MANUAL BARU WINSTEPS colour 30 mei

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

ANALISIS DATA MENGGUNAKAN PERISIAN WINSTEPS 3.68.2
1. Buka Satu Folder di Desktop
1.1 Pandangan hadapan perisian WINSTEPS

1.2 Pastikan anda telah install perisian WINSTEPS pada computer/PC anda.
1.3 Semua analisis WINSTEPS hendaklah dilakukan dalam folder yang sama, sebaik-

baiknya buat semua analisis data di desktop.

Ikon untuk WINSTEPS
(shortcut)

Folder KP (Kecerdasan
Pelbagai)

[email protected] 1

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

1.4 Untuk data Kecerdasan Pelbagai terdapat Sembilan konstruk (i) verbal linguistik (ii)
kerohanian (iii) Interpersonal (iv) Muzik (v) Logik Matematik (vi) Intrapersonal (vii)
Visual Ruang (viii) Naturalis (ix) Kinestetik Badan

1.5 Data KP adalah berbentuk Mixed Rating scale –
Dispositions/Disposisi/Kecenderungan – terdapat 81 item (1-81) berbentuk likert
Scale/ Rating scale, yang diberi pilihan jawapan 1,2,3,4 dan 5 atau disebut sebagai
polytomus data.

2. Menyediakan Control File Menggunakan Note Pad
2.1 Buka WINSTPS dengan cara klik icon WINSTEPS

Klik Ikon WINSTEPS

[email protected] 2

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
2.2 Paparan seperti bawah diperolehi :

Klik Ikon ini dan paparan
di bawah akan diperolehi

2.3 Klik Ikon SPSS disebabkan kita akan buka fail SPSS

Klik Ikon SPSS ini dan
paparan di bawah akan

diperolehi

2.4 Klik Ikon select SPSS File kerana kita akan kenal pasti file SPSS berada difolder
mana.

Klik Ikon Select SPSS file
ini dan paparan di bawah

akan diperolehi

[email protected] 3

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
2.5 Kenalpasti dimana file data SPSS yang dikehendaki (fail data SPSS terdapat di

folder KP_WINSTEPS pada Desktop) , klik fail data SPSS tersebut seperti di bawah.

Klik file data SPSS ini
dan paparan di bawah akan

diperolehi

2.6 Apabila paparan dibawah didapati , hight lightkan bahagian item yang hendak
dianalisis (VL1 hingga KB9 – sebanyak 81 item dengan 9 konstruk). Edit dan Copy .

[email protected] 4

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
2.7 Seterusnya letakkan kursor di bawah Item Response Variables dan wright klik dan

paste kan .

Wright klik dan paste kan
di sini dan paparan di
bawah akan diperolehi

2.8 Klik Construct Winsteps file

Klik construct Winsteps
file dan paparan di bawah

akan diperolehi

2.9 Namakan file sebagai KP_Control File dan savekan di folder KP_WINSTEPS di
desktop

Namakan KP_Control File
dan klik save dan paparan
di bawah akan diperolehi

[email protected] 5

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

3.0 Running WINSTEPS

3.1 Sebelum menjalankan analisis menggunakan WINSTEPS anda perlu memastikan
semua file yang berkaitan berada dalam folder yang sama dan pastikan anda bekerja
di desktop.

3.2 Pastikan anda mempunyai 2 jenis file berbeza dalam satu folder.

SPSS data file Control File

[email protected] 6

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
3.3 Klik dan drag (heret) KP_Control File ke atas ikon winsteps

Drag Control File ke atas
ikon WINSTEPS

3.4 Lepaskan control file pada icon WINSTEPS dan paparan seperti di bawah diperolehi:

Klik dan enter sekali
akan memperolehi paparan

di bawah

[email protected] 7

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
3.5 Klik enter sekali dan paparan berikut diperolehi

Klik dan enter dua kali
akan memperolehi paparan

di bawah

3.4 Klik enter 2 kali dan paparan berikut diperolehi dan semua analisis menggunakan
perisian WINSTEPS boleh dilakukan mengikut keperluan kajian.

[email protected] Diagnosis dan Output
Tables diperlukan untuk
menjalankan pelbagai
analisis data menggunakan

WINSTEPS

8

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

4. Analisis Data Menggunakan WINSTEPS

Terdapat 8 diagnosis iaitu :

a. Item Polarity
b. Summary Statistics
c. Item Measure
d. Item Map
e. Person Map
f. Person Measure
g. Unidimensi
h. Dif

4.1 Item Polarity

[email protected] 9

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
4.1.1 Diagnosis – Item Polarity –WINSTEPS

4.1.2 Output table – item polarity ini boleh dicopy dan dipaste ke dalam MSword
untuk membuat laporan.
A. Menurut Bond & Fox (2007) nilai PTMEA yang positif menunjukkan item

mengukur konstruk yang ingin diukur. Analisis ini adalah langkah asas bagi
mengukur kesahan konstruk. Bagi data yang digunakan ini tiada item yang perlu
diberi perhatian untuk diperbaiki atau digugurkan kerana nilai PTMEAnya adalah
positif.

TABLE 26.1 C:\Users\kashfi\Desktop\KP_WINSTEPS\Da ZOU360WS.TXT May 10 16:28 2011
INPUT: 120 PERSONS 81 ITEMS MEASURED: 120 PERSONS 81 ITEMS 402 CATS 3.68.2
--------------------------------------------------------------------------------
PERSON: REAL SEP.: 4.65 REL.: .96 ... ITEM: REAL SEP.: 4.96 REL.: .96

ITEM STATISTIKS: CORRELATION ORDER

----------------------------------------------------------------------------------------------

|ENTRY TOTAL MODEL| INFIT | OUTFIT |PT-MEASURE |EXACT MATCH| |

|NUMBER SCORE COUNT MEASURE S.E. |MNSQ ZSTD|MNSQ ZSTD|CORR. EXP.| OBS% EXP%| ITEM G |

|------------------------------------+----------+----------+-----------+-----------+---------|

