Jurnal Pendidikan Fisika Tadulako (JPFT) Vol. 1 No. 4 ISSN 2338 3240
Analisis Pemahaman Soal Grafik Mahasiswa Pendidikan MIPA Menggunakan Pemodelan Rasch Nurgan Tadeko, Muslimin, dan Sahrul Saehana
[email protected] Program Studi Pendidikan Fisika, Jurusan MIPA, FKIP, Universitas Tadulako Jl. Seokarno-Hatta km.9 Palu- Sulawesi Tengah Penelitian ini bertujuan untuk menganalisis tingkat pemahaman mahasiswa Pendidikan MIPA Universitas Tadulako dalam mengerjakan soal grafik. Instrumen yang digunakan yaitu tes pilihan ganda soal grafik dan menambahkan likert keyakinan jawaban sebagai bentuk pengumpulan informasi yang lebih legkap. Metodologi yang dilakukan adalah kualitatif. Tes dilakukan terhadap 24 responden dari mahasiswa program studi pendidikan fisika, kimia, biologi dan matematika angkatan 2013. Pemilihan responden berdasarkan nilai fisika dasar I, fisika umum dan nilai mata kuliah dasar program studi masing-masing. Pemodelan Rasch digunakan sebagai tahap memproses data dari data mentah menjadi bilangan logit yang memberikan informasi terkait infit, outfit, dan Undimensionalitas. Hasil analisis yang dilakukan dengan mempertimbangkan responden yang outliers atau misfits, data software Ministep, alasan jawaban serta likert keyakinan jawaban maka di peroleh 12 responden yang sesuai dengan pemodelan Rasch. Untuk mendapatkan data yang lebih baik, maka proses analisis dilakukan dengan mempertimbangkan likert keyakinan jawaban dan alasan yang diberikan oleh responden. Hasil dari proses tersebut, setiap jawaban responden dapat diklasifikasikan menjadi 6 kategori yang diantaranya kategori yang mengindikasikan memahami, tidak memahami dan miskonsepsi. Instrumen yang digunakan sebanyak 4 butir soal secara keseluruhan telah sesuai. Hasil penelitian ini mengemukakan bahwa responden program studi Pendidikan Biologi terindikasi memiliki tingkat pemahaman yang lebih baik dibandingkan responden lainnya.
Kata Kunci: Pemahaman Grafik; Pemodelan Rasch I.
PENDAHULUAN
Penelitian ini dilakukan pada mahasiswa semester awal program studi pendidikan fisika, pendidikan matematika dan ekonomi dengan soal dari tiga bidang ilmu tersebut. Tidak hanya mahasiswa, Hastuti, dkk [4] juga menemukan permasalahan yang sama pada siswa SMA, dimana dalam mengerjakan soal grafik siswa tersebut masih salah dalam membaca dan mengartikan soal grafik. Stevens [5] menambahkan meskipun grafik ini sudah sangat sering dijumpai oleh pelajar di segala bidang ilmu, namun menunjukkan pada setiap jenjang usia selalu mengalami kesulitan dalam memahami grafik. Pemahaman grafik tidak hanya penting untuk mahasiswa calon guru fisika, hal ini berkaitan dengan grafik yang selalu ditemukan dibidang ilmu lain dalam Pendidikan MIPA. Oleh karena itu penelitian ini mendeskripsikan pemahaman mahasiswa Pendidikan MIPA terhadap soal grafik fisika dengan latar belakang ilmu yang berbeda, dengan melakukan tahapan-tahapan pemodelan Rasch.
