Cara Analisis DIF (Differential Item Functioning) dengan Rasch Model dan Winsteps

By Ahlinya Dokumen | July 4, 2026

Diperbarui 3 Juli 2025

Analisis DIF Rasch Winsteps adalah prosedur statistik untuk mendeteksi apakah item dalam instrumen penelitian berfungsi secara berbeda pada kelompok responden yang berbeda — misalnya laki-laki vs perempuan atau siswa perkotaan vs pedesaan — meskipun keduanya memiliki kemampuan setara.
Dengan Winsteps, DIF diukur menggunakan nilai DIF Contrast dalam satuan logit. Item dinyatakan mengandung bias jika DIF Contrast ≥ 0,5 logit dan nilai probabilitas p < 0,05 berdasarkan uji-t di Table 30 output Winsteps.
Analisis ini krusial bagi peneliti pendidikan yang membandingkan hasil tes atau kuesioner lintas kelompok demografis.

Apa yang Akan Anda Pelajari dari Artikel Ini

Definisi dan konsep dasar DIF (Differential Item Functioning) dalam Rasch model
Cara menyiapkan data dan file kontrol untuk analisis DIF di Winsteps
Langkah-langkah menjalankan dan membaca output Table 30 DIF di Winsteps
Cara menginterpretasikan nilai DIF Contrast dan ambang batas bias item
Contoh penerapan nyata dari studi kasus mahasiswa penelitian pendidikan

Mengapa Analisis DIF Rasch Winsteps Penting dalam Penelitian Pendidikan

Dalam penelitian pendidikan yang melibatkan perbandingan kelompok — misalnya perbandingan skor antara siswa laki-laki dan perempuan, atau antara kelompok eksperimen dan kontrol — validitas instrumen tidak cukup hanya diuji secara keseluruhan. Setiap item harus dipastikan berlaku adil (fair) bagi semua kelompok. Inilah niche khusus dari analisis DIF Rasch: mendeteksi potensi bias pada level item, bukan hanya pada level tes secara total.

DIF terjadi ketika dua individu dengan kemampuan (ability) yang sama tetapi berasal dari kelompok berbeda memiliki peluang yang berbeda untuk menjawab item dengan benar. Bias ini bisa muncul karena perbedaan bahasa, konteks soal, atau asumsi budaya yang tertanam dalam redaksi item. Rasch model, khususnya melalui software Winsteps, menyediakan alat yang tepat untuk mendeteksinya secara kuantitatif.

Menurut Percetakan Wisuda, permintaan analisis DIF meningkat signifikan di kalangan peneliti yang mengerjakan tesis dan disertasi berbasis instrumen lintas kelompok, terutama dalam bidang pendidikan, psikologi, dan kesehatan. Berdasarkan pengalaman Percetakan Wisuda sejak 2004 dalam membantu olah data akademik, banyak mahasiswa yang baru menyadari pentingnya DIF setelah reviewer atau dosen penguji menyoroti potensi bias instrumen mereka.

📌 Fakta Teknis Penting: Dalam Rasch model yang dianalisis dengan Winsteps, nilai DIF Contrast yang berada di antara −0,5 hingga +0,5 logit dianggap tidak signifikan secara praktis, meskipun secara statistik mungkin signifikan pada sampel besar. Kriteria ganda — magnitude logit dan signifikansi p — adalah standar yang direkomendasikan dalam literatur Rasch analysis.

Memahami Konsep DIF dalam Rasch Model Sebelum Menggunakan Winsteps

Sebelum membuka Winsteps, penting untuk memahami dasar konseptual DIF agar interpretasi output tidak keliru.

DIF Uniform terjadi ketika satu kelompok secara konsisten lebih diuntungkan atau dirugikan oleh sebuah item di seluruh rentang kemampuan. Misalnya, item soal cerita yang menggunakan konteks olahraga tertentu mungkin lebih mudah bagi kelompok yang terbiasa dengan olahraga tersebut, terlepas dari kemampuan matematika mereka yang setara. Dalam grafik Item Characteristic Curve (ICC), DIF uniform terlihat sebagai dua kurva yang sejajar namun tidak berimpit.

DIF Non-Uniform lebih kompleks: pola bias berbeda tergantung tingkat kemampuan responden. Item mungkin lebih mudah bagi kelompok A pada kemampuan rendah, tetapi lebih mudah bagi kelompok B pada kemampuan tinggi. DIF non-uniform memerlukan analisis tambahan di luar deteksi standar Winsteps.