| 40 464 120 -.24 .13|1.23 1.8|1.28 2.1| .18 .41| 46.7 51.9| LM4 0 |

| 37 520 120 -.82 .12|1.28 1.4|1.29 1.5| .25 .41| 47.5 51.5| LM1 0 |

| 38 514 120 -.88 .13|1.21 1.2|1.23 1.3| .25 .40| 51.7 52.0| LM2 0 |

| 29 460 120 -.49 .10|1.22 1.6|1.24 1.7| .30 .47| 40.8 44.5| MZ2 0 |

| 39 495 120 -.94 .12|1.15 1.0|1.10 .7| .31 .41| 53.3 51.3| LM3 0 |

| 35 470 120 -.33 .10|1.29 1.8|1.31 1.7| .31 .48| 45.0 46.2| MZ8 0 |

| 56 381 120 .34 .10|1.28 2.2|1.27 2.1| .32 .50| 35.0 39.1| VR2 0 |

| 71 415 120 .15 .10|1.26 1.8|1.20 1.3| .33 .49| 45.8 43.3| NA8 0 |

| 72 433 120 .01 .10|1.24 1.6|1.19 1.2| .35 .49| 43.3 44.8| NA9 0 |

| 13 519 120 -.82 .11|1.00 .1|1.25 1.3| .37 .43| 41.7 50.0| KR4 0 |

| 6 417 120 .11 .10|1.14 1.1|1.21 1.4| .37 .48| 38.3 44.9| VL6 0 |

| 45 512 120 -.96 .14| .97 -.1| .95 -.4| .38 .37| 50.0 53.8| LM9 0 |

| 14 490 120 -.89 .13| .96 -.2|1.01 .1| .38 .40| 50.8 57.1| KR5 0 |

| 7 410 120 -.08 .10|1.14 1.2|1.16 1.3| .39 .49| 35.8 38.4| VL7 0 |

| 80 305 120 1.03 .09|1.21 1.9|1.26 2.1| .40 .53| 30.8 32.2| KB8 0 |

| 48 467 120 -.40 .12|1.03 .2| .99 .0| .40 .44| 54.2 53.1| IA3 0 |

| 18 514 120 -.89 .12| .88 -.7| .92 -.4| .41 .41| 41.7 50.4| KR9 0 |

| 41 435 120 .06 .13|1.00 .0|1.00 .0| .42 .41| 52.5 49.9| LM5 0 |

| 73 422 120 -.07 .10|1.08 .7|1.10 .8| .43 .49| 40.8 40.3| KB1 0 |

| 28 414 120 .14 .09|1.10 .8|1.13 .9| .43 .51| 40.8 40.5| MZ1 0 |

| 17 528 120 -.97 .13| .84 -.9| .85 -.8| .44 .40| 48.3 52.7| KR8 0 |

| 43 398 120 -.11 .10|1.08 .7|1.08 .7| .44 .49| 46.7 38.0| LM7 0 |

| 69 340 120 .88 .10|1.09 .8|1.09 .8| .44 .50| 39.2 37.5| NA6 0 |

| 70 426 120 .01 .10|1.09 .7|1.05 .4| .44 .49| 45.8 43.9| NA7 0 |

| 57 320 120 .76 .10|1.08 .7|1.16 1.3| .44 .51| 45.8 39.3| VR3 0 |

| 75 326 120 .63 .09|1.14 1.3|1.17 1.4| .44 .54| 30.8 34.2| KB3 0 |

| 12 496 120 -.67 .12| .88 -.6| .88 -.6| .45 .43| 51.7 52.1| KR3 0 |

| 33 384 120 .30 .08|1.18 1.6|1.16 1.2| .45 .54| 29.2 31.7| MZ6 0 |

| 59 385 120 .35 .10|1.01 .1|1.01 .2| .45 .47| 42.5 40.7| VR5 0 |

| 68 343 120 .75 .09|1.11 1.0|1.09 .8| .46 .51| 38.3 34.2| NA5 0 |

| 10 503 120 -.60 .10| .92 -.4|1.01 .1| .46 .46| 40.8 46.7| KR1 0 |

| 1 340 120 .57 .11|1.01 .1|1.03 .3| .47 .48| 40.0 44.3| VL1 0 |

| 63 401 120 .27 .10|1.02 .2|1.00 .0| .48 .49| 42.5 40.5| VR9 0 |

| 3 416 120 .13 .10| .99 .0| .99 .0| .48 .48| 40.8 45.2| VL3 0 |

[email protected] 10

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

| 15 518 120 -1.08 .12| .85 -.8| .82 -1.0| .48 .40| 49.2 51.7| KR6 0 |

| 55 365 120 .47 .10|1.02 .2| .99 .0| .48 .49| 45.0 43.4| VR1 0 |

| 42 446 120 -.63 .12| .94 -.5| .95 -.4| .49 .44| 50.0 48.9| LM6 0 |

| 23 459 120 -.30 .11| .89 -.7| .91 -.6| .49 .46| 54.2 51.2| IE5 0 |

| 49 453 120 -.32 .11| .90 -.6| .85 -1.0| .49 .44| 52.5 49.6| IA4 0 |

| 34 326 120 .79 .09|1.09 .9|1.08 .7| .49 .53| 34.2 31.8| MZ7 0 |

| 31 404 120 .13 .09|1.02 .2| .99 .0| .49 .51| 34.2 38.0| MZ4 0 |

| 16 513 120 -.79 .11| .82 -1.1| .81 -1.0| .49 .43| 42.5 48.1| KR7 0 |

| 21 426 120 -.05 .11| .89 -.7| .89 -.7| .49 .45| 52.5 49.1| IE3 0 |

| 53 451 120 -.39 .13| .89 -.6| .88 -.7| .49 .41| 60.8 58.0| IA8 0 |

| 58 380 120 .21 .10| .99 -.1| .98 -.1| .49 .48| 39.2 40.8| VR4 0 |

| 2 320 120 .67 .09|1.07 .7|1.13 1.1| .50 .54| 23.3 32.5| VL2 0 |

| 77 444 120 -.15 .10| .99 -.1| .98 -.1| .50 .49| 48.3 44.7| KB5 0 |

| 4 347 120 .55 .10|1.01 .1|1.05 .5| .50 .50| 33.3 36.6| VL4 0 |

| 76 443 120 -.25 .10| .97 -.2| .95 -.3| .50 .48| 50.8 46.5| KB4 0 |

| 11 496 120 -.68 .11| .86 -.9| .81 -1.1| .50 .44| 49.2 49.7| KR2 0 |

| 46 457 120 -.36 .11| .86 -.9| .88 -.8| .50 .45| 51.7 49.5| IA1 0 |

| 78 404 120 .09 .10|1.00 .0|1.01 .1| .50 .50| 36.7 39.8| KB6 0 |

| 9 386 120 .26 .10| .96 -.3| .99 -.1| .51 .47| 44.2 40.7| VL9 0 |

| 50 443 120 -.39 .12| .90 -.6| .87 -.9| .51 .42| 55.8 52.5| IA5 0 |

| 81 367 120 .48 .10|1.00 .1| .96 -.2| .51 .51| 40.8 39.8| KB9 0 |

| 60 373 120 .36 .10| .99 -.1| .96 -.3| .51 .50| 44.2 41.0| VR6 0 |

| 44 422 120 -.25 .11| .95 -.3| .95 -.4| .51 .47| 46.7 42.8| LM8 0 |

| 47 465 120 -.47 .11| .89 -.7| .81 -1.2| .52 .44| 52.5 51.5| IA2 0 |

| 52 454 120 -.60 .13| .86 -.9| .83 -1.1| .52 .40| 59.2 58.0| IA7 0 |

| 74 366 120 .48 .09|1.00 .1| .96 -.3| .52 .52| 30.8 35.9| KB2 0 |

| 54 433 120 -.07 .11| .92 -.5| .84 -1.0| .52 .45| 51.7 49.2| IA9 0 |

| 62 376 120 .35 .10| .98 -.2| .96 -.3| .53 .50| 38.3 37.8| VR8 0 |

| 5 269 120 1.07 .12| .89 -.7| .88 -.8| .53 .48| 53.3 49.8| VL5 0 |

| 67 377 120 .41 .10| .98 -.1| .95 -.4| .53 .49| 43.3 41.9| NA4 0 |

| 66 291 120 1.14 .09| .97 -.2| .99 -.1| .53 .52| 40.0 35.1| NA3 0 |

| 79 359 120 .48 .10| .96 -.3| .95 -.4| .54 .51| 40.8 38.3| KB7 0 |

| 24 465 120 -.42 .12| .83 -1.0| .79 -1.3| .55 .42| 61.7 57.6| IE6 0 |

| 61 366 120 .15 .10| .91 -.7| .90 -.8| .55 .49| 39.2 39.9| VR7 0 |

| 20 424 120 -.01 .11| .86 -1.0| .82 -1.3| .55 .46| 55.0 47.0| IE2 0 |

| 51 472 120 -.46 .13| .85 -.8| .78 -1.3| .56 .41| 61.7 60.6| IA6 0 |

| 32 345 120 .62 .09| .95 -.5| .94 -.5| .56 .52| 36.7 36.6| MZ5 0 |

| 22 457 120 -.24 .11| .75 -1.6| .78 -1.3| .56 .44| 60.8 57.4| IE4 0 |

| 30 354 120 .54 .09| .94 -.5| .93 -.6| .57 .53| 34.2 34.1| MZ3 0 |

| 64 326 120 .83 .09| .91 -.8| .87 -1.2| .58 .51| 39.2 36.1| NA1 0 |

| 25 461 120 -.48 .11| .81 -1.4| .77 -1.7| .59 .46| 45.8 46.4| IE7 0 |

| 19 414 120 .03 .11| .83 -1.3| .81 -1.4| .59 .47| 50.0 45.5| IE1 0 |

| 36 350 120 .60 .09| .88 -1.0| .86 -1.2| .60 .52| 43.3 36.8| MZ9 0 |

| 26 425 120 .00 .11| .77 -1.7| .74 -1.9| .62 .46| 51.7 48.5| IE8 0 |

| 65 331 120 .78 .10| .82 -1.6| .82 -1.7| .63 .49| 40.8 38.4| NA2 0 |

| 27 420 120 -.05 .11| .76 -1.8| .73 -2.1| .64 .46| 52.5 47.3| IE9 0 |

| 8 346 120 .62 .11| .77 -2.1| .79 -1.9| .65 .47| 51.7 43.5| VL8 0 |

|------------------------------------+----------+----------+-----------+-----------+---------|

| MEAN 415.5 120.0 .00 .11| .99 .0| .99 -.1| | 45.0 44.6| |

| S.D. 62.0 .0 .55 .01| .13 1.0| .15 1.0| | 8.0 7.1| |

----------------------------------------------------------------------------------------------

4.2 Summary Statics – Kebolehpercayaan dan Separation Person dan Item

4.2.1 Analisis ini akan dibuat konstruk demi konstruk. Bagi tujuan pembelajaran
hanya akan dipilih konstruk Kecerdasan Pelbagai Verbal Linguistik.

Klik pada specification dan
taip iselectVL* dan klik ok
dan paparan dibawah akan

terhasil

[email protected] 11

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

4.2.2 Hanya 1 konstruk Kecerdasan Pelbagai Verbal Linguistik yang mempunyai 9
item yang terpilih.

Hanya 9 item dari satu
konstruk Kecerdasan
Pelbagai Verbal Linguistik

terpilih

4.2. 3 Seterusnya kik pada output tables dan summary statics.

Output table – Summary
Statics dijalankan bagi
reliability (person & item)
dan separation (Person &

item)

[email protected] 12

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
4.2.4 Output table – Summary Statics – WINSTEPS

[email protected] 13

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

4.2.5 Output table – summary statistics ini boleh dicopy dan dipaste ke dalam
MSword untuk membuat laporan.

TABLE 3.1 C:\Users\kashfi\Desktop\KP_WINSTEPS\Dat ZOU820WS.TXT May 10 17:16 2011
INPUT: 120 PERSONS 81 ITEMS MEASURED: 120 PERSONS 9 ITEMS 402 CATS 3.68.2
--------------------------------------------------------------------------------

SUMMARY OF 120 MEASURED PERSONS +ve Person mean 0.36 logit

-------------------------------------------------------------------------------

| RAW MODEL INFIT OUTFIT |

| SCORE COUNT MEASURE ERROR MNSQ ZSTD MNSQ ZSTD |

|-----------------------------------------------------------------------------|

| MEAN 280.4 81.0 .36 .13 .99 -.4 .99 -.4 |

| S.D. 39.9 .0 .67 .02 .43 2.6 .44 2.5 |

| MAX. 390.0 81.0 3.49 .28 2.18 6.2 2.51 6.4 |

| MIN. 156.0 81.0 -1.33 .11 .32 -6.0 .31 -5.8 |

|-----------------------------------------------------------------------------|

| REAL RMSE .14 ADJ.SD .65 SEPARATION 4.65 PERSON RELIABILITY .96 |

|MODEL RMSE .13 ADJ.SD .66 SEPARATION 5.01 PERSON RELIABILITY .96 |

| S.E. OF PERSON MEAN = .06 |

---------------------------------------------V-a-li-d -R-e-sp-o-n-se-s-9-9-.9-9-%-------------------
VALID RESPONSES: 99.9%

PERSON RAW SCORE-TO-MEASURE CORRELATION = .97 (approximate due4.6t5o„gomoids‟ssiepnagratdioantoaf)5
CRONBACH ALPHA (KR-20) PERSON RAW SCORE RELIABILITY = 1.00 (agpropurposx, 0i.m96at„geooddureeliatboility
missing data)