Pentingnya memahami grafik tidak hanya oleh siswa, tetapi juga oleh guru. Hal itu menjadi lebih penting lagi bagi calon guru MIPA, kususnya guru fisika. Dalam kegiatan sehari-hari guru fisika dituntut memiliki cara penyampaian materi yang lebih efisien dan praktis, sehingga memudahkan siswa dalam memahami suatu konsep. Oleh karena itu calon guru MIPA, khususnya guru fisika di sekolah menengah perlu memiliki kemampuan membaca dan memahami serta mampu menyajikan materi atau informasi dalam bentuk grafik. Dengan demikian penelitian yang berupaya mengungkapka seberapa jauh pemahaman mahasiswa terhadap grafik yang berisi konsep-konsep fisika perlu dilakukan. Hal ini dibuktikan dengan hasil studi oleh Fahmi [1] yang menemukan bahwa mahasiswa pendidikan fisika semester 1, 3 dan 5 mengalami kesulitan dalam memahami soal grafik. Selain itu, Wemyess [2] menemukan kesulitan yang sering dihadapi mahasiswa dalam mengerjakan soal grafik yaitu soal dengan dua grafik pada satu bidang kartesian. Studi yang dilakukan oleh Planinic [3] yang menemukan bahwa masih ada pengaruh bidang ilmu terhadap pemahaman soal grafik.
II. METODOLOGI PENELITIAN Penelitian ini merupakan penelitian kualititaif dengan mengikutsertakan 24 responden dari pendidikan MIPA Fakultas 1
Jurnal Pendidikan Fisika Tadulako (JPFT) Vol. 1 No. 4 ISSN 2338 3240 Keguruan dan Ilmu Pendidikan Universitas Tadulako. Data yang didapatkan berupa data primer dari hasil tes. Tes yang digunakan yaitu tes pilihan ganda beralasan dengan likert keyakinan jawaban. Data-data hasil tersebut akan dimasukkan dalam software Ministep yang merupakan salah satu rangkaian dalam pemodelan Rasch. Output dalam perangkat lunak ini yaitu berupa tabel Item Measure, Person Measure, Variable Maps dan Reliabilitas yang telah dikonversi sebelumnya menjadi bilangan logit. Bilangan logit ini harus memenuhi syarat Nilai Outfit Mean Square (MNSQ), Outfit Z-Standard (ZSTD), Point Measure Correlation (Pt Mean Corr) dan nilai Reliabilitas menurut pemodelan Rasch. Menurut Sumintono [9] dari bilanganbilangan logit yang didapatkan dari output software Ministep tersebut, terdapat skala interval (mistar logit) yang menjelaskan keadaan bilangan tersebut. Adalapun skala tersebut yaitu: 1) Nilai Outfit Mean Square (MNSQ) diterima: 0,5 < MNSQ < 1,5 2) Nilai Outfit Z-Standard (ZSTD) yang diterima: -2,0 < ZSTD < +2,0 3) Nilai Point Measure Correlation (Pt Mean Corr): 0,4 < Pt Measure Corr < 0,85
Skala Likert (Keyakinan)
Alasan
1
1
3
S
2
1
4
S
3
0
3
S
4
0
4
S
5
1
1
S
2
S
7
0
1
S
8
0
2
S
9
1
3
B
10
1
4
B
11
1
1
B
12
1
2
B
X4
X5
X6
Ada beberapa tipe grafik yang digunakan dalam sains antara lain; grafik lingkaran, grafik poligon, grafik histogram, dan grafik garik. Grafik garis merupakan salah satu tipe grafik yang banyak digunakan dalam menjelaskan konsep-konsep fisika. Grafik dalam fisika dapat membantu terhadap pemahaman konsepkonsep fisika, baik secara matematis, makna secara fisis maupun hubungan antara besaran yang satu dengan yang lainnya.
