You are on page 1of 4

ModelRaschCampurandalamTeoriResponsButir

OlehWahyuWidhiarso|FakultasPsikologiUGM ManuskripTidakDipublikasikan,Tahun2010 AkhirnyasayabacajugatulisanJuergenRost(1997)tentangModelRaschCampuran(LogisticMixture Models),setelahsekiankalisayahindari.Sayatidakinginterlalukeluardariapayangsayateliti.Literatur literaturyangadarupanyamemaksasayauntukmembacatulisanini.Darijudulnyasajasudahmembuat pusing,LogisticMixtureModels.Bagisaya,katamixturememilikinilaikonotasibahwadidalamnyaada sesuatuyangkompleksdannjlimet.Namunsetelahsayamengikutinyamixtureyanginitidakseberapa kompleksyangsayakira(mencobamenyemangatidiri).Karenasayapemuladalamtemaini,membaca artikelinisajasepertinyatidakcukup,makasayamencobamencariartikelartikellainyangterkait.Berikut inirangkumanyangsayadapatkan. Artikeliniberbicaratentangsalahsatuanakteoriresponsbutir(IRT)yangmemilikikeunikandarisisi pelibatankarakteristiksampeldalamanalisis.Terkadangadanyaperbedaankarakteristikpopulasi menyebabkanhasilestimasiparameterbutirberbeda.Nah,modelyangjugadinamakandenganModel RaschCampuran(mixturedistributionmodels/MDM)denganmemfasilitasihalini.Mengaplikasikanmodel iniakanmenghasilkanparameterbutirdanabilitas/traityangtidakberlakupadasemuasampelakantetapi hanyapadasampeldengankarakteristiktertentu.Misalnyaberdasarkanjeniskelamin,usia,kelas.Model RaschcampuranmerupakanperluasandarimodelRaschtradisionalyangsekaligusmendiagnostik perbedaantingkatkesulitanantarkelompokpopulasi.ModelRaschcampuranmemungkinkanuntuk membandingkanperformansiyangberbedaberadasarkankarakteristikpopulasilatenyangberbedapula. PerlunyaModelRaschCampuran JrgenRost,Carstensen,&vonDavier(1997)penelitiananalisisfaktoruntukmengidentifikasistruktur kepribadiantelahmengungkapkanlimafaktorbesar,yangdisebutBigFive.Duafaktordidalamnyayaitu extraversiondanneurotisismemasukdalamtigafaktor(GiantThree)dalam'smodelEysenck. JrgenRostetal.(1997)menambahkanbahwabangkitnyaparadigmaanalisisfaktordalampenelitian kepribadiantelahmengabaikantopikyangdiangkatolehBemdanAllen(1974)dalamartikelprovokatifnya yangberjudul"onpredictingsomeofthepeoplesomeofthetime".Merekamengatakanbahwaciriatau sifatkepribadianmungkinmemilikidayaprediksiyangtergantungpadabagaimanaorangmenilaisecara konsistensifatyangberhubungandenganperilakusendiri. Secarakebetulan,tulisJrgenRostetal.(1997)hasilstudiempirismenunjukkanbahwaadaduafaktorBig Fiveyangsangatberhubunganyaituagreeablenessandconscientiousness.Olehkarenaitu,muncullah pertanyaanwhetherornottheBigFivepersonalityfactorsturnouttobescalabletraitsforallindividuals, whenanalyzedwithalatenttraitmodelaccountingfordifferentialscalabilityinlatentsubpopulations. Terjemahannyakuranglebihbegini,apakahfaktorkepribadianBigFivedapatmenjadisifatyangterskala untuksemuaindividu,ketikadianalisisdenganmodelsifatlatenyangmengakomodasiadanyaskalabilitas yangberbedabedapadasubpopulasilaten. DarisinilahmunculModelRaschcampuranyangmampumengidentifikasisubpopulasidariindividu individudimanamodelRaschditerapkan,namundengansetparametermodelyangberbedadiantarasub populasi MengutippernyataanGlck&Spiel(1997),merekamengatakanbahwaModelRaschCampuranadalah upayauntukmengintegrasikananalisiskelaslatendanmodelRasch.IdedasarnyaadalahjikamodelRasch tidakmampumembuktikandatayangdianalisissesuaidenganteoriyangdiacu(theoreticalconsiderations), makapenyebabnyabisajadidikarenakansampelnyaheterogen.Aliasadaduaataulebihsubkelompok