Cronbach – 1.00 very good reliability
-----S--U-M-M-A-R-Y--O-F--9--M-E-A-S-U-R-E-D--I-T-E-M-S-------a-ss-e-ss-m-e-n-t -of-V--er-b-al-L-i-n-gu-i-st-ic--------------------

| RAW MODEL INFIT OUTFIT |

| SCORE COUNT MEASURE ERROR MNSQ ZSTD MNSQ ZSTD |

|-----------------------------------------------------------------------------|

| MEAN 361.2 120.0 .43 .10 1.00 .0 1.02 .2 |

| S.D. 47.4 .0 .34 .01 .11 .9 .13 1.0 |

| MAX. 417.0 120.0 1.07 .12 1.14 1.2 1.21 1.4 |

| MIN. 269.0 120.0 -.08 .09 .77 -2.1 .79 -1.9 |

|-----------------------------------------------------------------------------|

| REAL RMSE .10 ADJ.SD .32 SEPARATION 3.06 ITEM RELIABILITY .90 |

|MODEL RMSE .10 ADJ.SD .32 SEPARATION 3.12 ITEM RELIABILITY .91 |

-|-S--.E--.-O--F--IT-E-M--M--EA-N--=---.-1-2---------------0-.-90--–-„V--er-y-g-o-o-d-‟ -in-s-tru-m--en-t-r-el-ia-b-il-it-y-in----------|-

DELETED: 72 ITEMS item measuring student Verbal Linguistic

UMEAN=.000 USCALE=1.000 ability

ITEM RAW SCORE-TO-MEASURE CORRELATION = -.97 (approximate due to multiple item

groupings)

9720 DATA POINTS. LOG-LIKELIHOOD CHI-SQUARE: 23001.53 with 9352 d.f. p=.0000

a. Kebolehpercayaan person (individu) dan item dapat menunjukkan sejauh mana
keserasian item kepada (conform to fix) Model Rasch dan indeks pemisahan individu
dan item. Berdasarkan jadual di atas menunjukkan Kebolehpercayaan person
(individu) ialah 0.96 dan kebolehpercayaan item ialah 0.90. Konstruk Kecerdasan
Pelbagai Verbal linguistik mempunyai kebolehpercayaan yang tinggi bersesuaian
Bond & Fox (2007) yang menyatakan nilai > 0.8 adalah nilai kebolehpecayaan yang
diterima kuat.

b. Indeks Pengasingan (Separation Index) . Wright dan Master (1982) mendefinisikan
indeks pengasingan individu sebagai anggaran pengasingan atau perbezaan kumpulan
individu mengikut tahap kebolehan dalam pembolehubah yang diukur. Indeks
pengasingan individu menunjukkan bilangan strata kebolehan yang dikenal pasti
dalam kumpulan sampel. Manakala indeks pengasingan item pula menunjukkan
pengasingan bagi tahap kesukaran item. Nilai pengasingan individu dan item yang
lebih daripada nilai 2 adalah baik (Linarce 2005). Seperation menunjukkan bilangan
strata kebolehan individu yang diukur pada 2 ralat piawai (Standard error – SE)
Jadual diatas menunjukkan nilai pemisahan individu bagi 120 pelajar dibahagikan

[email protected] 14

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

kepada 5 strata (4.65) kebolehan individu yang diukur dalam konstruk verbal
linguistik. Manakala nilai pemisahan sebenar item (real item separation) ialah 3.0.

Nilai pemisahan item merujuk kepada bilangan strata kesukaran item pada 2 ralat
piawai yang diperoleh pada set ujian yang digunakan. Dalam kes ini 9 item boleh
dipecahkan kepada 3 kumpulan strata item pada 2 S.E. Nilai ini menunjukkan item-
item telah membentuk satu variable yang tersebar dengan baik dan kedudukan item
pada skala logit adalah mempunyai kebolehpercayaan yang tinggi. Nilai pengasingan
responden dan item konstruk Verbal Linguistik ini adalah baik bersesuaian dengan
cadangan Linarce (2005) yang menyatakan nilai pengasingan > 2 adalah baik.
4.3 Item Measure - Item Person Measure –– Infit MNSQ
(Mengesan Kesesuaian /Fit Item Persepsi Kecerdasan Pelbagai)

Output table – Item
measure dijalankan bagi

mengetahui item Infit
MNSQ

[email protected] 15

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
4.3.1 Output table – Item Measure – WINSTEPS

4.3.2 Output table – Item Measure ini boleh dicopy dan dipaste ke dalam MSword
untuk membuat laporan.

TABLE 13.1 C:\Users\kashfi\Desktop\KP_WINSTEPS\Da ZOU656WS.TXT May 10 20:26 2011
INPUT: 120 PERSONS 81 ITEMS MEASURED: 120 PERSONS 81 ITEMS 402 CATS 3.68.2
--------------------------------------------------------------------------------

PERSON: REAL SEP.: 4.65 REL.: .96 ... ITEM: REAL SEP.: 4.96 REL.: .96

ITEM STATISTIKS: MEASURE ORDER MNSQ 0.5< y < 1.5 linacre

----------------------------------------------0-.-6--<-y--<--1-.4--B-o-n-d--&--F-o-x---------------------------

|ENTRY TOTAL MODEL| INFIT | OUTFIT |PT-MEASURE |EXACT MATCH| |

|NUMBER SCORE COUNT MEASURE S.E. |MNSQ ZSTD|MNSQ ZSTD|CORR. EXP.| OBS% EXP%| ITEM G |

|------------------------------------+----------+----------+-----------+-----------+---------|

| 66 291 120 1.14 .09| .97 -.2| .99 -.1| .53 .52| 40.0 35.1| NA3 0 |

| 5 269 120 1.07 .12| .89 -.7| .88 -.8| .53 .48| 53.3 49.8| VL5 0 |

| 80 305 120 1.03 .09|1.21 1.9|1.26 2.1| .40 .53| 30.8 32.2| KB8 0 |

| 69 340 120 .88 .10|1.09 .8|1.09 .8| .44 .50| 39.2 37.5| NA6 0 |

| 64 326 120 .83 .09| .91 -.8| .87 -1.2| .58 ..55Z31S||T33D49..22 36.1| NA1 0|
.79 .09|1.09 .9|1.08 .7| .49 31.8| MZ7 0|
| 34 326 120 .78 .10| .82 0|
|Sang6a5t suka3r3d1iperse1t2u0jui -1.6| .82
.76 .10|1.08 -1.7| -2.6<3Z< .+429|B4o0n.d8&3F8o.x4| NA2 0|
| 6578= +1.13342403logit 120 .75 .09|1.11 .7|1.16 0|
| 120 .67 .09|1.07 1.0|1.09 1.3| .44 .51| 45.8 39.3| VR3 0|

| N=2120, s3c2o0re 2912, 0 .7|1.13 .8| .46 .51| 38.3 34.2| NA5

1.1| .50 .54| 23.3 32.5| VL2

| av37e52 2.4333(4226591/1211022)00 .63 .09|1.14 1.3|1.17 1.4| .44 .54| 30.8 34.2| KB3 0|
| .62 .09| .95 -.5| .94 -.5| .56 .52| 36.7 36.6| MZ5 0|
|ramai 8yang k3u46rang s1e2tu0ju .62 .11| .77 -2.1| .79 -1.9| .65 .47| 51.7 43.5| VL8 0|

