BAB V Menganalisis Aitem - Menganalisis Aitem (Klmpok 5)

MENGANALISIS AITEM MENGANALISIS AITEM

BAB V Menganalisis Aitem

 penulisan aitem :

Tahap Menjaga kualitas aitem mengikuti indikator

dalam blueprint.
Penulisan aitem sesuai dengan kaidah format
instrument. Mendukung validitas skala secara keseluruhan.
Membaca ulang setiap aitem yang telah

Pra Uji Coba Uji coba secara terbatas dengan sampel

berukuran kecil ( N= 20). Penulis merasa sudah cukup jelas, namun
ternyata tidak bagi orang lain. Pentingnya komentar, masukan dan
pertanyaan bagi subyek untuk revisi. Penulisan aitem tidak menimbulkan salah
tafsir.

Evaluasi kualitatif : melakukan analisis dan seleksi aitem 

Tujuannya : Untuk menguji aitem yang ditulis.

Evaluasi dan seleksi aitem dikerjakan oleh
suatu panel ahli. Ahli pengukuran (psikometri ) dan ahli
dalam masalah atribut yang hendak diukur oleh skala yang sedang disusun.
Analisis kualitatif akan mengklasifkasikan

masing-masing aitem menjadi a) diterima,

Diperoleh sekumpulan aitem yang berkualitas dalam jumlah yang cukup.

kumpulan aitem dikomplikasikan dalam bentuk prototipe

skala yang siap untuk diuji cobakan secara empirik (feld- tested) pada kelompok subyek.

Evaluasi Empirik: Prosedur menguji kualitas aitem

secara empirik

 Tujuannya : dilakukan analisis daya diskriminasi aitem.

Analisis aitem meliputi

 komputasi validitas dan reliabilitas aitem.

 analisis distribusi jawaban.  analisis aitem bias

Real testing situation : Uji coba empirik (feld-test) harus dilakukan dalam situasi dan kondisi administrasi testing yang sebenarnya _ Subjek tidak boleh mengetahui bahwa yang bersangkutan sebenarnya _ dilakukan sebagai uji coba. _ Guna menghasilkan kondisi testing yang ideal perlu diawali dari prototipe skala.

Tempat duduk subyek tidak boleh berdesakan.

Ukuran Sampel :

^
Untuk memperoleh estimasi parameter aitem yang cukup akurat dan stabil

antar kelompok subjek, feld test harus dilakukan pada kelompok subjek dalam jumlah yang cukup besar. ^ subjek yang cukup banyak diharapkan dapat diperoleh distribusi skor yang variasinya menyebar secara normal atau mengikuti distribusi normal. ^ Parameter – parameter yang diestimasi dari skor yang terdistribusi secara normal akan lebih representatif dan lebih akurat menggambarkan kualitas aitem-aitem yang dianalisis. ^

Secara tradisional, statistika menganggap jumlah sampel yang lebih dari 60

orang sudah cukup banyak. ^

secara metodologik besar kecilnya sampel yang representatif harus diacukan

pada heterogenitas populasi. ^ Semakin heterogen populasi maka semakin banyak sampel yang harus diambil.

Daya Diskriminasi Aitem Daya diskriminasi aitem Daya diskriminasi aitem atau daya beda: atau daya beda:

Sejauh mana aitem mampu mebedakan antara individu

atau kelompok individu yang memiliki dan tidak memiliki

atribut yang diukur.

 Skala yang diukur untuk mengungkap agresivitas, maka aitem berdaya beda tinggi adalah aitem yang mampu menunjukan mana individu atau kelompok individu yang memiliki agresivitas tinggi dan mana yang tidak.

 Untuk skala sikap, aitem yang berdaya beda tinggi adalah aitem yang mamau membedakan mana subjek yang

bersikap positif dan mana subjek yang bersifat negatif.

K Indeks

Prinsip M

 Pengujian daya diskriminasi aitem dilakukan dengan cara menghitung koefisien korelasi antara distribusi skor aitem dengan distribusi skor skala itu sendiri. Komputasi ini akan menghasilkan,

Koefisien korelasi aitem total.

 Formula korelasi macam apa yang tepat untuk digunakan dalam komputasi daya beda tergantung pada sifat skor aitem dan sifat skor skala itu sendiri.



Bagi skala-skala yang setiap aitemnya diberi skor

pada level interval dapat digunakan formula



Semakin tinggi koefisien korelasi positif antar

skor aitem dengan skor skala berarti semakin tinggi konsistensi antara aitem tersebut dengan

skala secara keseluruhan yang berarti semakin

tinggi daya bedanya.

