Psikometri Bab a16
-
Upload
universitas-negeri-makassar -
Category
Education
-
view
178 -
download
5
description
Transcript of Psikometri Bab a16
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 komponen
Sekor gabungan : 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
Bobot dapat berbentuk
• Bobot nominal• Bobot efektif
(a) Sekor komposit dengan bobot nominal linier
• Ukuran bobot w1, w2, w3, . . .
dengan w1 + w2 + w3 + . . . = 1 atau 100%
• Sekor komposit
A = w1A1 + w2A2 + w3A3 + . . .
= ΣwuAu
Σwu = 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
εu = indeks kontribusi sekor komponen ke-u
σ2u = variansi sekor komponen ke-u
wu, wv = bobot sekor komponen ke-u, ke-v
σuv = kovariansi di antara sekor komponen ke-u dan ke-v
∑∑
≠
+=
=+++=
vuuvuuuu
uu
ww
A
AAAA
σσε
εεεε
22
332211 ...
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
4. Beberapa Ciri Sekor
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 = w1A1 + w2A2 + w3A3 + . . .
= ΣwuAu
ΣwuAu = 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 = wTAT + wFAF + wSAS
dengan wS terbesar, wF berikutnya, dan wT 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 = wTAT + wUAU
dengan wT = 0,3 atau 30% dan wU = 0,7 atau 70%
Res- Sekor Sekor Bobot Sekor
pon- Komponen 30% 70% Komposit
den AT AU AT AU A
1 20 50 6 35 41
2 40 45 12 31,5 43,5
3 60 60 18 42 60
4 80 55 24 38,5 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 = wTAT + wUAU
dengan wT = 0,3 atau 30% dan wU = 0,7 atau 70%
Res- Sekor Sekor Bobot Sekor
pon- Komponen 30% 70% Komposit
den AT AU AT AU A
1 45 40
2 50 20
3 55 80
4 60 60
------------------------------------------------------------------------------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 = wTAT + wFAF + wSAS
Res- Sekor Sekor Bobot Sekor
pon- Komponen 0,1 0,4 0,5 Komposit
den AT AF AS AT AF AS A
1 85 90 80
2 90 80 70
3 95 95 85
4 90 75 60
5 85 85 80
6 70 75 70
7 75 85 75
8 80 90 85
9 80 85 80
------------------------------------------------------------------------------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 = wTAT + wFAF + wSAS
Res- Sekor Sekor Bobot Sekor
pon- Komponen 0,1 0,4 0,5 Komposit
den AT AF AS AT AF AS A
1 8 9 8
2 9 8 7
3 9 9 8
4 9 7 6
5 8 8 8
6 7 7 7
7 7 8 7
8 8 9 8
9 8 8 8
------------------------------------------------------------------------------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 = wTAT + wFAF + wSAS
A = 4, B = 3, C = 2, D = 1, E = 0 Res- Sekor Sekor Bobot Sekor
pon- Komponen 0,1 0,4 0,5 Komposit
den AT AF AS AT AF AS A
1 A A B
2 B A C
3 A A B
4 B C D
5 B B B
6 E C C
7 D B C
8 C A B
9 C B B
------------------------------------------------------------------------------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 = wXAX + wYAY
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Contoh 6
Res- Sekor Sekor Bobot Sekor
pon- Komponen 5% 95% komposit
den AX AY AX AY A
1 50 (1) 90 2,5 85,5 88 (1)
2 60 (2) 90 3 85,5 88,5 (2)
3 70 (3) 90 3,5 85,5 89 (3)
4 80 (4) 90 4 85,5 89,5 4)
µ 65 90 88,75
σ2 125 0 0,31
variansi bobot
Sekor Komponen X 125 5%
Sekor Komponen Y 0 95%
Peringkat sekor komposit A mengikuti peringkat sekor komponen X
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Contoh 7
Res- Sekor Sekor Bobot Sekor
pon- Komponen 30% 70% komposit
den AX AY AX AY A
1 20 (1) 50 (2) 6 35 41 (1)
2 40 (2) 45 (1) 12 31,5 43,5 (2)
3 60 (3) 60 (4) 18 42 60 (3)
4 80 (4) 55 (3) 24 38,5 62,5 (4)
µ 50 52,5 51,75
σ2 500 31,25 91,81
variansi bobot
Sekor Komponen X 500 30%
Sekor Komponen Y 31,5 70%
Peringkat sekor komposit A mengikuti peringkat sekor komponen X
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Contoh 8
Res- Sekor Sekor Bobot Sekor
pon- Komponen 30% 70% komposit
den AX AY AX AY A
1 45 (1) 40 (2) 13,5 28 41,5 (2)
2 50 (2) 20 (1) 15 14 29 (1)
3 55 (3) 80 (4) 16,5 56 72,5 (4)
4 60 (4) 60 (3) 18 42 60 (3)
µ 52,5 50 50,75
σ2 31,25 500 279,31
variansi bobot
Sekor Komponen X 31,25 30%
Sekor Komponen Y 500 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 = w1TNB1 + w2TNB2 + w3TNB3 + . . .
