The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 PERBANDINGAN PENGUKURAN HASIL TES MAHASISWA TEORI KLASIK DAN TEORI MODERN: STUDI KASUS PADA MATA KULIAH AKUNTANSI MENAJEMEN
SUKIRNO DS Universitas Negeri Yogyakarta
Abstrak Masalah pengukuran hasil belajar tidak kalah pentingnya dengan masalah seleksi calon mahasiswa dan proses belajar mengajar. Ada dua teori yang dapat digunakan dalam pengukuran hasil belajar mahasiswa, yaitu teori tes klasik dan teori moderen atau teori respon butir. Kedua teori tes itu memiliki keunggulan dan kelemahan. Tujuan penelitian ini adalah untuk mengetahui perbedaan pengukuran hasil tes pilihan ganda mahasiswa pada mata kuliah Akuntansi Manajemen dengan menggunakan parameter indeks daya beda dan indeks kesukaran butir. Penelitian ini dapat digolongkan dalam jenis penelitian descriptive developmental, karena bertujuan mengungkap dan mengembangkan sebuah alat ukur prestasi formatif. Subjek penelitian adalah seluruh mahasiswa semester V Jurusan Pendidikan Akuntansi angkatan 2003 yang mengambil mata kuliah Akuntansi Manajemen. Instrumen tes yang digunakan berupa tes pilihan ganda dengan empat alternatif. Analisis data dilakukan dengan pendekatan kasus dengan analisis grafik dan statistik. Untuk membantu proses penganalisisan data digunakan program ITEMAN, BILOG, MS EXCEL, dan SPSS. Berdasarkan hasil analisis butir tes diperoleh kesimpulan 1) ada perbedaan (gerakan perubahan tidak searah) antara tingkat kesulitan pada MT dan CT yang dibuktikan secara statistik dengan skor korelasi sebesar -0,814 dengan taraf signifikansi 0,000. 2) Tidak terdapat perbedaan pola perubahan indeks daya beda butir antara MT dan CT. Hal itu diyakinkan lagi dengan nilai korelasi sebesar 0,900 dengan tingkat signifikansi sebesar 0,000. 3) Terdapat perbedaan pola hubungan daya beda butir dengan tingkat kesulitan secara grafik maupun secara statistik antara MT dan CT. Pada MT terdapat hubungan negatif sangat tinggi dan signifikan
The 1st Accounting Conference
1
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 yang dibuktikan dengan nilai korelasi sebesar -0,814 sigfikan pada 0,000 yang berarti pola hubungan ini sesuai dengan teori. Sedangkan pada CT tidak terdapat hubungan yang ditunjukkan dengan nilai korelasi sebesar 0,262 (biserial) dan 0,288 (point biserial) dengan tingkat sigfikansi 0,162 dan 0,122 yang berarti pula pola hubungan ini tidak sesuai dengan teori. 4) Ada perbedaan (gerakan perubahan tidak searah) antara pengukuran hasil tes mahasiswa pada MT dan CT secara grafik, namun demikian secara statistik tidak terdapat perbedaan pengukuran hasil tes mahasiswa antara kedua teori. Hal ini dibuktikan dengan skor korelasi sebesar 0,927 dengan taraf signifikansi 0,000.
Kata kunci : perbandingan pengukuran hasil tes, teori klasik, teori respon butir, akuntansi manajemen
A. Latar Belakang Masalah Evaluasi sebagai upaya mengukur dan menilai keberhasilan pengajaran yang dilaksanakan menduduki posisi yang tidak kalah penting dari kegiatan atau pelaksanaan pengajaran itu sendiri. Berbagai keputusan pendidikan yang berupa keputusan diagnostik, bimbingan dan konseling, tes penempatan (placement test), serta kelulusan, diperoleh melalui kegiatan evaluasi. Keberhasilan kegiatan evaluasi hasil belajar di perguruan tinggi sangat tergantung pada kemampuan dosen dalam membuat soal, melaksanakan ujian, serta mengelola hasil ujian tersebut. Kegiatan evaluasi pendidikan dimulai dari kegiatan pengukuran, sedangkan dalam kegiatan pengukuran dibutuhkan alat ukur yang disebut dengan tes. Kemampuan dosen dalam membuat soal yang baik merupakan salah satu faktor yang berpengaruh terhadap keberhasilan kegiatan evaluasi di perguruan tinggi. Mengingat begitu pentingnya peranan dosen dalam kegiatan evaluasi di perguruan tinggi, peningkatan pengetahuan dan keterampilan dosen dalam membuat soal yang baik harus menjadi prioritas agar informasi tentang prestasi belajar mahasiswa bisa terukur secara akurat. Informasi yang akurat hanya akan diperoleh bila kualitas soal baik (Mardapi, 1991: 11).
The 1st Accounting Conference
2
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Harapan atas tes buatan dosen yang berkualitas adalah suatu tantangan yang berat bagi perguruan tinggi dan dosen. Tantangan itu terutama menyangkut hal-hal sebagai berikut: (a) pembuatan tes hasil belajar yang berkualitas tidak cukup dengan pengalaman tetapi perlu kompetensi, (b) para calon dosen masih kurang dimodali kompetensi di bidang evaluasi belajar, (c) supervisi di bidang ini masih kurang tergarap, dan (d) banyak dosen menganggap evaluasi terpisah dari pengajaran (adaptasi dari Joni, 1986: 31-32). Mengadaptasi dari Suryabrata (1997: 27), agar mampu membuat tes prestasi belajar yang berkualitas, dosen perlu memiliki sejumlah kemampuan, antara lain: (1) menguasai materi yang akan diujikan, (2) memahami tata nilai yang mendasari pendidikan, (3) memahami karakteristik mahasiswa, (4) mampu menggunakan bahasa yang efektif dan menguasai teknik penulisan soal. Banyaknya persyaratan dalam membuat tes prestasi belajar yang baik dan berkualitas maka dosen dituntut untuk memiliki sejumlah pengetahuhan dan keterampilan dalam pembuatan soal. Pada saat ini ada dua teori pengukuran yang berkembang dan banyak digunakan dalam merancang dan menganalisis alat ukur atau tes. Pertama adalah teori tes klasik (classical test theory = CT) dikembangkan sejak tahun 1940 dan telah digunakan secara luas, sedang teori yang kedua adalah teori moderen (MT) atau teori respons butir (item response theory), muncul setelah teknologi komputer berkembang. Teori yang kedua ini lebih banyak menggunakan asumsi dibandingkan dengan teori yang pertama, namun dapat menyajikan informasi lebih banyak (Mardapi, 1998: 25). Masing-masing teori ini disamping memiliki kelebihan dan kelamahan, juga memiliki perbedaan cara penyekoran. Varian kedua teori itu apabila tidak dipahami dapat menimbulkan kesalahan penilaian kemampuan peserta tes. Penyekoran hasil tes pada dasarnya diklasifikasikan menjadi dua cara yaitu penyekoran dikotomus dan politomus. Penyekoran pertama dilakukan dengan cara memberi skor 1 untuk jawaban benar dan 0 untuk jawaban salah. Model ini diterapkan pada tes pilihan ganda, benar salah, menjodohkan, atau jawaban singkat. Sedangkan penyekoran kedua dilakukan dengan cara memberi skor berjenjang sesuai kebutuhan (tidak seperti penyekoran model dikotomus). Model ini diterapkan pada tes dengan skala likert, tes uraian, mengarang, atau ujian praktik. Teori klasik dan
The 1st Accounting Conference
3
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 teori moderen memiliki cara berbeda dalam penentuan skor hasil tes. Teori klasik menentukan skor tes dengan cara menjumlahkan jawaban benar sedangkan teori moderen memperhatikan faktor indeks kesukaran, indeks daya beda, dan tebakan tes. Berdasarkan latar belakang permasalahan di atas, tujuan penelitian ini adalah untuk menguji secara empirik komparasi pengukuran hasil test antara teori klasik dan teori moderen pada model penyekoran dikotomus. Unsur-unsur yang dikomparasikan dalam penelitian ini dibatasi pada aspek daya beda butir tes (dilambangkan dengan a), indeks kesukaran butir (dilambangkan dengan b), dan hasil tes mahasiswa (dilambangkan dengan θ). Untuk menguji perbedaan ketiga aspek tersebut digunakan hasil tes mata kuliah Akuntansi Manajemen pada Jurusan Pendidikan Akuntansi Universitas Negeri Yogyakarta.