Tabel 1 Syarat ketegori responden Jawaban
1
Keterangan: 1) Jawaban : 1 = Benar 2 = Salah 2) Skala likert : 1 = Tidak yakin 2 = Kurang yakin 3 = Yakin 4 = Sangat yakin 3) Alasan : B = Alasan benar S = Alasan salah Pemodelan Rasch digunakan dengan berbantuan analisis manual. Pemodelan ini memisahkan responden dengan indikasi-indikasi tertentu sehingga masuk atau tidaknya dalam pemodelan. Hal ini berkaitan dengan lucky guess, miskonsepsi, careless, memahami atau tidak memahami. Analisis manual dimaksudkan untuk menjelaskan lebih terperinci kemampuan setiap responden. Hal ini dikarenakan analisis manual dapat menyajikan kategori-kategori responden yang pada dasarnya tidak dijelaskan lebih baik oleh pemodelan. A. Rujukan Pustaka Hasil studi Stevens [5] memperlihatkan bahwa terdapat lima belas gambar visual setiap sepuluh halaman. Survei ini menunjukkan pentingnya menyederhanakan sebuah permasalahan dalam bentuk visual. Dimana salah satu bentuk visual yang dimaksud yaitu grafik. Meskipun grafik ini sudah sangat sering dijumpai oleh pelajar di segala bidang ilmu. Namun dari hasil penelitian menunjukkan pada setiap jenjang usia selalu mengalami kesulitan dalam memahami grafik.
Oleh karena itu responden akan terkualifikasi berdasarkan nilai tersebut yang berkaitan dengan masuk dan tidaknya responden dalam pemodelan. Selain perangkat lunak yang digunakan dalam penelitian ini juga dilakukan analisis secara manual berkaitan dengan alasan jawaban dan likert keyakinan yang telah dikerjakan oleh responden. Dari analisis secara manual ini maka menghasilkan nilai-nilai persentasi pemahaman mahasiswa Pendidikan MIPA. Untuk memberikan informasi yang lebih baik maka dalam penelitian ini memberikan kategori-kategori dari hasil modifikasi dari hasan [7] dan Abraham [8]. Syarat kategori-kategori tersebut seperti berikut
No.
6
Kategori
X1
X2 X3
12
Jurnal Pendidikan Fisika Tadulako (JPFT) Vol. 1 No. 4 ISSN 2338 3240 Jumlah soal yang digunakan adalah empat buah soal grafik fisika konsep gerak lurus beraturan dan gerak lurus berubah beraturan. Dalam pemodelan Rasch validasi juga dapat dilakukan dengan menggunakan tabel Item Measure. Tabel 2 ini memungkinkan untuk memberikan informasi berupa data bilangan logit yang menunjukkan kualitas instrumen yang digunakan. Angka tersebut dianalisis melalui interval angka pada kriteria Infit dan Outfir. Dari hasil yang didapatkan diketahui bahwa soal telah valid dalam pemodelan Rasch karena telah memenuhi kriteria Outfit dan Infit. Dalam hal ini dilihat dari aspek Mean-Square, ZStandard, dan Point Measure Correlation. Hal ini menunjukkan bahwa soal sebagai instrumen penting ini telah layak digunakan. Berdasarkan peringkat, terlihat soal Nomor 1 dan 2 merupakan soal dengan tingkat kesulitan yang lebih besar dibanding soal Nomor 4, dan 3 secara berurutan. Hal ini dapat dibuktikan dengan melihat soal Nomor 1 Total Score sebanyak 5 responden dari 24 responden yang mengerjakan setiap soal tersebut dengan benar. Selanjutnya soal yang dikategorikan sebagai soal yang lebih mudah dari soal yang lainnya yaitu soal Nomor 3 dimana Total Score sebanyak 12 responden dari 24 responden yang menjawab benar.
