Hipotesis - PENGARUH INTENSITAS PENGGUNAAN MEDIA SOSIAL TERHADAP COMPUTER VISION SYNDROME

Hipotesis penelitian ini yaitu terdapat pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome pada mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018.

Computer Vision Syndrome Intensitas Penggunaan

Media Sosial

BAB III

METODE PENELITIAN

3.1 RANCANGAN PENELITIAN

Penelitian ini merupakan penelitian analitik observasional dengan desain penelitian cross-sectional. Untuk mengetahui pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome pada mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018.

3.2 TEMPAT DAN WAKTU PENELITIAN

Penelitian ini dilakukan pada bulan Juli sampai November 2021 secara online dengan memberikan kuesioner kepada mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018.

3.3 POPULASI DAN SAMPEL PENELITIAN 3.3.1 Populasi

Populasi pada penelitian ini adalah mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018.

3.3.2 Sampel

Sampel dalam penelitian ini diperoleh dengan metode purposive sampling, yaitu pemilihan sampel dengan menetapkan subjek yang memenuhi kriteria subjek penelitian.

Adapun kriteria inklusi penelitian adalah sebagai berikut :

a. Terdaftar sebagai mahasiswa aktif Fakultas Kedokteran Universitas Sumatera Utara Semester 6 tahun ajaran 2021.

b. Menggunakan media sosial/menggunakan setidaknya satu akun media sosial aktif.

c. Tidak sedang mengalami penyakit mata seperti infeksi mata, glaukoma, penyakit retina dan sebagainya, kecuali gangguan refraksi.

d. Aktif menggunakan media sosial sama dengan atau lebih dari 3 jam per hari.

Maka besar sampel pada penelitian ini adalah seluruh subjek yang memenuhi kriteria subjek pada populasi. Jumlah populasi pada mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018 adalah 254 orang.

3.4 METODE PENGUMPULAN DATA 3.4.1 Data Primer

Jenis data yang dikumpulkan dalam penelitian ini adalah data primer, yaitu data yang dikumpulkan oleh penelitinya sendiri dengan menggunakan kuesioner.

Pengisian kuesioner oleh subjek dilakukan secara online oleh peneliti terhadap sampel penelitian.

3.5 DEFINISI OPERASIONAL

Definisi operasional variabel-variabel pada penelitian ini dapat diperhatikan pada tabel.

Tabel 31 Definisi Operasional

No. Variabel Definisi Alat ukur Cara

mengakses

3.6 METODE ANALISA DATA 3.6.1 Analisa Data

a. Editing, adalah melakukan pengecekan kelengkapan identitas dan data responden pada formulir (kuesioner) serta memastikan bahwa semua jawaban telah terisi secara lengkap dan sesuai petunjuk.

b. Coding, adalah memberi kode atau angka tertentu pada kuesioner untuk mempermudah proses analisis data.

c. Entry, adalah memasukkan data dari kuesioner ke dalam program statistik computer untuk mengolah data.

d. Cleaning, adalah mengecek atau memriksa kembali data yang telah dimasukkan untuk menghindari kesalahan yang mungkin terjadi.

e. Analysis, adalah menguraikan suatu hasil yang didapat dengan pengolahan menggunakan komputer dan dianalisis dengan uji statistik sehingga mudah untuk mengambill hasil.

3.6.2 Uji Univarat

Analisa univariat adalah analisis yang dilakukan untuk melihat distribusi frekuensi dan persentase hasil dari variabel independen yaitu intensitas penggunaan media sosial dan variabel dependen yaitu computer vision syndrome.

3.6.3 Uji Bivariat

Uji Kolmogorof-Smirnov dan uji Kruskal-Wallis H digunakan untuk melihat perbedaan jenis kelamin dan umur pada intensitas penggunaan media sosial dan computer vision syndrome.

