SlideShare una empresa de Scribd logo
1 de 17
Konvensi Nasional Tes Psikologi Indonesia
Bali 7 – 8 April 2016
Taksonomi
Computer BasedTesting
Urip Purwono
Pusat Studi Psikometri
Fakultas Psikologi Universitas Padjadjaran
Latar Belakang
• Computer BasedTesting (CBT) menjadi semakin populer
• Dipergunakan istilah yang berbeda-beda
• Computer BasedTesting
• Computer AssistedTesting
• Computer AdaptifveTesting
• E-Testing
• ComputerizedTesting
• Banyak perkembangan model-model CBT
• Masing-masing model memiliki kompleksitasnya masing-masing
Tujuan
• Menyampaikan “taksonomi” model-model CBT dan aspek teknis
yang menyertainya, sebagai bahan diskusi
CBT
Linear
Fix
Single
Form
Multiple
Form
Random
Item
Form
Adaptive Random
Item
Testlet
Taksonomi CBT
Model Linear, Fix
• Single Form
• Bentuk paling sederhana dari CBT
• Hanya seperti memindahkan PPT/PBT ke CBT sehingga tidak lebih efisien dari
PPT/PBT
• Memungkinkan “pengacakan” nomor soal
• Memungkinkan “pengacakan” options
• Penskoran dapat dilakukan secara langsung
• Dapat dilakukan review tes secara keseluruhan sebelum pengadministrasian tes
Model Linear, Fix
• Multiple Form
• Peserta mendapatkan form yang berbeda-beda, dan pre-assigned tergantung
dari banyaknya form yang tersedia
• Menggunakan form-form yang setara atau dilakukan penyetaraan pada saat
skoring
• Memungkinkan pendistribusian form yang disesuaikan dengan tempat duduk
peserta
• Fitur lainnya sama dengan Model linear fix single test
Model Linear, Random
• Random Item
• Istilah lain: Linear OnThe FlyTesting (LOFT)
• Pemilihan item dilakukan real time, on the fly
• Untuk setiap nomor tersedia sejumlah item paralel
• Dapat dikembangkan dengan mendasarkan pada ClassicalTestTheory maupun
Item ResponseTheory
• Penulisan soal dilakukan secara horizontal – ialah dengan mengembangkan
sejumlah item yang paralel untuk setiap nomor soal, sesuai dengan kisi-kisinya
• Item paralel bukan cloning
• Kesulitan Utama: Menjamin Form/Set yang paralel
Model Linear, Random
• Random Form/Set
• Tersedia banyak form/set paralel dengan item yang tetap pada setiap form/set
• Pemilihan form/set dilakukan real time, on the fly
• Dapat disusun form/set yang paralel, atau dilakukan penyetaraan/equating pada
saat penyekoran
• Dapat dikembangkan dengan mendasarkan pada ClassicalTestTheory maupun
Item ResponseTheory
Model Adaptive, Item
• Tes disesuaikan dengan kemampuan peserta
• Dimungkinkan bahwa setiap peserta mendapatkan item yang berbeda dalam
jumlah yang berbeda
• Dilakukan melalui Bank Soal
• Setiap soal pada Bank Soal harus sudah terkalibrasi
• Hanya dapat dilakukan dengan mendasarkan pada Item Respons
Theory
• Item dipilih dan diadministrasikan secara iterative dengan tujuan
memaksimalkan Test Information Function
Test Information Function (TIF)
' 2
1 1
( )
( ) ( )
( )[1 ( )]
n n
i
i
i i
i i
P
I I
P P

 
  
   

SE
I
( )
( )



1
   
 
 
1| 1
1
i j i
i j i
Da b
i j i i Da b
e
P u c c
e


   