B. Kajian Pustaka 1. Hasil belajar mahasiswa (student outcome) Konsep outcome mengacu pada tujuan pendidikan di perguruan tinggi yang terdiri dari empat unsur yaitu : (1) kemampuan akademik, (2) perilaku dan kehadiran, (3) kemampuan non akademik seperti konsep diri, kemampuan kewarganegaraan, dan kemampuan kerja, dan (4) pengembangan fisik, sosial, emosi, dan spiritual mahasiswa (Townsend, 1994). Pendidikan yang berlangsung di perguruan tinggi tidak semata-mata membentuk kemampuan berpikir, penalaran, dan logika mahasiswa, tetapi juga membentuk pengertian, pemahaman, dan pandangan mahasiswa terhadap dirinya serta menilai dirinya setelah melakukan interaksi secara total dalam lingkungan sosial baik di perguruan tinggi maupun di luar perguruan tinggi. Secara lebih sederhana outcome perguruan tinggi didefinisikan sebagai pencapaian perguruan tinggi yang tidak hanya terbatas pada hasil belajar mahasiswa tetapi juga mencakup karakteristik personal mahasiswa seperti gambaran diri dan kepercayaan diri (Scheerens, 1992). Hasil belajar mahasiswa menunjukkan kemampuan akademik mahasiswa yang diperoleh dari seluruh mata pelajaran yang diajarkan di perguruan tinggi. Sedangkan gambaran diri dan kepercayaan diri menunjukkan kemampuan afektif mahasiswa. Pendidikan di perguruan tinggi
The 1st Accounting Conference
4
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 merupakan bagian dari proses pembentukan diri mahasiswa. Selain mendapat pengetahuan dari berbagai hal yang diajarkan oleh dosen melalui sejumlah mata pelajaran, mahasiswa juga memperoleh pengetahuan mengenai norma, etika, dan moral. Keseluruhan pengetahuan yang diperoleh akan membentuk diri mahasiswa sehingga dia mempunyai pandangan dan penilaian mengenai dirinya baik yang menyangkut kemampuan kognitif maupun bukan kognitif. Outcome juga mengacu pada pencapaian individu mahasiswa yang meliputi : (1) kemampuan akdemik, (2) partisipasi, (3) kemampuan sosial, dan (4) keberhasilan mahasiswa dalam ekonomi (Heneveld and Craig, 1995). Berdasarkan pada deskripsi teori tersebut, yang dimaksud dengan outcome adalah hasil pengajaran (teaching outcome) yaitu pencapaian mahasiswa sebagai hasil dari proses pengajaran yang berlangsung di perguruan tinggi yang terdiri dari dua komponen yaitu hasil belajar mahasiswa dan konsep diri mahasiswa. Hal ini didasarkan pada pemahaman bahwa yang menjadi aktifitas utama pendidikan di perguruan tinggi adalah kegiatan pengajaran berupa proses belajar-mengajar di kelas. Dalam kegiatan pengajaran inilah terjadi interaksi optimal antara dosen dengan mahasiswa dimana dosen memegang peranan yang menentukan keberhasilan proses belajar mengajar tersebut sehingga mahasiswa memperoleh pengetahuan yang terwujud dalam bentuk hasil belajar mahasiswa (kognitif), konsep diri mahasiswa (afektif) seperti sikap, watak, dan kepribadian mahasiswa, maupun psikomotorik atau keterampilan.
2. Evaluasi, Penilaian, Pengukuran, dan Tes Ada empat istilah yang sering digunakan dalam melakukan evaluasi, yaitu tes, pengukuran, dan penilaian. Banyak orang mencampuradukkan pengertian antara tes, pengukuran, penilaian dan evaluasi (test, measurement, assessment, and evaluation) padahal keempatnya memiliki pengertian yang berbeda. Evaluasi dapat didefinisikan sebagai proses penetapan nilai (value judgement) baik atau buruk suatu objek berdasarkan kriteria tertentu. Hopkins & Stanley mengakatakan bahwa “ evaluations is a process of summing up the results of measurements or tests, giving them some meaning based on value judgement” atau
The 1st Accounting Conference
5
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 proses menyimpulkan hasil pengukuran atau test dengan memberi makna berdasarkan penetapan nilai (Oriondo,1998: 3). Menurut Griffin & Nix (1991: 3), pengukuran, asesmen, dan evaluasi adalah hirarki. Pengukuran membandingkan hasil pengamatan dengan kriteria, asesmen menjelaskan dan menafsirkan hasil pengukuran, sedang evaluasi adalah penetapan nilai atau implikasi suatu perilaku. Bisa perilaku individu atau lembaga. Jadi menurut definisi ini kegiatan evaluasi didahului dengan penilaian, sedang penilaian pada umumnya didahului dengan kegiatan pengukuran. Dalam bidang pendidikan ditinjau dari sasarannya, evaluasi ada yang bersifat makro dan ada yang mikro. Evaluasi yang bersifat makro sasarannya adalah program pendidikan, yaitu program yang direncanakan untuk memperbaiki bidang pendidikan. Evaluasi mikro sering digunakan di tingkat kelas, khususnya untuk mengetahui pencapaian belajar peserta didik. Pencapaian belajar ini bukan hanya yang bersifat kognitif saja, tetapi juga mencakup semua potensi yang ada pada peserta didik. Jadi sasaran evaluasi mikro adalah program pembelajaran di kelas dan yang menjadi penanggungjawabnya adalah guru untuk sekolah atau dosen untuk perguruan tinggi (Djemari Mardapi, 2000: 2). Penilaian (assessment) memiliki makna yang berbeda dengan evaluasi. The Task Group on Assessment and Testing (TGAT) mendeskripsikan penilaian sebagai semua cara yang digunakan untuk menilai unjuk kerja individu atau kelompok (Griffin & Nix, 1991: 3). Popham (1995: 3) mendefinisikan asesmen dalam kontek pendidikan sebagai sebuah usaha secara formal untuk menentukan status siswa berkenaan dengan berbagai kepentingan pendidikan. Boyer & Ewel mendefinisikan asesment sebagai “processes that provide information about individual students, about curricula or programs, about institutions, or about entire systems of institutions” (Stark & Thomas,1994: 46). Menurut Swerdlik dan Cohen (2205: 63) pengukuran adalah kegiatan pemberian angka atau simbol untuk mencirikan sesuatu (orang, kejadian, atau yang lainnya) sesuai dengan aturan. Arutan itu merupakan pedoman yang digunakan untuk menentukan besaran objek yang diukur. Weitzenhoffer (Muhamad Noer, 1987: 1)
The 1st Accounting Conference
6
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 mendeskripsikan pengukuran sebagai suatu operasi yang dilakukan terhadap alam fisik oleh pengamat. Pengukuran (measurement) dapat didefinisikan sebagai the process by which information about the attributes or characteristics of thing are determinied and differentiated (Oriondo,1998: 2). Guilford mendefinisi pengukuran dengan “assigning numbers to, or quantifying, things according to a set of rules” (Griffin & Nix, 1991: 3). Pengukuran dinyatakan sebagai proses penetapan angka terhadap individu atau karakteristiknya menurut aturan tertentu (Ebel & Frisbie. 1986: 14). Allen & Yen mendefinisikan pengukuran sebagai penetapan angka dengan cara yang sistematik untuk menyatakan keadaan individu (Djemari Mardapi, 2000: 1). Test merupakan salah satu cara untuk menaksir besarnya kemampuan seseorang secara tidak langsung, yaitu melalui respons seseorang terhadap stimulus atau pertanyaan (Djemari Mardapi, 1999: 2). Tes merupakan salah satu alat untuk melakukan pengukuran, yaitu alat untuk mengumpulkan informasi karakteristik suatu objek. Objek ini bisa berupa kemampuan peserta didik, minat, motivasi dan sebagainya. Respons peserta tes terhadap sejumlah pertanyaan menggambarkan kemampuan dalam bidang tertentu. Hasil tes merupakan informasi tentang karakteristik seseorang atau sekelompok orang. Karakteristik ini bisa berupa kemampuan atau ketrampilan seseorang. Tes merupakan bagian tersempit dari evaluasi. Definisi tes menurut Cronbach (Syaifuddin Azwar, 2001: 3), adalah “... a systematic procedure for observing a person’s behavior and describing it with the aid of numerical scale or a category system”. Millman dan Greene (Muhamad Noer, 1987: 5) mengemukakan bahwa “a test form is a set of test questions that is built according to content and statistical test specifications. Test specifications provide guidelines for developing the test”. Sedangkan tes menurut Syaifuddin Azwar (2005: 2), dilihat dari wujud fisiknya, suatu tes tidak lain daripada sekumpulan pertanyaan yang harus dijawab dan/atau tugas yangharus dikerjakan yang memberikan informasi mengenai aspek psikkologis tertentu berdasarkan jawaban terhadap pertanyaan-pertanyaan atau cara dan hasil subjek dalam melakukan tugas-tugas tersebut.
The 1st Accounting Conference
7
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Tes dapat dibuat dengan wujud yang sangat sederhana, dapat juga sangat rumit dan rinci. Seorang pendidik, misalnya, hanya membutuhkan selembar kertas kecil untuk mendaftar beberapa pertanyaan yang akan diajukannya ke mahasiswa. Sedikit lebih rumit dari itu, seorang pendidik lain mungkin membuat seperangkat kuesioner yang hanya terdiri dari lima buah pertanyaan. Jika butir instrumen didisain dengan baik, pendidik tersebut akan mendapatkan input atau umpan balik yang konseptual. Selain dengan itu, Depdiknas (2000: 53) menyebutkan bahwa dalam melakukan analisis kuantitatif, dikenal dua cara yaitu analisis cara tradisional dan analisis modern dengan menggunakan Item Response Theory. Pada dasarnya, dua macam karakteristik soal ditinjau dari analisis soal secara empirik, yaitu indeks kesukaran dan daya pembeda soal. Yang dimaksud dengan daya pembeda soal adalah kemampuan suatu soal dalam mebedakan antara mahasiswa-mahasiswa yang mampu (menguasai materi) dengan mahasiswa-mahasiswa yang kurang mampu (kurang menguasai materi). Pendekatan yang digunakan untuk mendapatkan karakteristik soal dengan cara tradisional/kalsikal berbeda dengan cara modern. Semakin tinggi indeks daya pembeda, berarti semakin tinggi kemampuan soal tersebut dalam membedakan mahasiswa yang menguasai materi dan yang kurang menguasai materi yang dinyatakan oleh soal tersebut. Khusus untuk soal pilihan ganda, karakteristik lain yang perlu diperhatikan adalah sejauhmana pilihan jawaban (option) berfungsi sebagai pengecoh.