Pemahaman merupakan suatu fase dalam kegiatan belajar. Pada fase ini siswa pertama kali menerima stimulus. Stimulus ini masuk ke dalam peristiwa belajar dan akhirnya informasi (stimulus) itu disimpan dalam memorinya. Dalam taksonomi Bloom, pemahaman merupakan salah satu dari enam katagori pengelompokan (taksonomi) tujuan pendidikan pada aspek kognitif. Taksonomi Bloom mengelompokkan tujuan kognitif ke dalam enam katagori yang mencakup pengenalan, pemahaman, penerapan, analisis, sintesis, dan evaluasi. Pemahaman berhubungan dengan kemampuan untuk menjelaskan informasi atau pengetahuan yang telah dimiliki dengan menggunakan kata-kata sendiri [6]. B. Singkatan dan Akronim (1) IRT, item response theory merupakan keerangka umum dari fungsi matematika yang khusus menjelaskan interaksi antara sampel dan soal; (2) CTT, classical test theory yaitu teori psikometri yang memperbolehkan peneliti untuk melakukan prediksi tentang hasil dari suatu ujian (tes) dengan mempertimbangkan beberapa parameter seperti kemampuan orang yang melakukan tes dan tingkat kesulitan soal yang dikerjakan; (3) MNSQ, nilai mean square adalah ukuran keacakan yang memperlihatkan jumlah distorsi dalam sistem pengukuran; (4) ZSTD, Z-Standard yaitu signifikannya jika data memang sesuai dengan model [7]. C. Persamaan Peluang: P = B/Q (1)
Tabel 3 Person Measure
persamaan odd ratio: Odd Ratio = P/1-P
(2)
dan persamaan Logit: Logit = Log (P/1-P) Keterangan : P = Peluang B = Jawaban Benar Q = Jumlah Pertanyaan
(3) Keterangan: F : Responden pendidikanfisika M : Responden pendidikan Matematika K : Responden pendidikan Kimia B : Responden pendidikan Biologi Berdasarkan kriteria nilai Outfit Mean Square (MNSQ), nilai Outfi Z-Standard (ZSTD), Point Measure Correlation (Pt Mean Corr), maka sebanyak 12 responden tergolong sebagai responden yang outliers atau mifits. Sebanyak 12 Responden tergolong sebagai responden yang sesuai dengan pemodelan Rach.
III. HASIL DAN PEMBAHASAN Tabel 2 Item Measure
13
Jurnal Pendidikan Fisika Tadulako (JPFT) Vol. 1 No. 4 ISSN 2338 3240 sebesar 9%, tidak miskonsepsi 45%.
Tabel 4 Persentase kategori responden setiap program studi Prodi
Kode Responden
Kategori X2
X3
Pendidikan Biologi
B132
1
1
B134
2
X1
B133 2
B131 Presentase (%) Pendidikan Fisika
F134
1
1
1
2
30
15
25
2
1
2
1
F136
3
F135
1
F132
4
Presentase (%)
1
8
K131 K134
1
58
0
P
ODD
LOGIT
1
3
0.75
3.00
0.48
1
2
0.50
1.00
0.00
4
2
1
B132
1
1
0
B134
1
0
0
1
1
0
2
0.50
1.00
0.00
0
1
0
2
0.50
1.00
0.00
1
K131
1
0
0
1
2
0.50
1.00
0.00
3
M137
1
1
0
0
2
0.50
1.00
0.00
M136
1
0
1
0
2
0.50
1.00
0.00
M133
1
1
0
0
2
0.50
1.00
0.00
1
29
4
0
1
1
1
1
