Bab 16 Sekor Komposit dan Seleksi Sekor Komposi

Bab 16 Sekor Komposit dan Seleksi

-------------------------------------------- Sekor Komposi dan Seleksi --------------------------------------- Bab 16 Sekor Komposit dan Seleksi A. Hakikat Sekor Komposit 1. Pengertian • Sekor komposit merupakan gabungan dari sejumlah sekor Tiap sekor Sekor gabungan : Sekor komponen : Sekor komposit • Terdapat sejumlah cara untuk melakukan penggabungan itu

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Bentuk Gabungan Sekor Penggabungan sekor komponen dapat dilakukan secara • Linier • Nonlinier Penggabungan sekor komponen dapat juga dilakukan secara • Tanpa bobot (semua bobot sama = 1) • Dengan bobot Pada umumnya penggabungan sekor komponen dilakukan secara linier, tanpa atau dengan pembobotan

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 3. Bentuk Bobot dapat berbentuk • Bobot nominal • Bobot efektif (a) Sekor komposit dengan bobot nominal linier • Ukuran bobot w 1, w 2, w 3, . . . dengan w 1 + w 2 + w 3 +. . . = 1 atau 100% • Sekor komposit A = w 1 A 1 + w 2 A 2 + w 3 A 3 +. . . = wu. Au wu = 1 atau 100%

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- (b) Sekor komposit dengan bobot efektif • Bobot sekor komponen dikenal sebagai indeks kontribusi sekor komponen • Indeks kontribusi mencakup kovariansi di antara sekor komponen dengan sekor komposit u = indeks kontribusi sekor komponen ke-u 2 u = variansi sekor komponen ke-u wu, wv = bobot sekor komponen ke-u, ke-v uv = kovariansi di antara sekor komponen ke-u dan ke-v

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 4. Beberapa Ciri Sekor komponen memiliki beberapa ciri • • Skala Bobot Peringkat Variansi Sekor komposit memiliki beberapa ciri • Skala • Peringkat • Variansi Dalam beberapa hal, terdapat hubungan di antara ciri sekor komponen dengan ciri sekor komposit

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- B. Sekor Komposit Linier Berbobot Nominal 1. Bentuk Sekor Komposit • Sekor komposit linier berbobot nominal dapat ditampilkan dalam bentuk A = w 1 A 1 + w 2 A 2 + w 3 A 3 +. . . = wu. Au = 1 atau 100% • Skala bobot dapat dinyatakan dalam proporsi (0 sampai 1) atau dalam persentase (0% sampai 100%) • Skala sekor komponen dan skala sekor komposit biasanya terdiri atas skala yang sama, misalnya, sekor 0 sampai 100

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Peranan Bobot Sekor Komponen • Setiap sekor komponen memberikan sumbangan kepada sekor komposit yang besarnya ditentukan melalui bobot • Biasanya sumbangan atau bobot ini ditetapkan berdasarkan pentingnya sekor komponen itu • Makin penting suatu sekor komponen makin besar bobot yang diberikan kepada sekor komponen itu • Sebagai misal, nilai hasil belajar merupakan sekor komposit yang menggabungkan sekor komponen tugas (T), sekor komponen ujian formatif (F), dan sekor komponen ujian sumatif (S) A = w. TAT + w. FAF + w. SAS dengan w. S terbesar, w. F berikutnya, dan w. T terkecil

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 1 Suatu sekor komposit hasil belajar A terdiri atas sekor komponen tugas (T) dan sekor komponen ujian (U) A = w. TAT + w. UAU dengan w. T = 0, 3 atau 30% dan w. U = 0, 7 atau 70% Responden 1 2 3 4 Sekor Bobot Komponen 30% 70% AT AU 20 50 6 35 40 45 12 31, 5 60 60 18 42 80 55 24 38, 5 Sekor Komposit A 41 43, 5 60 62, 5

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 2 Suatu sekor komposit hasil belajar A terdiri atas sekor komponen tugas (T) dan sekor komponen ujian (U) A = w. TAT + w. UAU dengan w. T = 0, 3 atau 30% dan w. U = 0, 7 atau 70% Responden 1 2 3 4 Sekor Bobot Komponen 30% 70% AT AU 45 40 50 20 55 80 60 60 Sekor Komposit A

---------------------------------------Sekor Komposit --------------------------------------- Contoh 3 Suatu sekor komposit hasil belajar terdiri atas sekor komponen tugas (T), sekor komponen ujian formatif (F), dan sekor komponen ujian sumatif (S) A = w. TAT + w. FAF + w. SAS Responden 1 2 3 4 5 6 7 8 9 Sekor Bobot Komponen 0, 1 0, 4 0, 5 A T AF AS AT AF AS 85 90 80 70 95 95 85 90 75 60 85 85 80 70 75 85 75 80 90 85 80 Sekor Komposit A

---------------------------------------Sekor Komposit --------------------------------------- Contoh 4 Suatu sekor komposit hasil belajar terdiri atas sekor komponen tugas (T), sekor komponen ujian formatif (F), dan sekor komponen ujian sumatif (S) A = w. TAT + w. FAF + w. SAS Responden 1 2 3 4 5 6 7 8 9 Sekor Komponen A T AF AS 8 9 8 7 9 9 8 9 7 6 8 8 8 7 7 8 7 8 9 8 8 Sekor Bobot 0, 1 0, 4 0, 5 AT AF AS Sekor Komposit A