3. Teori Tes Menurut Azwar (2001: 131), pada analisis butir dengan menggunakan teori tes klasik tipe objektif, kualitas butir dilihat dari paling tidak dua parameter atau dua kriteria, yaitu (1) indeks kesukaran butir, dan (2) indeks daya diskriminasi atau indeks daya pembeda butir. Lebih lanjut Azwar mengatakan, analisis butir akan menguji pula efektivitas distraktor-distraktor pada setiap butir untuk menentukan apakah distraktor tersebut sudah berfungsi atau belum. Teori tes modern yang dikenal dengan nama teori respons butir (item response theory) mencoba mengatasi kelemahan-kelemahan yang dimiliki teori
The 1st Accounting Conference
8
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 klasik. Teori ini dimunculkan oleh Lord dalam disertasinya pada tahun 1952 yang dikenal dengan teori skor tes. Selanjutnya Birnbaum mengembangkan dasar statistik untuk model teori respons butir pada tahun 1957 Pada tahun 1960 Rasch, seorang ahli matematikawan Swedia mengembangkan model probabilitas untuk tes intelegensi dan tes pencapaian belajar. Model ini dikenal dengan Model Rasch yang selanjutnya dikembangkan di Amerika mulai tahun 1967 oleh Benyamin Wright dan pengikutnya di Universitas Chicago (Mardapi, 1991: 3). Teori respons butir mengenai tiga macam model logistik, yaitu model 1 paramater, model 2 parameter, dan model 3 parameter. Perbedaan ketiga model tersebut terletak pada perbedaan banyaknya parameter yang dipakai untuk menggambarkan karakteristik butir dalam model yang bersangkutan. Dalam teori respons butir dikenal tiga parameter butir yaitu: (1) indeks kesukaran butir, (2) daya pembeda butir, dan (3) probabilitas tebakan semu. Penelitian ini akan membandingkan model 2 parameter pada teori respon butir dengan teori klasik. Unsur yang dibandingkan adalah parameter daya beda dan indeks kesukaran butir dalam menentukan hasil belajar mahasiswa. Rumus yang digunakan untuk mengukur kemampuan testee menjawab dengan benar suatu tes dalam teori respon butir model logistik dua paramater adalah sebagai berikut:
Pj (θ ) =
e
Da j (θ − b j )
1+ e
Da j (θ − b j )
Pj
= probabilitas jawaban benar butir ke-j
θ
= kemampuan
D
= -1,7
e
= 2,71828
bj
= indeks kesukaran butir ke-j
aj
= daya pembeda butir ke-j
Taraf kesukaran berkaitan dengan indeks kesukaran suatu tes itu dikerjakan oleh testee. Semakin sulit tes maka semakin sedikit testee yang dapat menjawab benar, sebaliknya makin mudah tes, testee semakin banyak yang mampu menjawab
The 1st Accounting Conference
9
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 benar. Taraf kesukaran butir merupakan taraf kesukaran kelompok. Kelompok yang berbeda akan menghasilkan ukuran kesukaran yang berlainan. Daya beda soal merupakan kemampuan suatu soal yang dengan skornya dapat membedakan antara mahasiswa dari kelompok tinggi (prestasi tinggi) dengan mahasiswa dari kelompok rendah (kurang pandai). Makin tinggi daya beda butir makin banyak peserta dari kelompok tinggi yang dapat menjawab butir dengan benar serta makin sedikit peserta dari kelompok rendah yang dapat menjawabnya dengan benar. Untuk menentukan indeks daya beda, kelompok tinggi dan rendah dipisahkan. Menurut Whitney dan Sanbers yang dikutip oleh Nitko (1983). Untuk jumlah testee antara 20 – 40 (20 ≤ N ≤ 40) dipilih 10 testee dari setiap kelompok (jadi ada 20 testee untukkedua kelompok). Sedangkan untuk jumlah testee > dari 40 dipilih masing-masing 25 % - 33% testee dari setiap kelompok. Menurut Dali S Naga, butir yang baik harus memiliki indeks daya beda (D) lebih besar dari 0,67 (D > 0,67). Menurut Mardapi (1998), daya pembeda yang diterima minimum 0,20. Namun demikian, adakalanya diperlukan nilai proporsi lebih kecil ketika kita menyelenggarakan tes seleksi, atau nilai proporsi lebih tinggi apabila kita akan mengadakan tes formatif. Masrun menyatakan tujuan pokok mencari daya beda ialah untuk menentukan apakah butir soal tersebut memiliki kemampuan membedakan kelompok tinggi dan kelompok rendah dalam aspek yang diukur, sesuai dengan perbedaan yang ada pada kelompok tersebut. Daya beda butir soal yang biasa digunakan dalam tes hasil belajar adalah dengan cara menggunakan indeks korelasi antara skor butir dengan skor totalnya, baik dengan korelasi biserial maupun korelasi point biserial.
C. Metode Analisis 1. Jenis Penelitian Penelitian ini tergolong dalam jenis penelitian descriptive developmental, karena bertujuan mengungkap dan mengembangkan sebuah alat ukur prestasi formatif. Tes ini dikembangkan dengan mengacu kepada silabi dan tujuan
The 1st Accounting Conference
10
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 pembelajaran mata kuliah Akuntansi Manajemen pada Jurusan Pendidikan Akuntansi Fakultas Ilmu Sosial dan Ekonomi Universitas Negeri Yogyakarta. 2. Subjek Penelitian Subjek penelitian ini adalah semua mahasiswa semester V Jurusan Pendidikan Akuntansi angkatan 2003 yang mengambil mata kuliah Akuntansi Manajemen. 3. Instrumen Penelitian Instumen yang digunakan dalam penelitian ini adalah tes pilihan ganda dengan empat alternatif (a, b, c, d) dengan skor dikotomus (benar = 1 dan salah = 0). Soal dikembangkan dari silabi yang meliputi pokok bahasan lingkup akuntansi dan teori akuntansi manajemen. Materi tes yang digunakan dalam penelitian ini adalah materi pengantar dalam mata kuliah Akuntansi Manajemen dengan kisi-kisi pengembangan item pertanyaan sebagai berikut. Tabel 1. Kisi-kisi Instrumen Penelitian NO 1
POKOK
SUBPOKOK
BAHASAN
BAHASAN
INDIKATOR
Lingkup
1. Definisi akuntansi
akuntansi
2. Klasifikasi akuntan
positif akuntansi dan
3. Tujuan akuntansi
akuntansi manajemen
manajemen 4. Pengertian dan fungsi akuntansi manajemen 5. Hubungan akuntansi manaejmen dengan
ITEM
1. Definisi normatif dan
2. Klasifikasi akuntan
1, 2, 3, 4,
3. Tujuan dan fungsi akuntansi manajemen
5, 6
4. Hubungan akuntansi dengan fungsi manajemen
akuntansi biaya dan
5. Dasar penyusunan
akuntansi keuangan
laporan akuntansi
7, 8 9, 10
manajemen 6. Pengembagan profesi
11, 12
akuntansi manajemen 7. Hubungan akuntansi manajemen dengan
13, 14, 15
akuntansi biaya dan keuangan
The 1st Accounting Conference
11
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 NO 2
POKOK
SUBPOKOK
BAHASAN
BAHASAN
Teori akuntansi
1.
manajemen
Pentingnya teori akuntansi manajemen
2.
3.
Struktur dan hirarki
dalam akuntansi
Karakteristik
manajemen
Konsep-konsep Teknik akuntansi
3. Kerangka kerja teori 4. Pentingnya teori
20, 21 22, 23
akuntansi manajemen 5. Struktur dan hirarki kerangka kerja akuntansi
posisinya dalam
manajemen
akuntansi manajemen
18, 19
akuntansi manajemen
manajemen dan hirarki teori
16, 17
2. Pemrosesan data historis
akuntansi manajemen
akuntansi manajemen 5.
akuntansimanajemen dan yang diproyeksikan
manajemen
ITEM
1. Penerapan teknik
kerangka kerja
kualitatif akuntansi 4.
INDIKATOR
24, 25 26
6. Karakteristik kualitatif akuntansi manajemen
27, 28,
7. Konsep-konsep akuntansi manajemen 8. Teknik akuntansi
29, 30
manajemen dan posisinya dalam hirarki teori akuntansi manajemen
4. Teknik Analisis Data Analisis data dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif merupakan analisis data melalui penelaahan butir soal pada perangkat tes. Penelaahan secara kualitatif antara lain untuk menyeleksi apakah suatu soal diperkirakan akan berfungsi dengan baik atau tidak, mengetahui kehomogenan soal, validitas muka, dan sebagainya. Analisis kualitatif bertujuan untuk menilai butir soal secara teoritis yang dikaji dari sudut pandang isi atau materi tes, bahasa dan teknik penulisan soal (Depdiknas, 2000: 3). Analisis kualitatif berfungsi untuk menguji apakah butir soal diperkirakan akan berfungsi dengan baik secara teoritis, sedangkan analisis kuantitatif untuk menguji apakah soal telah berfungsi deengan baik bberdasarkan bukti empiris.
The 1st Accounting Conference
12
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Analisis kuantitatif digunakan program ITEMAN (Item and Test Analysis) versi 3.0 untuk pendekatan teori tes klasik (classical test theory) dan program BILOG versi 3.0 untuk pendekatan teori respons butir (Items Tesponse Theory/IRT). Selain kedua program itu digunakan pula program MS EXCEL dan SPSS versi 11.5 untuk membuat perbandingan nilai parameter secara grafik antarteori dan analisis statistik deskriptif. Analisis parameter butir meliputi indeks kesukaran dan daya beda digunakan untuk menentukan kemampuan peserta tes. a. Indeks Kesukaran Menurut Tuckman, untuk tes prestasi taraf kesukaran butir dikatakan cukup baik apabila proporsi kesukaran (Pi) berkisar antara 0,33 – 0,67 (0,33
Kategori soal
(P > 0.70),
Mudah
(0.30 ≤ P≤ 0.70)
Sedang
(p < 0.30).