 3-p Model IRT
Model Adaptive, Item
• Gagasan untuk menyesuaikan tingkat kesulitan item dengan
kemampuan peserta pertama kali dikemukakan oleh Lord (1977,
1980):
• Dimulai dengan menyajikan item dengan tingkat kesulitan moderat
• Item yang disajikan berikutnya tergantung dari apakah peserta menjawab benar
atau salah pada item sebelumnya
• Kemampuan peserta diestimasikan setelah setiap penyajian item
Model Adaptive, Item
• Banyak pilihan algoritma pemilihan item. Dasar pertimbangan
pemilihan item (oleh sistem):
a) measurement precision
b) content balancing,
c) test security, dan
d) efisiensi pengetesan
• Stopping rules tergantung dari jenis tes (NRT atau CRT)
• Variasi:
• CAT dengan menggunakan tes bayangan (“ShadowTest”)
• CAT dengan menggunakan stratifikasi
Model Adaptive, Testlets
• Soal-soal dalam Bank Soal dikelompokkan dalam Testlets
• Adaptive dilakukan pada tingkatTestlets
• Peserta dapat mereview dan mengubah jawaban di semua soal pada
testlest yang sedang dikerjakan
• Fitur lainnya sama dengan CAT (Item)
Perkembangan terbaru: Computer-Adaptive
Multistage Testing
• Item dikelompokkan dalam testlet (disebut module)
• Module dikelompokkan dalam “panel”
• Setiap peserta mulai dengan module 1
• Module selanjutnya pada panel berikutnya tergantung dari estimasi
kemampuan peserta pada module 1
Pelaporan CBT
Construct Alat Ukur Hasil/Skor Kesimpulan Interpretasi
Leap
Big Leap
Standar Pengembangan CBT
• Teknologi
• Kualitas
• Kontrol
• Security
Rangkuman
• CBT dikembangkan dengan tujuan akurasi dan efisiensi pengetesan
• Terdapat banyak ragam CBT
• Migrasi dari PPT/PBT ke CBT tidak berarti bahwa aspek-aspek teknis
psikometri yang juga akan menyangkut fairness dapat dikesampingkan
• CBT dalam bentuknya yang manapun tidak berbicara mengenai validitas
(construct yang diukur oleh tes). Studi-studi validasi tetap harus dilakukan
untuk mendapatkan bukti-bukti sejauh mana teori dan data empirik
mendukung interpretasi dan penggunaan skor yang didapat melalui suatu
tes
• CBT tidak menggantikan ahli/psikolog, tetapi membantu psikolog untuk
mendapatkan data yang lebih akurat dengan cara yang lebih efisien

Más contenido relacionado

La actualidad más candente

La actualidad más candente (14)

T simulasi slide
T simulasi slideT simulasi slide
T simulasi slide
 
1.pendahuluan sistem operasi
1.pendahuluan sistem operasi1.pendahuluan sistem operasi
1.pendahuluan sistem operasi
 
Model simulasi(2)
Model simulasi(2)Model simulasi(2)
Model simulasi(2)
 
3. KONSEP TEKNOLOGI DI BIDANG TEKNIK INDUSTRI
3. KONSEP TEKNOLOGI DI BIDANG TEKNIK INDUSTRI 3. KONSEP TEKNOLOGI DI BIDANG TEKNIK INDUSTRI
3. KONSEP TEKNOLOGI DI BIDANG TEKNIK INDUSTRI
 
Modul 09 Logic Model
Modul 09 Logic ModelModul 09 Logic Model
Modul 09 Logic Model
 
konsep dasar pemodelan
konsep dasar pemodelankonsep dasar pemodelan
konsep dasar pemodelan
 
Panduan Proyek Akhir D3 Teknologi Komputer Telkom University
Panduan Proyek Akhir D3 Teknologi Komputer Telkom UniversityPanduan Proyek Akhir D3 Teknologi Komputer Telkom University
Panduan Proyek Akhir D3 Teknologi Komputer Telkom University
 
D054268177
D054268177D054268177
D054268177
 
iii. minggu ketiga
iii. minggu ketigaiii. minggu ketiga
iii. minggu ketiga
 
Kuliah 1 pemodelan simulasi introduction
Kuliah 1 pemodelan simulasi   introductionKuliah 1 pemodelan simulasi   introduction
Kuliah 1 pemodelan simulasi introduction
 