---------------------------------------Sekor Komposit --------------------------------------- Contoh 5 Suatu sekor komposit hasil belajar terdiri atas sekor komponen tugas (T), sekor komponen ujian formatif (F), dan sekor komponen ujian sumatif (S) A = w. TAT + w. FAF + w. SAS A = 4, B = 3, C = 2, D = 1, E = 0 Responden 1 2 3 4 5 6 7 8 9 Sekor Komponen A T AF AS A A B B A C A A B B C D B B B E C C D B C C A B C B B Sekor Bobot 0, 1 0, 4 0, 5 AT AF AS Sekor Komposit A

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 3. Peranan Variansi Sekor Komponen • Variansi sekor komponen berperanan terhadap ciri sekor komposit terutama dalam hal peringkat • Peringkat pada sekor komposit banyak ditentukan oleh variansi sekor komponen • Makin besar variansi sekor komponen makin besar pengaruhnya terhadap peringkat sekor komposit • Peringkat pada sekor komposit cenderung mengikuti peringkat pada sekor komponen dengan variansi terbesar (sekalipun bobotnya kecil) • Kita lihat peranan variansi sekor komponen terhadap peringkat sekor komposit melalui contoh berupa sekor A = w. XAX + w. YAY

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 6 Responden 1 2 3 4 2 Sekor Komponen AX AY 50 (1) 90 60 (2) 90 70 (3) 90 80 (4) 90 65 90 125 0 Sekor Komponen X Sekor Komponen Y Sekor Bobot 5% 95% AX AY 2, 5 85, 5 3, 5 85, 5 4 85, 5 variansi 125 0 Sekor komposit A 88 (1) 88, 5 (2) 89 (3) 89, 5 4) 88, 75 0, 31 bobot 5% 95% Peringkat sekor komposit A mengikuti peringkat sekor komponen X

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 7 Responden 1 2 3 4 2 Sekor Bobot Komponen 30% 70% AX AY 20 (1) 50 (2) 6 35 40 (2) 45 (1) 12 31, 5 60 (3) 60 (4) 18 42 80 (4) 55 (3) 24 38, 5 50 52, 5 500 31, 25 Sekor Komponen X Sekor Komponen Y variansi 500 31, 5 Sekor komposit A 41 (1) 43, 5 (2) 60 (3) 62, 5 (4) 51, 75 91, 81 bobot 30% 70% Peringkat sekor komposit A mengikuti peringkat sekor komponen X

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 8 Responden 1 2 3 4 2 Sekor Bobot Sekor Komponen 30% 70% komposit AX AY A 45 (1) 40 (2) 13, 5 28 41, 5 (2) 50 (2) 20 (1) 15 14 29 (1) 55 (3) 80 (4) 16, 5 56 72, 5 (4) 60 (3) 18 42 60 (3) 52, 5 50 50, 75 31, 25 500 279, 31 Sekor Komponen X Sekor Komponen Y variansi 31, 25 500 bobot 30% 70% Peringkat sekor komposit A mengikuti peringkat sekor komponen Y

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 4. Peranan Bobot dan Variansi Sekor Komponen • Dalam hal peringkat sekor komposit, peranan variansi sekor komponen lebih kuat dari peranan bobot sekor komponen • Peranan bobot sekor komponen dapat diperkuat dengan menetralkan peranan variansi sekor komponen • Penetralan variansi sekor komponen dapat dilakukan melalui nilai baku sekor komponen atau tara nilai baku sekor komponen (TNB) A = w 1 TNB 1 + w 2 TNB 2 + w 3 TNB 3 +. . . = wu. TNBu wu = 1 atau 100% • Di sini digunakan TNB dengan skala yang sama dengan skala sekor komponen atau skala sekor komposit

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 9 Kita kembali ke contoh 7. Kita menggunakan Tara Nilai Baku (TNB) yang memberikan skala sama dengan skala sekor komponen yakni TNB = 10 z + 50 TNBX = (10)(22, 36) + 50 TNBY = (10)(5, 59) + 50 sehingga Resp 1 2 3 4 Sekor Komponen AX AY 20 (1) 50 (2) 45 (1) 60 (3) 60 (4) 80 (4) 55 (3) Sekor TNBX TNBY 48, 58 45, 53 36, 58 54, 47 63, 42 54, 47

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Dengan sekor TNB dan bobot dihasilkan sekor komposit Responden 1 2 3 4 Sekor TNB Komponen AX AY 48, 58 45, 53 36, 58 54, 47 63, 42 54, 47 Sekor Bobot 30% 70% AX AY 14, 57 31, 87 13, 66 25, 61 16, 34 44, 39 19, 03 38, 13 Sekor komposit A 46, 44 (2) 27, 27 (1) 60, 73 (4) 57, 16 (3) Bandingkan kembali dengan contoh 7 Tampak di sini bahwa peringkat sekor komposit A tidak lagi mengikuti peringkat pada sekor komponen X (variansi terbesar) melainkan mengikuti peringkat pada sekor komponen Y (bobot terbesar)

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- C. Sekor Komposit Berbobot Efektif 1. Indeks Kontribusi dan Sekor Komposit • Setiap sekor komponen memberikan kontribusi kepada sekor komposit • Besar kontribusi selain, berupa bobot, juga berupa variansi dan kovariansi di antara sekor komponen • Bentuk umum sekor komposit A = 1 A 1 + 2 A 2 + 3 A 3 +. . . u. Au u = w 2 u 2 u + wu wv uv untuk u ≠ v