Uji Somers’d digunakan untuk menguji ada atau tidaknya pengaruh antara variable independen yaitu computer vision syndrome, jika diperoleh p<0,05 maka terdapat pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome dan jika diperoleh p>0,05 maka tidak terdapat pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome dan untuk mengetahui tingkat kekuatan pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome dilihat nilai d dengan interpretasi, yaitu 0,00 - 0,199 = sangat lemah, 0,20 - 0,399 = lemah, 0,40 - 0,599 = sedang, 0,60 - 0,799 = kuat dan 0,80 - 1,00 = sangat kuat.

BAB IV

HASIL DAN PEMBAHASAN

Penelitian ini telah dilakukan dengan pengambilan data responden secara online. Responden penelitian mengisi kuesioner melalui google form secara online.

Responden dalam penelitian ini adalah mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018. Penelitian ini dilaksanakan selama bulan Juli hingga November 2021.

4.1 Intensitas Penggunaan Media Sosial berdasarkan Karakteristik Responden

Tabel 4. 1 Perbedaan jenis kelamin dan umur pada intensitas penggunaa media sosial

Karakteristik Intensitas penggunaan media sosial Total Nilai p Rendah Rata-rata Tinggi Sangat

tinggi Universitas Sumatera Utara tahun masuk 2018 sebanyak 192 responden yang telah memenuhi kriteria inklusi sebagai subjek penelitian. Berdasarkan tabel 4.1 responden perempuan lebih banyak yaitu 132 orang (68,8%). dan mayoritas

responden berumur 21 tahun sebanyak 119 orang (62%). Berdasarkan hasil uji analisis, didapati adanya perbedaan yang tidak signifikan diantara jenis kelamin (p=0,464) dan umur (p=0,248) responden pada berbagai intensitas penggunaan media sosial. Asiatu dan Septadiyanto (2018) juga menemukan ada perbedaan jenis kelamin yang tidak signifikan pada intensitas penggunaan media sosial.

Berdasarkan tabel 4.1, mayoritas mahasiswa FK USU tahun masuk 2018 menggunakan media sosial dengan intensitas penggunaan media sosial rata-rata, yaitu sebanyak 81 orang (42,2%). Hal ini sejalan dengan penelitian yang dilakukan oleh Nasution (2021) dimana intensitas penggunaan media sosial tertinggi mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2017, 2018 dan 2019 terdapat pada kategori intensitas penggunaan media sosial rata-rata yaitu 38,4%. Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh Parrella et al (2021) pada mahasiswa Fakultas Pertanian dan Ilmu Hayati yang berusia mulai dari 19 tahun hingga 25 tahun keatas di Texas yang mendapatkan penggunaan intensitas penggunaan media sosial terbanyak dengan kategori rata-rata.

4.2 Computer Vision Syndrome berdasarkan Karakteristik Responden

Tabel 4. 2 Perbedaan jenis kelamin dan umur pada computer vision syndrome

Karakteristik Computer Vision Syndrome Total Nilai p

Ya Tidak

Tabel 4.2 menunjukkan sebagian besar responden mengalami computer vision syndrome sebanyak 120 orang (62,5%), terbanyak diantaranya adalah perempuan 83 orang (62,9%). Harahap (2020) juga mendapatkan Sebagian besar responden penelitiannya mengalami computer vision syndrome (85,6%), terbanyak pada perempuan (62,9%). Hasil penelitian yang dilakukan oleh Darmawaliputra dan dharmadi (2019) pada mahasiswa Universitas Udayana yang mendapati keluhan computer vision syndrome didapati lebih banyak pada wanita (83,3%).

Berdasarkan hasil uji analisa, tidak didapati adanya hubungan yang signifikan antara computer vision syndrome dengan jenis kelamin (p = 0,872). Hal ini sejalan dengan penelitian Pratiwi et al (2020) yang menemukan tidak ada hubungan antara jenis kelamin dengan computer vision syndrome, walaupun prevalensi wanita lebih banyak mengalami computer vision syndrome dibandingkan dengan laki-laki.