 Bila koefisien korelasinya rendah mendekati nol berarti fungsi aitem tersebut tidak cocok

dengan fungsi ukur skala dan daya beda rendah.



bila koefisien korelasi yang dimaksud ternyata

berharga negatif, dapat dipastikan terdapat

Formula Pearson untuk komputasi koefisien

Formula Pearson untuk komputasi koefisien korelasi aitem-total, adalah: korelasi aitem-total, adalah: i = Skor aitem X = Skor skala n = Banyaknya subjek i1 i2 i3 i4 i5 i6 i7 i8 i9 i10 i11 i12

X A

45 H

39 G

39 J

11 I

39 C

11 B

19 F

13 E

40 D

Skor setiap aitem dengan skor skala dari data

pada tabel 5.1 dihitung dengan hasil sebagai berikut:

Nomor Aitem r ix

1 0,965 7 0,902 2 0,858 8 0,883 3 0,854 9 0,612 4 0,920

10 0,736

Koreksi terhadap efek spurious overlap 

Apabila koefisien korelasi aitem-total tersebut dihitung dari data suatu skala yang berisi hanya

sedikit aitem maka sangat besar kemungkinan

akan didapat koefisien korelasi yang lebih tinggi daripada yang sebenarnya (overestimated)

dikarenakan adanya overlap antara skor aitem

dengan skor skala (Guilford, 1956).



Overestimasi ini terjadi dikarenakan pengaruh

kontribusi skor masing-masing aitem dalam ikut menentukan besarnya skor skala.

 Sebagai ilustrasi, skor skala X dalam tabel 5.1 diperoleh dari penjumlahan skor-skor

keduabelas aitemnya, oleh karena itu dengan

sendirinya skor setiap aitem menjadi bagian

atau porsi dari skor skala.

 Porsi ini akan semakin besar apabila jumlah aitem dalam skala semakin sedikit. Dengan

demikian, sewaktu kita menghitung koefisien

korelasi suatu aitem dengan skor skala,

sesungguhnya kita menghitung korelasi skor

aitem tersebut dengan skor skala yang mengandung skor aitem itu sendiri.

 Dengan kata lain, kita menghitung korelasi skor dengan bagian dari dirinya sendiri dan hal ini

tentu saja menyebabkan koefisien korelasinya

cenderung menjadi lebih tinggi daripada kalau

korelasi itu dihitung antar skor aitem dengan

skor skala yang tidak mengandung aitem yang

bersangkutan.

Semakin banyak jumlah aitem dalam skala maka akibat yang ditimbulkan oleh spurious overlap semakin kecil dan tidak signifikan.

Semakin sedikit aitem yang ada dalam skala akan semakin besar overlap yang terjadi. Semakin sedikit aitem yang ada dalam skala akan semakin besar overlap yang terjadi. r i(x-i)

= Koefisien korelasi aitem-total setelah dikoreksi r ix

= Koefisien korelasi aitem-total sebelum dikoreksi S i

= Devisiasi standar skor aitem yang

bersangkutan Formula koreksi terhadap efek spurious overlap adalah: Formula koreksi terhadap efek spurious overlap adalah:

 Langkah SPSS sebagai berikut:

1) Buka SPSS dan pada halaman (spread data editor sheet) masukan data skor aitem dari seluruh subjek. Tidak perlu memasukan data skor skala.

2) Klik menu , pilih , dan klik submenu

Analyze Scele . Reability Analyze

3) Pada kotak dialog yang muncul,

Reability Analyze

pindahkan semua aitem dari kotak kiri ke kotak

sebelah kanan, lalu klik tombol .

Statistics 4)

Pada kotak dialog klik kotak , Statistics Item

, dan kotak , kemudian

Scale Scale if Item Deleted klik tombol .

Continue Nomor Aitem r ix

Sebelu m koreksi r ix

Setelah koreksi Nomor Aitem r ix

Sebelu m koreksi r ix

Setelah koreksi 1 0,965 0,956 7 0,902 0,880 2 0,858 0,828

8 0,883 0,858 3 0,854 0,827 9 0,612 0,529 4 0,920 0,906

10 0,736 0,689 Akan muncul hasil ( output) yang salah satunya ada pada tabel Item-Total Statistics:

 Tampaknya bahwa terjadi sedikit penurunan koefisien setelah dikoreksi. Penerunan yang relatif kecil pada contoh diatas disebabakan koefisien sebelum dikoreksi memang relatif sangat tinggi.