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Sekor Komposit Nilai Baku Jika kita menggunakan nilai baku maka • Variansi 2 u = 1 dan • Kovariansi uv = uv (koefisien korelasi) sehingga u = w 2 u + wu wv uv 3. Sekor Komposit Nilai Baku Bobot Satu Jika bobot wu = 1, maka indeks kontribusi u = 1 + uv untuk u ≠ v dan untuk dua sekor komponen 1 dan 2 1 = 1 + 12 2 = 1 + 21

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- D. Koefisien Reliabilitas pada Sekor Komposit 1. Reliabilitas pada Selisih Sekor akhir ditentukan oleh selisih sekor 1 dan sekor 2 sementara setiap sekor memiliki koefisien reliabilitas masing-masing Ada beberapa kemungkinan untuk memperoleh sekor 1 dan sekor 2 • Dua ujian waktu sama pada kelompok responden yang sama • Dua ujian beda waktu pada kelompok responden yang sama Sekor selisih = sekor 1 – sekor 2

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Rumus Koefisien Reliabilitas Selisih Sekor Koefisien reliabilitas selisih sekor ini diturunkan dari koefisien reliabilitas masing-masing sekor asal dengan SL = koefisien reliabilitas selisih sekor 11 = koefisien reliabilitas sekor 1 22 = koefisien reliabilitas sekor 2 12 = koefisien korelasi di antara sekor 1 dan sekor 2 Koefisien reliabilitas selisih sekor ditentukan oleh korelasi di antara kedua sekor itu

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 10 Misalkan 11 = 0, 86 dan 22 = 0, 80 sehingga rerata mereka adalah 0, 83. Berikut adalah koefisien reliabilitas selisih sekor 1 – sekor 2 untuk berbagai harga koefisien korelasi 12. 12 0, 83 0, 80 0, 70 0, 60 0, 50 0, 40 0, 30 0, 20 0, 10 0, 00 rel 0, 00 0, 15 0, 43 0, 58 0, 67 0, 72 0, 76 0, 79 0, 81 0, 83

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Pembahasan Sekor 1 dan sekor 2 masing-masing mengandung sekor tulen dan sekor keliru A 1 = T 1 + K 1 A 2 = T 2 + K 2 sehingga selisih mereka adalah Asel = A 1 – A 2 = (T 1 – T 2 ) + (K 1 – K 2) Koefisien korelasi tinggi berarti bahwa T 2 T 1 atau (T 1 – T 2) 0, sehingga koefisien reliabilitas rel ditentukan oleh sekor keliru (K 1 – K 2) yang acak dengan akibat rel 0

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Reliabilitas pada Jumlah Dua Sekor akhir ditentukan oleh jumlah sekor 1 dan sekor 2 sementara setiap sekor memiliki koefisien reliabilitas masing-masing Ada beberapa kemungkinan untuk memperoleh sekor 1 dan sekor 2 • Dua ujian waktu sama pada kelompok responden yang sama • Dua ujian beda waktu pada kelompok responden yang sama Sekor jumlah = sekor 1 + sekor 2

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Rumus Koefisien Reliabilitas Jumlah Dua Sekor Koefisien reliabilitas gabungan dua sekor ini diturunkan dari koefisien reliabilitas masing-masing sekor asal dengan rel 11 22 12 = koefisien reliabilitas jumlah sekor = koefisien reliabilitas sekor 1 = koefisien reliabilitas sekor 2 = koefisien korelasi di antara sekor 1 dan 2 Makin besar koefisien korelasi 12 makin besar koefisien reliabilitas gabungan dua sekor

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 11 Misalkan 11 = 0, 86 dan 22 = 0, 80 maka untuk berbagai harga koefisien korelasi di antara sekor 1 dan sekor 2, koefisien reliabilitas gabungan sekor adalah 12 1, 0 0, 8 0, 6 0, 4 0, 2 0, 0 rel 0, 89 0, 88 0, 87 0, 86 0, 85 0, 83 Makin tinggi koefisien korelasi 12 makin tinggi koefisien reliabilitas gabungan rel Pembahasan Makin tinggi korelasi di antara sekor makin setara kedua sekor itu sehingga seolah-olah alat ukur diperpanjang dengan akibat peningkatan koefisien reliabilitas (lihat pilah L Spearman-Brown)

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 3. Koefisien Reliabilitas pada Jumlah k Sekor Gabungan dua sekor kita perluas menjadi gabungan k sekor Koefisien reliabilitas meningkat menurut rumus berikut Peningkatan koefisien reliabilitas gabungan sekor bergantung kepada besar kecilnya rerata koefisien korelasi di antara mereka Makin tinggi rerata koefisien korelasi makin tinggi pula koefisien reliabilitas gabungan sekor karena seolah-olah alat ukur diperpanjang

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 12 Sekor komposit (gabungan) terdiri atas 3 sekor, masing-masing dengan koefisien reliabilitas 0, 70, 0, 75, dan 0, 80 serta dengan rerata interkorelasi 0, 39 k=3 Koefisien reliabilitas sekor komposit menjadi

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Pembahasan Sekor gabungan menyebabkan seolah-olah ujian menjadi panjang sehingga dengan interkorelasi yang memadai koefisien reliabilitas cenderung meningkat Namun peningkatan ini dipengaruhi oleh kesetaraan di antara hasil ujian yang berkenaan dengan interkorelasi di antara butir Kalau ujian formatif dan ujian sumatif memiliki kesetaraan yang tinggi, maka sekor komposit hasil belajar akan dicapai dengan koefisien reliabilitas yang lebih tinggi daripada koefisien reliabilitas setiap ujian