4.3 Pengaruh Intensitas Penggunaan Media Sosial terhadap Computer Vision Syndrome

Tabel 4. 3 pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome pada mahasiswa FK USU tahun masuk 2018

Intensitas Penggunaan Media Sosial

Computer vision syndrome Nilai d Nilai p

ya tidak

Pada tabel 4.3 analisis statistik dilakukan dengan menggunakan uji Somers’d menunjukkan ada pengaruh intensitas penggunaan media sosial yang signifikan dan positif dengan nilai p = 0,012 (p>0,05) dan nilai d = 0,206 yang berada pada rentang 0,200 - 0,399 yang berarti lemah terhadap computer vision syndrome. Responden dengan intensitas penggunaan media sosial rendah, sebagian besar tidak mengalami computer vision syndrome sebanyak 32 orang (53,3%) sedangkan responden dengan intensitas penggunaan media sosial rata-rata, tinggi dan sangat tinggi

mengalami computer vision syndrome masing-masing berjumlah 56 orang (69,1%), 31 orang (75,6%) 5 orang (50,0%).

Berdasarkan tabel 4.3 sebagian besar responden menggunakan media sosial dengan intensitas penggunaan rata-rata. Responden penelitian merupakan kelompok mahasiswa yang merupakan kelompok masyarakat pengguna aktif media sosial sekaligus usia terbanyak pengguna media sosial (Aziz, 2020), demikian pula hasil survey pengguna media sosial mencapai persentase 89,7% pada kelompok mahasiswa yang mayoritas berusia 18-25 tahun (Handikasari et al., 2018 di dalam Aziz, 2020).

Peningkatan Intensitas penggunaan media sosial meningkatkan juga tatapan mata tertuju pada layar gadget baik berupa komputer, smartphone, tablet dan lain sebagainya. Menurut Akinbinu dan Mashalla (2013) apabila semakin lama durasi penggunaan dari gadget dalam satu hari maka hal tersebut berbanding lurus dengan banyaknya gejala yang akan dirasakan terkait dengan computer vision syndrome.

Hampir setiap perangkat digital, serta perlengkapan dan peralatan pemancar cahaya termasuk lampu neon, memiliki LEDs yang memancarkan blue light. Penelitian yang muncul menunjukkan paparan kumulatif dan konstan dari blue light yang dipancarkan dari layar perangkat dapat merusak sel retina (Theresa, 2021).

Penurunan berkedip pada layar monitor berkontribusi pada kualitas film air mata yang buruk dan tekanan pada kornea, hal ini menyebabkan mata menjadi kering (Blehm et al., 2005). Penurunan angka berkedip terhapad layar monitor telah diobservasi pada banyak studi bahwasanya relevan dengan keluhan mata pada computer vision syndrome (Sheppard dan Wolffsohn, 2018). Posisi yang salah dalam menggunakan gadget dapat menyebabkan sakit kepala dan nyeri pada leher diakibatkan ketegangan otot, posisi menggunakan gadget dengan berbaring cukup berisiko memudahkan mata lelah, tubuh tidak bisa relaksa karena otot mata akan menarik bola mata kearah bawah, mengikuti letak gadget, mata yang sering terakonmodasi dalam waktu lama akan cepat menurunkan kemampuan melihat (Sitompul et al., 2020). Sudut pandang yang paling ideal adalah posisi layar berada 10-20 derajat di bawah mata, jika sudut pandang lebih besar dari sudut ideal maka

pengguna komputer cenderung mengangkat kepalanya ke arah atas yang dapat menyebabkan tegang otot pada otot leher dan otot trapezius, serta mengurangi frekuensi berkedip dan produksi air mata (Darmawaliputra dan dharmadi, 2019).

Saat menatap layar gadget atau melakukan aktivitas berbasis layar lainnya untuk waktu yang lama, mata Anda didorong terus karena mereka terus-menerus memfokuskan kembali untuk memproses teks dan gambar. Ini selalu mempercepat penuaan mata Anda dan berdampak pada kesehatan penglihatan Anda dalam jangka panjang (London vision clinic, 2018).