| 36 350 120 .60 .09| .88 -1.0| .86 -1.2| .60 .52| 43.3 36.8| MZ9 0 |

| 1 340 120 .57 .11|1.01 .1|1.03 .3| .47 .48| 40.0 44.3| VL1 0 |

| 4 347 120 .55 .10|1.01 .1|1.05 .5| .50 .50| 33.3 36.6| VL4 0 |

| 30 354 120 .54 .09| .94 -.5| .93 -.6| .57 .53| 34.2 34.1| MZ3 0 |

| 74 366 120 .48 .09|1.00 .1| .96 -.3| .52 .52| 30.8 35.9| KB2 0 |

| 79 359 120 .48 .10| .96 -.3| .95 -.4| .54 .51| 40.8 38.3| KB7 0 |

| 81 367 120 .48 .10|1.00 .1| .96 -.2| .51 .51| 40.8 39.8| KB9 0 |

| 55 365 120 .47 .10|1.02 .2| .99 .0| .48 .49| 45.0 43.4| VR1 0 |

| 67 377 120 .41 .10| .98 -.1| .95 -.4| .53 .49| 43.3 41.9| NA4 0 |

| 60 373 120 .36 .10| .99 -.1| .96 -.3| .51 .50| 44.2 41.0| VR6 0 |

| 62 376 120 .35 .10| .98 -.2| .96 -.3| .53 .50| 38.3 37.8| VR8 0 |

| 59 385 120 .35 .10|1.01 .1|1.01 .2| .45 .47| 42.5 40.7| VR5 0 |

| 56 381 120 .34 .10|1.28 2.2|1.27 2.1| .32 .50| 35.0 39.1| VR2 0 |

| 33 384 120 .30 .08|1.18 1.6|1.16 1.2| .45 .54| 29.2 31.7| MZ6 0 |

| 63 401 120 .27 .10|1.02 .2|1.00 .0| .48 .49| 42.5 40.5| VR9 0 |

[email protected] 16

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

| 9 386 120 .26 .10| .96 -.3| .99 -.1| .51 .47| 44.2 40.7| VL9 0 |

| 58 380 120 .21 .10| .99 -.1| .98 -.1| .49 .48| 39.2 40.8| VR4 0 |

| 71 415 120 .15 .10|1.26 1.8|1.20 1.3| .33 .49| 45.8 43.3| NA8 0 |

| 61 366 120 .15 .10| .91 -.7| .90 -.8| .55 .49| 39.2 39.9| VR7 0 |

| 28 414 120 .14 .09|1.10 .8|1.13 .9| .43 .51| 40.8 40.5| MZ1 0 |

| 31 404 120 .13 .09|1.02 .2| .99 .0| .49 .51| 34.2 38.0| MZ4 0 |

| 3 416 120 .13 .10| .99 .0| .99 .0| .48 .48| 40.8 45.2| VL3 0 |

| 6 417 120 .11 .10|1.14 1.1|1.21 1.4| .37 .48| 38.3 44.9| VL6 0 |

| 78 404 120 .09 .10|1.00 .0|1.01 .1| .50 .50| 36.7 39.8| KB6 0 |

| 41 435 120 .06 .13|1.00 .0|1.00 .0| .42 .41| 52.5 49.9| LM5 0 |

| 19 414 120 .03 .11| .83 -1.3| .81 -1.4| .59 .47| 50.0 45.5| IE1 0 |

| 70 426 120 .01 .10|1.09 .7|1.05 .4| .44 .49| 45.8 43.9| NA7 0 |

| 72 433 120 .01 .10|1.24 1.6|1.19 1.2| .35 .49| 43.3 44.8| NA9 0 |

| 26 425 120 .00 .11| .77 -1.7| .74 -1.9| .62 .46| 51.7 48.5| IE8 0 |

| 20 424 120 -.01 .11| .86 -1.0| .82 -1.3| .55 .46| 55.0 47.0| IE2 0 |

| 21 426 120 -.05 .11| .89 -.7| .89 -.7| .49 .45| 52.5 49.1| IE3 0 |

| 27 420 120 -.05 .11| .76 -1.8| .73 -2.1| .64 .46| 52.5 47.3| IE9 0 |

| 73 422 120 -.07 .10|1.08 .7|1.10 .8| .43 .49| 40.8 40.3| KB1 0 |

| 54 433 120 -.07 .11| .92 -.5| .84 -1.0| .52 .45| 51.7 49.2| IA9 0 |

| 7 410 120 -.08 .10|1.14 1.2|1.16 1.3| .39 .49| 35.8 38.4| VL7 0 |

| 43 398 120 -.11 .10|1.08 .7|1.08 .7| .44 .49| 46.7 38.0| LM7 0 |

| 77 444 120 -.15 .10| .99 -.1| .98 -.1| .50 .49| 48.3 44.7| KB5 0 |

| 22 457 120 -.24 .11| .75 -1.6| .78 -1.3| .56 .44| 60.8 57.4| IE4 0 |

| 40 464 120 -.24 .13|1.23 1.8|1.28 2.1| .18 .41| 46.7 51.9| LM4 0 |

| 44 422 120 -.25 .11| .95 -.3| .95 -.4| .51 .47| 46.7 42.8| LM8 0 |

| 76 443 120 -.25 .10| .97 -.2| .95 -.3| .50 .48| 50.8 46.5| KB4 0 |

| 23 459 120 -.30 .11| .89 -.7| .91 -.6| .49 .46| 54.2 51.2| IE5 0 |

| 49 453 120 -.32 .11| .90 -.6| .85 -1.0| .49 .44| 52.5 49.6| IA4 0 |

| 35 470 120 -.33 .10|1.29 1.8|1.31 1.7| .31 .48| 45.0 46.2| MZ8 0 |

| 46 457 120 -.36 .11| .86 -.9| .88 -.8| .50 .45| 51.7 49.5| IA1 0 |

| 50 443 120 -.39 .12| .90 -.6| .87 -.9| .51 .42| 55.8 52.5| IA5 0 |

| 53 451 120 -.39 .13| .89 -.6| .88 -.7| .49 .41| 60.8 58.0| IA8 0 |

| 48 467 120 -.40 .12|1.03 .2| .99 .0| .40 .44| 54.2 53.1| IA3 0 |

| 24 465 120 -.42 .12| .83 -1.0| .79 -1.3| .55 .42| 61.7 57.6| IE6 0 |

| 51 472 120 -.46 .13| .85 -.8| .78 -1.3| .56 .41| 61.7 60.6| IA6 0 |

| 47 465 120 -.47 .11| .89 -.7| .81 -1.2| .52 .44| 52.5 51.5| IA2 0 |

| 25 461 120 -.48 .11| .81 -1.4| .77 -1.7| .59 .46| 45.8 46.4| IE7 0 |

| 2S9angat46m0udah1d2i0perset-u.ju4i9 .10|1.22 1.6|1.24 1.7| .30 .47| 40.8 44.5| MZ2 0|
| 52 45=0534-1.0811l22o00git -.60
| 10 -.60 .13| .86 -.9| .83 -1.1| .52 .40| 59.2 58.0| IA7 0|
.10| .92 -.4|1.01 .1| .46 .46| 40.8 46.7| KR1 0|

| 42 N=414620, sc1o2re0 518,-.63 .12| .94 -.5| .95 -.4| .49 .44| 50.0 48.9| LM6 0 |

| 12 av44e99466.31 (511122800/120)--..6678 .12| .88 -.6| .88 -.6| .45 .43| 51.7 52.1| KR3 0 |
| 11 .11| .86 -.9| .81 -1.1| .50 .44| 49.2 49.7| KR2 0 |

| 16 ram51a3i yang12s0etuju-.79 .11| .82 -1.1| .81 -1.0| .49 .43| 42.5 48.1| KR7 0 |

| 37 520 120 -.82 .12|1.28 1.4|1.29 1.5| .25 .41| 47.5 51.5| LM1 0 |

| 13 519 120 -.82 .11|1.00 .1|1.25 1.3| .37 .43| 41.7 50.0| KR4 0 |

| 38 514 120 -.88 .13|1.21 1.2|1.23 1.3| .25 .40| 51.7 52.0| LM2 0 |

| 14 490 120 -.89 .13| .96 -.2|1.01 .1| .38 .40| 50.8 57.1| KR5 0 |

| 18 514 120 -.89 .12| .88 -.7| .92 -.4| .41 .41| 41.7 50.4| KR9 0 |

| 39 495 120 -.94 .12|1.15 1.0|1.10 .7| .31 .41| 53.3 51.3| LM3 0 |

| 45 512 120 -.96 .14| .97 -.1| .95 -.4| .38 .37| 50.0 53.8| LM9 0 |

| 17 528 120 -.97 .13| .84 -.9| .85 -.8| .44 .40| 48.3 52.7| KR8 0 |

| 15 518 120 -1.08 .12| .85 -.8| .82 -1.0| .48 .40| 49.2 51.7| KR6 0 |

|------------------------------------+----------+----------+-----------+-----------+---------|

| MEAN 415.5 120.0 .00 .11| .99 .0| .99 -.1| | 45.0 44.6| |

| S.D. 62.0 .0 .55 .01| .13 1.0| .15 1.0| | 8.0 7.1| |

Setiap pemerhatian yang dilakukan melibatkan kepada indeks infit dan outfit. Tetapi
pemberat bagi pemerhatian adalah berbeza. Sasaran pemerhatian kurang disumbangakn oleh
outfit berbanding infit. Indeks outfit adalah t standardized yang sensitive kepada outlier
statistik min kuasa dua, lebih sensisitif kepada tingkah laku yang tidak dijangka oleh
responden ke atas item yang jauh daripada tahap ukuran responden. Indeks infit adalah t
standardized maklumat pemberat statistik min kuasa dua, yang lebih peka kepada tingkah
laku yang tidak dijangka yang mempengaruhi jawapan bagi item yang menghampiri tahap
ukuran responden. Oleh itu indeks outfit MNSQ perlu diberi perhatian terlebih dahulu
berbanding infit MNSQ bagi menentukan kesepadanan item atau item fit yang
mengukur sesuatu konstruk atau lartent variable.

Linacre (2007) telah menggariskan empat kumpulan berdasarkan nilai kesesuaian
bagi sesuatu pengukuran item dalam sesebuah konstruk iaitu (1) nilai ≥ 2.0 bermaksud
pemboleh ubah pengganggu adalah lebih besar berbanding maklumat yang diperlukan atau

[email protected] 17

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

yang berguna. Menurunkan pengukuran; (2) nilai ≥ 1.5 bermaksud pemboleh ubah
pengganggu yang ketara. Sama ada membina atau menurunkan pengukuran; (3) nilai 0.5 –
1.5 bermaksud pengukuran yang produktif atau baik; (4) nilai < 0,5 bermaksud terlalu boleh
diramalkan (overly predictable). Mengelirukan pemikiran sama ada mengukur dengan baik
atau lebih baik.

MNSQ adalah statistik kesesuaian min kuasa dua (mean –square infit statistik) dengan
nilai jangkaan adalah 1.0. Nilai yang cenderung kearah kurang daripada 1.0 menunjukkan
kesesuaian dengan data, manakala nilai yang cenderung melebihi 1.0 menunjukkan terdapat
gangguan kepada data. Namun begitu menurut Bond & Fox (2007), julat yang diterima
untuk skala likert adalah di antara 0.6 hingga 1.4 dan aneka pilihan adalah 0.7 hingga
1.3. Manakala menurut Linacre (2007) julat kesesuaian item yang produktif adalah di
antara 0.5 hingga 1.5. Nilai yang lebih tinggi daripada 1.4 atau 1.5 menunjukkan item
tidak homogeny dengan item-item lain dalam satu skala pengukuran. Nilai yang rendah
pula menunjukkan pertindihan konstruk/redundancy dengan item lain.

Zstd adalah statistik kesesuaian infit min kuasa dua t standardized yang
menganggarkan teoritikal min dan taburan varian 1. Zstd (diseragamkan sebagai skor –z)
adalah digunakan untuk keputusan ujian t apabila nilai ujian t menunjukkan darjah kebebasan
infiniti (contohnya, menghampiri satu nilai unit normal) atau nilai taburan t statistik
responden telah diselaraskan untuk satu nilai normal. Nilai 0.0 adalah nilai yang dijangkakan,
manakala nilai kurang daripada 0.0 menunjukkan terlalu boleh diramalkan. Nilai lebih
daripada 0.0 adalah kurang diramalkan. Menurut Linacre (2007), sekiranya nilai
MNSQ telah diterima, maka indeks Zstd boleh diabaikan. Menurut Bond dan Fox
(2007), nilai Zstd ± 2.0 adalah nilai yang boleh diterima.

Berdasarkan jadual di atas didapati semua item adalah fit dengan model
pengukuran Rasch dengan nilai outfit/infit MNSQ.