---------------------------------------Penyetaraan Sekor dan Seleksi --------------------------------------- E. Seleksi Penerimaan 1. Tujuan • Untuk suatu penerimaan, misalnya, penerimaan mahasiswa baru atau penerimaan pegawai baru, biasanya diadakan ujian seleksi • Tujuan ujian seleksi berkaitan dengan validitas kriteria yakni untuk memperoleh penerimaan baru yang kelak dapat berhasil dengan baik • Ada beberapa hal yang terkait di dalam seleksi penerimaan meliputi di antaranya validitas kriteria, sekor prediktor, batas seleksi, sekor kriteria, dan angka sukses (keberhasilan)

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Hakikat Penerimaan • Biasanya tidak semua peserta seleksi dapat diterima Rasio seleksi (selection ratio) • Rasio seleksi adalah rasio dari kelompok peserta seleksi yang diterima terhadap seluruh kelompok peserta seleksi Batas seleksi (selection cutoff) • Batas seleksi adalah nilai batas yang membagi peserta seleksi menjadi dua kelompok yakni kelompok di atas nilai batas yang diterima dan kelompok di bawah nilai batas yang tidak diterima • Pada umumnya kelompok yang sama dengan nilai batas juga diterima

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Sukses dan gagal • Kelompok yang diterima kelak menunjukkan apakah mereka sukses atau gagal Rasio sukses (success ratio) • Rasio sukses adalah rasio dari kelompok sukses terhadap seluruh kelompok yang diterima • Rasio gagal adalah rasio kelompok gagal terhadap seluruh kelompok yang diterima Batas sukses (success cutoff) • Batas sukses adalah nilai batas yang membagi kelompok yang diterima ke dalam dua kelompok yakni kelompok sukses yang terletak di atas nilai batas dan kelompok gagal yang terletak di bawah nilai batas • Biasanya kelompok yang sama dengan nilai batas juga termasuk ke kelompok sukses

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Angka hit (hit rate) • Angka hit adalah rasio sukses (dan gagal) yang sesungguhnya terjadi • Biasanya angka hit digunakan pada kelompok yang diterima apabila tidak seluruh peserta seleksi diterima Angka dasar (base rate) • Angka dasar adalah rasio sukses (dan gagal) yang paling mungkin terjadi melalui segala jenis prosedur • Biasanya angka dasar digunakan pada kelompok yang diterima sekiranya seluruh peserta seleksi diterima Validitas kriteria • Validitas kriteria adalah validitas kriteria pada pengukuran yang mengkorelasikan sekor prediktor (ujian seleksi pada kelompok peserta seleksi) dengan sekor kriteria (ujian kesuksesan pada kelompok yang sudah diterima)

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Dalam bentuk diagram, berbagai besaran itu adalah sebagai berikut Angka dasar Angka hit Batas sukses Sekor kriteria Batas seleksi Rasio seleksi Sekor prediktor

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Dalam bentuk diagram lainnya, angka ini dapat ditampilkan sebagai berikut. proporsi a = angka hit proporsi a + b = angka dasar proporsi d = positif palsu (false positive) proporsi b = negatif palsu (false negative)

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Seleksi Penerimaan dengan Lebih dari Satu Prediktor Model Kompensasi (Linear Multiple Regression Model) • Sekor seleksi merupakan sekor komposit dari beberapa sekor subujian • Kekurangan pada sekor satu subujian dapat dikompensasi oleh kelebihan pada sekor subujian lain • Dalam bentuk nilai baku, mereka membentuk regresi linier z’Y = b 1 z 1 + b 2 z 2 + b 3 z 3 +. . . + bkzk dengan b 1, b 2, b 3, . . . , bk sebagai bobot • Untuk dua sekor subujian berbobot sama, bentuknya menjadi z’Y = z 1 + z 2

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 13 Dalam bentuk nilai baku, sekor seleksi terdiri atas dua subsekor berbobot sama z’Y = z 1 + z 2 dengan batas seleksi z’Y = – 1, 0 sehingga secara diagram 2, 0 1, 0 diterima 0, 0 – 1, 0 ditolak – 2, 0 – 1, 0 0, 0 1, 0 2, 0

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 3. Seleksi Penerimaan dengan Lebih dari Satu Prediktor Model Konjunktif (Multiple Cutoff Model) • Sekor seleksi terdiri atas beberapa sekor subujian seleksi • Setiap subujian memiliki batas seleksi sendiri (multiple cutoff), dapat sama atau dapat berbeda • Penerimaan dilakukan apabila semua sekor subujian terletak di atas (atau sama dengan) semua batas seleksi sekor subujian masing-masing • Apabila ada satu saja sekor subujian terletak di bawah batas seleksi, maka peserta itu tidak diterima • Untuk dua sekor subujian, terdapat dua batas seleksi

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 14 Dalam bentuk nilai baku, sekor seleksi terdiri atas dua subsekor dengan batas seleksi sama batas seleksi z 1 = z 2 = – 1, 0 sehingga secara diagram 2, 0 1, 0 diterima 0, 0 – 1, 0 – 2, 0 – 1, 0 0, 0 1, 0 2, 0

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Perbandingan kedua model seleksi yakni model kompensasi dan model konjunktif dalam bentuk diagram A : diterima melalui dua model D : ditolak melalui dua model B dan E: diterima melalui model kompensasi tetapi ditolak melalui model konjunktif C : diterima melalui model konjunktif tetapi ditolak melalui model kompensasi 2, 0 B 1, 0 A 0, 0 C – 1, 0 – 2, 0 D E – 2, 0 – 1, 0 0, 0 1, 0 2, 0