National institute for occupational safety and health Amerika Serikat mengatakan sekitar 90% orang yang menghabiskan tiga jam atau lebih dalam sehari pada komputer dapat mengakibatkan computer vision syndrome (Beck, 2010 dalam Agusti et al., 2021). Hal ini sesuai dengan penelitian yang dilakukan oleh Agusti et al (2021) pada pegawai di kota Palembang, dari 82 sampel, menunjukkan bahwa pada pegawai yang mengalami kejadian computer vision syndrome dengan durasi penggunaan VDT (visual display terminal) berisiko (≥4 jam) sebanyak 44 orang, dan menyimpulkan terdapat hubungan antara durasi penggunaan VDT dengan kejadian computer vision syndrome, dan juga penelitian oleh Gayatri et al (2020) yang mendapati hubungan antara intensitas penggunaan gadget dengan keluhan computer vision syndrome pada siswa SMPN 4 Denpasar, serta penelitian oleh Kasim (2017) yang juga mendapati hubungan bermakna antara intensitas penggunaan smartphone dengan gejala computer vision syndrome pada mahasiswa Fakultas Kedokteran Universitas Hasanuddin di Makassar.

Prevalensi computer vision syndrome mencapai 64-90% pada pengguna VDT dengan jumlah penderita di seluruh dunia diperkirakan sebesar 60 juta orang dan setiap tahun akan terus muncul 1 juta kasus baru (Amalia, 2018). Berdasarkan penelitian yang dilakukan oleh Bustaman et al (2021) didapati 71% mengalami computer vision syndrome pada mahasiswa Fakultas Kedokteran Universitas Pembangunan Nasional Veteran Jakarta yang menggunakan komputer untuk pembelajaran daring dan juga aktivitas sosial media, menonton film dan main

games. Berdasarkan penelitian yang dilakukan oleh Harahap (2020) didapati mahasiswa Fakultas Kedokteran Universitas Sumatera Utara yang mengalami computer vision syndrome sebanyak 85,6%.

4.4 Keterbatasan Penelitian

Pengambilan atau pengumpulan data pada penelitian ini dilakukan secara online dengan menjawab pertanyaan pada kuesioner dengan bantuan google form. Peneliti tidak bertemu secara langsung dengan responden untuk lebih intensif menjelaskan kuesioner dan tidak dilakukannya pemeriksaan mata terhadap responden untuk mendukung pengumpulan data karena dibatasi kebijakan selama pandemi Covid-19. Hal ini memungkinkan terjadinya bias informasi yaitu recall bias (bias mengingat kembali) dari subjek penelitian yang terjadi karena kemampuan responden mengingat informasi paparan berbeda.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian ini, kesimpulan yang dapat diambil adalah sebagai berikut :

1. Mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018 paling banyak menggunakan media sosial dengan intensitas penggunaan media sosial rata-rata (42%), dengan responden pengguna terbanyak adalah perempuan (65%) dan responden berusia 21 tahun (66%).

2. Mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018 yang mengalami computer vision syndrome berjumlah 62%, lebih banyak ditemukan pada responden perempuan (62%) dan responden berusia 21 tahun (64%).

3. Terdapat pengaruh signifikan intensitas penggunaan media sosial terhadap computer vision syndrome pada mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018 dengan arah hubungan positif dan kekuatan hubungan yang lemah.

5.2 Saran

Berdasarkan penelitian yang telah dilakukan, saran yang dapat disampaikan adalah sebagai berikut :

1. Untuk Mahasiswa

 Meningkatkan kesadaran dan pencegahan terhadap computer vision syndrome.

 Meningkatkan kesadaran membatasi waktu penggunaan media sosial perharinya sesuai dengan kebutuhan.

