BAB III.............................................................................................................. 20
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.
30
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”
dan dengan ini saya bersedia menjadi responden dalam peneitian ini dengan ikhlas dan jujur tanpa paksaan dari siapapun
Demikian lembar persetujuan ini saya setujui dan tandatangani dengan sadar tanpa paksaan
Medan,…….2021
……….
(Nama dan tanda tangan)
LAMPIRAN G Kuesioner Penelitian
Kuesioner Computer Vision Syndrome (CVS-Q)
Kuesioner Social Networking Time Use Scale (SONTUS)
LAMPIRAN H Data Induk Penelitian
1 KN 21 perempuan Rata-rata CVS
2 MAA 21 laki-laki Rata-rata Tidak CVS
3 ZZNS 22 perempuan Tinggi CVS
4 MFAH 22 laki-laki Rata-rata CVS
5 AF 20 perempuan Rata-rata Tidak CVS
6 RM 21 perempuan Rata-rata CVS
7 AF 20 perempuan Rata-rata Tidak CVS
8 AM 20 perempuan Tinggi CVS
9 AA 21 perempuan Sangat tinggi Tidak CVS
10 AR 20 laki-laki Tinggi CVS
11 AA 20 perempuan Rata-rata CVS
12 AZS 21 perempuan Rata-rata CVS
13 NAD 21 perempuan Rendah Tidak CVS
14 BPT 21 laki-laki Tinggi CVS
15 BP 21 laki-laki Rata-rata Tidak CVS
16 DA 21 laki-laki Rata-rata CVS
17 BE 20 laki-laki Rata-rata CVS
18 FK 21 laki-laki Tinggi CVS
19 DA 21 perempuan Rendah CVS
20 DPHS 21 perempuan Tinggi CVS
21 ETF 21 laki-laki Rata-rata CVS
22 AZ 21 perempuan Rendah Tidak CVS
23 F 21 perempuan Tinggi CVS
24 JN 20 perempuan Rata-rata CVS
25 JA 21 perempuan Rendah Tidak CVS
26 JPM 21 laki-laki Rata-rata CVS
27 CA 22 perempuan Rendah CVS
28 DA 21 perempuan Rata-rata CVS
29 FKL 21 perempuan Rendah CVS
30 DM 21 perempuan Rata-rata CVS
31 MC 20 perempuan Rendah Tidak CVS
32 DP 21 laki-laki Sangat tinggi CVS
33 AAMP 21 laki-laki Rendah Tidak CVS
34 RWB 21 laki-laki Tinggi CVS
35 RPB 21 perempuan Tinggi CVS
36 DG 21 laki-laki Rendah Tidak CVS
37 GRNS 20 laki-laki Rata-rata CVS
38 IAH 21 perempuan Rata-rata CVS
39 SYS 21 perempuan Rendah CVS
40 CS 20 perempuan Rendah CVS
41 LK 25 perempuan Rata-rata CVS
42 PL 21 perempuan Rata-rata CVS
43 KS 20 perempuan Tinggi CVS
44 PDL 21 laki-laki Rata-rata Tidak CVS
45 SA 21 laki-laki Rendah CVS
46 ES 20 perempuan Tinggi Tidak CVS
47 RHRP 21 perempuan Rendah Tidak CVS
48 GA 20 laki-laki Rata-rata CVS
49 RWP 21 laki-laki Rata-rata CVS
50 FAN 22 perempuan Rata-rata CVS
51 NC 21 perempuan Tinggi CVS
52 CC 21 perempuan Rendah Tidak CVS
53 NA 21 perempuan Rendah Tidak CVS
54 MAH 21 perempuan Rendah Tidak CVS
55 AA 20 perempuan Tinggi Tidak CVS
56 N 21 laki-laki Rata-rata Tidak CVS
57 GV 22 perempuan Rendah CVS
58 NM 21 perempuan Rata-rata CVS
59 IUD 21 perempuan Rata-rata CVS
60 K 21 perempuan Rata-rata Tidak CVS