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 5. Seleksi Penerimaan Satu Predikor Model Angka Hit Terbesar Data terandalkan Diperlukan data yang dapat diandalkan tentang sekor prediktor dan sekor kriteria berikut batas sukses (atau batas gagal) Angka hit Dari kenyataan sukses dan gagal diperoleh matriks Prediksi sukses a gagal b gagal c d Kenyataan

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Batas seleksi diletakkan pada angka hit tertinggi Contoh 15 Dari data yang terandalkan (dengan validitas kriteria yang baik) diperoleh sekor kriteria (frekuensi) prediktor sukses gagal 20 3 0 19 5 0 18 12 2 17 8 1 16 10 2 15 4 5 14 1 8 13 1 10 12 2 7 11 1 5 10 1 4 9 0 3 8 0 2 Jumlah 48 49

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Batas seleksi Kita dapat menghitung angka hit untuk berbagai batas seleksi, misalnya, 17, 16, 15 Angka hit Jika batas seleksi = 17 Prediksi sukses gagal Kriteria sukses 28 20 gagal 3 46 Jumlah Angka hit = (28 + 46)/ 97 = 72/97 = 74, 2% 48 49 97

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Jika batas seleksi = 16 Prediksi sukses gagal Kriteria sukses 38 10 48 gagal 5 44 49 Jumlah 97 Angka hit = (38 + 44)/97 = 82/97 = 84, 5% Jika batas seleksi = 15 Prediksi sukses Kriteria sukses 42 gagal 11 gagal 6 38 Jumlah Angka hit = (42 + 38)/97 = 80/97 = 82, 5% Angka hit tertinggi pada batas seleksi = 16 48 49 97

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 5. Seleksi Penerimaan Menurut Tabel Taylor-Russell • Taylor-Russel menyusun tabel yang menghubungkan angka dasar, validitas kriteria, rasio seleksi, dan kiraan angka hit • Di sini disediakan tabel untuk angka dasar 0, 50 dan 0, 60. Tabel lainnya perlu dicari • Kita mulai dengan memperkirakan berapa persen perserta seleksi akan berhasil sekiranya seluruhnya diterima (angka dasar) • Dengan angka dasar itu, kita dapat melakukan prediksi untuk beberapa hal yang bersangkutan dengan validitas kriteria, rasio seleksi, dan kiraan angka hit

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Tabel Taylor-Russel Angka dasar 0, 50 XX 0, 05 0, 10 0, 20 0, 30 0, 40 0, 50 0, 60 0, 70 0, 80 0, 95 0, 00 0, 05 0, 10 0, 15 0, 20 0, 25 0, 30 0, 35 0, 40 0, 45 0, 50 0, 55 0, 60 0, 65 0, 70 0, 75 0, 80 0, 85 0, 90 0, 95 1, 00 0, 54 0, 58 0, 63 0, 67 0, 70 0, 74 0, 78 0, 82 0, 85 0, 88 0, 91 0, 94 0, 96 0, 98 0, 99 1, 00 1, 00 0, 54 0, 57 0, 61 0, 64 0, 67 0, 71 0, 74 0, 78 0, 81 0, 84 0, 87 0, 90 0, 92 0, 95 0, 97 0, 99 1, 00 0, 50 0, 53 0, 52 0, 51 0, 56 0, 55 0, 54 0, 53 0, 58 0, 57 0, 56 0, 55 0, 54 0, 61 0, 59 0, 58 0, 56 0, 55 0, 64 0, 62 0, 60 0, 58 0, 56 0, 67 0, 64 0, 62 0, 60 0, 58 0, 70 0, 66 0, 64 0, 61 0, 59 0, 73 0, 69 0, 66 0, 63 0, 61 0, 75 0, 71 0, 68 0, 65 0, 62 0, 78 0, 74 0, 70 0, 67 0, 63 0, 81 0, 76 0, 72 0, 69 0, 65 0, 84 0, 79 0, 75 0, 70 0, 66 0, 87 0, 82 0, 77 0, 73 0, 98 0, 90 0, 85 0, 80 0, 75 0, 70 0, 92 0, 87 0, 82 0, 77 0, 72 0, 95 0, 90 0, 85 0, 80 0, 73 0, 97 0, 94 0, 88 0, 82 0, 76 0, 99 0, 97 0, 92 0, 86 0, 78 1, 00 0, 99 0, 96 0, 90 0, 81 1, 00 0, 83 0, 50 0, 51 0, 52 0, 53 0, 54 0, 55 0, 56 0, 57 0, 58 0, 59 0, 60 0, 61 0, 62 0, 64 0, 65 0, 66 0, 67 0, 69 0, 70 0, 71 0, 50 0, 51 0, 52 0, 53 0, 54 0, 55 0, 56 0, 57 0, 58 0, 59 0, 60 0, 61 0, 62 0, 63 0, 50 0, 51 0, 52 0, 53 0, 54 0, 55 0, 55 056 0, 50 0, 51 0, 51 0, 52 0, 52 0, 53 0, 53