Pemodelan dan simulasi
Pemodelan dan simulasiPemodelan dan simulasi
Pemodelan dan simulasi
 
Simulasi 1
Simulasi 1Simulasi 1
Simulasi 1
 
Pemodelan dan simulasi sistem komputer
Pemodelan dan simulasi sistem komputerPemodelan dan simulasi sistem komputer
Pemodelan dan simulasi sistem komputer
 
Model 04 Metodologi Pengembangan Model
Model 04 Metodologi Pengembangan ModelModel 04 Metodologi Pengembangan Model
Model 04 Metodologi Pengembangan Model
 

Destacado

Sukmo gunardi konvensi bali 2016
Sukmo gunardi konvensi bali 2016Sukmo gunardi konvensi bali 2016
Sukmo gunardi konvensi bali 2016Agoes Santosa
 
Pencirian, konsep sifat, dan sumber bukti
Pencirian, konsep sifat, dan sumber buktiPencirian, konsep sifat, dan sumber bukti
Pencirian, konsep sifat, dan sumber buktiJessy Damayanti
 
Pencirian, Konsep Sifat, dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat, dan Sumber Bukti TaksonomiPencirian, Konsep Sifat, dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat, dan Sumber Bukti TaksonomiJessy Damayanti
 
Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)
Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)
Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)Ummi Fitri
 
Pencirian, Konsep Sifat dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat dan Sumber Bukti TaksonomiPencirian, Konsep Sifat dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat dan Sumber Bukti TaksonomiAgustin Dian Kartikasari
 

Destacado (8)

Sukmo gunardi konvensi bali 2016
Sukmo gunardi konvensi bali 2016Sukmo gunardi konvensi bali 2016
Sukmo gunardi konvensi bali 2016
 
Penjelasan konvensi
Penjelasan konvensiPenjelasan konvensi
Penjelasan konvensi
 
Tugas 1 web
Tugas 1 webTugas 1 web
Tugas 1 web
 
Pencirian, konsep sifat, dan sumber bukti
Pencirian, konsep sifat, dan sumber buktiPencirian, konsep sifat, dan sumber bukti
Pencirian, konsep sifat, dan sumber bukti
 
Pencirian, Konsep Sifat, dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat, dan Sumber Bukti TaksonomiPencirian, Konsep Sifat, dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat, dan Sumber Bukti Taksonomi
 
Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)
Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)
Handout materi-kuliah-taksonomi-tumbuhan-tingkat-rendah-hmbp(1)
 
Sumber Bukti Taksonomi
Sumber Bukti TaksonomiSumber Bukti Taksonomi
Sumber Bukti Taksonomi
 
Pencirian, Konsep Sifat dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat dan Sumber Bukti TaksonomiPencirian, Konsep Sifat dan Sumber Bukti Taksonomi
Pencirian, Konsep Sifat dan Sumber Bukti Taksonomi
 

Similar a Taksonomi CBT

Tugas 5 - Studi Pemodelan Dan Simulasi.pptx
Tugas 5 - Studi Pemodelan Dan Simulasi.pptxTugas 5 - Studi Pemodelan Dan Simulasi.pptx
Tugas 5 - Studi Pemodelan Dan Simulasi.pptxMuhammadTaufiksez
 
Layanan CBT Online | www.cibiti.online
Layanan CBT Online | www.cibiti.onlineLayanan CBT Online | www.cibiti.online
Layanan CBT Online | www.cibiti.onlineyuniantocorp
 
Layanan CBT Online
Layanan CBT OnlineLayanan CBT Online
Layanan CBT Onlineyuniantocorp
 
05. MTE - Evaluasi model.pptx
05. MTE - Evaluasi model.pptx05. MTE - Evaluasi model.pptx
05. MTE - Evaluasi model.pptxAsalReview
 
STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...
STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...
STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...Oktavaribudi
 
Strategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) Komputer
Strategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) KomputerStrategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) Komputer
Strategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) KomputerDeris Stiawan
 
pengenalan algoritma komputasi untuk kuliah
pengenalan algoritma komputasi untuk kuliahpengenalan algoritma komputasi untuk kuliah
pengenalan algoritma komputasi untuk kuliahDikyAnggoro2
 
pengenalan algoritma komputasi sains untuk kuliah
pengenalan algoritma komputasi sains untuk kuliahpengenalan algoritma komputasi sains untuk kuliah
pengenalan algoritma komputasi sains untuk kuliahDikyAnggoro2
 
Lesson 10 - Evaluasi.ppt
Lesson 10 - Evaluasi.pptLesson 10 - Evaluasi.ppt
Lesson 10 - Evaluasi.pptAlTechnology
 
Menerapkan proses kerja pembuatan prototype produk barang/jasa
Menerapkan proses kerja pembuatan prototype produk barang/jasaMenerapkan proses kerja pembuatan prototype produk barang/jasa
Menerapkan proses kerja pembuatan prototype produk barang/jasaAisyah Safitri Hayati
 
Evaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internetEvaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internetNiita Saraswati
 
Evaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internetEvaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internetNur Laili
 
Pertemuan 2 - Dasar Pemodelan dan Simulasi.pptx
Pertemuan 2 - Dasar Pemodelan dan Simulasi.pptxPertemuan 2 - Dasar Pemodelan dan Simulasi.pptx
Pertemuan 2 - Dasar Pemodelan dan Simulasi.pptxssuserd33ee81
 
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, ...
SI - PI, Yohana Premavari, Hapzi Ali,  Infrastruktur TI dan Teknologi Baru,  ...SI - PI, Yohana Premavari, Hapzi Ali,  Infrastruktur TI dan Teknologi Baru,  ...
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, ...yohana premavari
 
5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...
5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...
5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...yohana premavari
 
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, U...
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru,  U...SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru,  U...
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, U...yohana premavari
 

Similar a Taksonomi CBT (20)

Tugas 5 - Studi Pemodelan Dan Simulasi.pptx
Tugas 5 - Studi Pemodelan Dan Simulasi.pptxTugas 5 - Studi Pemodelan Dan Simulasi.pptx
Tugas 5 - Studi Pemodelan Dan Simulasi.pptx
 
Sekilas tentang UN dengan cbt
Sekilas tentang UN dengan cbtSekilas tentang UN dengan cbt
Sekilas tentang UN dengan cbt
 
Layanan CBT Online | www.cibiti.online
Layanan CBT Online | www.cibiti.onlineLayanan CBT Online | www.cibiti.online
Layanan CBT Online | www.cibiti.online
 
Layanan CBT Online
Layanan CBT OnlineLayanan CBT Online
Layanan CBT Online
 
05. MTE - Evaluasi model.pptx
05. MTE - Evaluasi model.pptx05. MTE - Evaluasi model.pptx
05. MTE - Evaluasi model.pptx
 
STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...
STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...
STUDI SIMULASI DAN PEMODELAN DALAM SEBUAH SISTEM Oktavari Budi Arief 21030150...
 
Ch 09
Ch 09Ch 09
Ch 09
 
Strategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) Komputer
Strategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) KomputerStrategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) Komputer
Strategi [Memulai] Riset Tugas Akhir Bidang Ilmu (Teknik) Komputer
 
pengenalan algoritma komputasi untuk kuliah
pengenalan algoritma komputasi untuk kuliahpengenalan algoritma komputasi untuk kuliah
pengenalan algoritma komputasi untuk kuliah
 
pengenalan algoritma komputasi sains untuk kuliah
pengenalan algoritma komputasi sains untuk kuliahpengenalan algoritma komputasi sains untuk kuliah
pengenalan algoritma komputasi sains untuk kuliah
 
Audit berbasis komputer
Audit berbasis komputerAudit berbasis komputer
Audit berbasis komputer
 
