya tidak semua peserta seleksi dapat diterima

• Hanya peserta dengan sekor prediktor tinggi yang diterima

• Perhitungan koefisien validitas hanya dapat dihitung dari mereka yang diterima

diterima

batas seleksi

diterima

AX

AY

------------------------------------------------------------------------------Skor Komposit dan Seleksi

------------------------------------------------------------------------------

• Dari bentuk

dapat diturunkan

• Karena hanya sebagian yang diterima maka σ2est

menjadi kecil atau menciut sehingga ρval membesar

Koefisien validitas menjadi overestimasi

222 1 valkritest ρσσ −=

2

2

1krit

estval σ

σρ −=


------------------------------------------------------------------------------

9. Batas Seleksi

Batas seleksi berhubungan dengan besaran lainnya termasuk

• Koefisien validitas• Batas sukses• Angka hit

Makin tinggi batas seleksi biasanya makin besar angka hit

AY

AX

Batas sukses

Batas seleksi

Angka hit


------------------------------------------------------------------------------

• Batas sukses minimum ditentukan sebesar zc sehingga pada batas sukses minimum

z’Y = zc

• Regresi yang dihasilkan oleh validitas kriteria

z’Y = ρval zX

AY

AX

zc

zX

z’Y = zc

rasio sukses

rasio gagal

Batas sukses


-----------------------------------------------------------------------------

• Nilai baku rasio sukses adalah zp dan

• Selanjutnya dari z’Y = ρval zX ditemukan bahwa batas seleksi zX adalah

2

2

1

1

valpcY

val

Yc

est

Ycp

zzz

sehingga

zzzzz

ρ

ρσ

−−=

−−=−=

'

''

val

valpc

val

YX

zzzz

ρρ

ρ

21−−== '


------------------------------------------------------------------------------

C0ntoh 20

Pada suatu seleksi penerimaan, nilai baku batas sukses adalah zc = 0,50 sedangkan rasio sukses adalah 0,90. Alat ukur yang digunakan memiliki koefisien validitas ρval =0,60.

Pada rasio sukses 0,90, dari tabel fungsi distribusi pada distribusi probabilitas normal, ditemukan nilai baku zp = – 1,282

Nilai baku batas seleksi zX adalah

542

600

60012821500

1

2

2

,

,

,),(,

=

−−−=

−−=

val

alpcX

zzz

ρρ


------------------------------------------------------------------------------

Contoh 21

Jika nilai baku batas minimum sukses ditentukan sebesar zc = 0,80, rasio sukses adalah 0,90, sedangkan alat ukur yang digunakan memiliki koefisien validitas ρval = 0,70, maka

zp =

dan nilai baku batas seleksi adalah

zX =


------------------------------------------------------------------------------

F. Nilai Hasil Belajar

1. Hasil Belajar

• Biasanya hasil belajar dinilai melalui sekor komposit (sekor tugas, sekor ujian formatif, dan sekor ujian sumatif)

• Nilai hasil belajar (grading) dinyatakan dengan huruf atau bilangan

• Terdapat banyak cara untuk memberi nilai hasil belajar melalui bermacam patokan

• Untuk menyususn transkrip elektronik, organisansi para registrar di Amerika Serikat menyusun klasifikasi yang meliputi Amerika Serikat dan Kanada

• Klasifikasi ini mencakup puluhan sistem yang beraneka ragam


------------------------------------------------------------------------------

2. Systematic Marking Procedure

(a) Pengembangan

• Prosedur ini dikembangkan dan digunakan di University of Iowa (November 1954)

(b) Kategori hasil belajar

• Hasil belajar dikelompokkan ke dalam tujuh kategori. Nilai A untuk tiap kategori menggunakan rumus yang berbeda

Exceptional (A ≥ M + 0,7 σ)Superior (A ≥ M + 0,9 σ)Good (A ≥ M + 1,1 σ)Fair (A ≥ M + 1,3 σ)Average (A ≥ M + 1,5 σ)Weak (A ≥ M + 1,7 σ)Poor (A ≥ M + 1,9 σ)

M = median σ = simpangan baku

-----------------------------------------------------------------------------Sekor Komposit dan Seleksi