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Tabel Taylor-Russel Angka dasar 0, 60 XX 0, 05 0, 10 0, 20 0, 30 0, 40 0, 50 0, 60 0, 70 0, 80 0, 95 0, 00 0, 05 0, 10 0, 15 0, 20 0, 25 0, 30 0, 35 0, 40 0, 45 0, 50 0, 55 0, 60 0, 65 0, 70 0, 75 0, 80 0, 85 0, 90 0, 95 1, 00 0, 64 0, 68 0, 71 0, 75 0, 78 0, 82 0, 85 0, 98 0, 90 0, 93 0, 95 0, 96 0, 98 0, 99 1, 00 1, 00 0, 63 0, 67 0, 70 0, 73 0, 76 0, 79 0, 82 0, 85 0, 87 0, 90 0, 92 0, 94 0, 96 0, 97 0, 99 1, 00 0, 60 0, 63 0, 65 0, 68 0, 71 0, 73 0, 76 0, 78 0, 81 0, 83 0, 86 0, 88 0, 90 0, 92 0, 94 0, 96 0, 98 0, 99 1, 00 0, 62 0, 64 0, 67 0, 69 0, 71 0, 73 0, 75 0, 78 0, 80 0, 82 0, 84 0, 87 0, 89 0, 91 0, 93 0, 95 0, 97 0, 99 1, 00 0, 60 0, 62 0, 64 0, 66 0, 67 0, 69 0, 71 0, 73 0, 75 0, 77 0, 79 0, 81 0, 83 0, 85 0, 87 0, 90 0, 92 0, 95 0, 97 0, 99 1, 00 0, 62 0, 63 0, 65 0, 66 0, 68 0, 69 0, 71 0, 73 0, 74 0, 76 0, 78 0, 80 0, 82 0, 84 0, 86 0, 88 0, 91 0, 94 0, 97 1, 00 0, 61 0, 63 0, 64 0, 65 0, 66 0, 68 0, 69 0, 70 0, 72 0, 73 0, 75 0, 76 0, 78 0, 80 0, 81 0, 83 0, 86 0, 88 0, 92 1, 00 0, 61 0, 62 0, 63 0, 64 0, 65 0, 66 0, 67 0, 68 0, 69 0, 70 0, 71 0, 73 0, 74 0, 75 0, 77 0, 78 0, 80 0, 82 0, 84 0, 86 0, 60 0, 61 0, 62 0, 63 0, 64 0, 65 0, 66 0, 67 0, 68 0, 69 0, 70 0, 71 0, 72 0, 73 0, 74 0, 75 0, 60 0, 61 0, 62 0, 63 0, 64 0, 65 0, 66 0, 67 0, 60 0, 61 0, 62 0, 62 0, 63 0, 63 0, 63

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 16 Misalkan angka dasar adalah 0, 60 sedangkan koefisien validitas adalah 0, 40. Jika dari 400 peserta seleksi, 80 yang akan diterima, maka rasio seleksi adalah 80/400 = 0, 20 Dari tabel, angka hit adalah 0, 81, sehingga dari 80 orang yang diterima akan sukses sebanyak 0, 81 x 80= 65 orang Con toh 17 Misalkan angka dasar adalah 0, 60 sedangkan koefisien validitas adalah 0, 40. Jika rasio seleksi adalah 0, 60, maka angka hit adalah 0, 70 atau 70% dari calon yang diterima akan sukses

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 18 Misalkan angka dasar adalah 0, 60, sedangkan peserta yang akan diterima (rasio seleksi) adalah 0, 30. Jika dikehendaki agar angka sukses adalah 0, 95, maka diperlukan pengukuran dengan koefisien validitas sebesar 0, 80 Contoh 19 Misalkan angka dasar adalah 0, 50, maka hasil hitungan menjadi, dari contoh 16 : contoh 17 : contoh 18 :

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 7. Kekeliruan Baku pada Estimasi Sekor Kriteria • Validitas kriteria menghubungkan sekor prediktor dengan sekor kriteria melalui korelasi atau regresi • Melalui regresi di antara sekor prediktor dan sekor kriteria dapat dilakukan estimasi (dari sekor prediktor mengestimasi sekor kriteria) Sekor kriteria AY Y estimasi AX Sekor prediktor AX

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Kekeliruan estimasi Selisih di antara sekor kriteria AY dengan sekor estimasi Y merupakan kekeliruan estimasi sekor kriteria AY Kekeliruan estimasi regresi Y estimasi sekor prediktor Keliru estimasi = AY – Y

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Val = koefisien validitas z. AY = nilai baku AY z Y = nilai baku Y a. Y = AY – AY yakni nilai simpangan âY = Y – AY yakni nilai simpangan

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Kekeliruan baku estimasi menjadi

---------------------------------------Sekor Komposit --------------------------------------- 8. Validitas Prediksi pada Penerimaan Selektif • Biasanya tidak semua peserta seleksi dapat diterima • Hanya peserta dengan sekor prediktor tinggi yang diterima • Perhitungan koefisien validitas hanya dapat dihitung dari mereka yang diterima AY batas seleksi AX diterima

---------------------------------------Skor Komposit dan Seleksi --------------------------------------- • Dari bentuk dapat diturunkan • Karena hanya sebagian yang diterima maka 2 est menjadi kecil atau menciut sehingga val membesar Koefisien validitas menjadi overestimasi

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 9. Batas Seleksi Batas seleksi berhubungan dengan besaran lainnya termasuk • Koefisien validitas • Batas sukses • Angka hit Makin tinggi batas seleksi biasanya makin besar angka hit AY Batas seleksi Angka hit Batas sukses AX

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- • Batas sukses minimum ditentukan sebesar zc sehingga pada batas sukses minimum z’Y = zc AY rasio sukses z’Y = zc zc Batas sukses rasio gagal z. X • Regresi yang dihasilkan oleh validitas kriteria z’Y = val z. X AX