Bila koefisien yang dikoreksi tidak cukup tinggi,

apalagi bila aitemnya hanya sedikit, umumnya akan terjadi penurunan yang cukup besar.



Selain dipengaruhi oleh banyaknya aitem dalam

skala dan besarnya koefisien sebelum dikoreksi, koefisien korelasi setelah dikoreksi juga ditentukan besarnya oleh varians skor aitem dan

MEMILIH AITEM BERDASARKAN DAYA DISKRIMINASI

 Ada 3 cara Memilih Aitem berdasarkan Daya Diskriminasi/Daya

Beda

Memilih Memilih Memilih

A. MEMILIH AITEM BERDASARKAN BESARNYA

ANGKA KOEFISIEN KORELASI AITEM-TOTAL

 Semakin baik daya diskriminasi aitem maka koefsien korelasinya

semakin mendekati angka 1.00. sebaliknya koefsien yang kecil

 Besarnya koefsien korelasi aitem-total bergerak dari 0 – 1.00 dng

(+) atau (-)

0.902 0.883 0.612 0.736 0.947 0.854

 Guna mengoptimalkan fungsi skala, maka pemilihan Daya

Diskriminasi/daya beda aitem harus didasarkan pada besarnya angka koefsien korelasi antara distribusi skor item dengan distribusi skor total skala.

Contoh, Tabel Hasil Perhitungan Koefsien Korelasi Aitem-Total antara distribusi skor aitem dengan distribusi skor total skala

i x

i x Nomor Aitem

Nomor Aitem

6 0.965 0.858 0.854 0.920 0.851 0.854 Lanjutan……….

 Kriteria pemilihan aitem berdasarkan korelasi aitem-total,

i biasanya digunakan batasan koefsien korelasi aitem-total (r x) ≥

0.30

 Batasan ini merupakan suatu konvensi. Penyusun tes boleh

menentukan sendiri batas minimal daya diskriminasi aitemnya dengan mempertimbangkan isi dan tujuan penyusunan skala yang sedang disusun. Dengan KETENTUAN: i

 Apabila aitem yang memiliki koefsien korelasi aitem-total (r x) ≥

0.30, tetapi jumlahnya melebihi jumlah aitem yang direncanakan 0.30, tetapi jumlahnya melebihi jumlah aitem yang direncanakan untuk dijadikan skala, maka dapat dipilih aitem-aitem yang untuk dijadikan skala, maka dapat dipilih aitem-aitem yang memiliki indeks daya diskriminasi tertinggi. memiliki indeks daya diskriminasi tertinggi.

X i

DIMENSI Aitem Aitem Koefsien (r ) rencana dibuat Cautiousness 19 24 .34 .56 .32 .45 .44 .64

.65 .51 .55 .66 .19 .43 .54 .50 .42 .40 .39 .67 .55 .37 .45 .65 .33 .21 Lanjutan……….

 Apabila jumlah aitem yang lolos ternyata masih tidak mencukupi

jumlah yang diinginkan/direncanakan untuk dijadikan skala, maka jumlah yang diinginkan/direncanakan untuk dijadikan skala, maka dapat dipertimbangkan untuk menurunkan sedikit batas kriteria, dapat dipertimbangkan untuk menurunkan sedikit batas kriteria, misalnya menjadi 0.25 sehingga jumlah aitem yang diinginkan misalnya menjadi 0.25 sehingga jumlah aitem yang diinginkan dapat tercapai. dapat tercapai.

DIMENSI Aitem Aitem Koefsien (riX) rencana dibuat Minimization 15 20 .26 .65 .32 .21 .29 .36

.42 .15 .36 .43 .44 .32

.20 .11 .50 .28 .09 .31

.30 .07 .30

 Apabila hal ini juga tdk menolong, maka seluruh aitem yg daya

diskriminasinya rendah harus direvisi dan ditulis aitem-aitem diskriminasinya rendah harus direvisi dan ditulis aitem-aitem

Lanjutan……….