M131
1
1
0
0
2
0.50
1.00
0.00
1
1
1
B135
0
0
0
1
1
0.25
0.33
-0.48
B131
1
0
0
0
1
0.25
0.33
-0.48
F134
0
1
0
0
1
0.25
0.33
-0.48
F133
1
0
0
0
1
0.25
0.33
-0.48
1
1
2
1
8
50
1
3
M131
1
1
M133
1
2
M137
2
2
M136
2
M135
2
M132
2 1
Total
3
1 10
Butir Soal
1
2
M134
Responden
0
3
K136
Tabel 5. Scalogram dan Perhitungan Logit
1
20
dan
B133
K135
Presentase (%)
1
27%,
K134
K133 K132
Pendidikan Matematika
1
1
F133
X6
1 2
2
F131
Pedidikan Kimia
0
X5 2
1
B135
X4
memahami
1
1 0 1
21
13
8
1 1 1
1
2 1
1
3
F131
1
0
0
0
1
0.25
0.33
-0.48
K135
0
0
0
1
1
0.25
0.33
-0.48
K133
0
0
1
0
1
0.25
0.33
-0.48
K132
0
1
0
0
1
0.25
0.33
-0.48
M132
1
0
0
0
1
0.25
0.33
-0.48
F136
0
0
0
0
0
0.00
0.00
0.00
F135
0
0
0
0
0
0.00
0.00
0.00
0
0
0
0
0
0.00
0.00
0.00
Presentase (%)
18
50
7
14
4
7
F132
Rata-rata (%)
9
47
6
22
10
6
K136
0
0
0
0
0
0.00
0.00
0.00
M135
0
0
0
0
0
0.00
0.00
0.00
Tabel 4 menunjukkan presentase kategori responden dari setiap program studi. Berdasarkan hasil perhitungan maka terlihat 3 kategori dengan nilai presentase tertinggi, yaitu kategori X2, X4, dan X5. Terdapat indikasiindikasi dari ketiga kategori ini, yaitu untuk X2 terindikasi miskonsepsi, X4 terindikasi tidak memahami, X5 sedangkan terindikasi memahami. Berdasarkan Tabel 5, diketahui responden prodi Pendidikan Biologi memiliki indikasi dengan tingkat memahami paling tinggi dari responden lain yaitu sebesar 20%. Sedangkan indikasi tidak paham sebesar 25% dan miskonsepsi sebesar 30% atau tergolong tingkat terendah, diikuti responden pendidikan fisika matematika dan kimia. Seperti yang dijelaskan sebelumnya indikasi miskonsepsi dengan presentase paling besar yaitu responden prodi pendidikan fisika yaitu sebesar 58%, diikuti responden pendidikan kimia dan matematika 50%, dan responden biologi 30%. Secara keseluruhan responden pendidikan MIPA mempunyai presentasi indikasi memahami
Tabel 5 menunjukkan tingkat abilitas responden dengan perhitungan bilangan logit. Tulisan tegak menandakan responden yang sesuai dengan pemodelan Rasch. Tulisan yang miring merupakan responden yang outlier atau misfits. Sebanyak 24 responden dari program studi pendidikan fisika, pendidikan matematika, pendidikan biologi dan pendidikan kimia yang telah mengikuti tes, dimana terdapat 12 responden yang tergolong outlier atau misfits, sebanyak 12 Responden outiers atau misfits karena beberapa alasan. Hal ini dapat berupa lucky guess yaitu berkemampuan rendah namun dapat menjawab soal yang sulit dengan benar, careless yaitu berkemampuan tinggi namun tidak dapat menjawab soal yang mudah dengan benar, tebak-tebakan, atau berasal dari jenis sekolah yang berbeda.