Sukar
Indkes kesukaran butir dinyatakan dengan proporsi sederhana sebagai berikut. Pi = Fi / Mi Pi
= taraf kesukaran
Fi
= jumlah testee yang menjawab benar butir i
Mi
= jumlah testee yng menjawab butir i Sedangkan rumus untuk menghitung taraf kesukaran pada teori moderen
adalah sebagai berikut.
Φ−1 (− pg) bg = − ρg Φ−1 (− pg) = nilai_ z _ score_ untuk_ pg pg = tingkat_ kesulittan = proporsi_ menjawab_ benar
ρg = korelasi_ biserial The 1st Accounting Conference
13
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Taraf kesukaran butir untuk teori moderen umumnya lebih besar daripada taraf kesukaran pada teori klasik (taraf kesukaran teori moderen ± dua kali lipat dari taraf kesukaran teori klasik). b. Indeks Daya Beda Daya pembeda soal dapat dilihat dari besarnya koefisien korelasi biserial maupun koefisien point biserial. Nilai korelasi point biserial selalu lebih rendah dibandingkan dengan nilai korelasi biserial. Hal ini masih dipengaruhi oleh indeks kesukaran soal. Koefisien daya beda bergerak dari -1 sampai +1. Menurut Masrun (1975), Suryabrata (1987), dan diperkuat oleh Djemari (2004) butir soal akan memiliki daya beda yang memenuhi syarat apabila mempunyai korelasi minimal 0,3 dan bila korelasinya korang dari 0,3 dianggap tidak baik. Di sisi lain, Dali Naga berpendapat bahwa kriteria besarnya koefisien daya pembeda dibedakan menjadi empat kategori yaitu: Tabel 3. Kategori Indeks Daya Beda D
Kategori Soal
(B > 0,40)
Soal baik
(0.30 ≤ B ≤ 0.39)
Soal sedang dapat diterima atau tidak perlu direvisi
(0.20 ≤ B ≤ 0.29)
Soal perlu direvisi
(- 1 s/d 0,19)
Soal tidak baik atau dibuang
Rumus yang digunakan untuk menghitung daya beda butir adalah sebagai berikut. D = Ft/Mt – Fr/Mr
atau
D = Ft (Ft + Fr);
-1 ≤ D ≤ 1
D
= data beda butir i
Ft
= jumlah testee kelompok tinggi yang dipilih yang menjawab benar
butir i Mt
= jumlah testee kelompok tinggi yang dipilih
Fr
= jumlah testee kelompok rendah yang dipilih yang menjawab benar
butir
The 1st Accounting Conference
14
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 i Mr
= jumlah testee kelompok rendah yang dipilih Rumus yang digunakan untuk menghitung daya beda butir dalam teori
moderen adalah sebagai berikut.
ag
=
ρg 1 − ρ
2 g
ag = daya _ beda _ IRT ρ g = korelasi _ biserial Korelasi biserial = {MA-MT/SDT} x {p / Y} MA di sini adalah rerata hasil tes kelompok atas dan MT adakah rerata hasil tes kelompok bawah. p adalah jumlah mahasiswa kelompok atas yang menjawab benar, dan Y adalah nilai ordinat Y pada grafik Z score pada distribusi normal. Hubungan indeks daya beda antara teori tes klasik dengan teori moderen digambarkan oleh Crocker dan Algina (1986: 351) dalam tabel sebagai berikut. Tabel 4. Hubungan Indeks Daya Beda CT dan MT CT
MT
CT
MT
CT
MT
0.1
0.1
0.4
0.44
0.7
0.98
0.2
0.2
0.5
0.58
0.8
1.33
0.3
0.31
0.6
0.75
0.9
2.06
c. Hasil Belajar Nilai hasil belajar teori klasik sama dengan jumlah butir yang dijawab dengan benar oleh peserta tes. Sedangkan nilai hasil belajar untuk teori moderen adalah hasil estimasi butir tes sesuai dengan parameter logisktik yang digunakan (dalam hal ini menggunakan model logistik 2 parameter yang berupa indeks daya beda (a) dan indeks kesukaran (b)). Skor kemampuan peserta tes dalam teori moderen berkisar antara -4 sampai dengan 4. Sebagaimana dijelaskan pada bagian sebelumnya, rumus untuk menghitung hasil belajar dengan dua parameter adalah sebagai berikut.
The 1st Accounting Conference
15
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007
Pj (θ ) =
e
Da j (θ − b j )
1+ e
Da j (θ − b j )
Untuk mengetahui perbandingan (kesamaan atau perbedaan) hasil pengukuran antara teori tes klasik (CT) dan teori moderen (teori respon butir = MT) dilakukan dengan menggunakan analisis grafik dan uji Pearson correlation.
D. Hasil Penelitian dan Pembahasan 1. Deskripsi Statistik Hasil Tes Mahasiswa Tabel 5. Deskripsi Statistik Hasil Tes Mahasiswa Descriptive Statistics
CTT IRT Valid N (listwise)
N Statistic 107 107 107
Range Statistic 16.00 4.28
Minimum Statistic 3.00 -1.99
Maximum Statistic 19.00 2.29
Mean Statistic 11.4112 .0000
Std. Statistic 3.67796 1.00471
Skewness Statistic Std. Error .039 .234 .110 .234
Berdasarkan nilai hasil tes tabel di atas dapat disimpulkan bahwa secara umum tidak terjadi perubahan posisi besaran nilai range, nilai minimum, nilai maksimum, rerata, maupun nilai standar deviasi. Sudah seharusnya nilai statistic hasil CT lebih tinggi dari hasil tes MT. Ada satu hal yang sangat menarik dari tabel tersebut, yaitu besaran nilai skewness. Skewness merupakan ukuran kemiringan distribusi. Pada CT diketahui nilainya 0,039 lebih kecil dari nilai skewness pada MT (0,110). Berdasarkan kedua angka itu dapat dipastikan bahwa ranking hasil tes mahasiswa tidak sama antara CT dan MT. Hasil distribusi tes mahasiswa pada CT lebih normal (karena mendekati 0) dibandingkan dengan distribusi hasil tes MT.
The 1st Accounting Conference
16
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 2. Deskripsi Statistik Parameter Butir Tabel 6. Deskripsi Statistik Parameter Butir Descriptive Statistics
A_IRT B_IRT B_CTT ABIS_CTT APBI_CTT Valid N (listwise)
N Statistic 30 30 30 30 30 30
Range Statistic .77 3.89 .27 1.06 .84
Minimum Statistic .11 -.17 .26 -.35 -.28
Maximum Statistic .88 3.72 .53 .71 .56
Mean Statistic .3778 1.3009 .3820 .3248 .2537
Std. Statistic .20835 1.24234 .08689 .28078 .22126
Skewness Statistic Std. Error .444 .427 .656 .427 .096 .427 -.663 .427 -.650 .427
Berdasarkan Tabel 6 di atas dapat disimpulkan bahwa indeks daya beda butir CT pada nilai minimum lebih besar atau lebih baik daripada MT. Indeks daya beda model biserial (-0,663) dengan model point biserial (-0,650) pada teori klasik menunjukkan skor yang relative sama, yang dibuktikan dengan nilai skewness keduanya hamper sama. Sebaliknya, indeks daya beda butir CT pada nilai maksimum lebih kecil atau lebih jelek daripada. Indeks kesukaran butir pada CT lazimnya sekitar sepertiga dari nilai MT. Berdasarkan skor maksimum dan minimum indeks kesukaran CT dan MT diketahui besaran nilai kedua berbeda, sehingga dimungkinkan pula secara totalitas distribusi indeks kesukaran kedua teori berbeda. Hal ini didukung oleh besaran nilai skewness antara kedua teori yang berbeda jauh.
3. Perbandingan Indeks kesukaran Butir Grafik 1. Perbandingan Indeks kesukaran Butir TINGKAT KESUKARAN (ITEM DIFFICULTY INDEX)
D IFFIC U LTYS C O R E S
4 3.5 3 2.5 2 1.5 1 0.5
29
27
25
23
21
19
17
15
13
11
9
7
5
3
1
0 -0.5
NUMBER OF ITEMS b (MT)
The 1st Accounting Conference
b (CT)
17
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Berdasarkan grafik 1 di atas dapat dijelaskan bahwa tidak semua perubahan tingkat kesulitan antara CT dan MT sama. Pada butir tertentu, misalnya butir tes ke 2 pada CT mengalami penurunan tajam dari butir tes ke 1, namun berdasarkan MT tingkat kesulitan butir tes ke 2 dan butir tes ke 1 hampir sama. Berdasarkan uji korelasi pada tabel 7 berikut ini diketahui ada hubungan negatif sebesar -0,814 dengan signifikansi 0,000 antara indeks kesukaran MT dengan CT. Angka korelasi ini menunjukkan bahwa apabila skor indeks kesukaran teori MT naik maka skor indeks kesukaran pada CT akan turun, demikian pula sebaliknya. Dengan kata lain ada perbedaan indeks kesukaran butir tes antara MT dan CT. Tabel 7. Korelasi Antarparameter Butir pada MT dan CT Correlations A_IRT A_IRT
B_IRT
B_CTT
ABIS_CTT
APBI_CTT
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 . 30 -.710** .000 30 .411* .024 30 .909** .000 30 .913** .000 30
B_IRT -.710** .000 30 1 . 30 -.814** .000 30 -.631** .000 30 -.642** .000 30
B_CTT .411* .024 30 -.814** .000 30 1 . 30 .262 .162 30 .288 .122 30
ABIS_CTT .909** .000 30 -.631** .000 30 .262 .162 30 1 . 30 .999** .000 30
APBI_CTT .913** .000 30 -.642** .000 30 .288 .122 30 .999** .000 30 1 . 30
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
The 1st Accounting Conference
18
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 4. Perbandingan Indeks daya beda Butir Grafik 2. Perbandingan Indeks daya beda Butir TINGKAT DAYA BEDA (ITEM DISCRIMINATION INDEX) 1 0.8
IDS C O R E S
0.6 0.4 0.2
29
27
25
23
21
19
17
15
-0.2
13
11
9
7
5
3
1
0
-0.4 -0.6 NUMBER OF ITEMS a (MT)
a (CT - BIS)
a (CT - PBIS)
Grafik indeks daya beda di atas menunjukkan bahwa antarkedua teori tidak menunjukkan ada perbedaan besaran maupun sebaran distribusinya. Pola gerakan nilai indeks daya beda butir tes pada MT dengan pada CT (baik menggunakan model biserial maupun model point biserial) hampir sama. Hal itu didukung oleh skor korelasi pada tabel 7 di atas antara daya beda butir tes pada MT dan CT yang lebih besar dari 0,900 dan signifikan pada 0,000.