 Ternyata pemilihan aitem berdasarkan parameter daya

i diskriminasi aitem/besarnya angka korelasi aitem-total (r x) ≥ 0.30, untuk diikutkan sebagai bagian skala fnal tdk dapat dijadikan sebagai patokan tunggal. ALASANNYA:

KUALITAS SKALA , tdk hanya ditentukan oleh tingginya skor korelasi KUALITAS SKALA, tdk hanya ditentukan oleh tingginya skor korelasi aitem-total, tetapi juga mempertimbangkan TUJUAN penggunaan aitem-total, tetapi juga mempertimbangkan TUJUAN penggunaan hasil ukur skala serta KOMPOSISI aspek-aspek atau komponen- hasil ukur skala serta KOMPOSISI aspek-aspek atau komponen- komponen sebagai kawasan ukur yang harus diungkap oleh skala komponen sebagai kawasan ukur yang harus diungkap oleh skala (Content of the test domain) (Content of the test domain)

Sebab jika hanya mempertimbangkan tingginya skor korelasi aitem-total dalam sebuah skala, maka DAMPAKNYA:

Reliabilitas skala akan meningkat, tetapi tidak  Reliabilitas skala akan meningkat, tetapi tidak  selalu diikuti oleh peningkatan validitas skala selalu diikuti oleh peningkatan validitas skala Lanjutan……….

 Karena itu, pada awal perancangan skala dengan menggunakan konsep teoritik atau konstrak yang menghendaki bahwa kawasan isi yang hendak diukur terdiri atas beberapa komponen atau dimensi yang berbeda bobotnya, maka pemilihan aitem harus dilakukan dengan memperhatikan PROPORSIONALITAS KOMPONEN ATAU DIMENSI tersebut. Hal ini dilakukan untuk menjaga bangunan konstrak teoritik yang telah ditetapkan semula.

. MEMILIH AITEM BERDASARKAN

PROPORSIONALITAS KOMPONEN-KOMPONEN ATAU

DIMENSI DIMENSI

Contoh pertimbangan proporsionalitas dimensi dalam pemilihan

aitem adalah kompilasi aitem dlm penyusunan skala Coping Strategi

Folkman & Lazarus

KOMPONEN Dimensi Muatan Banyaknya % aitem

faktor aitem Cautiousness 16,3 19 47,50

I. Tipe Orientasi

Instrumental action 13,6 16 40,00 Problem

Negotiation 4,9 5 12,50 Total = 40 100,00

II. Tipe Orientasi Escapism 4,1 7 17,50 Emosi Minimization 8,1 15 27,50

Self-blame 5,4 10 25,00 Seeking meaning 4,3 8 20,00 Total = 40 100,00

Kisi-Kisi pada Tabel 5.2 menunjukan bahwa: 

Dalam skala ini aitem yg direncanakan 80 aitem – masing” Komponen berisi 40



Dalam skala ini aitem yg direncanakan 80 aitem – masing” Komponen berisi 40 aitem aitem

 Perbandingan banyaknya aitem ditentukan oleh Muatan (load) setiap komponen

sebagai hasil dari analisis faktor yg telah dilakukan sebelumnya sehingga penyusun sebagai hasil dari analisis faktor yg telah dilakukan sebelumnya sehingga penyusun skala tinggal mengikuti. skala tinggal mengikuti.

 Apabila muatan belum diketahui dan tdk ada alasan untuk membuatnya berbeda,

Tabel 5.3 Contoh Hasil Komputasi Koefsien Korelasi aitem-total

Minimization

11 .32 .34 .54 .34 .50 .44 .27 .39 .54 .64 .66

Escapism

10 .44 .56 .32 .19 .32 .22 .64 .22 .38 .57

Negotiation

pada masing” Dimensi Skala Coping Strategy

20 .26 .44 .32 .32 .11 .45 .47 .38 .29 .24 .43 .48 .33 .51 .29 . 24 .43 .48 .25 .35

Instrumental Action

24 .34 .56 .32 .45 .44 .64 .65 .51 .55 .66 .19 .43 .54 .50 .42 .40 .39 .67 .55 .37 .45 .65 .33 .21

DIMENSI Aitem rencana Aitem dibuat Koefsien rix Cautiousness

20 .26 .65 .32 .21 .29 .36 .42 .15 .36 .43 .44 .32 .20 .11 .50 .28 .09 .31 .30 .07 .30

Tabel 5.3 Menunjukan Bahwa:

 Jumlah aitem yg dibuat dlm Skala Coping Strategy sebagai hasil dari prosedur feld-test sebanyak 114., dan diambil sebanyak 80 aitem secara proporsional sesuai dng kisi-kisi dan spesifkasi skala

 Aitem yang koefsien korelasi aitem-totalnya dicoret (Warna merah) adalah aitem yang akan disisihkan dari skala dengan memperhatikan koefsien korelasi aitem-total minimal rix ≥ 0,30.  Bila dalam dimensi yang bersangkutan ternyata jumlah yang memenuhi syarat tersebut masih kurang dari jumlah aitem yang direncanakan, maka diambil aitem dalam dimensi itu juga yang rix-nya sedikit lebih rendah. Misalnya, tampak pada dimensi Minimization dan Instrumental

Action.

