PENDAHULUAN
A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh hanya sembarang saja dibentuk karena evaluasi ini selalu menjadi penentu tingkat pemahaman seseorang. Evaluasi terdiri dari evaluasi berbentuk essay atau pilihan ganda yang masing-masing memiliki cara penilaian yang berbeda-beda. Evaluasi berbentuk essay biasanya menggunakan sistem penilaian poin bertingkat yang jelas berbeda dengan sistem penilaian pada evaluasi berbentuk pilihan ganda yang hanya memberi poin 1 pada jawaban benar dan poin 0 pada jawaban salah. Evaluasi berbentuk pilihan ganda memiliki beberapa pilihan jawaban yang terdiri dari jawaban sebenarnya dan beberapa pilihan jawaban pengecoh. Sebuah evaluasi haruslah memiliki kualitas yang baik. Kualitas sebuah evaluasi dapat dianalisis dengan teknik analisis butir. Dalam penelitian ini peneliti ingin melihat kualitas salah satu evaluasi yang dilaksanakan oleh sebuah lembaga pendidikan dengan melakukan analisis butir terhadap jawaban peserta evaluasi. Untuk menentukan kategori kualitas evaluasi digunakan sistem inferensi fuzzy yaitu metode Mamdani dan Sugeno. Hasil yang diperoleh dibandingkan dengan hasil pengkategorian kualitas yang didapatkan berdasarkan analisis butir.
B. RUMUSAN MASALAH Bagaimana menentukan kualitas sebuah evaluasi dengan uji reliabilitas KuderRichardson teknik Analisis Butir dan Sistem Inferensi Fuzzy?
C. TUJUAN Tujuan dari penelitian ini adalah : Menentukan kualitas sebuah evaluasi dengan uji reliabilitas Kuder-Richardson, teknik Analisis Butir dan Sistem Inferensi Fuzzy metode Mamdani dan Sugeno.
xi
Hasil penelitian ini dituangkan dalam dua makalah sebagai berikut : 1. Penilaian Soal-Soal Pilihan Berganda dengan Menggunakan Analisis Butir dan Metode Fuzzy Mamdani. Dipublikasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika Universitas PGRI Ronggalawe, Tuban, pada tanggal 24 Mei tahun 2014. 2. Penentuan Kualitas Soal Pilihan Berganda Berdasarkan Uji Reliabilitas KuderRichardson, Analisis Butir dan Metode Fuzzy Sugeno. Dipublikasikan dalam Seminar Nasional Sains dan Pendidikan Sains IX Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Salatiga, pada tanggal 21 Juni 2014.
xii
MAKALAH 1
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
PENILAIAN SOAL-SOAL PILIHAN BERGANDA MENGGUNAKAN ANALISIS BUTIR DAN METODE FUZZY MAMDANI Christina R. N. Yedidya1), Bambang Susanto2) dan Lilik Linawati2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen Pembimbing Program Studi Matematika
[email protected])
[email protected])
[email protected]) Abstrak Soal-soal evaluasi yang berbentuk pilihan berganda haruslah memenuhi beberapa kriteria agar dapat dikatakan sebagai alat evaluasi yang baik. Satu set soal pilihan berganda terdiri dari 35 soal, yang masing-masing soal memiliki 4 opsi jawaban untuk mata pelajaran Matematika kelas VII telah diujikan pada siswa kelas VII di SMP Kristen Bentara Wacana Muntilan. Pada jawaban siswa yang diperoleh dilakukan analisis butir hingga didapatkan koefisien validitas, derajat kesukaran dan daya beda untuk menentukan tingkat kualitas soal. Selanjutnya untuk menentukan kualitas soal digunakan pendekatan logika fuzzy yaitu Sistem Inferensi Fuzzy yang merupakan kerangka komputasi berdasar teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN dan penalaran fuzzy. Adapun metode inferensi yang digunakan dalam makalah ini adalah metode Mamdani. Berdasarkan analisis yang dilakukan diperoleh 15 soal dengan kualitas baik, 15 soal perlu diperbaiki dan 5 soal disarankan untuk tidak dipakai. Kata kunci: Analisis Butir, Evaluasi, Logika Fuzzy, Metode Mamdani.
I. PENDAHULUAN Dalam menentukan tingkat pemahaman seseorang perlu diadakan suatu pengukuran dan penilaian terlebih dahulu. Kegiatan mengukur dan menilai ini biasa kita sebut dengan istilah evaluasi. Menurut Arikunto (1984) evaluasi adalah suatu kegiatan penilaian yang didahului dengan kegiatan pengukuran. Salah satu alat evaluasi adalah soal-soal berbentuk pilihan berganda yang merupakan bentuk soal dengan beberapa kemungkinan jawaban (opsi) yang telah disediakan. Seperangkat soal sebagai salah satu alat evaluasi haruslah memenuhi beberapa kriteria agar dapat dikatakan berkualitas baik. Penilaian kualitas soal dapat dilakukan dengan analisis butir. Analisis butir adalah suatu prosedur sistematis yang memberikan informasi-informasi khusus terhadap butir soal (Arikunto,1984:157). Teknik analisis butir dapat menghasilkan koefisien validitas, derajat kesukaran, daya beda soal dan efektifitas opsi, sehingga setiap butir soal akan dapat ditentukan statusnya. Status soal inilah yang menunjukan kualitas dari setiap butir soal. Untuk menentukan status soal, maka koefisien valiiditas, derajat kesukaran dan daya beda dinyatakan dalam beberapa kategori. Kombinasi kategori dari besaranbesaran tersebut akan menentukan suatu soal dikatakan baik/diterima, perlu diperbaiki atau ditolak. Misalkan sebuah soal mempunyai koefisien validitas 0,5, derajat kesukaran 0,3 dan daya beda 0,4, maka soal tersebut disimpulkan sebagai soal yang baik/diterima. Soal lain dengan koefisien validitas sama yaitu 0,5, derajat kesukaran0,65 dan daya beda 0,6 juga disimpulkan sebagai soal yang baik/diterima. Jika dicermati nilai derajat kesukaran soal adalah 0,3 dan soal yang lain adalah 0,65, pada analisis butir kedua nilai derajat kesukaran ini sama-sama dikategorikan dalam derajat kesukaran “sedang”
Tema ”Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
2