5. Hubungan Antarparameter Item Grafik 3. Hubungan Tingkat Kesulitan dengan Daya Beda pada CT HUBUNGAN TINGKAT KESULITAN DENGAN TINGKAT DAYA BEDA PADA TEORI KLASIK 0.8 0.6
0.2
29
27
25
23
21
19
17
15
13
11
9
7
5
-0.2
3
0 1
SCO RES
0.4
-0.4 -0.6 NUMBER OF ITEMS a (BIS)
The 1st Accounting Conference
a (PBIS)
b
19
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Grafik 4. Hubungan Tingkat Kesulitan dengan Daya Beda pada MT HUBUNGAN ANTARA TINGKAT KESULITAN DENGAN DAYA BEDA PADA TEORI MODEREN 4 3.5
S C O R E S
3 2.5 2 1.5 1
2 9
2 7
2 5
2 3
2 1
1 9
1 7
1 5
1 3
9
1 1
-0.5
7
5
3
0
1
0.5
NUMBER OF ITEMS b
a
Berdasarkan grafik 3 dan 4 di atas terlihat pola yang berbeda pada CT dan pada MT. Pada CT menunjukkan bahwa pola perubahan antara daya beda dan indeks kesukaran nampak tidak berpola. Hal itu menunjukkan bahwa tidak ada hubungan antara kedua parameter yang dibuktikan dengan skor korelasi sebesar 0,262 dengan taraf signifikansi 0,162 untuk model biserial dan skor korelasi sebesar 0,288 dengan taraf signifikansi 0,122 untuk model point biserial (lihat tabel 7). Sedangkan pada MT menunjukkan pola hubungan negatif antara tingkat kesulitan dengan tingkat daya beda. Hal ini lebih diyakinkan kembali dengan nilai korelasi antara parameter daya beda dan tingkat kesulitan yang negatif dan tinggi sebesar -0,710 dengan taraf signifikan sebesar 0,000 (lihat tabel 7). Pola ini sekaligus mendukung teori yang mengatakan bahwa semakin tinggi atau semakin rendah tingkat kesukaran butir tes maka semakin rendah daya beda butir tes tersebut. Hubungan kedua parameter ini secara teori digambarkan dalam bentuk segitiga berikut ini.
The 1st Accounting Conference
20
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007
DAYA BEDA INDEKS KESUKARAN
6. Perbandingan Hasil Tes Mahasiswa Grafik 5. Perbandingan Hasil Tes Mahasiswa PERBANDINGAN TINGKAT KEMAMPUAN PADA TEORI KLASIK DAN MODEREN 25
SC O R ES
20 15 10
97
91
85
103
-5
79
73
67
61
55
49
43
37
31
25
19
13
7
0
1
5
NUMBER OF TESTEE ab (MT)
ab (CT)
Berdasarkan grafik 5 diketahui secara umum ada kesamaan pola antara perubahan hasil tes mahasiswa pada MT dan CT walaupun ada dalam kasus tertentu berbeda jauh hasil tes mahasiswa antarkedua teori, misalnya mahasiswa nomor 4 dan nomor enam pada CT memiliki posisi sama namun pada MT posisi keduanya jauh berbeda. Sebagaimana disajikan dalam tabel 8 berikut ini, pola hubungan kedua teori dalam mengukur hasil tes mahasiswa dalam mata kuliah akuntansi manajemen sangat tinggi yang dibuktikan dengan nilai korelasi sebesar 0,927 signifikan pada 0,000.
The 1st Accounting Conference
21
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Tabel 8. Hubungan Tingkat Kemampuan pada MT dan CT CTT CTT
Pearson Correlation
1
.927(**)
Sig. (2-tailed)
.
.000
107
107
.927(**)
1
Sig. (2-tailed)
.000
.
N
107
107
N IRT
IRT
Pearson Correlation
E. Penutup 1. Kesimpulan a. Berdasarkan analisis kasus dengan skor kasar dan analisis grafik, diketahui ada perbedaan (gerakan perubahan tidak searah) antara tingkat kesulitan pada MT dan CT. Hal itu dibuktikan secara statistik dengan skor korelasi sebesar 0,814 dengan taraf signifikansi 0,000. b. Berdasarkan analisis kasus dengan skor kasar, analisis grafik, dan analisis statistik dapat disimpulkan bahwa tidak terdapat perbedaan pola perubahan indeks daya beda butir antara MT dan CT. Hal itu diyakinkan lagi dengan nilai korelasi sebesar 0,900 dengan tingkat signifikansi sebesar 0,000. c. Terdapat perbedaan pola hubungan daya beda butir dengan tingkat kesulitan secara grafik maupun secara statistik antara MT dan CT. Pada MT terdapat hubungan negatif sangat tinggi dan signifikan yang dibuktikan dengan nilai korelasi sebesar -0,814 sigfikan pada 0,000 yang berarti pola hubungan ini sesuai dengan teori. Sedangkan pada CT tidak terdapat hubungan yang ditunjukkan dengan nilai korelasi sebesar 0,262 (biserial) dan 0,288 (point biserial) dengan tingkat sigfikansi 0,162 dan 0,122 yang berarti pula pola hubungan ini tidak sesuai dengan teori. d. Berdasarkan analisis kasus dengan skor kasar dan analisis grafik, diketahui ada perbedaan (gerakan perubahan tidak searah) antara pengukuran hasil tes mahasiswa pada MT dan CT. Namun demikian secara statistik tidak terdapat perbedaan pengukuran hasil tes mahasiswa antara kedua teori. Hal ini dibuktikan dengan skor korelasi sebesar 0,927 dengan taraf signifikansi 0,000. The 1st Accounting Conference
22
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 2. Saran Berdasarkan hasil penelitian ini dapat diajukan beberapa saran berikut ini. a. Dosen perlu mempertimbangkan parameter tingkat kesulitan dan daya beda butir untuk mendukung penilaian hasil belajar mahasiswa yang lebih adil. b. Penilaian hasil belajar idealnya memperhatikan kemampuan individual (bukan karena tingkat generalisasi semata) dan menggunakan teori moderen (MT) walaupun secara statistik tidak terdapat perbedaan pengukuran hasil tes mahasiswa antara teori klasik dan teori moderen. Hal ini disebabkan dalam penentuan kemampuan peserta tes dalam teori klasik tidak memperhatikan tingkat kesulitan dan daya beda butir sedangkan pada teori moderen mempertimbangkan keduanya. c. Penelitian ini terbatas pada skor model dikotomus (benar atau salah) dan pada dua parameter butir, oleh sebab itu penelitian selanjutnya sebaiknya mengkaji perbedaan teori klasik dan teori moderen dengan tiga parameter (daya beda, tingkat kesulitan, dan tebakan tes). Penelitian selanjutnya juga disarankan menguji perbedaan teori klasik dan moderen pada tes subjektif (uraian) yang diskor dengan model politomus.
The 1st Accounting Conference
23
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Daftar Pustaka Abel, R. L. 1972. Esential of Educational Measurment (2rd ed). Englewood Cliffs. New Jersey: Pretice-Hal, Inc. Allen, MJ & Yen WM. 1979. Introduction to Measurement Theory. Belmont, California: Wadsworth, Inc. Alhusin, Syahri. 2002. Aplikasi Statistik dengan menggunakan SPSS 10 for Windows. Yogyakarta: J&J Learning. Anonim. 2006. Http://www.assess.com/Software/iteman.hMT. Assessment systems corporation. (di ambil 5 Januari 2006) Bahrul Hayat. 1997. Manual Item and Test Analysis. (ITEMAN). Pedoman Penggunaan ITEMAN. Jakarta: Pusisjian Balitbang Depdiknas. Crocker, Linda dan James Algina. 1986. Introduction to Classical and Modern Test Theory. New York: CBS College Publishing. Dali S. Naga. 1992. Pengantar Teori Tes Pada Pengukuran Pendidikan. Jakarta: Gunadarma. Djemari Mardapi. 2004. Penyusunan Tes Hasil Belajar. Yogyakarta : Pascasarjana Universitas Negeri Yogyakarta. Dopuch, Nicholas. (1959). Integrating Research and Teaching. Issues in Accounting Education, Vol 4 No. 1 pp. 1-10.Hadi, Sutrisno. 1991. Analisis Butir untuk Instrumen Angket, Tes, dan Skala Nilai dengan Basica. Yogyakartya: Andi Offset.