2. Untuk Institusi Pendidikan

 Diharapkan penelitian ini dapat menjadi referensi untuk penelitian selanjutnya.

3. Untuk Peneliti Selanjutnya

 Perlunya dilakukan penelitian lebih lanjut dengan dilakukan pemeriksaan mata terhadap responden untuk mendukung mengumpulkan data.

 Perlu dilakukan penelitian yang sama dan lebih lanjut dengan memperhatikan faktor-faktor lainnya seperti pencahayaan, posisi, pekerjaan, jenis layar monitor serta waktu paparan layar.

DAFTAR PUSTAKA

Abudawood, G. A., Ashi, H. M. & Almarzouki, N. K. 2020, ‘Computer Vision Syndrome among Undergraduate Medical Students in King Abdulaziz University, Jeddah, Saudi Arabia’, Journal of Ophthalmology, 2020. doi:

10.1155/2020/2789376.

Affandi, S. E. 2005, ‘Sindrom Penglihatan Komputer’, Majalah Kedokteran Indonesia.

Agusti, M. S. et al 2021 ‘Hubungan Durasi Penggunaan Visual Display Terminal (VDT) dengan Kejadian Computer Vision Syndrome (CVS) pada Pegawai Dinas Komunikasi dan Informatika Kota Palembang’, MPPKI (Media Publikasi Promosi Kesehatan Indonesia): The Indonesian Journal of Health Promotion, 4(4), pp. 554-564. doi: 10.31934/mppki.v4i4.1952.

Akin, A. & Iskender, M. 2011, ‘Internet Addiction and Depression, Anxiety and Stress’, International online journal of education science.

Akinbinu, T. R. & Mashalla, Y. J. 2014, ‘Medical Practice and Review Impact of computer technology on health : Computer Vision Syndrome ( CVS )’, Academic Journals, pp. 20–30. doi: 10.5897/MPR.2014.0121.

Amalia, H. 2018, ‘Computer vision syndrome’, Jurnal Biomedika dan Kesehatan, 1(2), pp. 117–118. doi: 10.18051/JBiomedKes.2018.v1.117-118

American Optometric Association. ‘Computer Vision Syndrome’. Available at:

https://www.aoa.org/patients-and-public/caring-for-yourvision/protecting-your-vision/computer-vision-syndrome

Anjarwati, J. 2020. Media Sosial: Pengertian, Jenis, Fungsi, dan Contoh. Available at https://tekno.foresteract.com/media-sosial/ .

Arjuna, S. R. 2019, ‘Asosiasi Computer Vision Syndrome dengan Fungsi Atensi pada Karyawan Perusahaan’. Skripsi. Universitas Katolik Widya Mandala Surabaya

Asiati, D. I. & Septadiyanto, S. 2019, ‘Karakteristik Pengguna Media Sosial’, Mbia, 17(3), pp. 25–36. doi: 10.33557/10.33557/mbia.v17i3.158.

Aziz, A. A. A. 2020, ‘Hubungan antara intensitas penggunaan media sosial dan tingkat depresi pada Mahasiswa’, Acta Psychologia, 2(2), pp. 92–107.

Blehm, C. et al. 2005, ‘Computer vision syndrome: A review’, Survey of

Ophthalmology, 50(3), pp. 253–262. doi:10.1016/j.survophthal.2005.02.008.

Burke, M., Marlow, C. & Lento. T. 2010. 'Social Network Activity and Social Well-Being' , 455-456.

Bustamam, N., Savitri, P. M., & Wibisono, H. 2021, ‘Cegah Computer Vision Syndrome Selama Pembelajaran Daring pada Mahasiswa Kedokteran’, 2(4), pp. 813–818. doi: 10.31949/jb.v2i4.1282.

Cahyono, A. S. 2016, ‘Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat Di Indonesia’, Jurnal Publicana, 9(1),pp. 140-157. Available at https://journal.unity.ac.id/index.php/publicana/article/view/79.