padahal perbedaan kedua nilai ini cukup signifikan dalam rentang derajat kesukaran antara 0 sampai dengan 1. Hal ini menyebabkan terjadinya keambiguan dalam penentuan status soal. Untuk mengatasi keambiguan ini dapat digunakan logika fuzzy yang memperhatikan derajat keanggotaan sebuah nilai dalam suatu himpunan fuzzy tertentu. Koefisien validitas, derajat kesukaran dan daya beda merupakan suatu variabel linguistik dengan nilai-nilai linguistik yang terkandung didalamnya. Nilai-nilai linguistik ini digunakan dalam pembentukan himpunan-himpunan fuzzy yang selanjutnya akan dikelola dengan Sistem Inferensi Fuzzy Mamdani untuk mendapatkan status soal yang lebih teliti. II. KAJIAN TEORI Analisis Butir Teknik analisis butir dapat membantu mengidentifikasi kualitas butir-butir soal. Proses pengidentifikasian ini dilakukan dengan menganalisis koefisien validitas, derajat kesukaran, daya beda dan efektifitas opsinya terlebih dahulu. Koefisien Validitas Validitas suatu soal sebagai alat evaluasi adalah ketepatan mengukur yang dimiliki setiap soal dalam mengukur apa yang seharusnya diukur oleh soal tersebut. Suatu soal dapat dikatakan memiliki koefisien validitas yang tinggi atau dapat dinyatakan valid, jika ada korelasi positif yang signifikan antara skor item dengan skor totalnya. Karena data yang digunakan berupa data diskret murni dan data kontinyu, maka teknik korelasi yang tepat untuk digunakan adalah teknik korelasi point biserial. Dimana angka indeks korelasi ( ) yang dalam hal ini digunakan sebagai angka koefisien validitas dapat diperoleh dengan menggunakan rumus (Hidayat dkk, 2011) : (1)
dengan : rata-rata skor pada siswa yang menjawab benar soal. : rata-rata skor seluruh siswa. : standard deviasi skor seluruh siswa : proporsi jumlah jawaban benar terhadap jumlah semua jawaban siswa Dalam pemberian interpretasi terhadap tingkat validitas, Arikunto menentukan kategori koefisien validitas yang diperoleh untuk dapat memberikan interpretasi terhadap kevalidan suatu soal seperti tersaji pada Tabel 1. Tabel 1 Interpretasi Tingkat Validitas Nilai Koefisien Korelasi Kurang dari 0 0-0,2 0,2-0,4 0,4-0,6 0,6-0,8 0,8-1
Kategori Tidak Valid Validitas Sangat Rendah Validitas Rendah Validitas Cukup Validitas Tinggi Validitas Sangat Tinggi
Derajat Kesukaran Untuk menentukan apakah soal yang digunakan sebagai alat evaluasi memiliki derajat kesukaran yang memadai atau tidak dapat dilakukan dengan menentukan angka indeks kesukarannya. Soal yang baik memiliki derajat kesukaran “sedang”. Mencari
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
3
nilai indeks kesukaran item dapat diperoleh dengan menggunakan rumus yang dikemukakan Du Bois seperti pada rumus (2) (Sudijono,2007). (2) di mana : P = angka indeks kesukaran item (Proporsi) Np= banyak peserta yang dapat menjawab dengan betul. N = jumlah peserta yang mengikuti evaluasi. Derajat kesukaran soal berkisar antara 0 sampai dengan 1. Semakin rendah nilai derajat kesukaran berarti semakin sukar soalnya. Interpretasi yang banyak digunakan sebagai pegangan adalah dari Robert L. Thorndike dan Elizabeth Hagen (Sudijono, 2007) dengan kriteria seperti pada Tabel 2. Tabel 2 Interpretasi Tingkat Kesukaran Indeks Kesukaran (P) Kurang dari 0,30 0,30 – 0,70 Lebih dari 0,70
Kategori Sukar Cukup (sedang) Mudah
Daya Beda Daya beda soal adalah kemampuan suatu soal untuk dapat membedakan peserta evaluasi yang berkemampuan tinggi dan yang berkemampuan rendah, yang mana hal ini dilihat berdasarkan jumlah jawaban betul yang dihasilkan oleh masing-masing peserta evaluasi. Analisis ini ditujukan untuk melihat apakah suatu soal sudah berfungsi sebagai pembeda yang baik atau belum. Suatu soal dikatakan berdaya beda baik jika peserta evaluasi yang dianggap berkemampuan tinggi memiliki jawaban betul dan yang dianggap berkemampuan rendah memiliki jawaban salah. Untuk mengetahui daya beda soal bentuk pilihan ganda dapat dipergunakan rumus korelasi biserial (rbis) seperti berikut (Hidayat dkk, 2011) : (3) dengan : rata-rata skor pada siswa yang menjawab benar soal. : rata-rata seluruh siswa. : standard deviasi seluruh siswa : ordinat kurva normal : proporsi jumlah jawaban benar terhadap jumlah semua jawaban siswa Nilai daya beda dapat diklasifikasikan seperti pada Tabel 3 (Arikunto,1984:171). Tabel 3 Interpretasi Daya Beda Daya beda Kurang dari 0,20 0,20 – 0,40 0,40 – 0,70 0,70 - 1
Kategori Jelek Cukup Baik Baik Sekali
Efektifitas Opsi Pada soal pilihan berganda setiap butir soal selalu memiliki beberapa alternatif jawaban yang terdiri dari satu buah jawaban sesungguhnya (opsi kunci) dan beberapa Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
4
jawaban salah yang biasa disebut opsi pengecoh atau distraktor. Sebuah pengecoh dibuat dengan tujuan agar peserta evaluasi akan menghadapi keragu-raguan dalam memilih jawaban sesungguhnya. Sebuah opsi pengecoh dapat dikatakan telah menjalankan fungsinya dengan baik jika sekurang-kurangnya sudah dipilih oleh 5% dari keseluruhan peserta yang mengikuti evaluasi tersebut. Analisis ini tidak digunakan dalam penentuan status soal karena cenderung bisa langsung dilakukan perbaikan terhadap opsi yang kurang efektif. Status Soal Penilaian kualitas soal dengan analisis butir dilakukan dengan mempertimbangkan koefisien validitas yang terkandung dalam suatu soal terlebih dahulu. Jika suatu soal tidak valid maka soal jelas tidak dapat dikatakan baik, namun jika nilai validitas sudah cukup maka kualitas soal dapat dipertimbangakan dengan melihat nilai derajat kesukaran dan daya bedanya. Jika dua atau lebih nilai diantara ketiga nilai ini sudah memenuhi kriteria maka soal dapat dikatakan baik. Jika hanya salah satu diantara ketiga nilai ini memenuhi maka soal dapat diteliti dan diperbaiki sebelum digunakan kembali. Tetapi jika ketiga nilai tidak memenuhi maka soal sebaiknya tidak digunakan lagi. Sistem Inferensi Fuzzy Derajat kesukaran dikategorikan “sedang” jika nilai derajat kesukaran berada antara 0,3 sampai dengan 0,7, maka soal dengan derajat kesukaran 0,3 akan dimasukan dalam kategori yang sama dengan soal yang memiliki derajat kesukaran 0,65. Hal ini menunjukan bahwa batas untuk kategori “sedang” tersebut tidak bisa ditentukan secara tegas. Untuk mengatasi hal ini, digunakan fungsi keanggotaan. Nilai dari fungsi keanggotaan ini disebut derajat keanggotaan suatu unsur dalam suatu himpunan fuzzy. Derajat keanggotaan dinyatakan dalam rentang nilai 0 sampai dengan 1. Dengan kata lain, fungsi keanggotaan dari suatu himpunan fuzzy A dalam semesta X adalah pemetaan µA dari X ke selang [0,1], yaitu µA : X →[0,1]. Nilai fungsi µA(x) menyatakan derajat keanggotaan unsur x X dalam himpunan fuzzy A (Susilo,2003:48)/ Beberapa fungsi yang bisa digunakan untuk menyatakan nilai keanggotaan fuzzy adalah representasi segitiga dan kurva trapesium yang pada dasarnya merupakan gabungan antara dua garis linear seperti terlihat pada Gambar 1a dan 1b.