The 1st Accounting Conference
24
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Hadi, Sutrisno. 1991. Analisis Butir untuk Instrumen Angket, Tes dan Skala Nilai dengan Basica. Yogyakartya: Andi Offset. Hambleton, Ronald K., H. Swaminathan, dan H. Jane Rogers. 1991. Fundamentasls of Item Response Theory. Newbury Park: Sage Publications. Imam Ghozali. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbit UNDIP. Mahrens, William A. dan Irvin J. Lehmann. 1973. Measurement and Evaluation in Education and Psychology. New York: Holt Rinehart and Winston Inc. Anonim. 1997. Makalah Penyegaran Penulisan dan Analisis Soal Bagi Dosen IKIP Yogyakarta. Pusbangsijian Lemlit IKIP Yogyakarta 3 s/d 5 Maret 1997. Nitko, J.A. 1983 Educational test and measurement an introduction. New York: Harcout Brace Jovanovich. Masrun (1975. Realibilitas dan Pendekatannya. Yogyakarta: Fakultas Psikologi UGM. Mislevy, Robert J. dan R. Darrell Bock. 1990. Bilog 3. Item Analysis and Test Scoring with Binary Logistic Model. Second Edition. Mooresville: Scientific Software Inc. Sasmoko, 2005. Evaluasi Proses Pembelajaran Sebagai Kontrol Kualitas di Lembaga Pendidikan yang Otonom. us/art05-75.hMTl didownload tanggal 26 September 2005. Sudjana, N. 1988. Penilaian Hasil Proses Belajar Mengajar. Bandung: Rosda Karya.
The 1st Accounting Conference
25
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Suharsimi Arikunto.(2003). Dasar-Dasar Evaluasi Pendidikan. Jakarta: Bina Aksara Sumadi Suryabrata. 1987. Pengembangan Tes Hasil Belajar. Jakarta: Rajawali Press. _______________. 1987. Psikologi Pendidikan. Jakarta: Rajawali Pres. Swerdlik, Mark E. Dan Ronald Jay Cohen. 2005. Psychological
Testing and
Assessment. An Introduction to Test and Measurement. Sixth Edition. Boston: McGraw Hill Inc. Syaifuddin Azwar, 2005, Tes Prestasi Fungsi dan Pengembangan Pengukuran Prestasi Belajar, Edisi II, Yogyakarta: Pustaka Pelajar. pp. 59 – 64. Tracy, Saundra J. dan Robert H. MacNaughton. (1993). Assisting and Assessing Educational Personnel. Boston: Allyn and Bacon A Division of Simon and Schuster Inc. Tuckman, Bruce W. (1975). Measuring Educational Outcomes, Fundamentals of Testing. USA: Harcourt Brace Jovanovich, Inc. Zhang, D. 2006. Tesst Item Analysis. http://personal.gscit.monash.edu.au/~dengs /teaching/GCHE/part33.pdf#search='test%20and%20item%20analysis (didownload tanggal 4 Januari 2006).
The 1st Accounting Conference
26
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 LAMPIRAN ANALISIS BUTIR DENGAN PROGRAM ITEMAN MicroCAT (tm) Testing System Copyright (c) 1982, 1984, 1986, 1988 by Assessment Systems Corporation
Item and Test Analysis Program -- ITEMAN (tm) Version 3.00
Item analysis for data from file menit.txt
Item Statistics
Alternative Statistics
-----------------------
-----------------------------------
(b)
(a)
(a)
Seq.
Scale
Prop.
No.
-Item
Correct
Biser.
Biser.
Alt.
Endorsing
Biser.
Biser. Key
----
-----
-------
------
------
----- ---------
------
------ ---
0.449
0.116
0.092
1
2
3
0-1
0-2
0-3
0.430
0.262
Point
0.706
0.150
0.560
0.111
CHECK THE KEY B was specified, D works better
4
5
0-4
0-5
0.430
0.374
0.362
0.448
The 1st Accounting Conference
0.288
0.351
Prop.
Point
A
0.000
-9.000
-9.000
B
0.140
-0.056
-0.036
C
0.411
-0.086
-0.068
D
0.449
0.116
0.092
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.159
-0.513
-0.340
C
0.411
-0.394
-0.311
D
0.430
0.706
0.560
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.262
0.150
0.111
C
0.346
-0.310
-0.241
D
0.393
0.171
0.134
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.234
-0.203
-0.147
C
0.336
-0.220
-0.170
D
0.430
0.362
0.288
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.280
-0.262
-0.197
*
*
*
?
*
27
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007
6
0-6
0.308
-0.059
-0.045
CHECK THE KEY B was specified, D works better
7
8
9
10
11
12
0-7
0-8
0-9
0-10
0-11
0-12
0.477
0.402
0.467
0.430
0.533
0.299
0.432
0.436
0.641
0.505
0.582
-0.034
CHECK THE KEY
The 1st Accounting Conference
0.345
0.344
0.511
0.401
0.464
-0.026
C
0.346
-0.220
-0.171
D
0.374
0.448
0.351
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.308
-0.059
-0.045
C
0.262
-0.351
-0.260
D
0.430
0.343
0.272
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.215
-0.170
-0.121
C
0.308
-0.348
-0.265
D
0.477
0.432
0.345
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.252
-0.362
-0.266
C
0.346
-0.145
-0.112
D
0.402
0.436
0.344
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.131
-0.448
-0.282
C
0.402
-0.413
-0.325
D
0.467
0.641
0.511
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.243
-0.422
-0.308
C
0.327
-0.184
-0.141
D
0.430
0.505
0.401
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.131
0.007
0.004
C
0.336
-0.638
-0.493
D
0.533
0.582
0.464
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.215
-0.484
-0.344
C
0.299
-0.034
-0.026
*
*
?
*
*
*
*
*
*
28
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 C was specified, D works better
13
0-13
0.439
-0.178
-0.141
CHECK THE KEY C was specified, D works better
14
15
16
0-14
0-15
0-16
0.486
0.514
0.308
0.557
0.586
0.006
0.444
0.468
0.005
CHECK THE KEY C was specified, D works better
17
18
19
0-17
0-18
0-19
0.486
0.411
0.318
0.550
0.608
0.681
The 1st Accounting Conference
0.439
0.480
0.522
D
0.486
0.384
0.307
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.131
-0.328
-0.207
C
0.439
-0.178
-0.141
* ?
D
0.430
0.356
0.282
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.131
-0.173
-0.109
C
0.383
-0.485
-0.381
D
0.486
0.557
0.444
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.112
-0.220
-0.133
C
0.374
-0.506
-0.396
?
*
D
0.514
0.586
0.468
Other
0.000
-9.000
-9.000
*
A
0.000
-9.000
-9.000
B
0.308
-0.232
-0.177
C
0.308
0.006
0.005
*
D
0.383
0.208
0.163
?
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.206
-0.233
-0.164
C
0.308
-0.435
-0.331
D
0.486
0.550
0.439
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.187
-0.475
-0.327
C
0.402
-0.281
-0.222
D
0.411
0.608
0.480
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.178
-0.203
-0.138
C
0.505
-0.477
-0.380
D
0.318
0.681
0.522
*
*
*
29
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007
20
21
0-20
0-21
0.477
0.477
0.439
-0.354
0.350
-0.282
CHECK THE KEY C was specified, D works better
22
0-22
0.299
0.120
0.091
CHECK THE KEY C was specified, D works better
23
24
25
26
0-23
0-24
0-25
0-26
0.308
0.290
0.299
0.355
0.505
0.423
0.428
0.031
0.385
0.319
0.324
0.024
CHECK THE KEY C was specified, D works better
The 1st Accounting Conference
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.234
-0.228
-0.165
C
0.290
-0.306
-0.231
D
0.477
0.439
0.350
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.159
-0.155
-0.103
C
0.477
-0.354
-0.282
*
D
0.364
0.475
0.371
?
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.308
-0.341
-0.260
C
0.299
0.120
0.091
*
D
0.393
0.204
0.160
?
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.243
-0.194
-0.142
C
0.449
-0.296
-0.235
D
0.308
0.505
0.385
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.262
-0.163
-0.121
C
0.449
-0.231
-0.184
D
0.290
0.423
0.319
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.271
-0.325
-0.242
C
0.430
-0.104
-0.083
*
*
*
D
0.299
0.428
0.324
Other
0.000
-9.000
-9.000
*
A
0.000
-9.000
-9.000
B
0.290
-0.210
-0.158
C
0.355
0.031
0.024
*
D
0.355
0.161
0.126
?
Other
0.000
-9.000
-9.000
30
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007
27
28
29
30
0-27
0-28
0-29
0-30
0.262
0.327
0.271
0.271
0.572
0.091
0.113
0.282
The 1st Accounting Conference
0.424
0.070
0.084
0.210
A
0.000
-9.000
-9.000
B
0.280
-0.225
-0.169
C
0.458
-0.279
-0.222
D
0.262
0.572
0.424
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.327
0.091
0.070
C
0.327
-0.148
-0.114
D
0.346
0.056
0.043
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.374
0.011
0.009
C
0.271
0.113
0.084
D
0.355
-0.112
-0.087
Other
0.000
-9.000
-9.000
A
0.000
-9.000
-9.000
B
0.346
-0.365
-0.283
C
0.383
0.108
0.085
D
0.271
0.282
0.210
Other
0.000
-9.000
-9.000
*
*
*
*
31
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 LAMPIRAN ESTIMASI PARAMETER BUTIR DENGAN PROGRAM BILOG SUBTEST RANDOM
:
ITEM PARAMETERS AFTER CYCLE a
ITEM
9
b
c
INTERCEPT
SLOPE
THRESHOLD
DISPERSN
ASYMPTOTE
CHISQ
S.E.