 Bila dalam satu dimensi terdapat aitem-aitem yang daya diskriminasinya tinggi ( memenuhi syarat) dalam jumlah yang lebih dari jumlah yang direncanakan, maka aitem yang dipilih adalah aitem-aitem yang memiliki daya diskriminasi tertinggi diantara yang ada sedangkan yang lainnya disisihkan walaupun indeksnya diatas 0,30. Misalnya,

 Data tabel 5.2 & 5.3 menjadi contoh kasus bahwa Pemilihan Aitem berdasarkan daya Diskriminasi/Daya

Beda tidak boleh dihitung dengan cara mengkorelasi skor aitem dengan skor total skala (X) (seperti pada umumnya). Akan tetapi, harus dilakukan dengan cara menghitung koefsien korelasi skor aitem dengan skor total pada masing” komponen.

Jadi, aitem-aitem dalam aspek/dimensi Cautiousness.

Instrumental Action dan Negotiation dikorelasikan dengan skor total komponen problem. Sedangkan aitem” dalam aspek/dimensi Escapism, Minimization, Self Blame dan Seeking Meaning dikorelasikan dengan skor total komponen Emosi.

C . MEMILIH AITEM BERDASARKAN ASPEK OBJEK YANG

DIUKUR

C . MEMILIH AITEM BERDASARKAN ASPEK OBJEK YANG

DIUKUR

Contoh : PENYUSUNAN SKALA PSIKOLOGI SIKAP  Perancangan skala lebih mementingkan aspek sikap sebagai objek yang diukur sehingga defenisi teoritiknya lebih sederhana.  Perancangan skala lebih mementingkan aspek sikap sebagai objek yang diukur sehingga defenisi teoritiknya lebih sederhana.

 Perancangan skala tidak mementingkan proposionalitas jumlah aitem dalam setiap aspek sehingga pemelihan aitem berdasar daya beda /daya diskriminasi dapat dilakukan dengan lebih muda.  Perancangan skala tidak mementingkan proposionalitas jumlah aitem dalam setiap aspek sehingga pemelihan aitem berdasar daya beda /daya diskriminasi dapat dilakukan dengan lebih muda.

Contoh Tabel 5.4. Hasil Komputasi Daya Diskriminasi Aitem Skala Sikap yang berisi 3 Aspek

Aspek A Aspek B Aspek C Nomor Aitem r i( x-i) Nomor Aitem r i( x-i) Nomor Aitem r i( x-i) A1 .181 B1 .374 C1 .533 A2 .397 B2 .232 C2 .665 A3 .155 B3 .273 C3 .619 A4 .261 B4 .337 C4 .571 A5 .272 B5 .326 C5 .531 A6 .330 B6 .254 C6 .669 A7 .333 B7 .273

Tabel 5.4. Menunjukan bahwa

  dibuat adalah dibuat adalah sebanyak 9 buah sebanyak 9 buah

Aitem yang semula Aitem yang semula



untuk aspek A, 9 buah untuk aspek A, 9 buah diskriminasi aitem diskriminasi aitem untuk aspek B, dan 6 untuk aspek B, dan 6 memperlihatkan bahwa untuk memperlihatkan bahwa untuk aspek A hanya 4 aitem yang buah untuk aspek C. aspek A hanya 4 aitem yang buah untuk aspek C. terpilih, untuk aspek B ada 5 terpilih, untuk aspek B ada 5 aitem, dan untuk aspek C aitem, dan untuk aspek C adalah seluruhnya yang adalah seluruhnya yang berjumlah 6 aitem. dengan berjumlah 6 aitem. dengan demikian diperoleh 15 aitem demikian diperoleh 15 aitem

Hasil komputasi daya Hasil komputasi daya

Dalam kasus

 seperti ini, masing-masing aspek Cara penetapan merupakan unsur tersebut cukup saja dari satu dapat dipertanggungjawa konstrak, maka bkan sejauh kelima penyusun skala belas aitem itu dapat nantinya terbukti menetapkan 15 memiliki koefsien aitem yang reliabilitas yang berdaya memuaskan.