61 MF 21 laki-laki Tinggi Tidak CVS
62 RR 20 laki-laki Rata-rata Tidak CVS
63 SAN 21 laki-laki Rata-rata Tidak CVS
64 G 22 laki-laki Rata-rata CVS
65 PRC 20 perempuan Rata-rata CVS
66 DS 22 perempuan Rendah Tidak CVS
67 SH 21 perempuan Rata-rata CVS
68 LJG 21 laki-laki Rata-rata CVS
69 IW 21 perempuan Rendah CVS
70 BDP 21 perempuan Rata-rata CVS
71 AI 21 perempuan Tinggi CVS
72 IS 21 laki-laki Tinggi CVS
73 MHMZA 24 laki-laki Rendah Tidak CVS
74 K 21 laki-laki Rendah CVS
75 LH 20 laki-laki Rata-rata CVS
76 VM 21 perempuan Rata-rata CVS
77 TP 21 laki-laki Rata-rata CVS
78 KNR 21 laki-laki Rendah CVS
79 NS 21 perempuan Rata-rata Tidak CVS
80 TRB 20 laki-laki Tinggi CVS
81 AAF 20 perempuan Rata-rata Tidak CVS
82 RFGN 21 laki-laki Rendah CVS
83 M 20 laki-laki Rata-rata Tidak CVS
84 UU 21 perempuan Rata-rata CVS
85 DA 21 perempuan Rata-rata Tidak CVS
86 AN 21 perempuan Rata-rata Tidak CVS
87 ZAZ 21 perempuan Rata-rata CVS
88 NA 20 perempuan Rendah Tidak CVS
89 NPRL 22 perempuan Tinggi Tidak CVS
90 S 21 perempuan Rata-rata CVS
91 TSNS 21 perempuan Tinggi Tidak CVS
92 AAS 20 perempuan Tinggi CVS
93 SM 20 perempuan Tinggi CVS
94 CS 21 laki-laki Tinggi CVS
95 APM 21 perempuan Rata-rata CVS
96 SHT 21 perempuan Rata-rata CVS
97 MAA 21 perempuan Rata-rata Tidak CVS
98 MSA 21 laki-laki Rendah CVS
99 AIS 21 perempuan Rata-rata CVS
100 KF 21 perempuan Rata-rata CVS
101 DR 22 perempuan Tinggi CVS
102 CM 21 perempuan Rendah Tidak CVS
103 DAK 20 laki-laki Tinggi CVS
104 NL 20 perempuan Sangat tinggi Tidak CVS
105 TAS 20 perempuan Rata-rata CVS
106 MHA 21 perempuan Rendah Tidak CVS
107 AA 20 perempuan Rendah CVS
108 AD 20 perempuan Tinggi CVS
109 VG 20 perempuan Rata-rata CVS
110 EY 20 perempuan Rata-rata CVS
111 Y 20 perempuan Rendah Tidak CVS
112 N 21 perempuan Rendah CVS
113 MM 21 laki-laki Rata-rata CVS
114 P 24 perempuan Rendah CVS
115 NHA 21 perempuan Rata-rata CVS
116 PL 20 laki-laki Rendah CVS
117 ML 21 perempuan Tinggi CVS
118 AFM 21 perempuan Rendah CVS
119 AG 21 perempuan Rata-rata Tidak CVS
120 MG 21 perempuan Rendah CVS
121 NL 21 perempuan Rata-rata CVS
122 SAA 20 perempuan Tinggi CVS
123 SAZ 20 perempuan Tinggi Tidak CVS
124 TMP 20 perempuan Rata-rata CVS
125 ARN 20 laki-laki Tinggi Tidak CVS
126 MFF 20 laki-laki Tinggi Tidak CVS
127 EYS 20 perempuan Rendah CVS
128 MNAH 21 perempuan Sangat tinggi Tidak CVS
129 NAK 21 perempuan Sangat tinggi CVS
130 TDC 21 perempuan Rata-rata CVS
131 SNIPP 21 perempuan Tinggi CVS
132 DA 21 perempuan Tinggi CVS
133 MHAM 19 laki-laki Rata-rata CVS
134 NFH 21 perempuan Tinggi CVS
135 RW 22 laki-laki Rendah Tidak CVS
136 I 22 laki-laki Rata-rata Tidak CVS
137 CH 21 perempuan Rendah Tidak CVS
137 CH 21 perempuan Rendah Tidak CVS