Gambar 1a Representasi Kurva Segitiga
Gambar 1b Representasi Kurva Trapesium
Fungsi keanggotaannya tersaji pada persamaan (4a) untuk kurva segigiga dan persamaan (4b) untuk kurva trapesium. (4a)
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
5
(4b) dengan : = nilai domain = nilai input yang akan diubah ke dalam bilangan fuzzy Dari hasil analisis butir dapat dilakukan pendekatan logika fuzzy yaitu Sistem Inferensi Fuzzy. Dalam membangun sebuah sistem inferensi fuzzy salah satu metode panalaran yang sering digunakan adalah metode Mamdani. Tahap-tahap yang diperlukan untuk menghasilkan output dengan metode ini adalah sebagai berikut (Kusumadewi,2004) : 1. Pembentukan himpunan fuzzy Tahapan pertama pada metode Mamdani adalah menentukan variabel fuzzy dan membentuk himpunan-himpunan fuzzy untuk semua variabel, baik variabel input maupun variabel output. Kemudian ditentukan pula fungsi keanggotaan untuk setiap himpunan yang telah dibentuk. 2. Aplikasi fungsi implikasi Implikasi pada metode Mamdani didasarkan pada asumsi bahwa implikasi fuzzy pada dasarnya bersifat lokal, dalam arti bahwa implikasi Jika x adalah A, maka y adalah B hanya berbicara mengenai keadaan dimana x adalah A dan y adalah B saja, dan tidak mengenal keadaan lain diluar itu (Susilo,2003:146). Fungsi implikasi yang digunakan pada metode Mamdani adalah fungsi Min yang dapat dinyatakan sebagai berikut : (5) dengan = fungsi keanggotaan = derajat keanggotaan dari himpunan fuzzy . = derajat keanggotaan dari himpunan fuzzy . 3. Komposisi Aturan Tidak seperti pada penalaran monoton, apabila sistem terdiri dari beberapa aturan maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan untuk melakukan inferensi sistem fuzzy, yaitu : Max, Additive dan Probabilistik OR. Pada metode Max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proporsi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiaptiap proporsi. Secara umum dapat dituliskan : (6) dengan = nilai keanggotaan solusi fuzzy sampai aturan ke- . = nilai keanggotaan konsekuen fuzzy aturan ke- . 4. Penegasan (defuzzifikasi)
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
6
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari suatu komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada himpunan fuzzy tersebut. Sehingga diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai tegas tertentu sebagai output. Salah satu metode defuzzifikasi adalah dengan metode Centroid, untuk semesta diskrit digunakan persamaan : (7) dengan = nilai hasil penegasan (defuzzifikasi) = nilai keluaran pada aturan ke- . = derajat keanggotaan nilai keluaran pada aturan ke- . II. METODE PENELITIAN Penelitian dilakukan terhadap hasil jawaban 58 siswa di SMP Kristen Bentara Wacana Muntilan untuk 35 butir soal pilihan ganda yang dilaksanakan pada Semester Ganjil tahun ajaran 2013-2014. Dalam penelitian ini akan ditentukan kualitas soal berdasarkan analisis butir dan metode Mamdani pada Sistem Inferensi Fuzzy. Untuk itu ditempuh langkah-langkah sebagai berikut : 1. Mempersiapkan data hasil jawaban siswa dengan memberi nilai 1 untuk jawaban benar dan 0 untuk jawaban salah pada setiap butir soal ke dalam tabel. 2. Menganalisis data yang telah dipersiapkan dengan teknik analisis butir yaitu menghitung koefisien validitas dengan menggunakan rumus (1), menghitung derajat kesukaran dengan menggunakan rumus (2) dan menghitung daya beda soal dengan menggunakan rumus (3). 3. Menentukan kualitas soal menggunakan Sistem Inferensi Fuzzy metode Mamdani dengan langkah-langkah : Langkah 1 : Pembentukan himpunan fuzzy. Tabel 4 Himpunan Fuzzy untuk Koefisien Validitas, Derajat Kesukaran dan Daya Beda Variabel
Koefisien Validitas
Derajat Kesukaran
Daya Beda
Status Soal
Himpunan
Domain
Tidak Valid Validitas Sangat Rendah Validitas Rendah Validitas Cukup Validitas Tinggi Validitas Sangat Tinggi Sulit Sedang Mudah Jelek Cukup Baik Baik Sekali Tidak Dipakai Teliti Ulang / Perbaiki Terima
[-0,2:0] [0:0,2] [0,2:0,4] [0,4:0,6] [0,6:0,8] [0,8:1] [0:0,3] [0,3:0,7] [0,7:1] [0:0,2] [0,2:0,4] [0,4:0,7] [0,7:1] [-1:1] [1:2] [2:3]
Fungsi Keanggotaan trapesium Segitiga Segitiga Segitiga Segitiga trapesium Segitiga Segitiga Segitiga Segitiga Segitiga Segitiga Segitiga Trapesium Segitiga Trapesium
Parameter [-0.2;-0.2;0;1]] [0 ; 0,125 ; 0,25] [0,15 ; 0,3 ; 0,45] [0,35 ; 0,5 ; 0,65] [0,55 ; 0,7 ; 0,85] [0,75 ; 1 ; 1,25 ; 1,25] [-0,4 ; 0 ; 0,4] [0,2 ; 0,5 ; 0,8] [0,6 ; 1 ; 1,4] [-0,3 ; 0 ; 0,3] [0,1 ; 0,3 ; 0,5] [0,3 ; 0,55 ; 0,8] [0,6 ;1 ; 1,4] [-1 ; -1 ; 0 ; 1] [0,5 ; 1,5 ; 2,5] [2 ; 3 ; 4 ; 4]
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
7
Variabel input yang digunakan dalam penelitian ini adalah variabel koefisien validitas, derajat kesukaran dan daya beda. Sedangkan variabel outputnya adalah variabel status soal. Dari variabel yang telah dimunculkan dapat disusun domain himpunan fuzzy. Berdasarkan domain tersebut, selanjutnya ditentukan fungsi keanggotaan dari masing-masing variabel seperti tertera pada Tabel 4. Himpunan fuzzy dari variabel input koefisien validitas, derajat kesukaran dan daya beda serta variabel output status soal direpresentasikan pada Gambar 1, 2, 3 dan 4.
Gambar 1 Koefisien Validitas
Gambar 3 Daya Beda
Gambar 2 Derajat Kesukaran
Gambar 4 Status Soal
Langkah 2 : Aplikasi fungsi Implikasi. Setelah himpunan fuzzy terbentuk, maka dilakukan pembentukan aturan fuzzy. Aturan-aturan ini digunakan untuk menyatakan relasi antara variabel-variabel input terhadap variabel outputnya. Tiap aturan merupakan suatu implikasi dengan operator yang menghubungkan input satu dengan input lainnya adalah operator AND dan operator yang memetakan antara input-output adalah operator IF-THEN. Berdasar kategori dalam status soal, maka dapat dibentuk aturan-aturan pada Tabel 5. Tabel 5 Aturan-aturan Fuzzy Aturan ke 1 2 3 4 5 6 7 8 9 10 11 12
Koefisien Validitas IF IF IF IF IF IF IF IF IF IF IF IF
Tidak Valid
Derajat Kesukaran AND AND AND AND AND AND AND AND AND AND AND AND
Sulit
Sedang
Mudah
Daya Beda AND AND AND AND AND AND AND AND AND AND AND AND
Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali
Status Soal THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014 Aturan ke 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
Koefisien Validitas IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF
validitas sangat rendah
Validitas rendah
Validitas cukup
Validitas tinggi
Validitas sangat tinggi
Derajat Kesukaran AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Daya Beda AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND
Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali
8
Status Soal THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN
Tidak dipakai Tidak dipakai Tidak dipakai Perbaiki Perbaiki Perbaiki Perbaiki Perbaiki Tidak dipakai Tidak dipakai Tidak dipakai Perbaiki Tidak dipakai Perbaiki Perbaiki Perbaiki Perbaiki Perbaiki Terima Terima Tidak dipakai Perbaiki Perbaiki Perbaiki Perbaiki Perbaiki Terima Terima Perbaiki Terima Terima Terima Perbaiki Perbaiki Terima Terima Perbaiki Terima Terima Terima Terima Terima Terima Terima Perbaiki Terima Terima Terima Perbaiki Terima Terima Terima Terima Terima Terima Terima Perbaiki Terima Terima Terima
Setelah aturan-aturan dibentuk, maka dilakukan aplikasi fungsi implikasi. Pada metode Mamdani ini fungsi implikasi yang digunakan adalah MIN, yang berarti tingkat keanggotaan yang didapat sebagai konsekuensi dari proses ini adalah nilai minimum dari variabel derajat kesukaran, daya beda dan koefisien validitas.
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
9
Sehingga selanjutnya akan didapat daerah fuzzy pada variabel status soal untuk masing-masing aturan. Input aturan-aturan fuzzy tersebut pada rule editor MATLAB adalah sebagai berikut :
Gambar 6 Rule Editor MATLAB
Langkah 3 : Komposisi aturan. Pada metode Mamdani, komposisi antar fungsi implikasi menggunakan fungsi MAX yaitu dengan cara mengambil nilai maksimum dari output aturan kemudian menggabungkan daerah fuzzy dari masing-masing aturan dengan operator OR seperti tertera pada rumus 6. Dengan MATLAB komposisi aturan dapat dilihat pada Gambar 7.