= ΣwuTNBu
Σwu = 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 = 10z + 50
TNBX = (10)(22,36) + 50
TNBY = (10)(5,59) + 50
sehingga
Resp Sekor Komponen Sekor TNB
AX AY TNBX TNBY
1 20 (1) 50 (2) 48,58 45,53
2 40 (2) 45 (1) 45,53 36,58
3 60 (3) 60 (4) 54,47 63,42
4 80 (4) 55 (3) 63,42 54,47
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Dengan sekor TNB dan bobot dihasilkan sekor komposit
Res- Sekor TNB Sekor Bobot Sekor
pon- Komponen 30% 70% komposit
den AX AY AX AY A
1 48,58 45,53 14,57 31,87 46,44 (2)
2 45,53 36,58 13,66 25,61 27,27 (1)
3 54,47 63,42 16,34 44,39 60,73 (4)
4 63,42 54,47 19,03 38,13 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 = ε1A1 + ε2A2 + ε3A3 + . . .
ΣεuAu
εu = w2uσ2
u + wuΣwvσuv untuk u ≠ v
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
2. Sekor Komposit Nilai Baku
Jika kita menggunakan nilai baku maka
• Variansi σ2u = 1 dan
• Kovariansi σuv = ρuv (koefisien korelasi)
sehingga
εu = w2u + wuΣwvρuv
3. Sekor Komposit Nilai Baku Bobot Satu
Jika bobot wu = 1, maka indeks kontribusi
εu = 1 + Σρuv untuk u ≠ v
dan untuk dua sekor komponen 1 dan 2
ε1 = 1 + ρ12
ε2 = 1 + ρ21
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
D. Koefisien Reliabilitas pada Sekor Komposit
1. Reliabilitas pada Selisih Sekor
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
ρSL = koefisien reliabilitas selisih sekor
ρ11 = koefisien reliabilitas sekor 1
ρ22 = koefisien reliabilitas sekor 2
ρ12 = koefisien korelasi di antara sekor 1 dan sekor 2
Koefisien reliabilitas selisih sekor ditentukan oleh korelasi di antara kedua sekor itu
12
122211
12
ρ
ρρρ
ρ−
−+
=SL
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Contoh 10
Misalkan ρ11 = 0,86 dan ρ22 = 0,80 sehingga rerata mereka adalah 0,83. Berikut adalah koefisien reliabilitas selisih sekor 1 – sekor 2 untuk berbagai harga koefisien korelasi ρ12.