Coles-Brennan, C., Sulley, A. and Young, G. 2019 ‘Management of digital eye strain’, Clinical and Experimental Optometry. Blackwell Publishing Ltd, 102(1), pp. 18–29. doi: 10.1111/cxo.12798.

Darmaliputra, K. & Dharmadi, M. 2019, ‘Gambaran Faktor Risiko Individual Terhadap Kejadian Computer Vision Syndrome Pada Mahasiswa Jurusan Teknologi Informasi Universitas Udayana Tahun 2015’, E-Jurnal Medika, 8(1), pp. 95–102.

Davis, R. A. 2001, ’A Cognitive-Behavioral model of pathological Internet Use’, Computer in Human Behavior, Vol 7.187-195.

Fadhly, M. 2019, ‘Hubungan Penggunaan Media Sosial Dengan Tingkat Kecemasan dan Tingkat Kepercayaan Diri Pada Mahasiwa Kedokteran UNS’. Skripsi. Fakultas Kedokteran Universitas Sebelas Maret. Surakarta.

Gayatri, I. G. A. I. A., Puspita, L. M. and Suarningsih, N. K. A. 2021, ‘Hubungan Intensitas Penggunaan Gadget Dengan Keluhan Computer Vision Syndrome Pada Siswa-Siswi Di Smpn 4 Denpasar’, Coping: Community of

Publishing in Nursing, 8(4), p. 446. doi:

10.24843/coping.2020.v08.i04.p14.

Harahap, W. R. 2020, ‘Hubungan Perilaku dan Durasi Penggunaan Komputer dengan Keluhan Computer Vision Syndrome (CVS) pada Mahasiswa Fakultas Kedokteran Universitas Sumatera Utara’. Skripsi, Medan : Universitas Sumatera Utara.

Kasim, N. A. B. 2017, ‘Smartphone Dengan Kejadian Computer Vision Syndrome Pada Mahasiswa Angkatan 2014-2016 Fakultas Kedokteran Universitas Hasanuddin’, Skripsi,Makassar : Universitas Hasanuddin

Logaraj, M., Madhupriya, V. & Hegde, S. 2014. ‘Computer vision syndrome and associated factors among medical and engineering students in Chennai’, Annals of Medical and Health Sciences Research. Medknow, 4(2), p. 179.

doi: 10.4103/2141-9248.129028.

Manullang, K. K. B. 2017, ‘Pengaruh Intensitas Penggunaan Jejaring Sosial dan Kematangan Emosi Terhadap Kepedulian Sosial’, Psikoborneo.Vol 5.

479-485.

Mulyati, Ani., et al. 2014. Panduan Optimalisasi Media Sosial untuk Kementerian Perdagangan Republik Indonesia,cetakan 1. Pusat Hubungan Masyarakat, Jakarta.

Munshi, S., Varghese, A. and Dhar-Munshi, S. 2017. ‘Computer vision syndrome-A common cause of unexplained visual symptoms in the modern era’, International Journal of Clinical Practice. Blackwell Publishing Ltd, 71(7), p. e12962. doi: 10.1111/ijcp.12962.

Nasrullah, R. 2015. Media Sosial Perspektif Komunikasi, Budaya dan Sosioteknologi, Simbiosa Rekatama Media, Bandung.

Nasution, R. A. T. 2021, ‘Hubungan Penggunaan Media Sosial dengan Distres Psikologis Terkait Pandemi COVID-19 pada Mahasiswa Fakultas

Kedokteran Universitas Sumatera Utara’. Skripsi. Medan : Universitas Sumatera Utara.

Nopriadi., Pratiwi, Y., Leonita, E., Tresnanengsih, E. 2019. ‘Faktor yang Berhubungan dengan Kejadian Computer Vision Syndrome pada Karyawan Bank’, JURNAL MKMI, Vol. 15.

Occupational Safety and Health Administration. Working Safely with Video Display Terminal. 1997.