Gambar 7 Rule Viewer pada program Matlab
Langkah 4 : Penegasan (Defuzzifikasi). Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan tegas pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
10
himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai tegas tertentu sebagai output. Pada metode ini, solusi tegas diperoleh dengan cara mengambil titik pusat daerah fuzzy seperti dirumuskan pada rumus (7). Dengan menggunakan Toolbox Fuzzy pada MATLAB hal ini dilakukan dengan mengubah nilai input pada Rule Viewer yang tampak pada Gambar 7. 4. Pembahasan. III. PEMBAHASAN Analisis butir berdasarkan data yang dimiliki menghasilkan nilai koefisien validitas, derajat kesukaran dan daya beda seperti tertera pada Tabel 6. Tabel 6 Hasil Analisis Butir Koefisien Validitas
Tingkat Kesukaran
Daya Beda
no nilai
kategori
nilai
1
0,410
cukup
0,810
Mudah
0,414
Baik
2
0,411
cukup
0,397
Sedang
0,415
Baik
3
0,000
sangat rendah
0,983
Mudah
0,000
Jelek
4
0,330
rendah
0,862
Mudah
0,333
Cukup
5
0,384
rendah
0,759
Mudah
0,388
Cukup
6
0,321
rendah
0,914
Mudah
0,323
Cukup
7
0,638
tinggi
0,845
Mudah
0,643
Baik
8
0,452
cukup
0,879
Mudah
0,456
Baik
9
0,168
sangat rendah
0,931
Mudah
0,169
Jelek
10
0,545
cukup
0,828
Mudah
0,550
Baik
11
0,465
cukup
0,931
Mudah
0,469
Baik
12
0,561
cukup
0,828
Mudah
0,566
Baik
13
0,250
rendah
0,379
Sedang
0,252
Cukup
14
0,633
tinggi
0,724
Mudah
0,638
Baik
15
0,470
cukup
0,810
Mudah
0,474
Baik
16
0,589
cukup
0,638
Sedang
0,594
Baik
17
0,571
cukup
0,517
Sedang
0,576
Baik
18
0,408
cukup
0,879
Mudah
0,412
Baik
19
0,544
cukup
0,621
Sedang
0,549
Baik
20
0,531
cukup
0,741
Mudah
0,535
Baik
21
0,552
cukup
0,586
Sedang
0,557
Baik
22
0,309
rendah
0,362
Sedang
0,312
Cukup
23
0,263
rendah
0,448
Sedang
0,266
Cukup
24
0,303
rendah
0,345
Sedang
0,306
Cukup
25
0,032
sangat rendah
0,759
Mudah
0,033
Jelek
26
0,158
sangat rendah
0,190
Sulit
0,160
Jelek
27
0,399
rendah
0,586
Sedang
0,403
Baik
28
0,368
rendah
0,448
Sedang
0,372
Cukup
29
0,503
cukup
0,724
Mudah
0,507
Baik
30
0,458
cukup
0,741
Mudah
0,462
Baik
31
0,125
sangat rendah
0,379
Sedang
0,126
Jelek
32
0,534
cukup
0,845
Mudah
0,538
Baik
33
0,160
sangat rendah
0,310
Sedang
0,161
Jelek
34
0,635
tinggi
0,690
Sedang
0,641
Baik
35
0,395
rendah
0,707
Mudah
0,398
Cukup
kategori
nilai
kategori
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
11
Koefisien validitas yang didapat pada Tabel 6 menunjukan bahwa soal-soal nomor 3, 9, 25, 26, 31 dan 32 masih memiliki validitas yang sangat rendah karena memiliki nilai koefisien korelasi dibawah 0,2. Untuk soal-soal nomor 7, 14 dan 31 memiliki validitas yang tinggi, sedangkan untuk 10 soal yang lain memiliki tingkat validitas rendah dan 16 soal memiliki tingkat validitas yang cukup. Pada hasil ini tidak terdapat tingkat validitas yang sangat tinggi, ini menunjukan bahwa dari keseluruhan soal yang digunakan dalam evaluasi tersebut belum ada yang benar-benar mengukur apa yang seharusnya diukur pada evaluasi tersebut. Pada kolom Derajat Kesukaran dapat kita lihat bahwa 14 soal sudah masuk dalam kategori sedang dan hanya 1 soal yang masuk kategori sulit yaitu soal nomor 26, sedangkan 20 soal yang lain masuk dalam kategori mudah. Untuk kolom daya beda dapat kita lihat bahwa soal nomor 3, 9, 25, 26, 31 dan 33 memiliki daya beda yang jelek. Ini berarti bahwa soal-soal tersebut belum bisa membedakan kemampuan peserta evaluasi. Selain itu 9 soal memiliki daya beda cukup dan 20 soal memiliki daya beda yang baik. Dari hasil daya beda ini dapat kita lihat pula bahwa belum ada soal yang memiliki daya beda sangat baik. hal ini menunjukan bahwa dalam evaluasi ini belum ada soal yang benar-benar bisa membedakan kemampuan pesertanya. Selanjutnya dengan mengubah nilai input sesuai nilai-nilai koefisien validitas, derajat kesukaran dan daya beda yang digunakan terdapat pada Tabel 6 didapat nilai tegas dan status soal dengan metode Mamdani sebagaimana tertera pada Tabel 7. Tabel 7 Status soal menggunakan metode Mamdani dengan bantuan MATLAB Metode Mamdani No
Status Soal
1
1,850
diperbaiki
2
1,940
diperbaiki
3
1,000
4 5
Metode Mamdani
Metode Mamdani No
Solusi Tegas
No
Solusi Tegas
Solusi Tegas
Status Soal
Status Soal
13
1,350
diperbaiki
14
2,580
diterima
25
0,530
ditolak
26
0,174
ditolak
15
2,190
ditolak
diterima
27
1,840
diperbaiki
1,500
diperbaiki
16
1,720
diperbaiki
17
2,600
diterima
28
1,730
diperbaiki
2,630
diterima
29
2,580
6
1,500
diperbaiki
diterima
18
1,850
diperbaiki
30
1,980
diperbaiki
7
2,640
8
2,090
diterima
19
2,640
diterima
31
1,350
diperbaiki
diterima
20
2,590
diterima
32
2,640
9
diterima
0,353
ditolak
21
2,650
diterima
33
0,910
ditolak
10
2,630
diterima
22
1,540
diperbaiki
34
2,600
diterima
11
2,210
diterima
23
1,500
diperbaiki
35
1,830
diperbaiki
12
2,630
diterima
24
1,520
diperbaiki
Dari Tabel 7 dapat dilihat bahwa pada penerapan metode Mamdani soal-soal nomor 3, 9, 25, 26 dan 33 dinyatakan ditolak. Jika dilihat lebih rinci soal-soal tersebut tidaklah memenuhi kriteria-kriteria pada analisis butir. Dari hasil tersebut 15 soal yang harus diperiksa dan diperbaiki agar dapat digunakan sebagai alat evaluasi yang baik. Kemudian untuk 15 soal yang lain dinyatakan sebagai soal yang dapat diterima untuk alat evaluasi yang baik karena sudah memenuhi kriteria analisis butir yaitu nilai koefisien validitas yang cukup tinggi, sudah memiliki derajat kesukaran yang sedang dan sudah memiliki daya beda yang baik. Selanjutnya hasil penentuan status soal dengan metode Mamdani ini kita bandingkan dengan hasil penentuan status soal secara manual sesuai penentuan dengan analisis butir seperti tersaji pada Tabel 8.
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
12
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014 Tabel 8 Status soal menggunakan metode Mamdani dan Analisis Butir 1
Metode Mamdani diperbaiki
diterima
13
Metode Mamdani diperbaiki
diterima
25
Metode Mamdani Ditolak
2
diperbaiki
diterima
14
diterima
diterima
26
Ditolak
ditolak
3
ditolak
ditolak
15
diterima
diterima
27
Diperbaiki
diterima
4
diperbaiki
diperbaiki
16
diterima
diterima
28
Diperbaiki
diterima
5
diperbaiki
diperbaiki
17
diterima
diterima
29
Diterima
diterima
6
diperbaiki
diperbaiki
18
diperbaiki
diterima
30
Diperbaiki
diterima
7
diterima
diterima
19
diterima
Diterima
31
Diperbaiki
diperbaiki
8
diterima
diterima
20
diterima
diterima
32
Diterima
diterima
9
ditolak
ditolak
21
diterima
diterima
33
Ditolak
diperbaiki
10
diterima
diterima
22
diperbaiki
diterima
34
Diterima
diterima
11
diterima
diterima
23
diperbaiki
diterima
35
Diperbaiki
diperbaiki
12
diterima
diterima
24
diperbaiki
diterima
No
Analisis Butir
No
Analisis Butir
No
Analisis Butir ditolak
Pada Tabel 8 dapat dilihat bahwa terdapat 11 soal yang memiliki perbedaan status saat ditentukan dengan metode Mamdani dan ditentukan secara manual. Jika diperhatikan soal yang memiliki status berbeda tersebut dinyatakan lebih rendah oleh metode Mamdani. Hal ini dikarenakan pada metode Mamdani nilai-nilai input yang mendekati batas-batas kategori lebih diberi toleransi, sedangkan pada penentuan secara manual batas-batas kategori tidak memiliki toleransi. IV. KESIMPULAN Dengan menggunakan analisis butir pada makalah ini didapat nilai koefisien validitas, derajat kesukaran dan daya beda untuk 35 butir soal yang ada. Selanjutnya dengan metode Mamdani nilai koefisien validitas, derajat kesukaran dan daya beda tersebut diolah sehingga didapat status soal yang sesuai untuk masing-masing butir soal yang ada. Saat hasil status soal yang didapat dengan metode Mamdani ini dibandingkan dengan status soal yang ditentukan secara manual dapat dilihat bahwa penentuan dengan metode Mamdani jauh lebih teliti karena setiap variabel benar-benar diperhitungkan derajat keanggotaannya. Setelah mengetahui status soal diharapkapkan dapat dilakukan perbaikan terhadap evaluasi-evaluasi selanjutnya. Sehingga diharapkan dalam evaluasi-evaluasi yang akan datang butir-butir soal yang terkandung didalamnya sudah memenuhi kriteria untuk digunakan sebagai suatu alat evaluasi yang baik. V. DAFTAR PUSTAKA Arikunto, Suharsimi. 1984. Dasar-dasar Evaluasi Pendidikan. Yogyakarta: PT. Bina Aksara. Guilford, J.P. & Benjamin Fruchter. 1978. Fundamental Statistic in Psycology and Education. Tokyo: McGraw-Hill. Hidayat, Fadjar Noer & Sutrisno, Ashari. 2011. Pemanfaatan Program Pengolahan Angka untuk Analisis Butir Soal dan Pengolahan Hasil Penilaian di SD/SMP. Jakarta: PPPPTK Matematika. Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy Menggunakan TOOLBOX MATLAB. Yogyakarta: Graha Ilmu.