------------------------------------------------------------------------------

(c) Pemberian nilai

Pemberian nilai A, B, C, D, dan F berbeda untuk tiap kategori

Kategori exceptional

M + 0,7 σ ≤ A

M – 0,3 σ ≤ B < M + 0,7 σM – 1,3 σ ≤ C < M – 0,3 σM – 2,3 σ ≤ D < M – 1,3 σ F < M – 2,3 σ

Kategori superior

M + 0,9 σ ≤ A

M – 0,1 σ ≤ B < M + 0,9 σM – 1,1 σ ≤ C < M – 0,1 σM – 2,1 σ ≤ D < M – 1,1 σ F < M – 2,1 σ


------------------------------------------------------------------------------

Kategori good

M + 1,1 σ ≤ A

M + 0,1 σ ≤ B < M + 1,1 σM – 0,9 σ ≤ C < M + 0,1 σM – 1,9 σ ≤ D < M – 0,9 σ F < M – 1,9 σ

Kategori fair

M + 1,3 σ ≤ A



------------------------------------------------------------------------------

Kategori average

M + 1,5 σ ≤ A


Kategori weak

M + 1,7 σ ≤ A



------------------------------------------------------------------------------

Kategori poor

M + 1,9 σ ≤ A


Makin lemah kategori makin tinggi sekor yang diperlukan untuk mencapai nilai hasil belajar tertentu

Selisih di antara nilai adalah satu simpangan baku

Dasar penilaian adalah penilaian acuan norma


------------------------------------------------------------------------------

3. European Credit Transfer System (ECTS)

• Diperkenalkan pada tahun 1989 untuk mengatur peralihan kredit di antara perguruan tinggi Eropa

• Satu tahun studi purnawaktu dengan beban studi 60 kredit (30 kredit per semester atau 20 kredit per trimester)

• Nilai hasil belajar dan persentase (acuan norma)

A 10%

B 25%

C 30%

D 25%

E 10%

FX gagal, perlu tambah tugas

F gagal


------------------------------------------------------------------------------

3. University Mobility in Asia and the Pacific Credit Transfer System (UCTS)

• UCTS mengadopsi ECTS sehingga sama dengan ECTS

• Satu tahun studi purnawaktu dengan beban studi 60 kredit (30 kredit per semester atau 20 kredit per trimester)

• Nilai hasil belajar dan persentase (acuan norma)