Olufadi, Y. 2015 social networking time use scale (SONTUS): a new instrument for measuring the time spent on the social networking sites, Telematics and Informatics.

Parihar, J. K. S. et al. 2016 ‘Computer and visual display terminals (VDT) vision syndrome (CVDTS)’, Medical Journal Armed Forces India, Director General, Armed Forces Medical Services, 72(3), pp. 270–276. doi:

10.1016/j.mjafi.2016.03.016 .

Parrella, J., Leggette, H. R. & Redwine, T. 2021, ‘Measuring the correlation between digital media usage and students’ perceived writing ability: Are they related?’, Research in Learning Technology, 29. doi:

10.25304/rlt.v29.2506

Permana, M. A., Koesyanto, H. & Mardiana. 2015. ‘Faktor Yang Berhubungan Dengan Keluhan Computer Vision Syndrome (CVS) Pada Pekerja Rental Komputer Di Wilayah Unnes’. Unnes Journal of Public Health. 48-57.

Pratiwi, A. D., Safitri, A. and Lisnawaty, J. 2020, ‘Faktor Yang Berhubungan Dengan Kejadian Computer Vision Syndrome ( Cvs ) Pada Pegawai Pt . Media Kita Sejahtera Kendari Kendari Factors Related To

Puspa, A. K., Loebis, R. & Nuswantoro, D. 2018 ‘Pengaruh Penggunaan Gadget terhadap Penurunan Kualitas Penglihatan Siswa Sekolah Dasar’, Global Medical and Health Communication, 6(47), pp. 28–33. Available at:

https://ejournal.unisba.ac.id/index.php/gmhc/article/view/2471.

Scott, H. & Woods, H. C. 2018, ‘Fear of missing out and sleep: Cognitive behavioural factors in adolescents’ nighttime social media use’, Journal of Adolescence. Elsevier, pp. 61–65. doi: 10.1016/j.adolescence.2018.07.009.

Seguí, M. D. M. et al. 2015, ‘A reliable and valid questionnaire was developed to measure computer vision syndrome at the workplace’, Journal of Clinical Epidemiology.

Sheppard, A. L. & Wolffsohn, J. S. 2018. ‘Digital eye strain: Prevalence, measurement and amelioration’, BMJ Open Ophthalmology. BMJ Publishing Group, 3(1), p. e000146. doi: 10.1136/bmjophth-2018-000146.

Sigerson, L. and Cheng, C. 2018, ‘Scales for measuring user engagement with social network sites: A systematic review of psychometric properties’, Computers in Human Behavior. Elsevier Ltd, 83, pp. 87–105. doi:

10.1016/j.chb.2018.01.023.

Sitompul, Y. R. M. B. et al. 2020, 'Hubungan Penggunaan Gawai dengan Keluhan Subyektif’, Majalah Kedokteran UKI 2020 Vol XXXVI No.3.

Stephanie, C. 2021. ‘Riset Ungkap Lebih dari Separuh Penduduk Indonesia

“Melek” Media Sosial’,

https://tekno.kompas.com/read/2021/02/24/0850027/riset-ungkap-lebih-dari-separuh-penduduk-indonesia-melek-media-sosial.

Theresa, C. C. 2021, ‘Hubungan Computer Vision Syndrome dengan Kualitas Tidur Mahasiswa Fakultas Kedokteran Universitas Sumatera Utara Angkatan 2017’, Skripsi, Medan : Universitas Sumatera Utara.

The Vision Council. 2016. ‘Digital Eye Strain Report’. Available at:

https://visionimpactinstitute.org/wpcontent/uploads/2016/03/2016EyeStrai n_Report_WEB.pdf.

We Are Social & Hootsuite. 2021, ‘Digital 2021 : Indonesia Overview’, retrieved from https://datareportal.com/reports/digital-2021-indonesia.