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
13
Kusumadewi, Sri & Purnomo, Hari. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Rohmat, Nur. 2013. Rancangan Bangun Aplikasi untuk Menentukan Guru Teladan dengan Metode Fuzzy Mamdani. (http://fuzzymamdani.blogspot.com/, diakses tanggal 22 April 2014). Sudijono, Anas. 2007. Pengantar Evaluasi Pendidikan. Jakarta: PT Raja Grafindo Persada. Susilo, Frans. 2003. Pengantar Himpunan dan Logika Kabur serta Aplikasinya. Yogyakarta: Universitas Sanata Dharma. Wulandari, Yogawati. 2011. Aplikasi Metode Mamdani dalam Penentuan Status Gizi dengan Indeks Massa Tubuh (IMT) Menggunakan Logika Fuzzy. Program Sarjana. Universitas Negeri Yogyakarta.
Tema “Penguatan Peran Matematika dan Pendidikan Matematika dalam Meningkatkan Kualitas Bangsa yang Berdaya Saing Global”
MAKALAH 2
PENENTUAN KUALITAS SOAL PILIHAN BERGANDA BERDASARKAN UJI RELIABILITAS KUDER-RICHARDSON, ANALISIS BUTIR DAN METODE FUZZY SUGENO Christina R. N. Yedidya1), Bambang Susanto2) dan Lilik Linawati2) 1)Mahasiswa Program Studi Matematika FSM UKSW 2)Dosen Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52 – 60 Salatiga 50711
[email protected])
[email protected])
[email protected]) Abstrak Penilaian terhadap kualitas satu set soal pilihan berganda sebagai alat evaluasi perlu memperhatikan beberapa syarat dan metode analisis yang digunakan. Pada makalah ini akan dipaparkan analisis terhadap satu set soal pilihan berganda untuk siswa kelas VII yang telah diujikan pada 3 kelompok siswa kelas VII di sebuah Sekolah Menengah Pertama. Berdasarkan jawaban siswauntuk masing-masing kelas diuji reliabilitas butir-butir soalnya menggunakan rumus Kuder-Richardson (KR-20) dan didapat koefisien reliabilitas 0,74 , 0,87 dan 0,88 untuk masing-masing kelas dengan tingkat kecermatam yang hampir setara yaitu sebesar 2,19 , 2,2 dan 2,3. Selanjutnya dilakukan penentuan status soal dengan analisis butir dan pendekatan logika fuzzy yaitu Sistem Inferensi Fuzzy metode Sugeno. Berdasarkan analisis yang dilakukan hasil penentuan status soal yang diperoleh dengan analisis butir dan metode Sugeno dibandingkan dan didapatkan hasil kualitas soal yang tidak semuanya sama. Hasil-hasil ini juga akan dicermati lebih dalam dengan melihat faktor-faktor yang mempengaruhi kualitas soal. Katakunci :Analisis Butir, Evaluasi, Reliabilitas, Rumus Kuder-Richardson, Logika Fuzzy, Metode Sugeno.
ini dapat digunakan logika fuzzy yang memperhatikan derajat keanggotaan sebuah nilai dalam suatu himpunan fuzzy tertentu. Koefisien validitas, derajat kesukaran dan daya beda merupakan suatu variabel linguistik dengan nilai-nilai linguistik yang terkandung didalamnya. Nilai-nilai linguistik ini digunakan dalam pembentukan himpunan-himpunan fuzzy yang selanjutnya akan dikelola dengan Sistem Inferensi Fuzzy Sugeno untuk mendapatkan status soal yang lebih teliti. BAHAN Analisis Butir Teknik analisis butir dapat membantu mengidentifikasi kualitas butir-butir soal. Proses pengidentifikasian ini dilakukan dengan menganalisis koefisien validitas, derajat kesukaran, daya beda dan efektifitas opsinya terlebih dahulu. Koefisien Validitas Validitas suatu soal sebagai alat evaluasi adalah ketepatan mengukur yang dimiliki setiap soal dalam mengukur apa yang seharusnya diukur oleh soal tersebut. Suatu soal dapat dikatakan memiliki koefisien validitas yang tinggi atau dapat dinyatakan valid, jika ada korelasi positif yang
PENDAHULUAN Suatu alat evaluasi untuk mengukur kemampuan seseorang haruslah berkualitas baik. Kualitas sebuah evaluasi dapat dilihat dengan menganalisis butir-butir yang terkandung didalamnya. Selain itu sebuah evaluasi yang berkualitas baik haruslah dapat dipercaya. Untuk mengetahui tingkat kepercayaan sebuah alat evaluasi dapat dilakukan dengan menggunakan uji reliabilitas. Kualitas sebuah alat evaluasi ditentukan oleh koefisien valiiditas, derajat kesukaran dan daya beda yang telah didapat dengan menggunakan analisis butir dinyatakan dalam beberapa kategori. Kombinasi kategori dari besaran-besaran tersebut akan menentukan suatu soal dikatakan baik/diterima, perlu diperbaiki atau ditolak. Misalkan sebuah soal mempunyai derajat kesukaran 0,3 dan soal yang lain adalah 0,65, pada analisis butir kedua nilai derajat kesukaran ini sama-sama dikategorikan dalam derajat kesukaran “sedang” padahal perbedaan kedua nilai ini cukup signifikan dalam rentang derajat kesukaran antara 0 sampai dengan 1. Hal ini menyebabkan terjadinya keambiguan dalam penentuan kualitas soal. Untuk mengatasi keambiguan 1
signifikan antara skor item dengan skor totalnya. Karena data yang digunakan berupa data diskret murni dan data kontinyu, maka teknik korelasi yang tepat untuk digunakan adalah teknik korelasi point biserial. Dimana angka indeks korelasi ( ) yang dalam hal ini digunakan sebagai angka koefisien validitas dapat diperoleh dengan menggunakan rumus (1) [3].
Derajat kesukaran soal berkisar antara 0 sampai dengan 1. Semakin rendah nilai derajat kesukaran berarti semakin sukar soalnya. Interpretasi yang banyak digunakan sebagai acuan adalah dari Robert L. Thorndike dan Elizabeth Hagen dengan kriteria seperti pada Tabel 2 [6]. Tabel 2 Interpretasi Tingkat Kesukaran Indeks Kesukaran (P) Kurang dari 0,30 0,30 – 0,70 Lebih dari 0,70
(1) dengan : rata-rata skor pada siswa yang menjawab benar soal. : rata-rata skor seluruh siswa. : standard deviasi skor seluruh siswa : proporsi jumlah jawaban benar terhadap jumlah semua jawaban siswa Interpretasi terhadap nilai koefisien korelasi menjadi kategori kevalidan suatu soal seperti tersaji pada Tabel 1 [1]. Tabel 1 Interpretasi Tingkat Validitas Nilai Koefisien Korelasi Kurang dari 0 0-0,2 0,2-0,4 0,4-0,6 0,6-0,8 0,8-1
Kategori Sukar Cukup (sedang) Mudah
Daya Beda Daya beda soal adalah kemampuan suatu soal untuk dapat membedakan peserta evaluasi yang berkemampuan tinggi dan yang berkemampuan rendah, yang mana hal ini dilihat berdasarkan jumlah jawaban betul yang dihasilkan oleh masing-masing peserta evaluasi. Analisis ini ditujukan untuk melihat apakah suatu soal sudah berfungsi sebagai pembeda yang baik atau belum. Suatu soal dikatakan berdaya beda baik jika peserta evaluasi yang dianggap berkemampuan tinggi memiliki jawaban betul dan yang dianggap berkemampuan rendah memiliki jawaban salah. Untuk mengetahui daya beda soal bentuk pilihan ganda dapat digunakan rumus korelasi biserial ( ) seperti rumus (3) [3].