[email protected] 18

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

4.4 Item Map – Taburan Aras Kesukaran Item dan Kebolehan Responden
4.4.1 Output Tables – Item : map

Output tables – Item : map
dijalankan bagi

mengenalpasti perbezaan
keupayaan individu dan

kesukaran item

4.4.2 Peta item – Sampel 81 item Kecerdasan Pelbagai

Sampel Konstruk
yang mengukur
kecerdasan
mempunyai pelbagai
kecerdasan yang sukar

pelbagai untuk
yang tinggi disetujui

dalam
konstruk
tertentu

Sampel Konstruk
yang mengukur
kecerdasan
mempunyai pelbagai
kecerdasan yang mudah

pelbagai untuk
yang rendah disetujui

dalam
konstruk
tertentu

Rajah dibawah menunjukkan sampel 81 item instrument Kecerdasan Pelbagai (KP)
dalam kajian yang dilaksanakan oleh penulis (Mohd Kashfi. Mohd Jailani et al. 201)
dimana kajian dilakukan ke atas 120 sampel kajian. Rajah ini menunjukkan sampel

[email protected] 19

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

yang mempunyai KP tinggi dalam konstruk tertentu berada di sebelah atas kiri peta

item. Sementara sampel yang mempunyai KP rendah dalam konstruk tertentu berada

di sebelah bawah kiri peta item. Disebelah kanan Rajah menunjukkan Sembilan

konstruk yang terdapat dalam KP iaitu (i) verbal linguistik (ii) kerohanian (iii)

Interpersonal (iv) Muzik (v) Logik Matematik (vi) Intrapersonal (vii) Visual Ruang

(viii) Naturalis (ix) Kinestetik Badan

TABLE 12.2 C:\Users\kashfi\Desktop\KP_WINSTEPS\Da ZOU697WS.TXT May 10 23:54 2011
INPUT: 120 PERSONS 81 ITEMS MEASURED: 120 PERSONS 81 ITEMS 402 CATS 3.68.2

--------------------------------------------------------------------------------

PERSONS - MAP - ITEMS
<more>|<rare>

4+
|
|
|

.|
|
|

3+
|
|
|
|
|

.|
2+

|
. T|
.|
.# |
## |
.# |T NA3
1 .# S+ KB8 VL5
###### | MZ7 NA1 NA6
### | NA2 NA5 VL2 VR3
.#### |S KB3 MZ3 MZ5 MZ9 VL1 VL4 VL8
##### M| KB2 KB7 KB9 NA4 VR1
.####### | MZ6 VL9 VR2 VR5 VR6 VR8 VR9
.######### | KB6 MZ1 MZ4 NA8 VL3 VL6 VR4 VR7
0 ### +M IE1 IE2 IE3 IE8 IE9 KB1 LM5 NA7

NA9
### | IA9 KB5 LM7 VL7
.## S| IA4 IE4 IE5 KB4 LM4 LM8 MZ8
### | IA1 IA2 IA3 IA5 IA6 IA8 IE6 IE7

MZ2
## |S IA7 KR1 LM6

. | KR2 KR3 KR7
. | KR4 KR5 KR9 LM1 LM2
-1 T+ KR8 LM3 LM9
. |T KR6
#|

|
|
|
|
-2 +
<less>|<frequ>
EACH '#' IS 2.

Sebelah atas kanan menunjukkan konstruk mengukur KP yang sukar untuk disetujui.

Sementara sebelah bawah kanan menunjukkan konstruk mengukur KP yang mudah

untuk disetujui.

[email protected] 20

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Peta item-individu dalam rajah disebelah menunjukkan sama ada ujian atau
instrument yang ditadbir itu sesuai dengan kebolehan sampel atau menepati sasaran.
Dalam peta tersebut kedudukan individu atau pelajar (Contoh: tanda # mewakili 2
individu dan tanda . mewakili seorang individu) dan item diletakkan secara putus
bersebelahan dan dipisahkan dengan satu garisan putus. Garisan putus ditengah
menggambarkan lokasi ukuran kebolehan individu dan ukuran kesukaran item pada
skala logit. Di bahagian kiri garisan putus adalah kedudukan individu dengan ukuran
kebolehan tinggi dan di bahagian atas kanan peta adalah kedudukan item dengan
ukuran kesukaran tinggi. Dua huruf M pada garisan putus adalah menunjukkan
ukuran kebolehan min (purata) bagi individu (kiri) dan item (kanan). Manakala huruf
S di bahagian kanan adalah bermaksud satu sisihan piawai bagi item. Huruf T pula
adalah menunjukkan dua sisihan piawai bagi individu (kanan) dan dua sisihan piawai
bagi item (kiri).

Berdasarkan rajah disebelah item KR6 adalah item yang sangat mudah
dipersetujui dengan nilai ukuran -1.08 (nilai ini boleh rujuk pada output table –item
measure pada bahagian measure) , manakala item NA3 merupakan item yang sangat
sukar untuk dipersetujui dengan nilai ukuran + 1.14. Terdapat 2 orang responden yang
berkebolehan sangat tinggi dan 3 orang responden yang berkebolehan sangat rendah.

[email protected] 21

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
4.5 Person Map
4.5.1 Output Tables – Person Map

4.5.2 Peta persons – Responden 120 orang

[email protected] 22

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

4.5.3 Output Tables – Person Map ini boleh dicopy dan dipaste ke dalam MSword
untuk membuat laporan

TABLE 16.3 C:\Users\kashfi\Desktop\KP_WINSTEPS\Da ZOU443WS.TXT May 11 10:06 2011
INPUT: 120 PERSONS 81 ITEMS MEASURED: 120 PERSONS 81 ITEMS 402 CATS 3.68.2
--------------------------------------------------------------------------------

ITEMS - MAP - PERSONS 00110P 00105P 00062P 00069P 00078P
<rare>|<more> 00060P 00120P
00099P 00042P 00080P 00086P 00101P
4+ 00089P 00114P 00068P 00073P 00082P
| 00041P 00047P 00043P
| 00107P 00067P 00061P 00072P 00092P
| 00046P 00038P
| 00019P 00034P 00036P 00035P 00039P 00064P
| 00081P 00084P
00023P 00026P
| 00112P 00074P 00033P 00037P
3+ 00024P 00054P 00063P
00059P 00025P 00119P
| 00052P 00106P 00116P
| 00011P 00115P 00102P 00118P
| 00051P 00055P 00117P
| 00108P 00087P 00094P 00095P
| 00044P 00113P
| 00018P 00075P 00083P
2+ 00077P 00091P
| 00071P
|T 00088P 00076P
| 00070P
| 00004P 00104P
| 00048P 00050P
X T| 00006P 00097P
1 XX +S 00009P 00010P
XXX | 00007P 00030P

00079P 00085P
XXXX | 00014P 00031P
XXXXXXX S| 00029P 00032P

00109P 00111P
XXXXX |M 00003P 00005P

00090P 00103P
XXXXXXX | 00021P 00022P

00045P 00058P
00100P
XXXXXXXX | 00001P 00008P
00040P 00049P
00093P 00098P
0 XXXXXXXXX M+ 00015P 00016P
XXXX | 00028P 00053P
XXXXXXX |S 00002P 00013P
XXXXXXXXX | 00017P 00027P
XXX S| 00057P 00066P
XXX | 00056P
XXXXX | 00020P
-1 XXX +T
X T| 00012P
| 00065P 00096P
|
|
|
|
-2 +
<frequ>|<less>

[email protected] 23

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
4.6 Person Measure – Infit MNSQ

(Mengesan Kesesuaian /Fit Person)

4.6.1 Output table – Pearson Measure - WINSTEPS

[email protected] 24

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

4.6.2 Output table – Person Measure ini boleh dicopy dan dipaste ke dalam MSword
untuk membuat laporan

TABLE 17.1 C:\Users\kashfi\Desktop\KP_WINSTEPS\Da ZOU443WS.TXT May 11 10:06 2011
INPUT: 120 PERSONS 81 ITEMS MEASURED: 120 PERSONS 81 ITEMS 402 CATS 3.68.2
--------------------------------------------------------------------------------
PERSON: REAL SEP.: 4.65 REL.: .96 ... ITEM: REAL SEP.: 4.96 REL.: .96

PERSON STATISTICS: MEASURE ORDER

--------------------------------------------------------------------------------------------

|ENTRY TOTAL MODEL| INFIT | OUTFIT |PT-MEASURE |EXACT MATCH| |

|NUMBER SCORE COUNT MEASURE S.E. |MNSQ ZSTD|MNSQ ZSTD|CORR. EXP.| OBS% EXP%| PERSON|

|------------------------------------+----------+----------+-----------+-----------+-------|