14
Jurnal Pendidikan Fisika Tadulako (JPFT) Vol. 1 No. 4 ISSN 2338 3240 Berdasarkan perhitungan bilangan logit terlihat tiga responden dari pendidikan kimia dan pendidikan biologi, yang mempunyai abilitas tertinggi kedua. Namun menurut pemodelan Rasch dua responden dari pendidikan matematika dan pendidikan kimia masuk dalam pemodelan Rasch sedangkan satu responden biologi tergolong misfits. Hal ini dikarenakan responden tersebut dianggap tebak-tebakan atau lucky gues. Jika dilihat dari alasan menjawab soal, responden ini menjawab dengan benar namun alasan salah dan kurang yakin. Selain itu, soal yang sulit seperti soal Nomor 2 bisa dikerjakan, namun soal yang paling mudah tidak dapat dikerjakan dengan jawaban yang benar. Oleh karena itu, responden dari pendidikan biologi merupakan responden dengan tingkat abilitas yang tertinggi atau mempunyai tingkat pemahaman soal grafik yang lebih tinggi. Keadaan yang sama terjadi pada responden B135, F134, K135, K133 dan K132 (Tabel 5, tulisan miring) Dimana respondenresponden ini tergolong misfits dengan indikasi jawaban yang diberikan adalah tebak-tebakan. Selain itu soal yang dijawab dengan benar terlihat acak, atau soal yang mudah tiidak dapat dkerjakan namun soal yang lebih sukar dapat dikerjakan dengan benar. Terakhir yaitu responden yang berada pada tingkat abilitas paling rendah. Hal ini terjadi karena responden tersebut tidak menjawab satupun soal dengan benar. IV. KESIMPULAN
responden prodi pendidikan matematika memahami 4%, tidak memahami 14% dan miskonsepsi 45%. Secara umum tingkat pemahaman mahasiswa pendidikan MIPA dalam mengerjakan soal grafik sebesar 9%, tidak memahami 27% dan miskonsepsi 45%. Selain itu pemodelan Rasch dapat digunakan dalam penelitian ini terkait dengan penyajian informasi berupa data-data logit. Namun pemodelan Rasch memiliki keterbatasan untuk mengungkap informasi-informasi yang lebih dalam di setiap responden. V. DAFTAR PUSTAKA [1]
[2]
[3]
[4]
[5]
[6]
Berdasarkan kategori yang telah dibuat, maka terdapat tiga kategori yang mempunyai presentase yang paling tinggi yaitu kategori X2 yang diindikasikan sebagai kategori miskonsepsi, X4 tidak memahami dan X5 mamahami. Responden prodi pendidikan biologi mempunyai indikasi memahami sebesar 20%, tidak memahami 25% dan moskonsepsi 30%. Pendidikan fisika memahami 4%, tidak memahami 29% dan miskonsepsi 58%. Pendidikan kimia memahami 13%, tidak memahami 21% dan miskonsepsi 50%. Serta
[7] [8]
[9]
15
Fahmi. (2012). Profil Kemampuan Memecahkan Masalah Ilmiah Mahasiswa Fisika Universitas Negeri Semarang (UNNES). Tesis Pada FMIPA Universitas Negeri Semarang. Wemyss, T. (2013). "Categorization of first-year university students' interpretations of numerical linear distance-time graphs". Physical Review Special Topic — Physics Education Reserch, vol. 9, hal 1-17 Planinic, M. (2013). “Comparison of university students' understanding of graphs in different contexts”. Physical Review Special Topic — Physics Education Reserch, Vol. 9, hal 1-9. Hastuti, I., Surantoro, dan Rahardjo, D. T. (2012). Analisis Kesalahan Dalam Menyelesaikan Soal Materi Pokok Kalor pada Siswa Kelas X SMA. Surabaya:Universitas Negeri Surabaya Stevens-Truman, J. (2003). "Teaching Line Graphs to Tenth Grade Students Having Different Cognitive Developmental Levels by Using Two Different Instructional Modules". Reserch in Science & Technological Education, Vol. 21, hal 1-13. Sujalmo. (2013). “Profil Pemahaman Siswa Terhadap Simbol, Huruf, Dantanda Pada Aljabar Ditinjau dari Kemampuanmatematika Siswa dan Fungsi Kognitif Rigorous Mathematical Thinking (RMT). Jurusan Pendidikan MIPA. Unesa. Hasan, S. (1999). “Misconceptions and the Certainty of Response index (CRI)”. IOP Science. Phy. Edu. 34.294. Abraham, M. R, Grzybowski, E. B, Renner, J. W, (1992). “Understandings and misunderstandings of eighth graders of five chemistry concepts found in textbooks”. Journal of Research in Science Teaching, 29(2), 105-120 Sumintono, B. and Widhiarso, W. (2013). Aplikasi Model Rasch untuk Penelitian Sosial. Bandung: Trim Komunikata publisher.