S.E.
S.E.
S.E.
S.E.
(PROB)
DF
--------------------------------------------------------------------------0001 |
-0.122
|
0.204
|
0.597
|
4.909
|
|
0.114* |
0.071* |
0.603* |
1.715* |
|
|
|
|
|
0002 |
-0.218
|
0.875
|
0.249
|
1.143
|
|
0.153* |
0.300* |
0.182* |
0.392* |
|
|
|
|
|
0003 |
-0.626
|
0.224
|
2.797
|
4.468
|
|
0.130* |
0.083* |
1.149* |
1.657* |
|
|
|
|
|
0004 |
-0.171
|
0.303
|
0.565
|
3.299
|
|
0.119* |
0.107* |
0.436* |
1.161* |
|
|
|
|
|
0005 |
-0.330
|
0.420
|
0.787
|
2.381
|
|
0.129* |
0.137* |
0.360* |
0.774* |
|
|
|
|
|
0006 | |
-0.507
0.122* |
| 0007 |
|
0.161
0.057* |
| -0.054
|
|
3.155
1.371* |
| 0.387
|
|
6.221
2.190* |
| 0.140
|
|
|
0.122* |
0.128* |
0.317* |
0.855* |
|
|
|
|
|
|
-0.248
0.123* |
| 0009 |
|
0.355
0.116* |
| -0.086
|
|
0.697
0.409* |
| 0.700
|
|
2.817
0.922* |
| 0.124
|
|
|
|
0.138* |
0.224* |
0.202* |
0.458* |
|
|
|
|
|
0010 | |
-0.185
0.130* |
| 0011 | |
|
0.522
0.165* |
| 0.107
|
0.135* |
|
0.355
0.262* |
| 0.643
|
0.207* |
The 1st Accounting Conference
|
1.914
0.605* |
| -0.167
|
0.215* |
|
0.000
|
0.501* |
5.0
|
2.1
2.0
0.000* | (0.3524) | 0.000
|
4.0
4.0
0.000* | (0.4083) | 0.000
|
4.9
4.0
0.000* | (0.2924) | 0.000
|
2.3
4.0
0.000* | (0.6776) | 0.000
|
7.0
3.0
0.000* | (0.0717) | 0.000
|
5.1
5.0
0.000* | (0.3984) | 0.000
|
5.4
4.0
0.000* | (0.2496) | 0.000
|
3.1
3.0
0.000* | (0.3699) | 0.000
|
2.6
4.0
0.000* | (0.6231)
| 1.555
1.7
|
| 1.429
|
0.000* | (0.8922)
| 2.582
|
0008 |
0.000
| 0.000
|
10.5
3.0
0.000* | (0.0147)
32
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 | 0012 |
| -0.505
|
| 0.136
|
| 3.719
|
| 7.363
|
|
0.121* |
0.047* |
1.615* |
2.547* |
|
|
|
|
|
0013 | |
-0.143
0.111* |
| 0014 |
|
0.117
0.039* |
| -0.030
|
|
1.225
1.045* |
| 0.649
|
|
8.557
2.863* |
| 0.046
|
|
|
0.135* |
0.199* |
0.209* |
0.473* |
|
|
|
|
|
|
0.046
0.126* |
| 0016 |
|
0.477
0.150* |
| -0.479
|
|
-0.096
0.264* |
| 0.144
|
|
2.095
|
|
0.657* |
| 3.318
|
0.121* |
0.051* |
1.460* |
2.423* |
|
|
|
|
|
|
-0.030
0.126* |
| 0018 |
|
0.483
0.162* |
| -0.246
|
|
0.062
0.261* |
| 0.601
|
|
2.072
0.697* |
| 0.410
|
|
|
|
0.136* |
0.186* |
0.243* |
0.515* |
|
|
|
|
|
0019 |
-0.529
|
0.582
|
0.909
|
1.719
|
|
0.151* |
0.196* |
0.317* |
0.580* |
|
|
|
|
|
0020 |
-0.055
|
0.515
|
0.108
|
1.942
|
|
0.128* |
0.169* |
0.249* |
0.636* |
|
|
|
|
|
0021 |
-0.054
|
0.106
|
0.509
|
9.457
|
|
0.110* |
0.035* |
1.055* |
3.120* |
|
|
|
|
|
0022 |
-0.508
|
0.166
|
3.057
|
6.022
|
|
0.122* |
0.059* |
1.327* |
2.141* |
|
|
|
|
|
0023 |
-0.558
|
0.576
|
0.969
|
1.737
|
|
0.148* |
0.184* |
0.337* |
0.556* |
|
|
|
|
|
0024 |
-0.568
|
0.375
|
1.514
|
2.667
|
|
0.136* |
0.130* |
0.562* |
0.927* |
|
|
|
|
|
0025 |
-0.531
|
0.336
|
1.584
|
2.981
|
|
0.132* |
0.116* |
0.614* |
1.034* |
|
|
|
|
|
The 1st Accounting Conference
13.6
3.0
| 0.000
|
15.6
4.0
0.000* | (0.0038) | 0.000
|
3.0
3.0
0.000* | (0.3922) | 0.000
|
1.2
4.0
0.000* | (0.8799) | 0.000
|
8.8
3.0
0.000* | (0.0322) | 0.000
|
5.4
3.0
0.000* | (0.1450)
| 1.664
|
0.000* | (0.0037)
| 6.921
|
0017 |
0.000
| 1.541
|
0015 |
|
| 0.000
|
2.9
4.0
0.000* | (0.5817) | 0.000
|
1.0
3.0
0.000* | (0.7933) | 0.000
|
2.3
3.0
0.000* | (0.5206) | 0.000
|
26.2
3.0
0.000* | (0.0000) | 0.000
|
5.4
3.0
0.000* | (0.1407) | 0.000
|
2.9
3.0
0.000* | (0.4060) | 0.000
|
0.3
4.0
0.000* | (0.9847) | 0.000
|
1.7
4.0
0.000* | (0.7853) |
33
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 0026 |
-0.354
|
0.147
|
2.414
|
6.824
|
|
0.117* |
0.051* |
1.171* |
2.363* |
|
|
|
|
|
0027 |
-0.693
|
0.506
|
1.370
|
1.977
|
|
0.161* |
0.183* |
0.446* |
0.713* |
|
|
|
|
|
0028 |
-0.535
|
0.173
|
3.102
|
5.797
|
|
0.124* |
0.061* |
1.329* |
2.054* |
|
|
|
|
|
0029 |
-0.592
|
0.181
|
3.262
|
5.514
|
|
0.127* |
0.065* |
1.367* |
1.970* |
|
|
|
|
|
0030 | |
-0.604
|
0.131* |
0.269
|
0.099* |
2.247
|
0.901* |
3.717
|
1.365* |
0.000
|
14.3
4.0
0.000* | (0.0067) | 0.000
|
3.3
3.0
0.000* | (0.3546) | 0.000
|
4.0
4.0
0.000* | (0.4031) | 0.000
|
3.8
4.0
0.000* | (0.4308) | 0.000
|
2.4
4.0
0.000* | (0.6718)
---------------------------------------------------------------------------
SUBJECT IDENTIFICATION WEIGHT
SUBTEST
TRIED
MARGINAL RIGHT
PERCENT
ABILITY
S.E.
