Pengungkapan Sebaran Kesukaran Soal Tes Berbasis HOTS melalui Pemodelan Rasch

Ade Yulianto, Ari Widodo

Abstract


Banyak peneliti atau guru yang perlu informasi lebih banyak dan lengkap tentang evaluasi pelaksanaan pembelajaran atau alat pengukuran kemampuan yang digunakan untuk mengetahui seberapa besar hasil belajar yang ditunjukkan oleh siswanya. Pada artikel ini, ditunjukkan bagaimana menganalisis soal berdasarkan pengelompokkan tingkat kesukaran dan kesesuaian item soal tes; khususnya pada soal tes berbasis HOTS (Higher-Order Thingking Skill) yang dikembangkan berdasarkan hirarki kognitif yang diadopsi dari taksonomi Bloom (C4, C5, & C6). Proses analisis dilakukan berdasar pada penjelasan Sumintono (2015) tentang kombinasi nilai standar deviasi (SD) dan nilai rata-rata logit (Mean). Selanjutnya melakukan kriteria nilai outfit mean square (MNSQ), nilai outfit Z-standard (ZSTD) serta nilai point measure correlation (Pt. Measure Corr) (Boone et al., 2014). Teknik analisis dilakukan melalui pemodelan Rasch berbantuan aplikasi Winsteps 3.75. Adapun pengelompokkan tingkat kesukaran menurut Sumintono (2015) yakni 1) katgori soal sulit (nilai logit lebih besar +1SD); 2) kategori soal sukar (nilai 0,0 logit +1 SD); 3) kategori soal mudah (nilai 0,0 logit -1 SD); dan 4) kategori soal sangat mudah (nilai lebih kecil dari –SD), serta untuk kriteria yang digunakan untuk mengukur kesesuaian item soal menggunakan, 1) nilai 0,5 < MNSQ < 1,5; 2) nilai -2,0 < ZSTD < +2,0; dan 3) nilai 0,4 < PT-Measure Corr < 0,85, (Boone et al., 2014). Hasil analisis menunjukkan bahwa terdapat keberagaman tingkat kesukaran dan kesesuaian item soal tes berbasis HOTS. Item soal yang dianalisis memiliki tingkat kesesuaian yang dapat diterima dan layak dipertahankan karena seluruh item soal memenuhi ketiga kriteria tersebut. Dengan demikian, kumpulan soal tes berbasis HOTS berkategori baik karena dapat mengidentifikasi berbagai kemampuan siswa dalam berpikir tingkat tinggi dengan tingkat kesukaran yang beragam dan hal ini berimplikasi pada teknik guru dalam menyajikan soal tes tertulis yang berkualitas.


Keywords


Analisis Kesukaran dan Kesesuaian Item; Soal Tes Berbasis HOTS; Pemodelan Rasch.

Full Text:

PDF

References


Alwasillah, et al. (1996). Glossary of educational Assessment Term. Jakarta: Kemendikbud.

Anderson & Krathwohl. (2001). A Taxonomi for Learning, Teaching and Assessing: A Revision of Bloom’s Taxonomi of Educational Objectives. New York: Addison Wesley Longman, Inc

Andrich, D. (1981). Book Review : Probabilistic Models for Some Intelligence and Attainment Tests (expanded edition. Applied Psychological Measurement, 5(4), 545– 550. doi:10.1177/014662168100500413.

Bond, T.G. & Fox, C.M. (2015). Applying the Rasch Model, Fundamental Measurement in the Human Science (3rd edition). New York: Routledge.

Bonee, W.J., Staver, J.R., & Yale, M.S. (2014). Rasch Analysis in the Human Science. Dordrecht: Springer

Brogden, H. E. (1977). The rasch model, the law of comparative judgment and additive conjoint measurement. Psychometrika, 42(4), 631–634. doi:10.1007/bf02295985.

Brookhart, S M. (2010). Higher-Order Thinking In Your Classroom. ACDC, Alexandria, Virginia USA.

Heong, Y. et.al. (2011). The level of marzano higher order thinking skills among technical education students. International Journal of Social Science and Humanity, 1(2), 121.

Karlimah, K., Andriani, D., & Suryana, D. (2020). Development of Mathematical Anxiety Instruments with a Rasch Model Analysis. The Open Psychology Journal, 13(1).

Linacre, J. M. (1999). Investigating Rating Scale Category Utility. Journal of Outcome Measurement. 3(2), 103-122.

Mardapi, D. (2017). Pengukuran, Penilaian, dan Evaluasi Pendidikan. Yogyakarta: Parama Publishing

Masters, G. N. (1982). A Rasch Model For Partial Credit Scoring. Psychometrika, 47(2), 149–174. doi:10.1007/bf02296272.

Misbach, I.H. and Sumintono, B. (2014) Pengembangan dan validasi instrumen “persepsi siswa tehadap karakter moral guru” di Indonesia dengan Model Rasch. In: Seminar Nasional Psikometri: "Pengembangan Instrumen Penilaian Karakter yang Valid", 24 May 2014, Solo, Indonesia.

Novinda, M. R. R., Silitonga, H. T. M., & Hamdani, H. (2019). Pengembangan Tes Pilihan Ganda Menggunakan Model Rasch Materi Gerak Lurus Kelas X Pontianak. Jurnal Pendidikan dan Pembelajaran Khatulistiwa, 8(6).

Nur, L., Nurani, L. A., Suryana, D., & Ahmad, A. (2020). Rasch model application on character development instrument for elementary school students. International Journal of Learning, Teaching and Educational Research, 19(3), 437-459.

Pratama, D. (2020). Analisis Kualitas Tes Buatan Guru Melalui Pendekatan Item Response Theory (IRT) Model Rasch. Tarbawy: Jurnal Pendidikan Islam, 7(1), 61-70.

Sadikin, A. (2018). Evaluasi dan Proses Hasil belajar Biologi. Jambi: Salim Media Indonesia.

Saftihry, E. A. (2019). Asesmen Teknik Tes dan Nontes. Malang: CV. IRDH.

Smith, R. M. (1986). Person Fit in the Rasch Model. Educational and Psychological Measurement, 46(2), 359–372. doi:10.1177/001316448604600210.

Sumintono, B. (2018). Rasch Model Measurements as Tools in Assesment for Learning. In 1st International Conference on Education Innovation (ICEI 2017). Atlantis Press.

Sumintono, B., & Widhiarso, W. (2015). Aplikasi Pemodelan RASCH pada Assessment Pendidikan. In TrimKom Publising Home.

Tilaar, A.L.F. (2018). Asesmen Pembelajaran Matematika. Tondano: Unima Press.

Zainul, A. (2001). Alternative assessment. Jakarta: Dirjen Dikti.




DOI: https://doi.org/10.17509/ijpe.v4i2.29318

Refbacks

  • There are currently no refbacks.


This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. 
©All rights reserved 2017. Indonesian Journal of Primary Education. ISSN: 2597-4866 (Online) dan 2599-2821 (Print).


Jalan Dadaha Nomor 18 Kota Tasikmalaya

Telepon (0265) 331860

Homepage http://pgsd-tasikmalaya.upi.edu/

Email pgsd_tasik@upi.edu