Lesson 10 - Evaluasi.ppt
Lesson 10 - Evaluasi.pptLesson 10 - Evaluasi.ppt
Lesson 10 - Evaluasi.ppt
 
Menerapkan proses kerja pembuatan prototype produk barang/jasa
Menerapkan proses kerja pembuatan prototype produk barang/jasaMenerapkan proses kerja pembuatan prototype produk barang/jasa
Menerapkan proses kerja pembuatan prototype produk barang/jasa
 
Evaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internetEvaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internet
 
Evaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internetEvaluasi pembelajaran berbasis internet
Evaluasi pembelajaran berbasis internet
 
Pertemuan 14 Teknik Evaluasi
Pertemuan 14 Teknik EvaluasiPertemuan 14 Teknik Evaluasi
Pertemuan 14 Teknik Evaluasi
 
Pertemuan 2 - Dasar Pemodelan dan Simulasi.pptx
Pertemuan 2 - Dasar Pemodelan dan Simulasi.pptxPertemuan 2 - Dasar Pemodelan dan Simulasi.pptx
Pertemuan 2 - Dasar Pemodelan dan Simulasi.pptx
 
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, ...
SI - PI, Yohana Premavari, Hapzi Ali,  Infrastruktur TI dan Teknologi Baru,  ...SI - PI, Yohana Premavari, Hapzi Ali,  Infrastruktur TI dan Teknologi Baru,  ...
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, ...
 
5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...
5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...
5 SI-PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, Un...
 
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, U...
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru,  U...SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru,  U...
SI - PI, Yohana Premavari, Hapzi Ali, Infrastruktur TI dan Teknologi Baru, U...
 

Último

PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1
PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1
PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1ariefbudiman902449
 
menghitung skewness dan kurtosis pada distribusi normal
menghitung skewness dan kurtosis pada distribusi normalmenghitung skewness dan kurtosis pada distribusi normal
menghitung skewness dan kurtosis pada distribusi normalHendriKurniawanP
 
PPT Olah Nilai Kurikulum merdeka belajar.pptx
PPT Olah Nilai Kurikulum merdeka belajar.pptxPPT Olah Nilai Kurikulum merdeka belajar.pptx
PPT Olah Nilai Kurikulum merdeka belajar.pptxnursariheldaseptiana
 
Jurnal ebp dalam inc persalinan kehamilan ibu
Jurnal ebp dalam inc persalinan kehamilan ibuJurnal ebp dalam inc persalinan kehamilan ibu
Jurnal ebp dalam inc persalinan kehamilan ibuputrahaw07
 
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJARSTATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJARariefbudiman902449
 
KISI AKM BAHASA INGGRIS ASSESMENT MADRASAH
KISI AKM BAHASA INGGRIS ASSESMENT MADRASAHKISI AKM BAHASA INGGRIS ASSESMENT MADRASAH
KISI AKM BAHASA INGGRIS ASSESMENT MADRASAHIrmaYanti71
 
pertemuan-3-distribusi pada-frekuensi.ppt
pertemuan-3-distribusi pada-frekuensi.pptpertemuan-3-distribusi pada-frekuensi.ppt
pertemuan-3-distribusi pada-frekuensi.pptAhmadSyajili
 
Metode penelitian Deskriptif atau Survei
Metode penelitian Deskriptif atau SurveiMetode penelitian Deskriptif atau Survei
Metode penelitian Deskriptif atau Surveikustiyantidew94
 
PERSENTASE_(alat dan kapasitas produksi alat).ppt
PERSENTASE_(alat dan kapasitas produksi alat).pptPERSENTASE_(alat dan kapasitas produksi alat).ppt
PERSENTASE_(alat dan kapasitas produksi alat).pptnail40
 
ANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaan
ANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaanANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaan
ANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaanamalaguswan1
 

Último (10)

PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1
PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1
PPT DISTRIBUSI LINEAR, BINOMIAL UNTUK MAHASISWA S1
 
menghitung skewness dan kurtosis pada distribusi normal
menghitung skewness dan kurtosis pada distribusi normalmenghitung skewness dan kurtosis pada distribusi normal
menghitung skewness dan kurtosis pada distribusi normal
 
