3.1Sampel Dan Teknik Pengambilan sampel
Responden penelitian ini adalah siswa SMA Negeri 14 Medan. Data jumlah siswa yang diperoleh adalah sebagai berikut:
Tabel 3.1 Jumlah Siswa SMA Negeri 14 Medan
No Kelas Jumlah Siswa
1 X 304
2 XI 345
3 XII 277
Total 926
Metode yang digunakan untuk jumlah sampel adalah dengan menggunakan rumus Slovin, sebagai berikut:
n =
�1+��2 keterangan:
n = Jumlah sampel N = Jumlah populasi
e = batas toleransi kesalahan
Populasi dalam penelitian ini adalah siswa SMA Negeri 14 Medan sebanyak 926 jiwa. Sehingga, jumlah siswayang diambil sebagai sampel adalah:
n =
�1+��2
= 926 1+926(0,1)2
= 926 10,26
= 90 orang
Maka dapat ditentukan jumlah sampel dalam penelitian ini adalah sebanyak 90 orang. Teknik pengambilan sampel menggunakan metode Proportionated stratified random sampling, maka jumlah sampel yang harus diambil berdasarkan perhitungan proporsi dari setiap jurusan di SMA Negeri 14 Medan dengan rumus sebagai berikut:
�� = �� ���
dengan:
�� = jumlah sampel menurut stratum
�� = jumlah populasi menurut stratum N = jumlah populasi
n = jumlah sampel
Tabel 3.2 Penarikan Sampel dengan Proporsional
3.2 Penyajian Data
Data analisis konjoin didapat berdasarkan urutan kartu profil dalam kuesioner. Dalam penelitian ini metode presentasi yang digunakan adalah full-profileyang menggunakan data metrik yaitu dengan cara merating. Proses menilai konjoin dilakukan dengan langkah-langkah sebagai berikut:
1. Menentukan atribut dan level atribut yaitu:
6) Faktor Emosi(Jenuh dan Bosan, Stres dan Depresi).
7) Faktor Lingkungan (Teman Sepergaulan Sesama Gamers, Mengikuti Ajakan Teman, Mengikuti Trend dan pergaulan)
8) Ketertarikan(Rasa Ingin tau dan penasaran, Merasa Tertantang, Sifat Game Yang Seru dan Menghibur)
9) Perkembangan Teknologi (Fasilitas Yang Memadai, Mudahnya akses Bermain Game online)
10)Gaya Hidup (Kurangnya Kegiatan, Kebiasaan atau hobi)
2. Mendesain stimuli yaitu setelah atribut dan level atribut diperoleh selanjutnya adalah menentukan preferensi responden terhadap setiap kombinasi maka dari itu dibentuklah stimuli. Stimuli adalah kombinasi antara atribut dengan level. Dari 5 atribut dan 5 level atribut tersebut didapat jumlah kombinasi yang mungkin untuk disusun sebanyak 72 stimuli (diperoleh dari hasil perkalian setiap level dari masing – masing atribut = 2 x 3 x 3 x 2 x 2). Dengan jumlah stimuli sebanyak itu, maka akan menyulitkan responden untuk memberikan penilaian terhadap stimuli tersebut serta membutuhkan waktu yang lama para responden untuk mengevaluasinya, sehingga untuk memudahkan responden kombinasi didesain oleh software SPSS 16.0 sehingga menghasilkan 16 stimuli. Adapun langkah membuat dengan SPSS 16.0 adalah sebagai berikut: a. Dari program SPSS, biarkan data editor dalam keadaan kosong
ORTHOPLAN /FACTOR=
EMOSI 'Faktor Emosi' (‘Jenuh dan Bosan’ ‘Stres dan Depresi’)
LKNGN ‘Faktor Lingkungan' (‘Teman Sepergaulan Sesama Gamers’ ‘Mengikuti Ajakan Teman’ ‘Mengikuti Trend dan pergaulan’)
KTRKN 'Ketertarikan' (‘Rasa Ingin Tau Dan Penasaran’ ‘Merasa Tertantang’ ‘Sifat Game Yang Seru Dan Menghibur’)
TKLGI‘Perkembangan Teknologi' (‘Fasilitas Yang Memadai’ ‘Mudahnya Akses Bermain Game Online’)
GAYA'Gaya Hidup' (‘Kurangnya Kegiatan’ ‘Kebiasaan Atau Hobi’) /HOLDOUT=0
SAVEOUTFILE='DATA SPSS.SAV'.
