UPAP secara berkala mengadakan pelatihan kepada mahasiswa untuk meningkatkan keterampilan dalam mengoperasikan software analisis data, baik untuk keperluan di bidang statistika maupun psikometrika. Berikut ini format kegiatannya:

• Peserta adalah sivitas akademika Fakultas Psikologi UGM (S1, S2, S3)
• Keterlibatan peserta dalam kegiatan ini tidak dikenakan biaya
• Oleh karena kemampuan peserta heterogen, peserta bisa memilih modul yang tersedia
• Pelaksanaan kegiatan untuk saat ini dilakukan dengan menggunakan media daring
• Dengan banyaknya peserta yang akan mengikuti kegiatan, praktek software akan dilakukan melalui demonstrasi tahap per tahap
• Kegiatan ini akan direkam dan video kegiatan akan diupload di Channel YouTube UPAP

Sesi 1 : Classical Test Theory

• Analisis Butir Skala (Polytomous)
• Analisis Butir Tes (Binary)
• Interpretasi Hasil Analisis
• Pelaporan Hasil Analisis
• Praktik Materi

Sesi 2 : IRT – Binary Data

• Dimensionalitas (CFA)
• Pelaporan Analisis Dimensionalitas
• Konsep dan Analisis IRT 1-Parameter Logistic
• Konsep dan Analisis IRT 2-Parameter Logistic
• Konsep dan Analisis IRT 3-Parameter Logistic
• Item Characteristic Curve (ICC)
• Item Information Function (IIF)
• Test Characteristic Curve
• Precision of Measurement
• Interpretasi Hasil Analisis
• Praktik Materi

Sesi 3 : IRT – Polytomous Data (Generalized Partial Credit Model)

• Konsep dan Analisis Generalized Partial Credit Model (GPCM)
• Item Characteristic Curve (ICC)
• Item Information Function (IIF)
• Test Characteristic Curve
• Precision of Measurement
• Interpretasi Hasil Analisis
• Praktik Materi

Sesi 4 : IRT – Polytomous Data (Graded Response Model)

• Konsep dan Analisis Graded Response Model (GRM)
• Item Characteristic Curve (ICC)
• Item Category Characteristic Curve
• Item Information Function (IIF)
• Test Characteristic Curve
• Precision of Measurement
• Interpretasi Hasil Analisis
• Praktik Materi

Sesi 1: Manajemen Data dan Statistika Dasar

• Pengenalan Menu Jamovi, JASP, dan R
• Formatting Data (Long dan Wide Data)
• Coding – Decoding
• Simple Data Imputation
• Statistik Deskriptif
• Pelaporan Statistik Deskriptif
• Kategorisasi Data
• Praktik Materi

Sesi 2: Korelasi dan Regresi

• Asumsi dan Matrix Korelasi
• Konsep dan Asumsi Regresi Sederhana
• Konsep dan Asumsi Regresi Berganda
• Pelaporan Regresi Sederhana dan Berganda
• Konsep dan Asumsi Regresi dengan Mediator dan Moderator
• Pelaporan Regresi dengan Mediator dan Moderator
• Visualisasi Hasil Analisis Data
• Interpretasi Hasil
• Praktik Materi

Sesi 3: Uji Komparasi

• Pengenalan Menu Jamovi, JASP, dan R
• Formatting Data (Long dan Wide Data)
• Coding – Decoding
• Simple Data Imputation
• Statistik Deskriptif
• Pelaporan Statistik Deskriptif
• Kategorisasi Data
• Praktik Materi

Sesi 4: Structural Equation Modeling (Covariance-SEM) Dasar

• Konsep Confirmatory Factor Analysis dan Path-Analysis
• Visualisasi Hasil Analisis Data
• Interpretasi Hasil Analisis
• Praktik Materi

CRAN [Link]
Jamovi [Link]
JASP [Link]
Rstudio [Link]