ρ12 ρrel
0,83 0,00
0,80 0,15
0,70 0,43
0,60 0,58
0,50 0,67
0,40 0,72
0,30 0,76
0,20 0,79
0,10 0,81
0,00 0,83
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Pembahasan
Sekor 1 dan sekor 2 masing-masing mengandung sekor tulen dan sekor keliru
A1 = T1 + K1
A2 = T2 + K2
sehingga selisih mereka adalah
Asel = A1 – A2 = (T1 – T2 ) + (K1 – K2)
Koefisien korelasi tinggi berarti bahwa T2 T1 atau
(T1 – T2) 0,
sehingga koefisien reliabilitas ρrel ditentukan oleh sekor keliru (K1 – K2) yang acak dengan akibat
ρrel 0
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
2. Reliabilitas pada Jumlah Dua Sekor
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
ρrel = koefisien reliabilitas jumlah sekor
ρ11 = koefisien reliabilitas sekor 1
ρ22 = koefisien reliabilitas sekor 2
ρ12 = koefisien korelasi di antara sekor 1 dan 2
Makin besar koefisien korelasi ρ12 makin besar koefisien reliabilitas gabungan dua sekor
12
2211
2
21
ρρρρ
++−−= )(
rel
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Contoh 11
Misalkan ρ11 = 0,86 dan ρ22 = 0,80 maka untuk berbagai harga koefisien korelasi di antara sekor 1 dan sekor 2, koefisien reliabilitas gabungan sekor adalah
ρ12 ρrel
1,0 0,89
0,8 0,88 Makin tinggi koefisien
0,6 0,87 korelasi ρ12 makin tinggi
0,4 0,86 koefisien reliabilitas gabungan
0,2 0,85 ρrel
0,0 0,83
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
korelasikoefisienrerata
asreliabilitkoefisienrerata
kkk
kkrel
=
=
−+−−=
12
11
122
111
ρ
ρ
ρρρ)(
)(
------------------------------------------------------------------------------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
39,0
75,03
80,075,070,0
12
11
=
=++=
ρ
ρ
86,0
14,01
)39,0)(33(3
)75,0)(3(31
2
=−=
−+−−=relρ
------------------------------------------------------------------------------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
Batas seleksi
Rasio seleksi
Batas sukses
Sekor prediktor
Angka hitAngka dasar
Sekor kriteria
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Dalam bentuk diagram, berbagai besaran itu adalah sebagai berikut
Batas seleksi
Rasio seleksi
Batas sukses
Sekor prediktor
Angka hitAngka dasar
Sekor kriteria
------------------------------------------------------------------------------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 = b1z1 + b2z2 + b3z3 + . . . + bkzk
dengan b1, b2, b3, . . . , bk sebagai bobot
• Untuk dua sekor subujian berbobot sama, bentuknya menjadi
z’Y = z1 + z2
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Contoh 13
Dalam bentuk nilai baku, sekor seleksi terdiri atas dua subsekor berbobot sama
z’Y = z1 + z2 dengan batas seleksi z’Y = – 1,0
sehingga secara diagram
2,0
1,0
0,0
– 1,0
– 2,0
– 2,0 – 1,0 0,0 1,0 2,0
ditolak
diterima
------------------------------------------------------------------------------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-beda
• 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 z1 = z2 = – 1,0
sehingga secara diagram
2,0
1,0
0,0
– 1,0
– 2,0
– 2,0 – 1,0 0,0 1,0 2,0
diterima
------------------------------------------------------------------------------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
1,0
0,0
– 1,0
– 2,0
– 2,0 – 1,0 0,0 1,0 2,0
C
B
ED
A
------------------------------------------------------------------------------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 gagal
sukses a b
Kenyataan
gagal c d
dcba
babdasarAngka
dcba
dahhitAngka
++++=
++++=
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Batas 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 48