PROB
-------------------------------------------------------------------------1 1.00
| RANDOM
30
16
2 1.00
RANDOM
30
14
RANDOM
30
8
RANDOM
30
6
RANDOM
30
10
RANDOM
30
6
RANDOM
30
10
RANDOM
30
16
RANDOM
30
7
0.2114
0.2000 |
0.3333 |
0.5333 |
0.2333 |
RANDOM
30
15
0.5000 |
RANDOM
30
12
0.4000 |
-1.7644
The 1st Accounting Conference
|
0.000000
0.6008 |
0.000000
0.5531 |
0.000000
0.6774 |
0.000001
| -0.6704
0.5636 |
0.000000
| 0.6770
0.5225 |
0.000000
| -0.8280
0.5900 |
0.000000
| 0.4994
0.5104 |
0.6880
0.5243 |
|
12
0.5796 |
|
|
11 1.00
0.3333 |
0.000000
|
|
10 1.00
-0.8947
|
9 1.00
0.2000 |
0.5102 |
|
|
8 1.00
-0.7672
|
7 1.00
0.2667 |
0.000000
|
|
6 1.00
0.5594
|
5 1.00
0.4667 |
0.5747 | |
|
4 1.00
1.0119
|
3 1.00
0.5333 |
|
0.000000
| 0.000000
|
34
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 1.00
RANDOM
30
14
0.4667 |
RANDOM
30
13
0.4333 |
13 1.00
RANDOM
30
12
RANDOM
30
15
RANDOM
30
12
RANDOM
30
10
RANDOM
30
11
RANDOM
30
6
RANDOM
30
9
RANDOM
30
15
RANDOM
30
9
RANDOM
30
8
0.2667 |
RANDOM
30
11
RANDOM
30
14
0.4667 |
RANDOM
30
4
0.1333 |
30
19
0.6333 |
RANDOM
30
17
0.5667 |
RANDOM
30
10
0.3333 |
-0.2669
0.4572
3
0.1000 |
-0.5918
30
15
0.5000 |
30
The 1st Accounting Conference
14
0.4667 |
0.6422 |
0.5592 |
0.5134 |
0.5533 |
0.7965
0.5442 |
-0.6611
0.5622 |
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
| 0.000000
| -0.2420
0.5615 |
0.000000
| 0.9715
0.5710 |
-1.6283
0.6625 |
0.000000
| 0.000002
| 1.7446
0.5788 |
0.000000
| 1.8301
0.5911 |
-0.7100
0.5699 |
0.000000
| 0.000000
| -1.9864
0.7057 |
0.000014
| 0.7554
| RANDOM
0.5727 |
|
| RANDOM
0.000000
|
| 30
0.5541 |
|
|
RANDOM
0.000000
|
|
33 1.00
-1.3463
| RANDOM
0.5327 |
|
|
32 1.00
-0.0842
|
31 1.00
0.3667 |
0.000000
|
|
30 1.00
-0.5992
|
29 1.00
0.3000 |
0.4667 |
28 1.00
0.5000 |
14
27 1.00
0.3000 |
30
26 1.00
0.2000 |
RANDOM
25 1.00
0.3667 |
0.5124 |
|
|
24 1.00
0.3276
|
23 1.00
0.3333 |
0.000000
|
|
22 1.00
0.5960
|
21 1.00
0.4000 |
0.5201 | |
|
20 1.00
0.6616
|
19 1.00
0.5000 |
0.000000
|
|
18 1.00
0.4000 |
0.000000
|
|
17 1.00
0.5598 |
|
16 1.00
0.8864
|
15 1.00
0.5649 |
|
14 1.00
1.4331
0.5365 |
0.000000
| 1.2085
0.5780 |
0.000000
35
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 34 1.00
| RANDOM
30
10
35 1.00
RANDOM
30
8
RANDOM
30
9
0.3000 |
RANDOM
30
9
0.3000 |
RANDOM
30
16
RANDOM
30
4
0.1333 |
RANDOM
30
11
0.3667 |
1.00
RANDOM
30
15
30
15
0.5000 |
RANDOM
30
10
0.3333 |
30
17
RANDOM
30
10
RANDOM
30
10
RANDOM
30
11
RANDOM
30
12
RANDOM
30
11
RANDOM
30
15
RANDOM
30
15
RANDOM
30
5
0.5028
0.3667 |
0.5000 |
0.5000 |
0.1667 |
RANDOM
30
13
0.4333 |
RANDOM
30
9
0.3000 |
The 1st Accounting Conference
|
0.5103 |
0.6175
0.5144 |
-0.2884
0.5571 |
0.000000
0.000000
| 0.000000
| 1.2897
0.5738 |
0.000000
| -0.7678
0.5797 |
0.000000
| -0.1259
0.5708 |
0.000000
| -0.6341
0.5584 |
0.000000
| -0.3515
0.5515 |
0.000000
| -0.6855
0.5659 |
0.000000
| 1.0703
0.5782 |
0.000000
| 1.2599
0.5755 |
0.000000
| -1.5477
0.6553 |
0.000000
| -0.3786
0.5496 |
-1.0378
0.6198 |
|
55
0.000000
|
|
54 1.00
0.4000 |
0.000007
|
|
53 1.00
0.3667 |
0.000000
|
|
52 1.00
0.5658 |
|
51 1.00
-0.1949
|
50 1.00
0.6779 |
|
49 1.00
0.3333 |
0.5218 |
-1.7688
|
48 1.00
0.3333 |
0.000000
|
|
47 1.00
0.6727
|
46 1.00
0.5667 |
0.000000
|
| RANDOM
0.000000
|
|
45 1.00
0.5000 |
RANDOM
44 1.00
0.6174 |
|
43 1.00
-1.0162
|
42 1.00
0.5515 |
|
41
0.6583 |
-0.3523
|
40 1.00
0.5333 |
0.000000
|
|
39 1.00
-1.5826
|
38 1.00
0.2667 |
0.5199 | |
|
37 1.00
0.4047
|
36 1.00
0.3333 |
|
0.000000
| 0.000000
|
36
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 1.00
RANDOM
30
10
0.3333 |
RANDOM
30
13
0.4333 |
56 1.00
RANDOM
30
10
RANDOM
30
18
RANDOM
30
13
RANDOM
30
11
RANDOM
30
8
RANDOM
30
8
RANDOM
30
7
RANDOM
30
7
RANDOM
30
9
RANDOM
30
13
0.4333 |
RANDOM
30
14
RANDOM
30
8
0.2667 |
RANDOM
30
8
0.2667 |
30
17
0.5667 |
RANDOM
30
12
0.4000 |
RANDOM
30
19
0.6333 |
-0.4983
-0.4398
17
0.5667 |
-0.5416
30
16
0.5333 |
30
The 1st Accounting Conference
9
0.3000 |
0.5618 |
0.5470 |
0.5469 |
0.5490 |
0.0106
0.5730 |
0.1791
0.5580 |
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
| 0.000000
| 0.9038
0.5625 |
0.000000
| -0.6208
0.5567 |
-1.0150
0.6172 |
0.000000
| 0.000000
| 1.4298
0.5650 |
0.000000
| 0.6415
0.5173 |
2.2900
0.6425 |
0.000000
| 0.000000
| 1.0482
0.5772 |
0.000000
| 0.6469
| RANDOM
0.5582 |
|
| RANDOM
0.000000
|
| 30
0.5476 |
|
|
RANDOM
0.000000
|
|
76 1.00
-0.6585
| RANDOM
0.5253 |
|
|
75 1.00
-0.2772
|
74 1.00
0.4667 |
0.000000
|
|
73 1.00
-0.4168
|
72 1.00
0.3000 |
0.3667 |
71 1.00
0.2333 |
11
70 1.00
0.2333 |
30
69 1.00
0.2667 |
RANDOM
68 1.00
0.2667 |
0.6340 |
|
|
67 1.00
0.6937
|
66 1.00
0.3667 |
0.000000
|
|
65 1.00
2.1707
|
64 1.00
0.4333 |
0.6383 | |
|
63 1.00
-1.2778
|
62 1.00
0.6000 |
0.000000
|
|
61 1.00
0.3333 |
0.000000
|
|
60 1.00
0.5334 |
|
59 1.00
0.7388
|
58 1.00
0.5640 |
|
57 1.00
0.1330
0.5180 |
0.000000
| -0.8515
0.5939 |
0.000000
37
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 77 1.00
| RANDOM
30
11
78 1.00
RANDOM
30
9
RANDOM
30
17
0.5667 |
RANDOM
30
18
0.6000 |
RANDOM
30
14
RANDOM
30
15
0.5000 |
RANDOM
30
16
0.5333 |
1.00
RANDOM
30
14
30
16
0.5333 |
RANDOM
30
6
0.2000 |
30
16
RANDOM
30
10
RANDOM
30
5
RANDOM
30
9
RANDOM
30
11
RANDOM
30
10
RANDOM
30
11
RANDOM
30
9
RANDOM
30
10
0.8274
0.3333 |
0.3667 |
0.3000 |
0.3333 |
RANDOM
30
13
0.4333 |
RANDOM
30
6
0.2000 |
The 1st Accounting Conference
|
0.5499 |
1.2275
0.5772 |
-1.6947
0.6694 |
0.000000
0.000000
| 0.000001
| 1.3100
0.5725 |
0.000000
| -0.2629
0.5595 |
0.000000
| -1.9683
0.7033 |
0.000002
| -1.1718
0.6318 |
0.000000
| 0.1285
0.5645 |
0.000000
| -0.2190
0.5637 |
0.000000
| -0.2688
0.5590 |
0.000000
| -1.3384
0.6418 |
0.000000
| 0.0136
0.5729 |
0.000000
| 0.1096
0.5665 |
-1.5809
0.6581 |
|
98
0.000000
|
|
97 1.00
0.3667 |
0.000000
|
|
96 1.00
0.3000 |
0.000000
|
|
95 1.00
0.5633 |
|
94 1.00
1.5674
|
93 1.00
0.5762 |
|
92 1.00
0.1667 |
0.5480 |
1.0327
|
91 1.00
0.3333 |
0.000000
|
|
90 1.00
0.8168
|
89 1.00
0.5333 |
0.000000
|
| RANDOM
0.000000
|
|
88 1.00
0.4667 |
RANDOM
87 1.00
0.6013 |
|
86 1.00
1.8977
|
85 1.00
0.6131 |
|
84
0.6235 |
1.9800
|
83 1.00
0.4667 |
0.000000
|
|
82 1.00
-1.0731
|
81 1.00
0.3000 |
0.5698 | |
|
80 1.00
-0.1426
|
79 1.00
0.3667 |
|
0.000000
| 0.000000
|
38
The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 1.00
RANDOM
30
11
0.3667 |
RANDOM
30
9
0.3000 |
99 1.00
RANDOM
30
9
RANDOM
30
17
RANDOM
30
10
RANDOM
30
11
RANDOM
30
16
RANDOM
30
10
1.1832
0.3667 |
0.5333 |
0.3333 |
RANDOM
30
7
0.2333 |
-0.2903
30
7
0.2333 |
0.5788 |
0.000000
0.5569 |
0.000000
| -0.4281
0.5472 |
0.000000
| 0.8944
0.5611 |
0.000000
| -0.5099
0.5474 |
0.000000
| -0.7284
| RANDOM
0.000000
|
|
107 1.00
0.3333 |
0.5545 | |
|
106 1.00
-0.6027
|
105 1.00
0.5667 |
0.000000
|
|
104 1.00
0.3000 |
0.000000
|
|
103 1.00
0.5481 |
|
102 1.00
-0.4040
|
101 1.00
0.5506 |
|
100 1.00
-0.3643
0.5729 |
0.000000
| -1.5893
0.6589 |
0.000000
--------------------------------------------------------------------------
The 1st Accounting Conference
39