Kategori Tidak Valid Validitas Sangat Rendah Validitas Rendah Validitas Cukup Validitas Tinggi Validitas Sangat Tinggi
(3) dengan : rata-rata skor siswa yang menjawab benar. : rata-rata seluruh siswa. : standard deviasi seluruh siswa : ordinat kurva normal : proporsi jumlah jawaban benar terhadap jumlah semua jawaban siswa Nilai daya beda dapat diklasifikasikan seperti pada Tabel 3 [1]. Tabel 3 Interpretasi Daya Beda
Derajat Kesukaran Untuk menentukan apakah soal yang digunakan sebagai alat evaluasi memiliki derajat kesukaran yang memadai atau tidak dapat dilakukan dengan menentukan angka indeks kesukarannya. Soal yang baik memiliki derajat kesukaran “sedang”. Mencari nilai indeks kesukaran item dapat diperoleh dengan menggunakan rumus yang dikemukakan Du Bois seperti pada rumus (2) [6]. (2)
Daya beda Kurang dari 0,20 0,20 – 0,40 0,40 – 0,70 0,70 - 1
di mana : P = angka indeks kesukaran item (Proporsi) Np= banyak peserta yang menjawab betul. N = jumlah peserta yang mengikuti evaluasi. 2
Kategori Jelek Cukup Baik Baik Sekali
sehingga setiap bagian hanya berisi satu butir saja. Adapun rumus KuderRichardson adalah :
Efektifitas Opsi Pada soal pilihan berganda setiap butir soal selalu memiliki beberapa alternatif jawaban yang terdiri dari satu buah jawaban sesungguhnya (opsi kunci) dan beberapa jawaban salah yang biasa disebut opsi pengecoh atau distraktor. Sebuah pengecoh dibuat dengan tujuan agar peserta evaluasi akan menghadapi keragu-raguan dalam memilih jawaban sesungguhnya. Sebuah opsi pengecoh dapat dikatakan telah menjalankan fungsinya dengan baik jika sekurang-kurangnya sudah dipilih oleh 5% dari keseluruhan peserta yang mengikuti evaluasi tersebut. Analisis ini tidak digunakan dalam penentuan status soal karena cenderung bisa langsung dilakukan perbaikan terhadap opsi yang kurang efektif [1]. Status Soal Penilaian kualitas soal dengan analisis butir dilakukan dengan mempertimbangkan koefisien validitas yang terkandung dalam suatu soal terlebih dahulu. Jika suatu soal tidak valid maka soal jelas tidak dapat dikatakan baik, namun jika nilai validitas sudah cukup maka kualitas soal dapat dipertimbangakan dengan melihat nilai derajat kesukaran dan daya bedanya. Jika dua atau lebih nilai diantara ketiga nilai ini sudah memenuhi kriteria maka soal dapat dikatakan baik. Jika hanya salah satu diantara ketiga nilai ini memenuhi maka soal dapat diteliti dan diperbaiki sebelum digunakan kembali. Tetapi jika ketiga nilai tidak memenuhi maka soal sebaiknya tidak digunakan lagi [6]. Uji Reliabilitas Kuder-Richardson Hasil suatu evaluasi yang baik juga haruslah dapat dipercaya, nilai kepercayaan ini biasa disebut dengan reliabilitas. Thompson mengatakan bahwa hal yang penting untuk difahami adalah bahwa estimasi terhadap reliabilitas merupakan fungsi dari skor yang diperoleh melalui tes, bukanlah fungsi dari tes itu sendiri [2]. Bila suatu tes berisi butir-butir yang diberi skor dikotomi sedangkan jumlah butirnya tidak memungkinkan untuk dibagi maka salah satu cara yang dapat digunakan untuk mengestimasi reliabilitasnya adalah dengan rumus Kuder-Richardson. Konsep dasar pada rumus ini adalah dengan membagi hasil suatu tes sebanyak jumlah butirnya,
(4) dengan, = varians skor tes = banyak butir dalam tes = proporsi jumlah jawaban benar terhadap jumlah semua jawaban siswa. Proses pengestimasian reliabilitas tidak hanya berhenti dengan nilai koefisien reliabilitas yang didapat. Eror standar dalam pengukuran juga akan memberikan interpretasi secara relatif terhadap makna koefisien reliabilitas. Dua koefisien reliabilitas yang sama besar tidaklah selalu memberi makna kecermatan yang sama karena penafsiran terhadap tingginya koefisien reliabilitas tidak dapat dilepaskan dari besarnya varians skor tes. Begitu pula dua koefisien reliabilitas yang berbeda dapat saja memiliki kecermatan pengukuran yang setara. Adapun eror standar dapat diperoleh dengan menggunakan rumus : (5) dengan, = varians skor tes = koefisien reliabilitas skor tes. Sistem Inferensi Fuzzy Dalam penentuan status soal sering terjadi keambiguan karena nilai-nilai yang berbeda tetapi masih berada dalam batas tertentu akan dianggap sama atau mempunyai kategori yang sama. Untuk mengatasi hal ini, digunakan fungsi keanggotaan. Nilai dari fungsi keanggotaan ini disebut derajat keanggotaan suatu unsur dalam suatu himpunan fuzzy. Derajat keanggotaan dinyatakan dalam rentang nilai 0 sampai dengan 1. Dengan kata lain, fungsi keanggotaan dari suatu himpunan fuzzy A dalam semesta X adalah pemetaan µA dari X ke selang [0,1], yaitu µA : X →[0,1]. Nilai fungsi µA(x) menyatakan derajat keanggotaan unsur x X dalam himpunan fuzzy A [7]. Beberapa fungsi yang bisa digunakan untuk menyatakan nilai keanggotaan fuzzy adalah representasi segitiga dan kurva trapesium seperti terlihat pada Gambar 1 dan 2. 3
7.
Gambar 1 Representasi Kurva Segitiga
Gambar 2 Representasi Kurva Trapesium Fungsi keanggotaannya tersaji pada persamaan (6a) untuk kurva segigiga dan persamaan (6b) untuk kurva trapesium.
(7) adalah pusat dari himpunan di mana fuzzy dan adalah tinggi dari .
METODE PENELITIAN Penelitian dilakukan terhadap hasil jawaban 58 siswa di SMP Kristen Bentara Wacana Muntilan untuk 35 butir soal pilihan ganda yang dilaksanakan pada semester ganjil tahun ajaran 2013-2014. Dalam penelitian ini akan dilakukan analisis kualitas soal menggunakan analisis butir, uji reliabilitas dengan rumus Kuder-Richardson dan metode Sugeno pada Sistem Inferensi Fuzzy. Untuk itu ditempuh langkah-langkah sebagai berikut :
(6a)
(6b) dengan :
5.
= nilai-nilai pada domain = nilai input yang akan diubah ke dalam bilangan fuzzy Dari hasil analisis butir dapat dilakukan pendekatan logika fuzzy yaitu Sistem Inferensi Fuzzy. Dalam membangun sebuah sistem inferensi fuzzy salah satu metode penalaran yang sering digunakan adalah metode Sugeno. Tahap-tahap yang diperlukan untuk menghasilkan keluaran dengan metode ini adalah sebagai berikut [5]. 5. 6.
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden dan k adalah suatu konstanta (tegas) sebagai konsekuen [4]. Penegasan (defuzzifikasi) Penegasan yang digunakan dalam metode Sugeno adalah dengan mencari nilai ratarata terbobot. Jika sebuah himpunan kabur dalam semesta ℝ merupakan gabungan dari buah himpunan fuzzy, yaitu , maka diubah menjadi bilangan tegas yang merupakan rerata terbobot dari pusat-pusat buah himpunan fuzzy tersebut, dengan tinggi masing-masing himpunan fuzzy itu sebagai bobotnya. Jadi
6.