gagal 3 46 49
Jumlah 97
Angka hit = (28 + 46)/ 97
= 72/97
= 74,2%
------------------------------------------------------------------------------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 gagal
Kriteria sukses 42 6 48
gagal 11 38 49
Jumlah 97
Angka hit = (42 + 38)/97 = 80/97 = 82,5%
Angka hit tertinggi pada batas seleksi = 16
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
-----------------------------------------------------------------------------
5. Seleksi Penerimaan Menurut Tabel Taylor-Russel
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
ρXX 0,05 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,95
0,00 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50
0,05 0,54 0,54 0,53 0,52 0,52 0,52 0,51 0,51 0,51 0,50 0,50
0,10 0,58 0,57 0,56 0,55 0,54 0,53 0,53 0,52 0,51 0,51 0,50
0,15 0,63 0,61 0,58 0,57 0,56 0,55 0,54 0,53 0,52 0,51 0,51
0,20 0,67 0,64 0,61 0,59 0,58 0,56 0,55 0,54 0,53 0,52 0,51
0,25 0,70 0,67 0,64 0,62 0,60 0,58 0,56 0,55 0,54 0,52 0,51
0,30 0,74 0,71 0,67 0,64 0,62 0,60 0,58 0,56 0,54 0,52 0,51
0,35 0,78 0,74 0,70 0,66 0,64 0,61 0,59 0,57 0,55 0,53 0,51
0,40 0,82 0,78 0, 73 0,69 0,66 0,63 0,61 0,58 0,56 0,53 0,52
0,45 0,85 0,81 0,75 0,71 0,68 0,65 0,62 0,59 0,56 0,53 0,52
0,50 0,88 0,84 0,78 0,74 0,70 0,67 0,63 0,60 0,57 0,54 0,52
0,55 0,91 0,87 0,81 0,76 0,72 0,69 0,65 0,61 0,58 0,54 0,52
0,60 0,94 0,90 0,84 0,79 0,75 0,70 0,66 0,62 0,59 0,54 0,52
0,65 0,96 0,92 0,87 0,82 0,77 0,73 0,98 0,64 0,59 0,55 0,52
0,70 0,98 0,95 0,90 0,85 0,80 0,75 0,70 0,65 0,60 0,55 0,53
0,75 0,99 0,97 0,92 0,87 0,82 0,77 0,72 0,66 0,61 0,55 0,53
0,80 1,00 0,99 0,95 0,90 0,85 0,80 0,73 0,67 0,61 0,55 0,53
0,85 1,00 0,99 0,97 0,94 0,88 0,82 0,76 0,69 0,62 0,55 0,53
0,90 1,00 1,00 0,99 0,97 0,92 0,86 0,78 0,70 0,62 056 0,53
0,95 1,00 1,00 1,00 0,99 0,96 0,90 0,81 0,71 0,63 0,56 0,53
1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,83 0,71 0,63 0,56 0,53
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Tabel Taylor-Russel
Angka dasar 0,60
ρXX 0,05 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,95
0,00 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60 0,60
0,05 0,64 0,63 0,63 0,62 0,62 0,62 0,61 0,61 0,61 0,60 0,60
0,10 0,68 0,67 0,65 0,64 0,64 0,63 0,63 0,62 0,61 0,61 0,60
0,15 0,71 0,70 0,68 0,67 0,66 0,65 0,64 0,63 0,62 0,61 0,61
0,20 0,75 0,73 0,71 0,69 0,67 0,66 0,65 0,64 0,63 0,62 0,61
0,25 0,78 0,76 0,73 0,71 0,69 0,68 0,66 0,65 0,63 0,62 0,61
0,30 0,82 0,79 0,76 0,73 0,71 0,69 0,68 0,66 0,64 0,62 0,61
0,35 0,85 0,82 0,78 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,62
0,40 0,98 0,85 0,81 0,78 0,75 0,73 0,70 0,68 0,66 0,63 0,62
0,45 0,90 0,87 0,83 0,80 0,77 0,74 0,72 0,69 0,66 0,64 0,62
0,50 0,93 0,90 0,86 0,82 0,79 0,76 0,73 0,70 0,67 0,64 0,62
0,55 0,95 0,92 0,88 0,84 0,81 0,78 0,75 0,71 0,68 0,64 0,62
0,60 0,96 0,94 0,90 0,87 0,83 0,80 0,76 0,73 0,69 0,65 0,63
0,65 0,98 0,96 0,92 0,89 0,85 0,82 0,78 0,74 0,70 0,65 0,63
0,70 0,99 0,97 0,94 0,91 0,87 0,84 0,80 0,75 0,71 0,66 0,63
0,75 0,99 0,99 0,96 0,93 0,90 0,86 0,81 0,77 0,71 0,66 0,63
0,80 1,00 0,99 0,98 0,95 0,92 0,88 0,83 0,78 0,72 0,66 0,63
0,85 1,00 1,00 0,99 0,97 0,95 0,91 0,86 0,80 0,73 0,66 0,63
0,90 1,00 1,00 1,00 0,99 0,97 0,94 0,88 0,82 0,74 0,67 0,63
0,95 1,00 1,00 1,00 1,00 0,99 0,97 0,92 0,84 0,75 0,67 0,63
1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,86 0,75 0,67 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
Sekor prediktor AX
•
••
•• •
••
••
•ÂY
AX
estimasi