Dalam kerangka Rasch, DIF diukur dengan membandingkan item difficulty (kesulitan item) yang dikalibrasi secara terpisah untuk setiap kelompok. Selisih antara dua kalibrasi ini disebut DIF Contrast, diukur dalam logit — satuan pengukuran universal dalam Rasch model.

Cara Analisis DIF Rasch Winsteps: Persiapan Data dan File Kontrol

Sebelum menjalankan analisis DIF di Winsteps, ada beberapa hal yang perlu disiapkan dengan cermat.

1. Siapkan Data Respons dalam Format yang Benar

Data respons harus sudah bersih dalam format yang dikenali Winsteps: setiap baris adalah satu responden, setiap kolom adalah satu item. Kode respons harus konsisten (misalnya 0 = salah, 1 = benar untuk soal dikotomi, atau 1–4 untuk skala Likert politomi).

2. Tambahkan Variabel Pengelompokan di File Data

Variabel pengelompokan (misalnya jenis kelamin: 1 = laki-laki, 2 = perempuan) harus disisipkan dalam data responden. Posisi kolom variabel ini akan dicatat dalam file kontrol Winsteps menggunakan perintah @GROUP.

3. Buat atau Edit File Kontrol (.txt)

File kontrol Winsteps adalah file teks biasa yang berisi perintah analisis. Untuk DIF, pastikan baris berikut ada di file kontrol:

DIF = @GROUP — menentukan variabel pengelompokan
DFIT = 0.5 — opsional, menetapkan ambang batas DIF Contrast
NAME1 = [posisi kolom nama] — jika ada kolom nama responden

4. Pastikan Ukuran Sampel Memadai per Kelompok

DIF analysis membutuhkan sampel yang cukup per kelompok. Sebagai panduan umum, minimal 50 responden per kelompok direkomendasikan agar estimasi parameter stabil dan uji statistik memiliki kekuatan yang memadai.

Langkah-Langkah Menjalankan Analisis DIF di Winsteps

Langkah 1: Buka Winsteps dan Muat File Kontrol

Jalankan Winsteps, lalu klik File → Open Control File. Pilih file kontrol (.txt) yang sudah disiapkan. Winsteps akan membaca data dan menjalankan kalibrasi Rasch secara otomatis. Pastikan tidak ada pesan error terkait format data sebelum melanjutkan.

Langkah 2: Akses Output Table 30 untuk DIF

Setelah analisis utama selesai, klik menu Output Tables → 30. DIF: Differential Item Functioning. Table 30 adalah output utama analisis DIF di Winsteps. Jika menu ini berwarna abu-abu (tidak aktif), periksa kembali apakah perintah DIF = @GROUP sudah benar di file kontrol.

Langkah 3: Baca Kolom-Kolom Utama di Table 30

Table 30 menampilkan beberapa kolom penting:

DIF CLASS/SEQUENCE: kode kelompok dan nomor item
DIF MEASURE: kalibrasi kesulitan item per kelompok (dalam logit)
DIF S.E.: standard error kalibrasi per kelompok
DIF CONTRAST: selisih DIF MEASURE antar kelompok — ini nilai terpenting
JOINT S.E.: standard error gabungan
t: nilai t-statistik
Prob.: nilai probabilitas (p-value)
ITEM: label item

Langkah 4: Terapkan Kriteria Penilaian DIF

Item dinyatakan mengandung DIF (bias) jika memenuhi dua syarat sekaligus: nilai absolut DIF Contrast ≥ 0,5 logit DAN nilai Prob. < 0,05. Item yang hanya memenuhi satu syarat dikategorikan sebagai borderline dan perlu dipertimbangkan secara substansif.

Langkah 5: Catat Item Bermasalah dan Simpan Output

Tandai item yang terdeteksi mengandung DIF. Simpan Table 30 melalui File → Save Table 30 dalam format .txt atau salin ke spreadsheet untuk dokumentasi. Data ini akan menjadi dasar pembahasan di Bab IV tesis atau laporan penelitian.