| 19 390 81 3.49 .28|1.03 .2|1.45 1.4| -.05 .21| 82.7 82.3| 00019P|

| 18 363 81 2.14 .19| .88 -.6|1.01 .1| .00 .34| 51.9 58.6| 00018P|

| 88 351 81 1.76 .17|1.09 .5|1.43 2.1| .06 .38| 48.1 56.4| 00088P|

| 70 342 81 1.50 .16| .66 -2.0| .76 -1.4| .05 .40| 67.9 55.3| 00070P|

| 4 341 81 1.48 .16|1.45 2.2|1.54 2.6| .17 .41| 44.4 55.4| 00004P|

| 104 341 81 1.48 .16|1.35 1.8|1.27 1.4| .34 .41| 38.3 55.4| 00104P|

| 110 339 81 1.43 .16| .69 -1.8| .79 -1.2| .24 .41| 59.3 55.0| 00110P|

| 105 336 81 1.35 .16| .98 .0| .91 -.4| .56 .42| 58.0 54.7| 00105P|

| 48 334 81 1.30 .16| .53 -3.0| .54 -3.0| .49 .42| 69.1 54.6| 00048P|

| 50 332 81 1.25 .15|1.81 3.6|1.70 3.2| .56 .43| 30.9 54.5| 00050P|

| 60 331 81 1.23 .15| .99 .0| .95 -.2| .42 .43| 56.8 54.3| 00060P|

| 6 330 81 1.21 .15| .79 -1.2| .73 -1.5| .73 .43| 58.0 53.9| 00006P|

| 97 329 81 1.18 .15| .78 -1.2| .88 -.6| .50 .43| 49.4 53.7| 00097P|

| 99 326 81 1.12 .15|1.35 1.8|1.40 2.0| .40 .44| 40.7 53.3| 00099P|

| 10 322 81 1.03 .15| .60 -2.5| .68 -1.9| .17 .45| 54.3 52.5| 00010P|

| 89 322 81 1.03 .15| .80 -1.1| .74 -1.5| .43 .45| 63.0 52.5| 00089P|

| 9 321 81 1.01 .15| .47 -3.6| .52 -3.1| .13 .45| 64.2 52.4| 00009P|

| 69 317 81 .92 .14| .38 -4.5| .38 -4.4| .72 .46| 74.1 50.9| 00069P|

| 79 316 81 .90 .14| .56 -2.9| .53 -3.0| .43 .46| 63.0 50.7| 00079P|

| 114 316 81 .90 .14| .82 -1.0| .79 -1.2| .40 .46| 56.8 50.7| 00114P|

| 62 315 81 .88 .14|1.90 4.0|1.64 3.0| .41 .46| 30.9 50.5| 00062P|

| 85 314 81 .86 .14|1.14 .8|1.13 .8| .21 .46| 46.9 50.2| 00085P|

| 78 313 81 .84 .14| .78 -1.3| .76 -1.4| .71 .46| 54.3 50.2| 00078P|

| 30 312 81 .83 .14| .94 -.3| .89 -.6| .48 .46| 46.9 50.2| 00030P|

| 107 312 81 .83 .14| .42 -4.2| .39 -4.3| .72 .46| 70.4 50.2| 00107P|

| 7 310 81 .79 .14| .55 -3.0| .62 -2.3| .45 .47| 56.8 49.8| 00007P|

| 41 310 81 .79 .14|1.14 .8|1.15 .9| .63 .47| 48.1 49.8| 00041P|

| 42 310 81 .79 .14| .51 -3.3| .54 -3.0| .53 .47| 58.0 49.8| 00042P|

| 120 310 81 .79 .14| .84 -.9| .88 -.6| .31 .47| 63.0 49.8| 00120P|

| 31 308 81 .75 .14|1.20 1.1|1.22 1.2| .59 .47| 50.6 49.6| 00031P|

| 14 307 81 .73 .14| .77 -1.4| .73 -1.6| .57 .47| 54.3 49.4| 00014P|

| 47 307 81 .73 .14| .64 -2.3| .69 -1.9| .43 .47| 51.9 49.4| 00047P|

| 46 306 81 .71 .14| .71 -1.8| .72 -1.6| .49 .47| 56.8 49.1| 00046P|

| 80 305 81 .69 .14| .76 -1.4| .80 -1.1| .50 .47| 50.6 48.6| 00080P|

| 86 303 81 .66 .13| .71 -1.8| .62 -2.3| .26 .48| 56.8 47.5| 00086P|

| 68 302 81 .64 .13| .42 -4.3| .40 -4.2| .41 .48| 58.0 47.5| 00068P|

| 101 301 81 .62 .13| .97 -.1| .99 .0| .55 .48| 43.2 47.5| 00101P|

| 73 300 81 .60 .13| .72 -1.7| .73 -1.6| .43 .48| 48.1 47.5| 00073P|

| 67 297 81 .55 .13|1.01 .1| .91 -.5| .71 .49| 50.6 46.7| 00067P|

| 29 296 81 .54 .13| .66 -2.2| .67 -2.0| .46 .49| 61.7 46.6| 00029P|

| 32 295 81 .52 .13| .82 -1.1| .82 -1.0| .66 .49| 44.4 46.3| 00032P|

| 34 295 81 .52 .13| .57 -2.9| .61 -2.5| .65 .49| 51.9 46.3| 00034P|

| 109 295 81 .52 .13| .95 -.2| .90 -.5| .55 .49| 39.5 46.3| 00109P|

| 111 294 81 .50 .13| .67 -2.1| .67 -2.0| .63 .49| 54.3 46.3| 00111P|

| 112 293 81 .48 .13| .65 -2.3| .64 -2.2| .33 .49| 61.7 46.3| 00112P|

| 72 292 81 .47 .13| .55 -3.2| .52 -3.3| .67 .49| 64.2 45.6| 00072P|

| 90 292 81 .47 .13| .77 -1.4| .73 -1.6| .56 .49| 49.4 45.6| 00090P|

| 5 290 81 .44 .13| .52 -3.4| .55 -3.0| .70 .49| 49.4 45.5| 00005P|

| 23 290 81 .44 .13| .59 -2.9| .60 -2.5| .45 .49| 60.5 45.5| 00023P|

| 36 290 81 .44 .13|1.51 2.7|1.66 3.2| .26 .49| 46.9 45.5| 00036P|

| 82 289 81 .42 .13|1.39 2.1|1.51 2.5| .38 .49| 38.3 45.4| 00082P|

| 103 288 81 .40 .13|1.39 2.1|1.31 1.7| .52 .50| 35.8 44.8| 00103P|

| 3 287 81 .39 .13|2.05 5.0|2.18 5.1| .25 .50| 27.2 44.8| 00003P|

| 61 287 81 .39 .13|2.01 4.8|1.93 4.2| .71 .50| 13.6 44.8| 00061P|

| 35 285 81 .36 .13| .73 -1.7| .74 -1.6| .64 .50| 44.4 44.2| 00035P|

| 43 285 81 .36 .13| .83 -1.0| .68 -2.0| .63 .50| 59.3 44.2| 00043P|

| 45 285 81 .36 .13|1.07 .5| .95 -.2| .65 .50| 40.7 44.2| 00045P|

| 59 284 81 .34 .12|1.35 2.0|1.33 1.8| .51 .50| 24.7 44.0| 00059P|

| 22 283 81 .32 .12|1.41 2.3|1.36 1.9| .66 .50| 27.2 44.0| 00022P|

| 74 283 81 .32 .12| .78 -1.4| .72 -1.7| .68 .50| 46.9 44.0| 00074P|

| 92 283 81 .32 .12|1.18 1.1|1.18 1.0| .50 .50| 35.8 44.0| 00092P|

| 100 283 81 .32 .12| .95 -.3| .87 -.7| .49 .50| 44.4 44.0| 00100P|

| 81 282 81 .31 .12|2.05 5.0|2.03 4.6| .60 .50| 19.8 43.9| 00081P|

| 39 281 81 .29 .12| .50 -3.7| .46 -3.9| .42 .50| 67.9 43.9| 00039P|

| 24 280 81 .28 .12| .58 -3.0| .55 -3.1| .63 .50| 53.1 43.8| 00024P|

| 26 280 81 .28 .12| .43 -4.4| .44 -4.1| .69 .50| 64.2 43.8| 00026P|

| 21 279 81 .26 .12|1.74 3.8|1.70 3.4| .56 .50| 32.1 42.6| 00021P|

| 58 279 81 .26 .12| .61 -2.7| .62 -2.5| .54 .50| 46.9 42.6| 00058P|

| 84 277 81 .23 .12|1.00 .0| .95 -.3| .66 .51| 35.8 42.0| 00084P|

| 8 275 81 .20 .12| .78 -1.4| .75 -1.5| .42 .51| 53.1 41.7| 00008P|

| 119 275 81 .20 .12|1.37 2.2|1.29 1.6| .60 .51| 33.3 41.7| 00119P|

| 93 274 81 .19 .12|1.13 .9|1.11 .7| .59 .51| 38.3 41.7| 00093P|

| 1 273 81 .17 .12|1.89 4.5|2.01 4.7| .31 .51| 19.8 41.2| 00001P|

| 98 273 81 .17 .12|1.98 4.9|1.81 3.9| .50 .51| 38.3 41.2| 00098P|

| 37 272 81 .16 .12| .56 -3.2| .54 -3.2| .54 .51| 48.1 41.2| 00037P|

| 115 272 81 .16 .12| .75 -1.7| .66 -2.2| .48 .51| 53.1 41.2| 00115P|

| 33 271 81 .14 .12|1.32 1.9|1.25 1.4| .57 .51| 27.2 41.2| 00033P|

| 40 271 81 .14 .12| .51 -3.8| .48 -3.8| .56 .51| 60.5 41.2| 00040P|

| 11 270 81 .13 .12| .85 -1.0| .80 -1.2| .63 .51| 35.8 41.1| 00011P|

| 38 270 81 .13 .12| .73 -1.8| .72 -1.8| .73 .51| 38.3 41.1| 00038P|

| 64 270 81 .13 .12|1.13 .9|1.08 .5| .23 .51| 38.3 41.1| 00064P|

| 54 269 81 .12 .12|1.00 .0| .99 .0| .46 .51| 42.0 41.1| 00054P|

| 108 269 81 .12 .12| .60 -2.9| .61 -2.7| .37 .51| 53.1 41.1| 00108P|

| 49 268 81 .10 .12| .56 -3.3| .58 -2.9| .59 .51| 49.4 40.9| 00049P|

| 51 268 81 .10 .12|1.44 2.6|1.45 2.4| .74 .51| 23.5 40.9| 00051P|

| 63 268 81 .10 .12| .85 -1.0| .84 -1.0| .75 .51| 39.5 40.9| 00063P|