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
-----------------------------------------------------------------------------
Kekeliruan estimasi
Selisih di antara sekor kriteria AY dengan sekor estimasi ÂY merupakan kekeliruan estimasi
Keliru estimasi = AY – ÂY
•AY
ÂY
regresi
sekor prediktor
sekor kriteria
estimasi
Kekeliruan estimasi
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
ρVal = koefisien validitas
zAY = nilai baku AY
zÂY = nilai baku ÂY
aY = AY – µAY yakni nilai simpangan
âY = ÂY – µAY yakni nilai simpangan
XAX
AYvalY
AX
Xval
AY
Y
AXvalYA
aa
aa
zz
σσρ
σρ
σ
ρ
=
=
=
ˆ
ˆˆ
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Kekeliruan baku estimasi menjadi
[ ]
22
22
22222
22
222
2
2
22
2
2
2
2
22
11
1
2
2
2
1
1
1
1
valkritvalAYest
valAY
valAYvalAYAY
AYAXvalAX
AYvalAX
AX
AYvalAY
YX
AX
AYval
X
AX
AYval
Y
XAX
AYvalY
YY
AYYAYY
YYest
M
aa
M
a
M
a
aaM
aaM
aaM
AAM
ρσρσσ
ρσρσρσσ
σσρσσρσ
σσρσ
σσρ
σσρ
σσρ
µµ
σ
−=−=
−=
−+=
−+=
−+=
−=
−=
+−+=
−=
∑∑∑
∑
∑
∑
∑
)(
)ˆ(
ˆ()(
)ˆ(
------------------------------------------------------------------------------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
diterima
batas seleksi
diterima
AX
AY
------------------------------------------------------------------------------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
diterima
batas seleksi
diterima
AX
AY
------------------------------------------------------------------------------Skor Komposit dan Seleksi
------------------------------------------------------------------------------
• Dari bentuk
dapat diturunkan
• Karena hanya sebagian yang diterima maka σ2est
menjadi kecil atau menciut sehingga ρval membesar
Koefisien validitas menjadi overestimasi
222 1 valkritest ρσσ −=
2
2
1krit
estval σ
σρ −=
------------------------------------------------------------------------------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
AX
Batas sukses
Batas seleksi
Angka hit
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
• Batas sukses minimum ditentukan sebesar zc sehingga pada batas sukses minimum
z’Y = zc
• Regresi yang dihasilkan oleh validitas kriteria
z’Y = ρval zX
AY
AX
zc
zX
z’Y = zc
rasio sukses
rasio gagal
Batas sukses
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
-----------------------------------------------------------------------------
• Nilai baku rasio sukses adalah zp dan
• Selanjutnya dari z’Y = ρval zX ditemukan bahwa batas seleksi zX adalah
2
2
1
1
valpcY
val
Yc
est
Ycp
zzz
sehingga
zzzzz
ρ
ρσ
−−=
−−=−=
'
''
val
valpc
val
YX
zzzz
ρρ
ρ
21−−== '
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
C0ntoh 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 ρval =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 zX adalah
542
600
60012821500
1
2
2
,
,
,),(,
=
−−−=
−−=
val
alpcX
zzz
ρρ
------------------------------------------------------------------------------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 ρval = 0,70, maka
zp =
dan nilai baku batas seleksi adalah
zX =
------------------------------------------------------------------------------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 dan 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 (A ≥ M + 0,7 σ)Superior (A ≥ M + 0,9 σ)Good (A ≥ M + 1,1 σ)Fair (A ≥ M + 1,3 σ)Average (A ≥ M + 1,5 σ)Weak (A ≥ M + 1,7 σ)Poor (A ≥ M + 1,9 σ)
M = median σ = simpangan baku
-----------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
(c) Pemberian nilai
Pemberian nilai A, B, C, D, dan F berbeda untuk tiap kategori