A 10% excellent

B 25% very good

C 30% good

D 25% satisfactory

E 10% sufficient

FX gagal, perlu tambah tugas

F gagal


------------------------------------------------------------------------------

4. Klasifikasi Nilai pada Transkrip Elektronik

I. Lima atau lebih nilai lulus (huruf dengan + / –)Sandi Nilai

Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0

01 A A– B+ B B– C+ C C– D+ D D– F

02 A+,A A- B+ B B- C+ C C- D+ D D- F

03 A B+ B C+ C D+ D F

04 A+,A B+ B C+ C D+ D F

05 A+,A A- B+ B B- C+ C C- D+ D F

06 A A- B+ B B- C+ C C- F

07 A B+ B C+ C D F

08 A A- B+ B B- C+ C C- D+ D F

09 A A- B+ B B- C+ C C- D F

10 A A- B+ B B- C+ C C- D+ D D- E/N,C

11 A+,A A- B+ B B- C+ C C-

12 A+,A A- B+ B B- C+ C C- D+ D D-

13 A A- B+ B B- C+ C C- D+ D D-

14 Sistem nonstandar dng lima atau lebih nilai huruf, tanpa “F”

15 Sistem nonstandar dng lima atau lebih nilai huruf, dengan “F”


------------------------------------------------------------------------------

II. Tipe ABCD/F dengan nilai setengah langkah (AB, BC, dll)

Sandi Nilai

Bobot 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0

16 A AB B BC C CD D DF F

17 A AB B BC C D F

18 A B C+ C D F

19 A B+ B C+ C D+ D F

20 A B+ B C+ C D F

21 A B+ B C+ C C- D F

22 A+,A B+ B C+ C D+ D F

23 Sistem ABCDF lainnya dng nilai setengah langkah tanpa “F”

24 Sistem ABCDF lainnya dng nilai setengah langkah dengan “F”


------------------------------------------------------------------------------

III. Tipe ABCDF (4 nilai lulus dengan huruf

Sandi Nilai

Bobot 4,0 3,0 2,0 1,0 0,0

25 A B C D F

26 A B C D NC/N

27 A B C D E

28 H S+ S S- U

29 E S M I F

30 DN HP P HCO NC

31 D E G Q U/F

32 H E G P U

33 S H P LP F

34 E VG G P F

35 HO HP PA CR NC

36 A B C D

37 A B C D U/R

38 Sistem tipe ABCD/F lainnya, tanpa “F”

39 Sistem tipe ABCD/F lainnya, dengan “F”


------------------------------------------------------------------------------

IV. Tipe ABC/F (3 nilai lulus dengan huruf)

Sandi Nilai Bobot 4,0 3,0 2,0 0,0 40 A B C F 41 H HP CR NC 42 H HP P F 43 A B C NC 44 A B C 45 H HP P NP 46 HH H P 47 HH H P F 48 E G P U/F 53 Sistem tipe ABC/F lainnya, tanpa “F” 54 Sistem tipe ABC/F lainnya, dengan “F”

V. Sistem Nilai Pascasarjana

Sandi Nilai Bobot 4,0 3,7 3,0 2,7 0,0 49 H HP P LP U/F 50 H HP P F 51 Dist High Pass Pass Low Pass F 52 H HP P U


------------------------------------------------------------------------------

VI. Tipe lulus/gagal (satu atau lebih nilai lulus)

Sandi Nilai

55 lulus/gagal : HP dan P, F

56 lulus.gagal : H dan P, F

57 lulus/gagal : HP dan P, N/NC

58 lulus/gagal : H dan P, U

59 Tipe lulus/gagal lainnya dengan dua nilai lulus

60 lulus/gagal : P, F

61 lulus/gagal : Sat, U

62 lulus/gagal : CR, NC

63 lulus/gagal : S, U

64 Tipe lulus/gagal lainnya dengan satu nilai lulus


------------------------------------------------------------------------------

VII. Tipe Numerik – Persen

Sandi Nilai

Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0

65 100- 92- 89- 86- 82- 79- 76- 72- 69- 66- 62- 59-

93 90 87 83 80 77 73 70 67 63 60 0

66 100- 89- 79- 69- 59-

90 80 70 60 0

67 100- 93- 89- 84- 74- 69-

94 90 85 75 70 0

68 100- 89- 79- 69- 64-

90 80 70 65 0

69 100- 92- 84- 76- 69-

93 85 77 70 0

70 100- 92- 83- 74- 69-

93 84 75 70 0

71 100- 89- 79- 75- 69- 59-

90 80 76 70 60 0

72 100- 89- 84- 79- 74- 69-

90 85 80 75 70 0

73 Sistem nilai numerik lainnya – tipe persen


------------------------------------------------------------------------------

VIII. Tipe Numerik – Persen

Sandi Nilai

Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0

74 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0

77 1 2 3 4 5

79 4,0 3,0 2,0 1,0 0,0

80 1+, 1 1- 2+ 2 2- 3+ 3 3- 4+ 4 4- 5/6

81 3,0 2,0 1,0 0,0

82 Sistem nilai numerik lainnya – 4,0 atau tipe integer

IX. Sistem Nilai Tipe Numerik (Tipe 4,0 dengan nilai setengah langkah)

Sandi Nilai

Bobot 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0

76 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0

78 4,0 3,5 3,0 2,5 2,0 1,0 0,0

75 Skala 4,0 sinambungan (4,0 sampai 0,0)


------------------------------------------------------------------------------

X. Tipe Numerik –Tipe Kanada

Sandi Nilai

Bobot 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0

83 9 8 7 6 5 4 3 2, 1

84 10, 9 8 7 6 5 4 3 2 1 0

85 100- 86- 79- 75- 72- 69- 65- 62- 59- 55- 52- 49-

87 80 76 73 70 66 63 60 56 53 50 0

86 100- 83- 74- 71- 68- 65- 63- 61- 59- 55- 52- 49-

84 75 72 69 66 64 62 60 56 53 50 0

87 100- 86- 79- 74- 69- 64- 59- 54- 49-

87 80 75 70 65 60 55 50 0

88 100- 86- 79- 74- 69- 64- 61- 58- 54- 51- 47- 44-

87 80 75 70 65 62 59 55 52 48 45 0

89 Sistem nilai numerik lainnya – Kanada

psikometri bab a16

Education