PPT Olah Nilai Kurikulum merdeka belajar.pptx
PPT Olah Nilai Kurikulum merdeka belajar.pptxPPT Olah Nilai Kurikulum merdeka belajar.pptx
PPT Olah Nilai Kurikulum merdeka belajar.pptx
 
Jurnal ebp dalam inc persalinan kehamilan ibu
Jurnal ebp dalam inc persalinan kehamilan ibuJurnal ebp dalam inc persalinan kehamilan ibu
Jurnal ebp dalam inc persalinan kehamilan ibu
 
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJARSTATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
STATISTIKA DASAR UNTUK MAHASISWA S1 SELAMAT BELAJAR
 
KISI AKM BAHASA INGGRIS ASSESMENT MADRASAH
KISI AKM BAHASA INGGRIS ASSESMENT MADRASAHKISI AKM BAHASA INGGRIS ASSESMENT MADRASAH
KISI AKM BAHASA INGGRIS ASSESMENT MADRASAH
 
pertemuan-3-distribusi pada-frekuensi.ppt
pertemuan-3-distribusi pada-frekuensi.pptpertemuan-3-distribusi pada-frekuensi.ppt
pertemuan-3-distribusi pada-frekuensi.ppt
 
Metode penelitian Deskriptif atau Survei
Metode penelitian Deskriptif atau SurveiMetode penelitian Deskriptif atau Survei
Metode penelitian Deskriptif atau Survei
 
PERSENTASE_(alat dan kapasitas produksi alat).ppt
PERSENTASE_(alat dan kapasitas produksi alat).pptPERSENTASE_(alat dan kapasitas produksi alat).ppt
PERSENTASE_(alat dan kapasitas produksi alat).ppt
 
ANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaan
ANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaanANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaan
ANALISA KASUS KECELAKAAN KERJA pada saat melakukan pekerjaan
 