Kategori exceptional
M + 0,7 σ ≤ A
M – 0,3 σ ≤ B < M + 0,7 σM – 1,3 σ ≤ C < M – 0,3 σM – 2,3 σ ≤ D < M – 1,3 σ F < M – 2,3 σ
Kategori superior
M + 0,9 σ ≤ A
M – 0,1 σ ≤ B < M + 0,9 σM – 1,1 σ ≤ C < M – 0,1 σM – 2,1 σ ≤ D < M – 1,1 σ F < M – 2,1 σ
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Kategori good
M + 1,1 σ ≤ A
M + 0,1 σ ≤ B < M + 1,1 σM – 0,9 σ ≤ C < M + 0,1 σM – 1,9 σ ≤ D < M – 0,9 σ F < M – 1,9 σ
Kategori fair
M + 1,3 σ ≤ A
M + 0,3 σ ≤ B < M + 1,3 σM – 0,7 σ ≤ C < M + 0,3 σM – 1,7 σ ≤ D < M – 0,7 σ F < M – 1,7 σ
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Kategori average
M + 1,5 σ ≤ A
M + 0,5 σ ≤ B < M + 1,5 σM – 0,5 σ ≤ C < M + 0,5 σM – 1,5 σ ≤ D < M – 0,5 σ F < M – 1,5 σ
Kategori weak
M + 1,7 σ ≤ A
M + 0,7 σ ≤ B < M + 1,7 σM – 0,3 σ ≤ C < M + 0,7 σM – 1,1 σ ≤ D < M – 0,3 σ F < M – 1,3 σ
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
Kategori poor
M + 1,9 σ ≤ A
M + 0,9 σ ≤ B < M + 1,9 σM – 0,1 σ ≤ C < M + 0,9 σM – 1,1 σ ≤ D < M – 0,1 σ F < M – 1,1 σ
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 C- F
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 C- D 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 C- D 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 S- U
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 Nilai Bobot 4,0 3,7 3,0 2,7 0,0 49 H HP P LP U/F 50 H HP P F 51 Dist High Pass Pass Low Pass F 52 H HP P U
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
VI. Tipe lulus/gagal (satu atau lebih nilai lulus)
Sandi Nilai
55 lulus/gagal : HP dan P, F
56 lulus.gagal : H dan P, F
57 lulus/gagal : HP dan P, N/NC
58 lulus/gagal : H dan P, U
59 Tipe lulus/gagal lainnya dengan dua nilai lulus
60 lulus/gagal : P, F
61 lulus/gagal : Sat, U
62 lulus/gagal : CR, NC
63 lulus/gagal : S, U
64 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 1,0 0,7 0,0
65 100- 92- 89- 86- 82- 79- 76- 72- 69- 66- 62- 59-
93 90 87 83 80 77 73 70 67 63 60 0
66 100- 89- 79- 69- 59-
90 80 70 60 0
67 100- 93- 89- 84- 74- 69-
94 90 85 75 70 0
68 100- 89- 79- 69- 64-
90 80 70 65 0
69 100- 92- 84- 76- 69-
93 85 77 70 0
70 100- 92- 83- 74- 69-
93 84 75 70 0
71 100- 89- 79- 75- 69- 59-
90 80 76 70 60 0
72 100- 89- 84- 79- 74- 69-
90 85 80 75 70 0
73 Sistem nilai numerik lainnya – tipe persen
------------------------------------------------------------------------------Sekor Komposit dan Seleksi
------------------------------------------------------------------------------
VIII. Tipe Numerik – Persen
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
74 4,0 3,7 3,3 3,0 2,7 2,3 2,0 1,7 1,3 1,0 0,7 0,0
77 1 2 3 4 5
79 4,0 3,0 2,0 1,0 0,0
80 1+, 1 1- 2+ 2 2- 3+ 3 3- 4+ 4 4- 5/6
81 3,0 2,0 1,0 0,0
82 Sistem nilai numerik lainnya – 4,0 atau tipe integer
IX. Sistem Nilai Tipe Numerik (Tipe 4,0 dengan nilai setengah langkah)
Sandi Nilai
Bobot 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0
76 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0
78 4,0 3,5 3,0 2,5 2,0 1,0 0,0
75 Skala 4,0 sinambungan (4,0 sampai 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 1,3 1,0 0,7 0,0
83 9 8 7 6 5 4 3 2, 1
84 10, 9 8 7 6 5 4 3 2 1 0
85 100- 86- 79- 75- 72- 69- 65- 62- 59- 55- 52- 49-
87 80 76 73 70 66 63 60 56 53 50 0
86 100- 83- 74- 71- 68- 65- 63- 61- 59- 55- 52- 49-
84 75 72 69 66 64 62 60 56 53 50 0
87 100- 86- 79- 74- 69- 64- 59- 54- 49-
87 80 75 70 65 60 55 50 0
88 100- 86- 79- 74- 69- 64- 61- 58- 54- 51- 47- 44-
87 80 75 70 65 62 59 55 52 48 45 0
89 Sistem nilai numerik lainnya – Kanada