| 52 267 81 .09 .12|1.19 1.2|1.12 .7| .64 .51| 32.1 40.9| 00052P|

| 25 266 81 .07 .12| .55 -3.4| .58 -3.0| .49 .51| 59.3 40.9| 00025P|

| 55 265 81 .06 .12| .32 -6.0| .31 -5.8| .70 .51| 69.1 40.9| 00055P|

| 106 265 81 .06 .12|1.10 .7|1.04 .3| .64 .51| 29.6 40.9| 00106P|

| 15 264 81 .05 .12| .99 .0| .96 -.2| .51 .51| 32.1 40.9| 00015P|

| 16 264 81 .05 .12| .80 -1.3| .77 -1.5| .68 .51| 38.3 40.9| 00016P|

| 44 264 81 .05 .12|1.69 3.8|1.66 3.4| .75 .51| 21.0 40.9| 00044P|

| 116 257 81 -.05 .12| .68 -2.3| .65 -2.5| .46 .52| 50.6 39.9| 00116P|

| 118 252 81 -.12 .12| .58 -3.2| .56 -3.2| .61 .52| 48.1 39.5| 00118P|

| 53 250 81 -.14 .11| .63 -2.8| .58 -3.1| .41 .52| 44.4 39.5| 00053P|

| 87 249 81 -.16 .11| .62 -2.9| .59 -3.0| .56 .52| 51.9 38.8| 00087P|

| 102 248 81 -.17 .11|1.34 2.1|1.37 2.2| -.13 .52| 27.2 38.8| 00102P|

[email protected] 25











PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

| 1 -.71 .19 2 -1.07 .17 .36 .25 1.42 108 .1586 .6862 -. 11 kr2 |
| 2 -1.07 .17 1 -.71 .19 -.36 .25 -1.42 108 .1586 .6862 +. 11 kr2 |
| 1 -.64 .19 2 .17 .25 1.93 109 .0560 .1906 -. 12 kr3 |
| 2 -1.13 .17 1 -1.13 .19 .49 .25 -1.93 109 .0560 .1906 +. 12 kr3 |
| 1 -.94 .20 2 -.64 .19 -.49 .28 2.39 110 .0184 .3746 -. 13 kr4 |
| 2 -1.60 .19 1 .20 .28 -2.39 110 .0184 .3746 +. 13 kr4 |
| 1 -.75 .19 2 -1.60 .16 .66 .25 .55 106 .5842 .5053 +. 14 kr5 |
| 2 -.88 .16 1 -.94 .19 -.66 .25 -.55 106 .5842 .5053 -. 14 kr5 |
| 1 -.90 .20 2 -.88 .19 .28 2.55 110 .0121 .4042 +. 15 kr6 |
| 2 -1.60 .19 1 -.75 .20 .14 .28 -2.55 110 .0121 .4042 -. 15 kr6 |
| 1 -.90 .20 2 .18 -.14 .27 1.97 109 .0518 .9207 +. 16 kr7 |
| 2 -1.43 .18 1 -1.60 .20 .27 -1.97 109 .0518 .9207 -. 16 kr7 |
| 1 -1.25 .22 2 -.90 .19 .70 .29 1.47 109 .1434 .6419 +. 17 kr8 |
| 2 -1.68 .19 1 .22 -.70 .29 -1.47 109 .1434 .6419 -. 17 kr8 |
| 1 -.90 .20 2 -1.43 .18 .27 2.08 109 .0397 .1466 +. 18 kr9 |
| 2 -1.46 .18 1 -.90 .20 .53 .27 -2.08 109 .0397 .1466 -. 18 kr9 |
| 1 .16 .16 2 .13 -.53 .21 .54 106 .5921 .4485 +. 19 ie1 |
| 2 .05 .13 1 -1.68 .16 .21 -.54 106 .5921 .4485 -. 19 ie1 |
| 1 .06 .16 2 -1.25 .13 .43 .21 .52 106 .6051 .3508 +. 20 ie2 |
| 2 -.05 .13 1 -1.46 .16 -.43 .21 -.52 106 .6051 .3508 -. 20 ie2 |
| 1 .03 .16 2 .13 .21 .47 106 .6371 .0218 +. 21 ie3 |
| 2 -.07 .13 1 -.90 .16 .56 .21 -.47 106 .6371 .0218 -. 21 ie3 |
| 1 -.19 .17 2 .05 .15 -.56 .22 1.43 108 .1566 .0347 +. 22 ie4 |
| 2 -.51 .15 1 .16 .17 .22 -1.43 108 .1566 .0347 -. 22 ie4 |
| 1 -.02 .16 2 .15 .11 .22 2.97 110 .0037 .0461 +. 23 ie5 |
| 2 -.69 .15 1 -.05 .16 -.11 .22 -2.97 110 .0037 .0461 -. 23 ie5 |
| 1 -.25 .17 2 .06 .15 .23 1.72 108 .0886 .1616 .00 24 ie6 |
| 2 -.64 .15 1 .17 .11 .23 -1.72 108 .0886 .1616 .00 24 ie6 |
| 1 -.28 .17 2 -.07 .15 -.11 .23 1.11 107 .2681 .6028 +. 25 ie7 |
| 2 -.53 .15 1 .03 .17 .23 -1.11 107 .2681 .6028 -. 25 ie7 |
| 1 .06 .16 2 .13 .10 .21 .60 106 .5492 .2116 +. 26 ie8 |
| 2 -.07 .13 1 -.51 .16 -.10 .21 -.60 106 .5492 .2116 -. 26 ie8 |
| 1 -.02 .16 2 -.19 .13 .21 -.43 104 .6672 .2992 +. 27 ie9 |
| 2 .07 .13 1 -.69 .16 .32 .21 .43 104 .6672 .2992 -. 27 ie9 |
| 1 .36 .16 2 -.02 .13 -.32 .20 2.18 107 .0316 .3572 -. 28 mz1 |
| 2 -.09 .13 1 -.64 .16 .20 -2.18 107 .0316 .3572 +. 28 mz1 |
| 1 -.02 .16 2 -.25 .15 .67 .22 3.06 110 .0027 .7740 +. 29 mz2 |
| 2 -.71 .15 1 -.53 .16 -.67 .22 -3.06 110 .0027 .7740 -. 29 mz2 |
| 1 .43 .15 2 -.28 .12 .19 -1.78 104 .0785 .2751 -. 30 mz3 |
| 2 .77 .12 1 -.07 .15 .39 .19 1.78 104 .0785 .2751 +. 30 mz3 |
| 1 .19 .16 2 .13 -.39 .20 .00 105 1.000 .6715 .00 31 mz4 |
| 2 .19 .13 1 .06 .16 .20 .00 105 1.000 .6715 .00 31 mz4 |
| 1 .89 .15 2 .07 .12 .25 .19 1.39 105 .1673 .2168 +. 32 mz5 |
| 2 .62 .12 1 -.02 .15 -.25 .19 -1.39 105 .1673 .2168 -. 32 mz5 |
| 1 .41 .15 2 -.09 .12 .20 .13 105 .8940 .7484 +. 33 mz6 |
| 2 .38 .12 1 .36 .15 .13 .20 -.13 105 .8940 .7484 -. 33 mz6 |
| 1 .95 .15 2 -.71 .12 -.13 .19 .59 104 .5559 .8511 -. 34 mz7 |
| 2 .84 .12 1 -.02 .15 -.09 .19 -.59 104 .5559 .8511 +. 34 mz7 |
| 1 -.22 .17 2 .77 .16 .23 2.43 109 .0165 .4728 +. 35 mz8 |
| 2 -.78 .16 1 .43 .17 .09 .23 -2.43 109 .0165 .4728 -. 35 mz8 |
| 1 .62 .15 2 .19 .12 .44 .19 -.54 104 .5928 .7791 -. 36 mz9 |
| 2 .72 .12 1 .19 .15 -.44 .19 .54 104 .5928 .7791 +. 36 mz9 |
| 1 -1.07 .21 2 .62 .19 .69 .28 1.67 109 .0980 .0220 +. 37 lm1 |
| 2 -1.53 .19 1 .89 .21 -.69 .28 -1.67 109 .0980 .0220 -. 37 lm1 |
| 1 -.98 .20 2 .38 .18 -.34 .27 1.53 108 .1285 .0068 +. 38 lm2 |
| 2 -1.40 .18 1 .41 .20 .34 .27 -1.53 108 .1285 .0068 -. 38 lm2 |
| 1 -.90 .20 2 .84 .16 .00 .26 .00 105 1.000 .0803 +. 39 lm3 |
| 2 -.90 .16 1 .95 .20 .00 .26 .00 105 1.000 .0803 -. 39 lm3 |
| 1 -.67 .19 2 -.78 .14 .27 .24 -1.38 103 .1702 .3938 .00 40 lm4 |
| 2 -.35 .14 1 -.22 .19 -.27 .24 1.38 103 .1702 .3938 .00 40 lm4 |
| 1 -.34 .18 2 .72 .13 .03 .22 -1.56 103 .1223 .6584 +. 41 lm5 |
| 2 .00 .13 1 .62 .18 -.03 .22 1.56 103 .1223 .6584 -. 41 lm5 |
| 1 .00 .16 2 -1.53 .14 .11 .22 1.98 108 .0501 .4337 +. 42 lm6 |
| 2 -.43 .14 1 -1.07 .16 -.11 .22 -1.98 108 .0501 .4337 -. 42 lm6 |
| 1 .19 .16 2 -1.40 .12 .56 .20 -.51 104 .6122 .7005 +. 43 lm7 |
| 2 .29 .12 1 -.98 .16 -.56 .20 .51 104 .6122 .7005 -. 43 lm7 |
| 1 -.16 .17 2 -.90 .13 -.10 .21 -1.31 103 .1915 .8142 +. 44 lm8 |
| 2 .12 .13 1 -.90 .17 .10 .21 1.31 103 .1915 .8142 -. 44 lm8 |
| 1 -1.07 .21 2 -.35 .17 .47 .27 .76 107 .4501 .1978 .00 45 lm9 |
| 2 -1.27 .17 1 -.67 .21 -.47 .27 -.76 107 .4501 .1978 .00 45 lm9 |
| 1 -.22 .17 2 .00 .15 .42 .22 1.20 107 .2327 .9128 +. 46 ia1 |
| 2 -.49 .15 1 -.34 .17 -.42 .22 -1.20 107 .2327 .9128 -. 46 ia1 |
| 1 -.37 .18 2 -.43 .15 .00 .23 .79 107 .4298 .6093 -. 47 ia2 |
| 2 -.55 .15 1 .00 .18 .00 .23 -.79 107 .4298 .6093 +. 47 ia2 |
| 1 -.47 .18 2 .29 .15 -.33 .23 .28 106 .7805 .5171 -. 48 ia3 |
| 2 -.53 .15 1 .19 .18 .33 .23 -.28 106 .7805 .5171 +. 48 ia3 |
| 1 -.33 .18 2 .12 .14 -.34 .22 .00 105 1.000 .5079 +. 49 ia4 |
-.16 .34
[email protected] -1.27 .43
-1.07 -.43
-.49 -.10
-.22 .10
-.55 -.28
-.37 .28
-.53 .21
-.47 -.21
-.33 .27
-.27
.18
-.18
.07
-.07
.00