Langkah 6: Tentukan Tindak Lanjut

Untuk setiap item yang terdeteksi DIF, peneliti memiliki tiga opsi: (a) merevisi redaksi item agar lebih netral, (b) menghapus item dari analisis, atau (c) melaporkan temuan DIF sebagai keterbatasan penelitian jika item tetap dipertahankan karena alasan konstruk yang kuat.

Gambar 1. Tiga zona penilaian DIF berdasarkan nilai DIF Contrast dalam logit dan ambang batas signifikansi statistik di Winsteps.

Tabel Ringkasan Kriteria DIF dalam Analisis Rasch Winsteps

Kategori DIF	DIF Contrast (logit)	Probabilitas (p)	Interpretasi	Tindak Lanjut
Tidak Ada DIF	< 0,5	≥ 0,05	Item berlaku adil lintas kelompok	Pertahankan item
Borderline / Lemah	0,5 – < 1,0	< 0,05	Potensi bias, perlu kajian substansif	Revisi redaksi item
DIF Substansial	≥ 1,0	< 0,05	Item terindikasi bias signifikan	Revisi besar atau eliminasi item
DIF Sangat Besar	≥ 1,5	< 0,01	Item bermasalah secara konstruk	Eliminasi item dari instrumen

Tabel 1. Kriteria klasifikasi DIF dalam Rasch model berdasarkan DIF Contrast dan nilai probabilitas (adaptasi dari panduan Winsteps).

Analisis DIF Rasch Winsteps: Cara Melaporkan Hasil di Bab IV

Setelah analisis DIF selesai, hasil perlu dilaporkan secara sistematis di Bab IV laporan penelitian. Berikut pola pelaporan yang lazim digunakan.

Mulailah dengan menyajikan tabel DIF lengkap dari output Winsteps, lalu narasi penjelasan. Contoh narasi: "Berdasarkan hasil analisis DIF menggunakan Rasch model dengan Winsteps, dari 30 item yang dianalisis, sebanyak 3 item (item nomor 7, 14, dan 22) menunjukkan nilai DIF Contrast ≥ 0,5 logit dengan probabilitas p < 0,05. Item nomor 7 memiliki DIF Contrast sebesar 0,72 logit (p = 0,03) yang menguntungkan kelompok perempuan. Item nomor 14 memiliki DIF Contrast 1,15 logit (p = 0,001) yang menguntungkan kelompok laki-laki..."

Selanjutnya, jelaskan tindak lanjut yang diambil: apakah item direvisi, dieliminasi, atau dipertahankan dengan justifikasi konstruk yang jelas. Sertakan analisis setelah revisi sebagai bukti perbaikan.

Differential item functioning Winsteps yang dilaporkan secara transparan justru memperkuat kredibilitas penelitian — bukan melemahkannya. Peneliti yang mengidentifikasi dan menangani bias item menunjukkan ketelitian metodologis yang tinggi.

Studi Kasus: Mahasiswa S2 Pendidikan yang Mendeteksi Bias Item Kuesioner Motivasi

Dina adalah mahasiswa Program Studi Magister Pendidikan yang sedang mengerjakan tesis tentang motivasi belajar siswa SMA di dua kabupaten berbeda — satu kabupaten perkotaan dan satu kabupaten pedesaan. Dina menggunakan kuesioner motivasi belajar dengan 25 item skala Likert dan telah mengumpulkan 240 data responden (120 per kelompok).

Setelah kalibrasi Rasch awal menunjukkan item fit yang baik, dosen pembimbing Dina menyarankan untuk melakukan analisis DIF sebelum melanjutkan ke analisis komparasi. Dina membuka Winsteps, menambahkan variabel lokasi sekolah di file kontrol dengan perintah DIF = @LOKASI, lalu menjalankan Table 30.

Hasilnya mengejutkan: 4 dari 25 item menunjukkan DIF Contrast ≥ 0,5 logit dengan p < 0,05. Salah satu item — tentang akses ke perpustakaan sekolah — memiliki DIF Contrast 1,23 logit yang sangat menguntungkan kelompok perkotaan. Item ini memang kurang relevan bagi siswa pedesaan yang fasilitas perpustakaannya terbatas. Dina memutuskan untuk mengeliminasi 2 item bermasalah berat dan merevisi redaksi 2 item lainnya menjadi lebih netral secara konteks. Setelah revisi dan analisis ulang, semua item lolos uji DIF dan Dina dapat melanjutkan analisis komparasi dengan keyakinan lebih tinggi bahwa instrumennya berlaku adil lintas kelompok.