Taksonomi CBT

  • 1. Konvensi Nasional Tes Psikologi Indonesia Bali 7 – 8 April 2016 Taksonomi Computer BasedTesting Urip Purwono Pusat Studi Psikometri Fakultas Psikologi Universitas Padjadjaran
  • 2. Latar Belakang • Computer BasedTesting (CBT) menjadi semakin populer • Dipergunakan istilah yang berbeda-beda • Computer BasedTesting • Computer AssistedTesting • Computer AdaptifveTesting • E-Testing • ComputerizedTesting • Banyak perkembangan model-model CBT • Masing-masing model memiliki kompleksitasnya masing-masing
  • 3. Tujuan • Menyampaikan “taksonomi” model-model CBT dan aspek teknis yang menyertainya, sebagai bahan diskusi
  • 5. Model Linear, Fix • Single Form • Bentuk paling sederhana dari CBT • Hanya seperti memindahkan PPT/PBT ke CBT sehingga tidak lebih efisien dari PPT/PBT • Memungkinkan “pengacakan” nomor soal • Memungkinkan “pengacakan” options • Penskoran dapat dilakukan secara langsung • Dapat dilakukan review tes secara keseluruhan sebelum pengadministrasian tes
  • 6. Model Linear, Fix • Multiple Form • Peserta mendapatkan form yang berbeda-beda, dan pre-assigned tergantung dari banyaknya form yang tersedia • Menggunakan form-form yang setara atau dilakukan penyetaraan pada saat skoring • Memungkinkan pendistribusian form yang disesuaikan dengan tempat duduk peserta • Fitur lainnya sama dengan Model linear fix single test
  • 7. Model Linear, Random • Random Item • Istilah lain: Linear OnThe FlyTesting (LOFT) • Pemilihan item dilakukan real time, on the fly • Untuk setiap nomor tersedia sejumlah item paralel • Dapat dikembangkan dengan mendasarkan pada ClassicalTestTheory maupun Item ResponseTheory • Penulisan soal dilakukan secara horizontal – ialah dengan mengembangkan sejumlah item yang paralel untuk setiap nomor soal, sesuai dengan kisi-kisinya • Item paralel bukan cloning • Kesulitan Utama: Menjamin Form/Set yang paralel
  • 8. Model Linear, Random • Random Form/Set • Tersedia banyak form/set paralel dengan item yang tetap pada setiap form/set • Pemilihan form/set dilakukan real time, on the fly • Dapat disusun form/set yang paralel, atau dilakukan penyetaraan/equating pada saat penyekoran • Dapat dikembangkan dengan mendasarkan pada ClassicalTestTheory maupun Item ResponseTheory
  • 9. Model Adaptive, Item • Tes disesuaikan dengan kemampuan peserta • Dimungkinkan bahwa setiap peserta mendapatkan item yang berbeda dalam jumlah yang berbeda • Dilakukan melalui Bank Soal • Setiap soal pada Bank Soal harus sudah terkalibrasi • Hanya dapat dilakukan dengan mendasarkan pada Item Respons Theory • Item dipilih dan diadministrasikan secara iterative dengan tujuan memaksimalkan Test Information Function
  • 10. Test Information Function (TIF) ' 2 1 1 ( ) ( ) ( ) ( )[1 ( )] n n i i i i i i P I I P P            SE I ( ) ( )    1         1| 1 1 i j i i j i Da b i j i i Da b e P u c c e           3-p Model IRT
  • 11. Model Adaptive, Item • Gagasan untuk menyesuaikan tingkat kesulitan item dengan kemampuan peserta pertama kali dikemukakan oleh Lord (1977, 1980): • Dimulai dengan menyajikan item dengan tingkat kesulitan moderat • Item yang disajikan berikutnya tergantung dari apakah peserta menjawab benar atau salah pada item sebelumnya • Kemampuan peserta diestimasikan setelah setiap penyajian item
  • 12. Model Adaptive, Item • Banyak pilihan algoritma pemilihan item. Dasar pertimbangan pemilihan item (oleh sistem): a) measurement precision b) content balancing, c) test security, dan d) efisiensi pengetesan • Stopping rules tergantung dari jenis tes (NRT atau CRT) • Variasi: • CAT dengan menggunakan tes bayangan (“ShadowTest”) • CAT dengan menggunakan stratifikasi
  • 13. Model Adaptive, Testlets • Soal-soal dalam Bank Soal dikelompokkan dalam Testlets • Adaptive dilakukan pada tingkatTestlets • Peserta dapat mereview dan mengubah jawaban di semua soal pada testlest yang sedang dikerjakan • Fitur lainnya sama dengan CAT (Item)
  • 14. Perkembangan terbaru: Computer-Adaptive Multistage Testing • Item dikelompokkan dalam testlet (disebut module) • Module dikelompokkan dalam “panel” • Setiap peserta mulai dengan module 1 • Module selanjutnya pada panel berikutnya tergantung dari estimasi kemampuan peserta pada module 1
  • 15. Pelaporan CBT Construct Alat Ukur Hasil/Skor Kesimpulan Interpretasi Leap Big Leap
  • 16. Standar Pengembangan CBT • Teknologi • Kualitas • Kontrol • Security
  • 17. Rangkuman • CBT dikembangkan dengan tujuan akurasi dan efisiensi pengetesan • Terdapat banyak ragam CBT • Migrasi dari PPT/PBT ke CBT tidak berarti bahwa aspek-aspek teknis psikometri yang juga akan menyangkut fairness dapat dikesampingkan • CBT dalam bentuknya yang manapun tidak berbicara mengenai validitas (construct yang diukur oleh tes). Studi-studi validasi tetap harus dilakukan untuk mendapatkan bukti-bukti sejauh mana teori dan data empirik mendukung interpretasi dan penggunaan skor yang didapat melalui suatu tes • CBT tidak menggantikan ahli/psikolog, tetapi membantu psikolog untuk mendapatkan data yang lebih akurat dengan cara yang lebih efisien