7.
Pembentukan Himpunan Fuzzy Aplikasi Operator Fuzzy Aturan-aturan dasar dibentuk dengan model fuzzy Sugeno yaitu : IF (x1 is A1) AND (x2 is A2) AND ..... AND (xn is An) THEN z = k
8.
4
Mempersiapkan data hasil jawaban siswa dengan memberi nilai 1 untuk jawaban benar dan 0 untuk jawaban salah pada setiap butir soal ke dalam tabel. Menganalisis data yang telah dipersiapkan dengan teknik analisis butir yaitu menghitung koefisien validitas dengan menggunakan rumus (1), menghitung derajat kesukaran dengan menggunakan rumus (2) dan menghitung daya beda soal dengan menggunakan rumus (3). Menentukan nilai koefisien reliabilitas dengan menggunakan rumus KuderRichardson dan mencari nilai eror standarnya. Menentukan kualitas soal menggunakan Sistem Inferensi Fuzzy metode Sugeno dengan langkah-langkah : Langkah 1: Pembentukan himpunan fuzzy
Tabel 4 Himpunan Fuzzy untuk Koefisien Validitas, Derajat Kesukaran dan Daya Beda Variabel
Himpunan Domain Tidak Valid [-0,2:0] Validitas Sangat Rendah [0:0,2] Validitas Rendah [0,2:0,4] Koefisien Validitas Validitas Cukup [0,4:0,6] [0,6:0,8] Validitas Tinggi [0,8:1] Validitas Sangat Tinggi Sulit [0:0,3] Derajat Sedang [0,3:0,7] Kesukaran Mudah [0,7:1] Jelek [0:0,2] [0,2:0,4] Cukup Daya Beda [0,4:0,7] Baik [0,7:1] Baik Sekali Variabel input yang digunakan dalam penelitian ini adalah variabel koefisien validitas, derajat kesukaran dan daya beda. Sedangkan outputnya adalah konstanta bernilai 0 untuk soal yang harus dibuang (ditolak), 0,5 untuk soal yang harus diteliti ulang (diperbaiki) dan 1 untuk soal yang dinyatakan baik (diterima). Dari variabel tersebut dapat disusun domain himpunan fuzzy dan fungsi keanggotaan dari masingmasing variabel seperti tertera pada Tabel 4. Himpunan fuzzy tersebut dapat direpresentasikan seperti pada Gambar 3, 4 dan 5.
Fungsi Keanggotaan Trapesium Segitiga Segitiga Segitiga Segitiga Trapesium Segitiga Segitiga Segitiga Segitiga Segitiga Segitiga Segitiga
Parameter [-0.2;-0.2;0;1]] [0 ; 0,125 ; 0,25] [0,15 ; 0,3 ; 0,45] [0,35 ; 0,5 ; 0,65] [0,55 ; 0,7 ; 0,85] [0,75 ; 1 ; 1,25 ; 1,25] [-0,4 ; 0 ; 0,4] [0,2 ; 0,5 ; 0,8] [0,6 ; 1 ; 1,4] [-0,3 ; 0 ; 0,3] [0,1 ; 0,3 ; 0,5] [0,3 ; 0,55 ; 0,8] [0,6 ;1 ; 1,4]
Gambar 4 Derajat Kesukaran
Gambar 5 Daya Beda Langkah 2 : Aplikasi Operator Fuzzy Setelah himpunan fuzzy terbentuk, maka dilakukan pembentukan aturan fuzzy. Tiap aturan merupakan suatu implikasi dengan operator yang menghubungkan input satu dengan input lainnya adalah operator AND dan operator yang memetakan antara input-output adalah operator IF-THEN. Berdasar kategori dalam status soal, maka dapat dibentuk aturan-aturan pada Tabel 5.
Gambar 3 Koefisien Validitas
Tabel 5 Aturan-aturan Fuzzy Aturan ke 1 2 3 4 5 6 7 8 9 10 11
Koefisien Validitas IF IF IF IF IF IF IF IF IF IF IF
Tidak Valid
Derajat Kesukaran AND AND AND AND AND AND AND AND AND AND AND
Sulit
Sedang
Mudah
5
AND AND AND AND AND AND AND AND AND AND AND
Daya Beda Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik
THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN
Status Soal Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai
12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF IF
validitas sangat rendah
Validitas rendah
Validitas cukup
Validitas tinggi
Validitas sangat tinggi
AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
Sulit
Sedang
Mudah
6
AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND AND
Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali Jelek Cukup Baik Baik sekali
THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN THEN
Tidak dipakai Tidak dipakai Tidak dipakai Tidak dipakai Perbaiki Perbaiki Perbaiki Perbaiki Perbaiki Tidak dipakai Tidak dipakai Tidak dipakai Perbaiki Tidak dipakai Perbaiki Perbaiki Perbaiki Perbaiki Perbaiki Terima Terima Tidak dipakai Perbaiki Perbaiki Perbaiki Perbaiki Perbaiki Terima Terima Perbaiki Terima Terima Terima Perbaiki Perbaiki Terima Terima Perbaiki Terima Terima Terima Terima Terima Terima Terima Perbaiki Terima Terima Terima Perbaiki Terima Terima Terima Terima Terima Terima Terima Perbaiki Terima Terima Terima
Input aturan-aturan fuzzy tersebut pada rule editor MATLAB adalah sebagai berikut :
Gambar 6 Rule Editor MATLAB
9.
Gambar 7 Rule Viewer pada program Matlab
Langkah 3 : Penegasan (Defuzzyfikasi) Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan tegas. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai tegas tertentu sebagai output. Pada metode ini, solusi tegas diperoleh dengan cara mengambil nilai rata-rata terbobot seperti dirumuskan pada rumus (7). Dengan menggunakan Toolbox Fuzzy pada MATLAB hal ini dilakukan dengan mengubah nilai input pada Rule Viewer yang tampak pada Gambar 7. Pembahasan.
skor pada seluruh kelas menunjukkan bahwa tes sudah cukup reliabel karena dalam dunia pendidikan suatu tes sudah dapat dikatakan reliabel jika paling tidak memiliki koefisien reliabilitas 0,7 atau lebih [2]. Selanjutnya dilakukan pengestimasian eror standar untuk melihat tingkat kecermatan pengukuran pada tes tersebut. Hasil eror standar yang didapat adalah sebesar 2,19 untuk kelas A, 2,20 untuk kelas B dan 2,31 untuk kelas C. Dari hasil eror standar ini dapat disimpulkan bahwa saat tes dilakukan pada kelas A, B dan C tingkat kecermatan pada hasil pengukuran hampir bahkan bisa dianggap sama, karena perbedaan nilai eror standar tidak terlalu signifikan. Dari keseluruhan data dilakukan analisis butir dan menghasilkan nilai koefisien validitas, derajat kesukaran dan daya beda yang selanjutnya dapat digunakan sebagai input untuk menentukan kualitas soal dengan metode Sugeno. Hasil status soal yang didapat dengan metode ini tersaji pada Tabel 6.