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- • Nilai baku rasio sukses adalah zp dan • Selanjutnya dari z’Y = val z. X ditemukan bahwa batas seleksi z. X adalah

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- C 0 ntoh 20 Pada suatu seleksi penerimaan, nilai baku batas sukses adalah zc = 0, 50 sedangkan rasio sukses adalah 0, 90. Alat ukur yang digunakan memiliki koefisien validitas val =0, 60. Pada rasio sukses 0, 90, dari tabel fungsi distribusi pada distribusi probabilitas normal, ditemukan nilai baku zp = – 1, 282 Nilai baku batas seleksi z. X adalah

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Contoh 21 Jika nilai baku batas minimum sukses ditentukan sebesar zc = 0, 80, rasio sukses adalah 0, 90, sedangkan alat ukur yang digunakan memiliki koefisien validitas val = 0, 70, maka zp = dan nilai baku batas seleksi adalah z. X =

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- F. Nilai Hasil Belajar 1. Hasil Belajar • Biasanya hasil belajar dinilai melalui sekor komposit (sekor tugas, sekor ujian formatif, dan sekor ujian sumatif) • Nilai hasil belajar (grading) dinyatakan dengan huruf atau bilangan • Terdapat banyak cara untuk memberi nilai hasil belajar melalui bermacam patokan • Untuk menyususn transkrip elektronik, organisansi para registrar di Amerika Serikat menyusun klasifikasi yang meliputi Amerika Serikat dan Kanada • Klasifikasi ini mencakup puluhan sistem yang beraneka ragam

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 2. Systematic Marking Procedure (a) Pengembangan • Prosedur ini dikembangkan digunakan di University of Iowa (November 1954) (b) Kategori hasil belajar • Hasil belajar dikelompokkan ke dalam tujuh kategori. Nilai A untuk tiap kategori menggunakan rumus yang berbeda Exceptional Superior Good Fair Average Weak Poor M = median (A M + 0, 7 ) (A M + 0, 9 ) (A M + 1, 1 ) (A M + 1, 3 ) (A M + 1, 5 ) (A M + 1, 7 ) (A M + 1, 9 ) = simpangan baku

--------------------------------------Sekor Komposit dan Seleksi --------------------------------------- (c) Pemberian nilai A, B, C, D, dan F berbeda untuk tiap kategori Kategori exceptional M + 0, 7 M – 0, 3 M – 1, 3 M – 2, 3 A B C D F M + 0, 9 M – 0, 1 M – 1, 1 M – 2, 1 Kategori superior M + 0, 9 M – 0, 1 M – 1, 1 M – 2, 1

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Kategori good M + 1, 1 M + 0, 1 M – 0, 9 M – 1, 9 A B C D F M + 1, 3 M + 0, 3 M – 0, 7 M – 1, 7 Kategori fair M + 1, 3 M + 0, 3 M – 0, 7 M – 1, 7

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Kategori average M + 1, 5 M + 0, 5 M – 1, 5 A B C D F M + 1, 7 M + 0, 7 M – 0, 3 M – 1, 3 Kategori weak M + 1, 7 M + 0, 7 M – 0, 3 M – 1, 1

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- Kategori poor M + 1, 9 M + 0, 9 M – 0, 1 M – 1, 1 A B C D F M + 1, 9 M + 0, 9 M – 0, 1 M – 1, 1 Makin lemah kategori makin tinggi sekor yang diperlukan untuk mencapai nilai hasil belajar tertentu Selisih di antara nilai adalah satu simpangan baku Dasar penilaian adalah penilaian acuan norma

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 3. European Credit Transfer System (ECTS) • Diperkenalkan pada tahun 1989 untuk mengatur peralihan kredit di antara perguruan tinggi Eropa • Satu tahun studi purnawaktu dengan beban studi 60 kredit (30 kredit per semester atau 20 kredit per trimester) • Nilai hasil belajar dan persentase (acuan norma) A 10% B 25% C 30% D 25% E 10% FX gagal, perlu tambah tugas F gagal

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 3. University Mobility in Asia and the Pacific Credit Transfer System (UCTS) • UCTS mengadopsi ECTS sehingga sama dengan ECTS • Satu tahun studi purnawaktu dengan beban studi 60 kredit (30 kredit per semester atau 20 kredit per trimester) • Nilai hasil belajar dan persentase (acuan norma) A 10% excellent B 25% very good C 30% good D 25% satisfactory E 10% sufficient FX gagal, perlu tambah tugas F gagal

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- 4. Klasifikasi Nilai pada Transkrip Elektronik I. Lima atau lebih nilai lulus (huruf dengan + / –) Sandi Nilai Bobot 4, 0 3, 7 3, 3 3, 0 2, 7 2, 3 2, 0 1, 7 1, 3 1, 0 0, 7 0, 0 01 A A– B+ B B– C+ C C– D+ D D– F 02 A+, A A- B+ B B- C+ C C- D+ D D- F 03 A B+ B C+ C D+ D F 04 A+, A B+ B C+ C D+ D F 05 A+, A A- B+ B B- C+ C C- D+ D F 06 A A- B+ B B- C+ C CF 07 A B+ B C+ C D F 08 A A- B+ B B- C+ C C- D+ D F 09 A A- B+ B B- C+ C CD F 10 A A- B+ B B- C+ C C- D+ D D- E/N, C 11 A+, A A- B+ B B- C+ C C 12 A+, A A- B+ B B- C+ C C- D+ D D 13 A A- B+ B B- C+ C C- D+ D D 14 Sistem nonstandar dng lima atau lebih nilai huruf, tanpa “F” 15 Sistem nonstandar dng lima atau lebih nilai huruf, dengan “F”