1|ModelRaschCampurandalamTeoriResponsButir|WahyuWidhiarso2010

(kelas)sampelsehinggaperlumenggunakanperspektifmodeldistribusicampuran(mixturedistribution model).DalammasingmasingkelaskemungkinanbesarmodelRaschakanmampumembuktikan. Iniberartibahwabutirbutirskalatelahmengukursecaraterarah(unidimensional)padasampel,namun modelRaschmampumembuktikan(tidakfit)karenasampeltersebutterstratifikasisecaralatenmenjadi kelaskelas,akibatnyadalamadaperbedaantingkatkesulitanitemantarkelas.Olehkarenaitu,perbedaan dimensiabilitaslatendiukurberdasarkankelasnyamasingmasing.Dengandemikianadabeberapamodel RaschdidalamModelRaschCampuranberdasarkankelas.ModelRaschtradisionalatauyangbiasa digunakanadalahsebuahmodeldenganhanyasatukelassaja. PerbedaanStrategiMenjawab/MeresponButir Rost(1997)mengambilcontohbahwapenyelesaianteskemampuanspasialhanyadapatdilakukandengan strategikognitifyangmemanfaatkanrotasimentalstimulus.Individuyangmenggunakanstrategiyanglain kemungkinanakangagaldalammenyelesaikantestersebut.Disisilain,perbedaanstrategikognitifyang dimilikiindividumempengaruhitingkatkesulitantestersebut.KitamelihatbahwapemodelanIRT konvensionaltidakdapatmenjelaskanstrategiindividudalammengatasibutirdalamtesabilitasatau meresponbutirdalamskalasikap. ModelRaschCampuranmampumengidentifikasiperbedaanterbesarantarparameterbutirpadasampel yangdibandingkan.Dengandemikiankitatidakperluuntukmencobamencaridanmemisahmisahsampel berdasarkankarakteristiknyauntukmencariparameteritemyangkonstanuntuksemuaindividu(Rostand vonDavier,1995).KeuntunganlainmenggunakanMRMadalahmampumengujiperbedaankelompok menerapkanyangmenerapkanstrategiberbedadalammengatasiitemdalamtes.Karenapenggunaan strategiyangberbedaberhubungandengantingkatkesulitanitemmakaanalisistesinimembutuhkanmodel yangmemperhitungkanparameteritemyangberbedauntuksubpopulasiini(RostdanvonDavier,1993). TrusApaBedanyadenganKeberfungsianButirDiferensial(DifferentialItemFunctioning/DIF)? PerludicatatbahwapendekatanmodelcampuraniniberbedadenganyangdiadopsidalamliteraturIRTdi bawahjudulkeberfungsianbutirdiferensial(DIF).DalamanalisisDIF,parameterbutirdibedakan berdasarkankelompokyangmanifestbukankelompoklaten,Kelompokmanifestinitelahditentukanoleh penelitisebelumnya,misalnyajeniskelaminataupekerjaan.Fokusanalisisadalahkelompokkelompokyang diperiksa(Embretson&Reise,2000). DalampendekatanModelRaschCampuran,analisisditujukanuntukmengeksplorasiadanyaduakelasatau lebihyangmenunjukkanperbedaanparameterbutirsecarasistematis.KataEiddanZickar(2007),DIF mengkonfirmasiperbedaanparameterbutirpadakelompok/kelasyangditentukanolehpeneliti sebelumnya,sedangkanModelRaschCampuranmengeksplorasiadanyakelompokataukelasyang menghasilkanestimasiparameterbutirmenjadiberbeda. WithmixedgroupIRTitispossibletoidentifygroupsforwhichtheitemsfunctiondifferently; mixturedistributionIRTcouldbethoughtofasanexploratoryDIFtechnique(Eid&Zickar,2007) Menurutteoriprobabilitas,setiapindividumemungkinkanuntukditempatkanpadapopulasipopulasilaten. Setiappenempataniniakanmenghasilkannilainilaiprobabilitas,yangmenunjukkanseberapabesariatepat ditempatkanuntukmenjadibagiandaripopulasitersebut.MRMmenjawabpertanyaanSiAlebihtepatnya masukkepopulasiyangmanaya?.Caranyadenganmengidentifikasinilaiprobabilitastertinggiindividu untukmenjadibagiandarisuatupopulasilaten.Iniadalahsalahsatujenisinformasiajayangdisumbangkan MRM.MRMmenyediakanduajenisinformasidiagnostikmengenaisetiapindividu.Pertama,populasilaten milikindividu,dankedua,estimasiabilitas/trait.Dalampengertianini,modelRaschcampuraninisecara bersamaanmengklasifikasikandanmengkuantifikasikankeduanyaberdasarkanpolaresponyangdiamati.