PEMBAHASAN Dari data hasil jawaban untuk 3 kelas berbeda A, B dan C dapat dilakukan analisis reliabilitas dengan menggunakan rumus Kuder-Richardson yang menghasilkan koefisien reliabilitas 0,741 untuk kelas A, 0,872 untuk kelas B dan 0,884 untuk kelas C. Dari hasil koefisien reliabilitas ini dapat dilihat bahwa dari hasil
7
Tabel 6 Status Soal dengan Metode Sugeno Metode Sugeno
Metode Sugeno No
Metode Sugeno
No Solusi Tegas
Status Soal
1
0,654
diperbaiki
2
0,803
Diterima
No Solusi Tegas
Status Soal
13
0,493
diperbaiki
14
1
Diterima
Solusi Tegas
Status Soal
25
0,035
Ditolak
26
0,013
Ditolak
3
0
Ditolak
15
0,921
Diterima
27
0,745
Diterima
4
0,5
diperbaiki
16
1
Diterima
28
0,59
diperbaiki
5
0,592
diperbaiki
17
1
Diterima
29
1
Diterima
6
0,5
diperbaiki
18
0,646
diperbaiki
30
0,927
Diterima
7
1
Diterima
19
1
Diterima
31
0,46
diperbaiki
8
0,87
Diterima
20
1
Diterima
32
1
diterima
9
0,034
Ditolak
21
1
Diterima
33
0,316
ditolak
10
1
Diterima
22
0,5
diperbaiki
34
1
diterima
11
0,907
Diterima
23
0,5
diperbaiki
35
0,666
diperbaiki
12
1
Diterima
24
0,5
diperbaiki
cukup tinggi, sudah memiliki derajat Pada Tabel 6 dapat dilihat bahwa pada penerapan metode Sugeno untuk soal-soal kesukaran yang sedang dan sudah memiliki nomor 3, 9, 25, 26 dan 33 dinyatakan daya beda yang baik. ditolak. Jika dilihat lebih rinci soal-soal Selanjutnya hasil penentuan status soal tersebut tidaklah memenuhi kriteria-kriteria dengan metode Sugeno ini kita bandingkan pada analisis butir. Dari hasil tersebut 12 dengan hasil penentuan status soal dengan soal yang harus diperiksa dan diperbaiki metode Mamdani dan secara manual sesuai agar dapat digunakan sebagai alat evaluasi penentuan dengan analisis butir seperti yang baik. Kemudian untuk 18 soal yang tersaji pada Tabel 7. lain dinyatakan sebagai soal yang dapat Adapun hasil penentuan status soal dengan diterima untuk alat evaluasi yang baik metode Mamdani dan analisis butir telah karena sudah memenuhi kriteria analisis didapat pada penelitian sebelumnya [8]. butir yaitu nilai koefisien validitas yang Tabel 7 Status Soal dengan Metode Sugeno, Mamdani dan Analisis Butir No
Metode Sugeno
Metode Mamdani
1
diperbaiki
2
Diterima
3
Analisis Butir
No
Metode Sugeno
Metode Mamdani
Analisis Butir
diperbaiki
diterima
19
Diterima
diterima
Diterima
diperbaiki
diterima
20
Diterima
diterima
diterima
Ditolak
ditolak
ditolak
21
Diterima
diterima
Diterima
4
diperbaiki
diperbaiki
diperbaiki
22
Diperbaiki
diperbaiki
Diterima
5
diperbaiki
diperbaiki
diperbaiki
23
Diperbaiki
diperbaiki
Diterima
6
diperbaiki
diperbaiki
diperbaiki
24
Diperbaiki
diperbaiki
Diterima
7
Diterima
diterima
diterima
25
Ditolak
Ditolak
Ditolak
8
Diterima
diterima
diterima
26
Ditolak
Ditolak
Ditolak
9
Ditolak
ditolak
ditolak
27
Diterima
Diperbaiki
Diterima
10
Diterima
diterima
diterima
28
Diperbaiki
Diperbaiki
Diterima
11
Diterima
diterima
diterima
29
Diterima
Diterima
Diterima
12
Diterima
diterima
diterima
30
Diterima
Diperbaiki
Diterima
13
diperbaiki
diperbaiki
diterima
31
Diperbaiki
Diperbaiki
Diperbaiki
14
Diterima
diterima
diterima
32
Diterima
Diterima
Diterima
15
Diterima
diterima
diterima
33
Ditolak
Ditolak
Diperbaiki
16
Diterima
diterima
diterima
34
Diterima
Diterima
Diterima
17
Diterima
diterima
diterima
35
Diperbaiki
Diperbaiki
Diperbaiki
18
Diperbaiki
diperbaiki
diterima
8
Pada Tabel 7 dapat dilihat bahwa saat dibandingkan dengan status soal yang didapat dengan metode mamdani hanya terdapat 3 soal yang memiliki perbedaan status sedangkan soal yang lain memiliki status yang sama. Saat dibandingkan dengan status soal yang ditentukan secara manual terdapat 8 soal dengan perbedaan status. Jika diperhatikan soal yang memiliki status berbeda tersebut dinyatakan lebih rendah oleh metode Mamdani dan Sugeno. Hal ini dikarenakan pada saat menggunakan sistem inferensi fuzzy nilai-nilai input yang mendekati batas-batas kategori lebih dipertimbangkan dengan derajat keanggotaannya. Dari keseluruhan hasil analisis dari data hasil evaluasi pada makalah ini didapat bahwa ada soal-soal yang tidak dapat digunakan kembali (ditolak). Jika kita lihat pada soal yang terkait yaitu soal nomor 3, 9, 25, 26 dan 33 maka dapat kita lihat apa yang sebenarnya menjadi alasan untuk tidak menggunakan kembali soal-soal tersebut. Untuk soal nomor 3, 9 dan 25 didapat bahwa soal dijawab benar oleh sebagian besar peserta bahkan oleh keseluruhan peserta, hal ini jelas menunjukan bahwa soal terlalu mudah bagi peserta dan bahkan tidak dapat membedakan peserta yang berkemampuan rendah atau tinggi. Untuk soal nomor 26 dan 33 justru terjadi yang sebaliknya. Dari data hasil jawaban terlihat bahwa sebagian besar peserta tidak dapat menjawab dengan benar pada soal nomor 26 dan 33. Dari hasil ini tentu saja dapat kita lihat bahwa soal tersebut terlalu sulit untuk peserta.
metode Sugeno, metode Mamdani dan secara manual diperoleh bahwa dengan metode Sugeno dan Mamdani memberikan hasil yang jauh lebih teliti karena setiap variabel benar-benar diperhitungkan derajat keanggotaannya. Setelah mengetahui status soal diharapkan dapat dilakukan perbaikan terhadap soal-soal evaluasi tersebut, sehingga diharapkan dalam evaluasievaluasi yang akan datang butir-butir soal yang terkandung didalamnya sudah memenuhi kriteria untuk digunakan sebagai suatu alat evaluasi yang baik. DAFTAR PUSTAKA 1] Arikunto, Suharsimi. Dasar-dasar Evaluasi Pendidikan. Yogyakarta: PT. Bina Aksara. (1984). 2] Azwar, Saifuddin. Reliabilitas dan Validitas. Yogyakarta: Pustaka Pelajar. (2013). 3] Hidayat, Fadjar Noer & Sutrisno, Ashari. Pemanfaatan Program Pengolahan Angka untuk Analisis Butir Soal dan Pengolahan Hasil Penilaian di SD/SMP. Jakarta: PPPPTK Matematika. (2011). 4] Kusumadewi, Sri. Analisis & Desain Sistem Fuzzy Menggunakan TOOLBOX MATLAB. Yogyakarta: Graha Ilmu. (2002). 5] Kusumadewi, Sri & Purnomo, Hari. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. (2004). 6] Sudijono, Anas. Pengantar Evaluasi Pendidikan. Jakarta: PT Raja Grafindo Persada. (2007). 7] Susilo, Frans. Pengantar Himpunan dan Logika Kabur serta Aplikasinya. Yogyakarta: Universitas Sanata Dharma. (2003). 8] Yedidya, Christina R. N., Susanto, Bambang & Linawati, Lilik. “Penilaian Soal-Soal Pilihan Berganda Menggunakan Analisis Butir dan Metode Fuzzy Mamdani. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika. Tuban: Universitas PGRI Ronggalawe. (2014).
KESIMPULAN Hasil uji reliabilitas menggunakan rumus Kuder-Richardson pada data yang digunakan diperoleh bahwa alat evaluasi sudah reliabel. Hasil analisis butir menunjukan bahwa nilai koefisien validitas, derajat kesukaran dan daya beda pada setiap butir soal yang ada. Selanjutnya dengan metode Sugeno nilai koefisien validitas, derajat kesukaran dan daya beda tersebut diolah sehingga didapat status soal yang sesuai untuk masing-masing soal yang ada. Perbandingan hasil status soal berdasarkan
9
KESIMPULAN Hasil perbandingan analisis soal evaluasi berdasarkan metode Mamdani, Sugeno dan secara manual terdapat 24 soal dengan status sama, yaitu : 4 soal ditolak, 15 soal diterima dan 5 soal diperbaiki. Sedangkan 11 soal yang lain memiliki perbedaan status. Perbandingan hasil status soal berdasarkan metode Sugeno, metode Mamdani dan secara manual diperoleh bahwa metode Sugeno dan Mamdani memberikan hasil yang jauh lebih teliti, karena setiap variabel diperhitungkan derajat keanggotaannya. Setelah mengetahui status soal diharapkan dapat dilakukan perbaikan terhadap soal evaluasi tersebut, sehingga soal evaluasi telah memenuhi kriteria-kriteria sebagai alat evaluasi yang baik.
xiii