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- II. Tipe ABCD/F dengan nilai setengah langkah (AB, BC, dll) Sandi Nilai Bobot 4, 0 3, 5 3, 0 2, 5 2, 0 1, 5 1, 0 0, 5 0, 0 16 A AB B BC C CD D DF F 17 A AB B BC C D F 18 A B C+ C D F 19 A B+ B C+ C D+ D F 20 A B+ B C+ C D F 21 A B+ B C+ C CD F 22 A+, A B+ B C+ C D+ D F 23 Sistem ABCDF lainnya dng nilai setengah langkah tanpa “F” 24 Sistem ABCDF lainnya dng nilai setengah langkah dengan “F”

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- III. Tipe ABCDF (4 nilai lulus dengan huruf Sandi Nilai Bobot 4, 0 3, 0 2, 0 1, 0 0, 0 25 A B C D F 26 A B C D NC/N 27 A B C D E 28 H S+ S SU 29 E S M I F 30 DN HP P HCO NC 31 D E G Q U/F 32 H E G P U 33 S H P LP F 34 E VG G P F 35 HO HP PA CR NC 36 A B C D 37 A B C D U/R 38 Sistem tipe ABCD/F lainnya, tanpa “F” 39 Sistem tipe ABCD/F lainnya, dengan “F”

---------------------------------------Sekor Komposit dan Seleksi ---------------------------------------IV. Tipe ABC/F (3 nilai lulus dengan huruf) Sandi Nilai Bobot 4, 0 3, 0 2, 0 0, 0 40 A B C F 41 H HP CR NC 42 H HP P F 43 A B C NC 44 A B C 45 H HP P NP 46 HH H P 47 HH H P F 48 E G P U/F 53 Sistem tipe ABC/F lainnya, tanpa “F” 54 Sistem tipe ABC/F lainnya, dengan “F” V. Sistem Nilai Pascasarjana Sandi Bobot 49 50 51 52 4, 0 H H Dist H Nilai 3, 7 3, 0 2, 7 0, 0 HP P LP U/F HP P F High Pass Low Pass F HP P U

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- VI. Tipe lulus/gagal (satu atau lebih nilai lulus) Sandi 55 56 57 58 59 60 61 62 63 64 Nilai lulus/gagal : HP dan P, F lulus. gagal : H dan P, F lulus/gagal : HP dan P, N/NC lulus/gagal : H dan P, U Tipe lulus/gagal lainnya dengan dua nilai lulus/gagal : P, F lulus/gagal : Sat, U lulus/gagal : CR, NC lulus/gagal : S, U Tipe lulus/gagal lainnya dengan satu nilai lulus

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- VII. Tipe Numerik – Persen Sandi Nilai Bobot 4, 0 3, 7 3, 3 3, 0 2, 7 2, 3 2, 0 1, 7 1, 3 65 100 - 92 - 89 - 86 - 82 - 79 - 76 - 72 - 6993 90 87 83 80 77 73 70 67 66 100897990 80 70 67 100 - 93898494 90 85 75 68 100897990 80 70 69 100928493 85 77 70 100928393 84 75 71 1008979 - 7590 80 76 70 72 10089 - 8479 - 7490 85 80 75 70 73 Sistem nilai numerik lainnya – tipe persen 1, 0 0, 7 0, 0 66 - 62 - 5963 60 0 695960 0 746970 0 696465 0 766970 0 746970 0 695960 0 690

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- VIII. Tipe Numerik – Persen Sandi Bobot 74 77 79 80 81 82 Nilai 4, 0 3, 7 3, 3 3, 0 2, 7 2, 3 2, 0 1, 7 1, 3 1, 0 0, 7 1 2 3 4 4, 0 3, 0 2, 0 1+, 1 1 - 2+ 2 2 - 3+ 3 3 - 4+ 4 43, 0 2, 0 1, 0 Sistem nilai numerik lainnya – 4, 0 atau tipe integer 0, 0 5/6 0, 0 IX. Sistem Nilai Tipe Numerik (Tipe 4, 0 dengan nilai setengah langkah) Sandi Bobot 76 78 75 Nilai 4, 0 3, 5 3, 0 2, 5 2, 0 1, 5 1, 0 4, 0 3, 5 3, 0 2, 5 2, 0 1, 0 Skala 4, 0 sinambungan (4, 0 sampai 0, 0) 0, 5 0, 0

---------------------------------------Sekor Komposit dan Seleksi --------------------------------------- X. Tipe Numerik –Tipe Kanada Sandi Nilai Bobot 4, 0 3, 7 3, 3 3, 0 2, 7 2, 3 2, 0 1, 7 83 9 8 7 6 5 4 84 10, 9 8 7 6 5 4 85 100 - 86 - 79 - 75 - 72 - 69 - 65 - 6287 80 76 73 70 66 63 60 86 100 - 83 - 74 - 71 - 68 - 65 - 63 - 6184 75 72 69 66 64 62 60 87 100 - 86 - 79 - 74 - 69 - 64 - 59 - 5487 80 75 70 65 60 55 50 88 100 - 86 - 79 - 74 - 69 - 64 - 61 - 5887 80 75 70 65 62 59 55 89 Sistem nilai numerik lainnya – Kanada 1, 3 3 3 5956 1, 0 0, 7 0, 0 2, 1 2 1 0 55 - 52 - 4953 50 0 490 54 - 51 - 47 - 4452 48 45 0