31

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

|2 -.33 .14 1 -.33 .18 .00 .22 .00 105 1.000 .5079 -. 49 ia4 |
|
|1 -.25 .17 2 -.19 .14 -.06 .22 -.25 105 .8005 .0195 +. 50 ia5 |
|
|2 -.19 .14 1 -.25 .17 .06 .22 .25 105 .8005 .0195 -. 50 ia5 |
|
|1 -.50 .18 2 -.62 .15 .12 .24 .51 106 .6115 .3003 +. 51 ia6 |
|
|2 -.62 .15 1 -.50 .18 -.12 .24 -.51 106 .6115 .3003 -. 51 ia6 |
|
|1 -.53 .18 2 -.23 .14 -.30 .23 -1.32 103 .1895 .8632 +. 52 ia7 |
|
|2 -.23 .14 1 -.53 .18 .30 .23 1.32 103 .1895 .8632 -. 52 ia7 |
|
|1 -.53 .18 2 -.18 .14 -.36 .23 -1.57 103 .1194 .4720 -. 53 ia8 |
|
|2 -.18 .14 1 -.53 .18 .36 .23 1.57 103 .1194 .4720 +. 53 ia8 |
|
| 1 -.44 .18 2 .08 .13 -.52 .22 -2.35 101 .0206 .4459 -. 54 ia9 |
|
|2 .08 .13 1 -.44 .18 .52 .22 2.35 101 .0206 .4459 +. 54 ia9 |
|
|1 .59 .15 2 .52 .12 .07 .19 .36 105 .7176 .2869 -. 55 vr1 |
|
|2 .52 .12 1 .59 .15 -.07 .19 -.36 105 .7176 .2869 +. 55 vr1 |
|
|1 .26 .16 2 .49 .12 -.23 .20 -1.18 104 .2397 .1204 -. 56 vr2 |
|
|2 .49 .12 1 .26 .16 .23 .20 1.18 104 .2397 .1204 +. 56 vr2 |
|
|1 .66 .15 2 1.10 .12 -.44 .19 -2.30 104 .0233 .2438 -. 57 vr3 |
|
| 2 1.10 .12 1 .66 .15 .44 .19 2.30 104 .0233 .2438 +. 57 vr3 |
|
|1 .21 .16 2 .54 .12 -.33 .20 -1.65 103 .1028 .1691 -. 58 vr4 |
|
|2 .54 .12 1 .21 .16 .33 .20 1.65 103 .1028 .1691 +. 58 vr4 |
|
|1 .29 .16 2 .42 .12 -.14 .20 -.69 104 .4910 .3156 -. 59 vr5 |
|
|2 .42 .12 1 .29 .16 .14 .20 .69 104 .4910 .3156 +. 59 vr5 |
|
|1 .16 .16 2 .66 .12 -.50 .20 -2.54 103 .0127 .2172 -. 60 vr6 |
|
|2 .66 .12 1 .16 .16 .50 .20 2.54 103 .0127 .2172 +. 60 vr6 |
|
|1 .16 .16 2 .76 .12 -.60 .20 -3.03 102 .0031 .0384 -. 61 vr7 |
|
|2 .76 .12 1 .16 .16 .60 .20 3.03 102 .0031 .0384 +. 61 vr7 |
|
|1 .24 .16 2 .58 .12 -.34 .20 -1.74 103 .0847 .7630 +. 62 vr8 |
|
|2 .58 .12 1 .24 .16 .34 .20 1.74 103 .0847 .7630 -. 62 vr8 |
|
|1 .08 .16 2 .30 .12 -.22 .20 -1.08 104 .2809 .4136 +. 63 vr9 |
|
|2 .30 .12 1 .08 .16 .22 .20 1.08 104 .2809 .4136 -. 63 vr9 |
|
|1 .91 .15 2 .88 .12 .03 .19 .13 104 .8930 .0949 -. 64 na1 |
|
|2 .88 .12 1 .91 .15 -.03 .19 -.13 104 .8930 .0949 +. 64 na1 |
|
|1 .84 .15 2 .84 .12 .00 .19 .00 104 1.000 .0215 -. 65 na2 |
|
|2 .84 .12 1 .84 .15 .00 .19 .00 104 1.000 .0215 +. 65 na2 |

|1 1.02 .15 2 1.29 .12 -.26 .19 -1.38 105 .1716 .1545 -. 66 na3

|2 1.29 .12 1 1.02 .15 .26 .19 1.38 105 .1716 .1545 +. 66 na3

|1 .44 .15 2 .44 .12 .00 .20 .00 105 1.000 .8421 -. 67 na4

|2 .44 .12 1 .44 .15 .00 .20 .00 105 1.000 .8421 +. 67 na4

|1 .71 .15 2 .76 .12 -.05 .19 -.28 104 .7819 .8264 +. 68 na5

|2 .76 .12 1 .71 .15 .05 .19 .28 104 .7819 .8264 -. 68 na5

|1 .68 .15 2 .81 .12 -.13 .19 -.68 104 .4958 .8861 -. 69 na6

|2 .81 .12 1 .68 .15 .13 .19 .68 104 .4958 .8861 +. 69 na6

|1 .08 .16 2 -.10 .13 .19 .21 .89 106 .3733 .7418 +. 70 na7

| 2 -.10 .13 1 .08 .16 -.19 .21 -.89 106 .3733 .7418 -. 70 na7

|1 .24 .16 2 -.02 .13 .25 .20 1.24 106 .2194 .4949 -. 71 na8

| 2 -.02 .13 1 .24 .16 -.25 .20 -1.24 106 .2194 .4949 +. 71 na8

|1 .03 .16 2 -.19 .14 .22 .21 1.06 107 .2918 .0719 -. 72 na9

| 2 -.19 .14 1 .03 .16 -.22 .21 -1.06 107 .2918 .0719 +. 72 na9

| 1 -.34 .18 2 .21 .12 -.55 .22 -2.56 101 .0119 .1218 -. 73 kb1

|2 .21 .12 1 -.34 .18 .55 .22 2.56 101 .0119 .1218 +. 73 kb1

|1 .62 .15 2 .49 .12 .12 .19 .63 105 .5305 .9285 +. 74 kb2

|2 .49 .12 1 .62 .15 -.12 .19 -.63 105 .5305 .9285 -. 74 kb2

| 1 1.07 .15 2 .77 .12 .29 .19 1.54 104 .1270 .6393 .00 75 kb3

|2 .77 .12 1 1.07 .15 -.29 .19 -1.54 104 .1270 .6393 .00 75 kb3

|1 -.44 .18 2 -.09 .13 -.35 .22 -1.56 103 .1209 .1145 -. 76 kb4

|2 -.09 .13 1 -.44 .18 .35 .22 1.56 103 .1209 .1145 +. 76 kb4

|1 -.40 .18 2 -.12 .13 -.28 .22 -1.26 103 .2090 .6935 -. 77 kb5

|2 -.12 .13 1 -.40 .18 .28 .22 1.26 103 .2090 .6935 +. 77 kb5

| 1 -.11 .17 2 .36 .12 -.47 .21 -2.27 102 .0255 .1747 -. 78 kb6

|2 .36 .12 1 -.11 .17 .47 .21 2.27 102 .0255 .1747 +. 78 kb6

|1 .24 .16 2 .81 .12 -.58 .20 -2.95 103 .0040 .1063 -. 79 kb7

|2 .81 .12 1 .24 .16 .58 .20 2.95 103 .0040 .1063 +. 79 kb7

|1 1.06 .15 2 1.06 .12 .00 .19 .00 105 1.000 .7045 +. 80 kb8

|2 1.06 .12 1 1.06 .15 .00 .19 .00 105 1.000 .7045 -. 80 kb8

|1 .33 .16 2 .65 .12 -.32 .20 -1.61 103 .1094 .8264 +. 81 kb9

|2 .65 .12 1 .33 .16 .32 .20 1.61 103 .1094 .8264 -. 81 kb9

------------------------------------------------------------------------------------------------

Analisis dijalankan untuk mengesan kewujudan Gender Differential Item Functioning
(GDIF) dalam instrument Kecerdasan Pelbagai (KP). Bagi menganalisis GDIF, Winstep
menjalankan two tailed t-test untuk menguji signifikan perbezaan antara dua kesukaran
indeks. Tahap keyakinan adalah pada 95% dan tahap nilai t kritikal terletak pada nilai ± 2.0

[email protected] 32









PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Taip n dan press enter
8.6 Taip n dan press enter, dan paparan berikut diperolehi

[email protected] 37

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Taip y dan press enter
8.7 Taip y dan klik enter, dan paparan berikut diperolehi

[email protected] 38

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Taip item yang hendak di
delete satu persatu dan
press enter

8.8 Taipkan item reasoning yang hendak di delete satu persatu dan klik enter,
seperti

vl7 enter
kr4 enter
kr6 enter
kr9 enter
ie5 enter
mz2 enter
mz3 enter
ia9 enter
kr7 enter
kb7 enter
0 enter (end)

[email protected] 39

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Contoh item vl7 yang
ditaip dan selepas itu

press enter
Taip item yang hendak di

delete satu persatu dan
press enter

[email protected] 40

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Contoh item vl7 yang
ditaip dan selepas itu

press enter

Taip item yang hendak di
delete satu persatu dan
press enter

Taip 0 dan press enter
setelah tamat menaip
semua item yang hendak di

delete

8.9 Paparan berikut akan diperolehi dan anda boleh melakukan analisis data yang
diperlukan dengan menggunakan diagnosis dan output teble mengikut prosedur
biasa.

[email protected] 41

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

Jumlah item asal sebanyak
81 item

Jumlah item telah berubah
menjadi 74 setelah 7 item

di delete

[email protected] 42

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
8.0 Menukar Txt. File kepada Excel

i.

Text Fail yang akan dibuka
: dif lm.txt

Fail Of Type : All
Files(*.*)

ii.

[email protected] 43

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS
iii.

Pilih Fixed Width
iv

[email protected] 44

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

v. Klik dengan mouse pada ruang antara colum hingga wujud garisan dan klik next

vi. 45
[email protected]

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

vii. Klik next dan paparan excel akan kelihatan. Angka yang berkaitan boleh
dipilih dan boleh di paste pada Msword.

[email protected] 46

PENGENALAN PENGUKURAN RASCH DAN WINSTEPS

[email protected] 47