2|ModelRaschCampurandalamTeoriResponsButir|WahyuWidhiarso2010

ContohAplikasiModelRaschCampuranPenelitian BerikutinicontohaplikasiModelRaschCampurandalammengeksplorasiresponspadaskalakepribadian (NEOFFI).SudahkitapelajarididepanbahwaModelRaschCampuranmemfasilitasipenyelidikanterhadap subkelompokyangberbedadalammeresponsebuahkuesioner.Penyelidikaninisangatrelevandengan pengembanganpengukurankepribadiankarenaperbedaanindividualadalahsalahsatusumberkesalahan dalammengestimasiatributpsikologisyangdiukur.Misalnyakitamengukurinteligensi,namuntesyangkita pakaimenguntungkanindividupadasatubudayadanmerugikanindividudaribudayalainnya.Darisinikita menyimpulkanbahwaperbedaanindividu(dalamhalinibudaya),menjadisumbererorpengukuran. PenelitianinidilakukanolehAustin,Deary,&Egan(2006).Tujuanpenelitianmerekeadalahuntuk menyelidikipolaresponspadaNEOFFI.Hasilanalisismenunjukkanadanyaduajeniskelompokyang berbedadalammeresponsbutirskala.DalamanalisisModelRaschCampuran,kelompoktersebut dinamakandengankelas.Duakelastersebutadalah(a)individuyangcenderungmemilihalternatifrespons ekstrimdan(b)individuyangcenderungmemilihalternatifresponsditengahpadatigafaktorNEOFFI.Tiga faktortersebutadalahNeuroticism,AgreeablenessandConscientiousness. Penelitianinijugamenunjukkanbahwakorelasiantarasemuapasangankelasadalahpositifdansangat signifikan,yangmenunjukkanadanyakonsistensidalampreferensiresponindividudiseluruhketigafaktor tersebut.Dengankatalain,individuyangcenderungmemilihresponsekstrimpadafaktorNeuroticism,juga memilihresponsekstrimpadafaktorAgreeableness.Plotparametertingkatkesukaranbutirmenunjukkan bahwakeduakelompoktersebutmenafsirkanbutirbutirketigafaktordenganperspektifyangsama. RespondenyangmemilihresponsesktrimmemilikiskorpadaExtraversionyangsecarasignifikanlebihtinggi dibandingdenganyangtidakmemilihresponsekstrim. Penelitianinijugamenemukanbahwaperempuandanremajalebihmenunjukkanpreferensiuntuk memberikanresponsekstrimdibandingdenganlakilakidandewasa.Hasilpenelitianinirelatifsamadengan temuanpenelitianpenelitiansebelumnyamengenaiadanyakelaskelasyangberbedadalammerespons skalapengukurandanpadakepribadiankorelasiperbedaanindividudalammenggunakanskalarespon. ProsedurAnalisisMDM MenurutGlck&Spiel(1997),sepertihalnyadalamanalisiskelaslaten,analisisMRMdiawalidarimenguji ketepatanMRMdenganjumlahkelasyangdihasilkandarianalisis.Analisisinibisamenghasilkanbanyak modelberdasarkankelasnya,misalnyaModel1Kelas,Model2Kelasdanseterusnya.Manamodelyang palingbaik?KitabisamemilihnyadenganmenggunakankriteriainformasiketepatanmodelmisalnyaAkaike InformationCriterion(AIC),BestInformationCriterion(BIC)atauConsistentAkaikeInformationCriterion (CAIC). DitambahkanolehGlck&Spiel(1997)bahwaprosedurpemilihaninisepertihalnyamencarilikelihood modelberdasarkanjumlahparameterdidalammodel.Modelyangparameteryanglebihsedikityang diutamakan.Kitamencobamengeksplorasimodel(model1kelas,2kelas,3kelasdst).Masingmasing pengujianmodelakanmenghasilkanjumlahparameter.Modelyangpalingbagusadalahmodelyang memilikijumlahparameterpalingsedikit. Ukuranlainuntukmenentukanketepatanmodeladalahmelaluiprobabilitaskeanggotaansubjekdalam suatukelas.Penempatansubjekkedalamsuatukelaslatentidakbersifatdeterministiknamuntapibersifat probabilitas.Sekedarmenyegarkankembali,penempatansecaradeterministikadalahpenempatandengan pendekatanpemaksaan,SiAmasukekstrovertdanSiBintrovert.Penempatansecaraprobabilistikadalah menempatkansecarabijak,jadikitamenentukanSiAintrovertataukahextrovertberdasarkan probabilitasnya.Misalnya,SiAprobabilitasnyasebagaiekstrovert45%sedangkanintrovert55%.Semakin

3|ModelRaschCampurandalamTeoriResponsButir|WahyuWidhiarso2010

tinggiratarataprobabilitassubjekpadakelastertentu,semakintegasalasankitauntukmemasukkansubjek kedalamkelastersebut. REFERENSI Austin,E.J.,Deary,I.J.,&Egan,V.(2006).Individualdifferencesinresponsescaleuse:MixedRasch modellingofresponsestoNEOFFIitems.[doi:DOI:10.1016/j.paid.2005.10.018].Personalityand IndividualDifferences,40(6),12351245. Eid,M.,&Zickar,M.J.(2007).DetectingResponseStylesandFakinginPersonalityandOrganizational AssessmentsbyMixedRaschModels(pp.255270). Glck,J.,&Spiel,C.(1997).Itemresponsemodelsforrepeatedmeasuresdesigns:Applicationand limitationsoffourdifferentapproaches.MethodsofPsychologicalResearchonline,2(2). Rost,J.(1997).Logisticmixturemodels.InW.vanderLinden&R.K.Hambleton(Eds.),HandbookofModern ItemResponseTheory(pp.449463).NewYork:SpringerVerlag. Rost,J.,Carstensen,C.,&vonDavier,M.(1997).Applyingthemixedraschmodeltopersonality questionnaires.InJ.Rost&R.Langeheine(Eds.),Applicationsoflatenttraitandlatentclassmodels inthesocialsciences.Mnster:Waxmann.

4|ModelRaschCampurandalamTeoriResponsButir|WahyuWidhiarso2010