Catatan: Nama dan detail studi kasus di atas adalah ilustrasi fiktif untuk tujuan edukasi.

Checklist Sebelum dan Sesudah Analisis DIF Rasch dengan Winsteps

Sebelum olah data — pastikan variabel pengelompokan (gender, lokasi, kelompok) sudah terkode dengan benar dalam file data dan tercantum posisi kolomnya di file kontrol Winsteps.
Pastikan ukuran sampel per kelompok minimal 50 responden agar estimasi parameter DIF stabil dan uji statistik memiliki kekuatan yang memadai.
Verifikasi output kalibrasi Rasch awal — pastikan item fit (MNSQ Infit dan Outfit antara 0,5–1,5) sebelum melakukan analisis DIF.
Cek Table 30 DIF dengan dua kriteria sekaligus: DIF Contrast ≥ 0,5 logit dan probabilitas p < 0,05 — jangan gunakan satu kriteria saja.
Dokumentasikan semua item yang terdeteksi DIF beserta nilai Contrast dan probabilitas-nya untuk disertakan dalam Tabel Lampiran tesis.
Setelah revisi item, jalankan ulang analisis DIF untuk memverifikasi bahwa item yang diperbaiki sudah tidak lagi mengandung bias.

FAQ: Pertanyaan Umum tentang Analisis DIF Rasch Winsteps

Bagaimana cara mendeteksi DIF menggunakan Winsteps?

Buka Winsteps, muat file kontrol (.txt), lalu pilih menu Output Tables → Table 30 (DIF). Tentukan variabel pengelompokan (misalnya jenis kelamin) di kolom @GROUP. Winsteps akan menampilkan nilai DIF Contrast dan probabilitas untuk setiap item secara otomatis.

Bagaimana cara menginterpretasikan hasil analisis DIF Rasch di Winsteps?

Item dinyatakan mengandung DIF jika nilai DIF Contrast ≥ 0,5 logit DAN nilai probabilitas p < 0,05. Jika hanya satu syarat terpenuhi, item dianggap borderline. Item dengan DIF perlu direvisi atau dieliminasi agar instrumen berlaku adil lintas kelompok.

Apa perbedaan DIF Uniform dan DIF Non-Uniform dalam Rasch model?

DIF Uniform terjadi ketika satu kelompok secara konsisten lebih mudah atau sulit menjawab item di seluruh rentang kemampuan. DIF Non-Uniform terjadi ketika pola bias berbeda tergantung tingkat kemampuan responden, sehingga lebih sulit dideteksi dan ditangani.

Berapa ambang batas nilai DIF Contrast yang digunakan dalam Rasch model?

Dalam Rasch model, ambang batas DIF Contrast yang umum digunakan adalah ≥ 0,5 logit untuk kategori 'sedikit bias' dan ≥ 1,0 logit untuk 'bias substansial', dikombinasikan dengan nilai signifikansi p < 0,05 dari uji-t yang tersedia di output Table 30 Winsteps.

Kesimpulan: Analisis DIF adalah Standar Validitas Instrumen Lintas Kelompok

Analisis DIF (Differential Item Functioning) dengan Rasch model menggunakan Winsteps adalah prosedur yang tidak bisa dilewati dalam penelitian pendidikan yang membandingkan kelompok responden berbeda. Dengan memahami konsep DIF Uniform dan Non-Uniform, menyiapkan file kontrol dengan benar, membaca Table 30 secara sistematis, dan menerapkan kriteria ganda (DIF Contrast logit + p-value), peneliti dapat memastikan setiap item dalam instrumen berlaku adil dan valid lintas kelompok.

Untuk artikel lanjutan tentang cara membaca output Winsteps secara menyeluruh — termasuk nilai Infit, Outfit, dan Person-Item Map — silakan baca Cara Membaca Output Winsteps Rasch. Dan untuk kebutuhan olah data Rasch/Winsteps, SPSS, SmartPLS, atau NVivo, percetakanwisuda.com — Ahlinya Dokumen — siap membantu menghasilkan file hasil analisis dan laporan pembahasan siap tempel di Bab IV tesis Anda.

Data penelitian pendidikan sudah siap? Konsultasikan analisis DIF Rasch-mu sekarang.

Konsultasi Sekarang →