Validitas Aitem Skala yg seluruh aitemnya memiliki daya diskriminasi tinggi belum berarti skala itu berfungsi valid Skala yg seluruh aitemnya memiliki daya diskriminasi tinggi belum berarti skala itu berfungsi valid

Karena itu, Satu aitem yg daya diskriminasinya tinggi, juga belum tentu merupakan aitem yg valid Karena itu, Satu aitem yg daya diskriminasinya tinggi, juga belum tentu merupakan aitem yg valid

Validitas aitem dan Daya

SECARA EMPIRIK,

SECARA LOGIKA,

Sebuah Aitem dikatakan Valid

aitem yg ditulis dengan cara yang benar dan sesuai dengan indikator keperilakuan yg telah dirumuskan dengan benar.

ditunjukan oleh koefsien Validitas aitem yg dihitung berdsarkan data skor aitem dan skor kriteria

Kriteria Validasi didapat dari: Ukuran lain yg relevan, yaitu angka-angkanya menunjukan indikasi atribut yg serupa Kriteria Validasi didapat dari: Ukuran lain yg relevan, yaitu angka-angkanya menunjukan indikasi atribut yg serupa dengan atribut yg

Kriteria tdk harus berupa tes, ukuran apapun dapat digunakan sbg Kriteria tdk harus berupa tes, ukuran apapun dapat digunakan sbg

Contoh tabel 5.5. Distribusi Skor Aitem (i), Skor Skala (X) dan Skor Kriteria Validasi (Y). skor Y adalah ukuran yang relevan dengan tujuan ukur Skala

39 120

19 102

99 I

45 120

13 111

X Skor Aitem (i) Skor

98 B

12 X Y A

Kriteria

Skala Skor

40 124

39 124

39 120 Hasil Komputasi koefsien validitas dari keduabelas aitem

Nomor Daya beda Koefisien Nomor Daya beda Koefisien _{iX iY iX iY} Aitem r Validitas r Aitem r Validitas r 1 0,965 0,926

7 0,902 0,872

2 0,858 0,779

8 0,883 0,722

3 0,854 0,858

9 0,612 0,543

4 0,920 0,790

10 0,736 0,658

5 0,851 0,807

11 0,947 0,832

6 0,854 0,824

12 0,854 0,783  Validitas suatu aitem diperolah dari korelasi koefsien antara distribusi skor aitem dalam skala dengan skor Kriteria (Y).

 Skor Kriteria diperoleh dari ukuran-ukuran lain yang relevan, yaitu angka-angka yang mempunyai indikasi atribut yang serupa dengan atribut yang diukur oleh skala. Artinya bahwa ukuran yang dipakai mempunya tujuan ukur yang sama dengan tujuan yang diukur oleh skala.  Hasil komputasi koefsien validitas menunjukan bahwa keduabelas aitem itu valid sehingga dapat dikatakan bahwa aitem-aitem itu mengukur atribut yang hendak diukur oleh skala yang bersangkutan.

Bagaimana memilih aitem-aitem menjadi sebuah Bagaimana memilih aitem-aitem menjadi sebuah skala berdasarkan hasil komputasi…??? skala berdasarkan hasil komputasi…??? Apakah berdasarkan

Apakah berdasarkan Apakah Apakah tingginya daya tingginya daya berdasarkan berdasarkan beda/daya diskriminasi beda/daya diskriminasi tingginya Validitas tingginya Validitas aitem..?? aitem..??

Aitem..?? Aitem..?? Dapat meningkatkan Dapat menghasilkan skala yang reliabilitas skala, namun Valid namun koefsien belum tentu skala berfungsi reliabilitasnya menurun..? valid

Cara yang Lazim adalah Memilih Cara yang Lazim adalah Memilih komposisi aitem berdasarkan Indeks komposisi aitem berdasarkan Indeks

Reliabilitas (IRA) bersama Indeks Reliabilitas (IRA) bersama Indeks Validitas aitem (IVA).

Validitas aitem (IVA).

IRA & IVA adalah 2 statistik aitem yg rumusannya

IRA & IVA adalah 2 statistik aitem yg rumusannya memasukan faktor Variabilitas aitem memasukan faktor Variabilitas aitem

TERIMAKASI

BAB V Menganalisis Aitem - Menganalisis Aitem (Klmpok 5)