LAMPIRAN A Daftar Riwayat Hidup

DAFTAR RIWAYAT HIDUP

Nama : Leodi Afriandisa

NIM : 180100067

Tempat/Tanggal Lahir : Kutacane, 20 April 2000

Agama : Islam

Nama Ayah : Sadikin Nama Ibu : Laili Fitri

Alamat : Lingkungan V Desa Pasar Belakang, Kec. Babussalam, Kab. Aceh Tenggara / Jl. Kenanga Raya, Gg. Bahagia, No.15, Kec. Medan Selayang, Kota Medan

Riwayat Pendidikan :

1. SD Negeri 1 Kutacane, 2006-2012 2. SMP Negeri 1 Kutacane, 2012-2015 3. SMA Negeri 1 Kutacane, 2014-2018

4. Fakultas Kedokteran Universitas Sumatera Utara, 2018- sekarang Riwayat Pelatihan :

1. PKKMB (Perkenalan Kehidupan Kampus Mahasiswa Baru) FK USU, 2018

2. MMB (Manajemen Mahasiswa Baru) FK USU, 2018

3. Latihan Kader 1 HMI Komisariat FK USU, 2018

Riwayat Organisasi :

1. Ketua bidang KPP pengurus HMI Komisariat FK USU 2019-2020 2. Staff departemen Kerohanian PEMA FK USU 2019

3. Anggota divisi Syiar FOSKAMI PEMA FK USU 2019 4. Personalia divisi Program SCORE PEMA FK USU 2020

LAMPIRAN B Surat Izin Penelitian

LAMPIRAN C Ethical Clearance

LAMPIRAN D Surat Pernyataan Orisinalitas

LAMPIRAN E Lembar Penjelasan

LEMBAR PENJELASAN Assalamualaikum wr. wb

Salam sejahtera

Saya Leodi Afriandisa dengan NIM 180100067, mahasiswa Pendidikan Dokter Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018, yang sedang melakukan penelitian dengan judul "Pengaruh Intensitas Pengunaan Media Sosial terhadap Computer Vision Syndrome (CVS) pada Mahasiswa Fakultas Kedokteran Universitas Sumatera Utara Tahun Masuk 2018".

Penelitian ini bertujuan untuk mengetahui pengaruh intensitas penggunaan media sosial terhadap computer vision syndrome (CVS) pada mahasiswa Fakultas Kedokteran Universitas Sumatera Utara tahun masuk 2018

Dalam penelitian ini, saya akan membagikan kuesioner berupa pertanyaan mengenai data responden, computer vision syndrome (CVS) dan intensitas penggunaan media sosial. Kerahasiaan data anda akan dijaga dan hanya akan digunakan untuk kepentingan penelitian.

Apabila terdapat pertanyaan terkait penelitian ini dapat menghubungi saya melalui:

Nama : Leodi Afriandisa No.HP : 085262737118

Saya harap keikutsertaan dan kerjasama anda untuk berpartisipasi dan memberikan jawaban dengan jujur pada penelitian ini. Tidak ada paksaan dalam penelitian ini,anda berhak untuk menolak dan tidak berpartisipasi dalam penelitian ini. Demikian informasi ini saya sampaikan. Atas partisipasi dan ketersediaan anda menjadi partisipan dalam penelitian ini, saya ucapkan terima kasih.

Medan, November 2021

Leodi Afriandisa NIM 180100067

LAMPIRAN F Lembar Persetujuan Setelah Penjelasan

LEMBAR PERSETUJUAN SETELAH PENJELASAN (INFORMED CONSENT)

Saya yang bertanda tangan dibawah ini : Nama :

NIM :

Telah mendapat penjelasan dari peneliti secara jelas tentang penelitian “Pengaruh Intensitas Penggunaan Media Sosial terhadap Computer Vision Syndrome pada Mahasiswa Fakultas Kedoktean Universitas Sumatera Utara Tahun Masuk 2018”

Dalam dokumen PENGARUH INTENSITAS PENGGUNAAN MEDIA SOSIAL TERHADAP COMPUTER VISION SYNDROME (Halaman 31-0)