Evaluasi pembelajaran menggunakan Item Response Theory model 2 parameter logistik

مستخلص البحث

التقييم هو عملية تخطيط واكتساب وتقديم معلومات لا غنى عنها لصنع بدائل القرار (Mehrens & Lehmann، 1978: 5). في تقييم التعلم هناك 4 أنواع (Norman E. Gronlund) والتي ركزت في هذه الدراسة على تقييم التعلم على العناصر التي تستخدم خيارات متعددة مع عنصر تحليل العناصر باستخدام Item Response Theory Models 2 Parameter Logistic. كأداة لحساب وتحليل العناصر في هذه الدراسة ، فإن الكائن المستخدم هو BEESMART. لتحديد مستوى صعوبة عناصر العناصر تلقائيًا في تطبيق BEESMART هو تصنيف إجابات المشاركين عن طريق جمع العناصر بناءً على الفئات الصحيحة والخاطئة. علاوةً على ذلك ، يتم حساب عدد فئات عناصر الأسئلة الحقيقية والخطئة المعروفة بتصنيف عدد الإجابات الصحيحة للطلاب استنادًا إلى قدرة الطلاب صعوداً ونزولاً. ثم يقسم عدد الإجابات على أسئلة حول المشاركين في الاختبار التي تم تصنيفها وفقا للقدرات العليا والسفلى من قبل المشاركين الذين لديهم القدرات العليا والدنيا. من هذه العملية ، سيتم إنتاج مستوى من الصعوبة التي سيتم عندها إعادة تصنيف مستوى الصعوبة للبنود بناءً على فئة مستوى الصعوبة للبند الجديد. ثم يتم استخدام نتائج تصنيف فئات مستوى الصعوبة للعناصر الجديدة لتحديث حالة فئة مستوى الصعوبة القديم. بالإضافة إلى ذلك ، هناك ميزة أخرى يمتلكها تطبيق Item Response Theory Models 2 Parameter Logisticعلى تطبيق BEESMART وهي قادرة على توفير المعلومات في شكل فئة مستوى مستوى المشكلة التي تم الحصول عليها من نتائج اختبارات قدرة الطلاب مع معلومات حول فئات العناصر ، وهي سهلة ومتوسطة وصعبة. بالإضافة إلى المعلومات في شكل مستوى الصعوبة ، توجد أيضًا معلومات في شكل بنود تتعلق بالجودة ، مع معلومات حول البنود في شكل عناصر جيدة ، والبنود جيدة بما فيه الكفاية ، والبنود ليست جيدة وتم وصف البنود المرفوضة من حيث المعلومات بحيث قادرة على معرفة الفرق ومستوى صعوبة العناصر من أجل تحسين نوعية العناصر والحصول على معلومات حول العناصر بسرعة.

ABSTRACT

Evaluation is a process of planning, acquiring, and providing an information that needed for making decision of alternatives (Mehrens & Lehmann, 1978: 5). In the evaluation of learning there are 4 types (Norman E. Gronlund) which in this research learning evaluation focused on items that use multiple choices with Item Analysis items method. The Items using the Item Response Theory 2 models parameters logistic. As an instrument to calculate and analyze items in this research the object that used is BEESMART. To determine the difficulty level of items automatically on the BEESMART by classify of participants' answers with the addition of items based on the corect and wrong categories. The next step, number of item categories there are true and false questions is calculated by classifying the number of students' correct answers based on the ability of upper and lower students. Then the total of items answers about the test participants which has been classified according to upper and lower capabilities is divided by the total of participants who have the upper and lower abilities. From this process, the value of difficulty's level are produced. then its will be classified again based on the difficulty level category of new item. Then the results of the classification of difficulty level categories on new items will be used to update the status of the old difficulty level category. In addition, another feature possessed by the application of Item Response Theory Models 2 Parameter Logistic in the BEESMART is able to provide information about difficulty level categories of questions that obtained from the results of student's ability test with information on question of item categories namely easy, medium, difficult. In addition to information about difficulty level of the question, there is also provide information about feasibility level items, with information on the items, namely the items that are good, the items are good enough, the items are not good and the items are rejected. which is described the information by curve. so its can know the difference and the difficulty level of the items, improve the quality of items, and get information about items quickly

ABSTRAK

Evaluasi adalah suatu proses merencanakan, memperoleh, dan menyediakan informasi yang sangat diperlukan untuk membuat alternative-alternatif keputusan (Mehrens & Lehmann, 1978:5). Dalam evaluasi belajar terdapat 4 jenis (Norman E.Gronlund) yang dalam penelitian ini evaluasi pembelajaran difokuskan pada butir soal yang menggunakan pilihan ganda dengan metode analisis butir Butir Soal menggunakan Item Response Theory model 2 parameter logistic. Sebagai alat bantu untuk menghitung dan menganalisis butir soal dalam penelitian ini objek yang digunakan adalah BEESMART. Untuk menentukan tingkat kesulitan butir soal secara otomatis pada aplikasi BEESMART yaitu melakukan klasifikasi terhadap jawaban peserta dengan menjumlahkan butir soal berdasarkan kategori benar dan salah. Selanjutnya, jumlah kategori butir soal benar dan salah yang diketahui dihitung dengan melakukan klasifikasi terhadap jumlah jawaban benar siswa berdasarkan kemampuan siswa atas dan bawah. Kemudian jumlah jawaban butir soal peserta tes yang telah di klasifikasikan berdasarkan kemampuan atas dan bawah dibagi dengan jumlah peserta yang memiliki kemampuan atas dan bawah. Dari proses tersebut maka akan dihasilkan sebuah nilai tingkat kesulitan yang selanjutnya nilai tingkat kesulitan butir soal akan diklasifikasikan kembali berdasarkan kategori tingkat kesulitan butir soal baru. Kemudian hasil dari klasifikasi kategori tingkat kesulitan butir soal baru akan digunakan untuk memperbarui status kategori tingkat kesulitan yang lama. Selain itu, fitur lain yang dimiliki dari penerapan Item Response Theory Model 2 Parameter Logistic pada aplikasi BEESMART yaitu mampu memberikan sebuah informasi berupa kategori tingkat kesulitan soal yang diperoleh dari hasil tes kemampuan siswa dengan informasi kategori butir soal yaitu mudah, sedang, susah. Selain informasi berupa tingkat kesulitan soal, terdapat juga informasi berupa kategori tingkat kelayakan butir soal, dengan keterangan informasi butir soal berupa butir soal baik, butir soal cukup baik, butir soal kurang baik dan butir soal ditolak yang digambarkan dengan keterangan dan informasi dalam bentuk kurva sehingga mampu mengetahui dayabeda dan tingkat kesulitan butir soal guna untuk meningkatkan kualitas butir soal dan mendapatkan informasi butir soal secara cepat