Pilih menu Run All dapat dibentuk kombinasi pada data view.
Setelah dievaluasi satu persatu dengan menggunakan software SPSS 16.0 dihasilkan 16 stimuli dan dapat langsung digunakan untuk mengetahui preferensi responden.Stimuli dapat dilihat pada lampiran 1.
Selanjutnya responden diminta untuk memberikan rating terhadap kombinasi pekerjaan yang ada pada lampiran 1 dengan menggunakan skala likert dan dengan urutan:
1 = Sangat tidak setuju dengan stimuli tersebut 2 = Tidak setuju dengan stimuli tersebut
3 = Cukup setuju dengan stimuli tersebut 4 = setuju dengan stimuli tersebut
5 = Sangat setuju dengan stimuli tersebut
3. Menghitung Nilai Urutan
Untuk menghitung nilai utilitas dan nilai kepentingan relatif atribut dapat menggunakan 2 cara yaitu:
a. Menggunakan Perhitungan Manual
dilihat pada lampiran 3. Lakukan pengkodean dengan variabel dummy yang mewakili setiap level dari masing – masing atribut. Untuk semua atribut dan level dari atribut dikodekan pada tabel 3.3 sebagai berikut:
Tabel 3.3 Pengkodean Level
Jumlah Atribut
level X1 X2 X3 X4 X5 X6 X7
1 1 1 0 1 0 1 1
2 0 0 1 0 1 0 0
3 - 0 0 0 0 - -
Bentuk pertanyaan dalam kuesioner dari setiap kombinasi terdapat pada lampiran 2 dan responden diminta untuk memberikan preferensinya dari setiap kombinasi.Preferensi diperoleh dengan mengurutkan kombinasi – kombinasi yang tersedia berdasarkan tingkat kepentingan relatif. Data pada tabel 3.3 akan dikodekan menjadi variabel dummy, sebagaimana dilakukan pada regresi dengan
variabel kuantitatif. Hasilnya adalah data pada tabel 3.4 sebagai berikut: Tabel 3.4 Pengkodean Data Untuk Regresi
Pada tabel 3.4 adalah data yang telah ditransformasikan, selanjutnya data yang diperoleh dari hasil kuesioner dianalisis dengan persamaan regresi linier berganda dengan variabel bebas berupa dummy 8 buah.
�(�) = �0+�1�1+�2�2+�3�3+�4�4+�5�5
Keterangan:
U(X) = Kegunaan atau utilitas
�0 = Intercept
�0,�1,�2,�3,�4,�5 =Nilai Utilitas setiap level dari masing – masing atribut
X1 = Variabel dummy mewakili atribut Faktor Emosi
X2 = Variabel dummy mewakili atribut Faktor
Lingkungan
X3 = Variabel dummy mewakili atribut Ketertarikan
X4 = Variabel dummy mewakili atribut Perkembangan
Teknologi
X5 = Variabel dummy mewakili atribut Gaya Hidup
Menentukan �0,�1, �2, ... ,Dapat menggunakan software SPSS sebagai berikut: a. Atribut yang sudah diubah menjadi variabel dummy, selanjutnya diinput
ke SPSS Statistics Data Editor.
b. Input juga nilai rating di kolom sebelahnya c. Pilih Analyze, Regression Linear
d. Isi nilai rating sebagai variabel dependent, dan ke – 7 level atribut sebagai variabel independent
Maka hasilnya dapat dilihat pada tabel 3.5 berikut ini yaitu koefisien nilai b dari SPSS
Tabel 3.5 Koefisien Nilai b dari SPSS
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
(Constant) 4,750 0,407 11,658 0,000
b1 -0,750 0,258 0,539 2,910 0,020
b2 -0,500 0,316 -0,359 -1,584 0,152
b3 -0,500 0,364 -0,311 -1,372 0,207
b4 -0,875 0,316 -0,629 -2,772 0,024
b5 -0,750 0,364 -0,467 -2,058 0,074
b6 -0,250 0,258 -0,180 -0,970 0,360
b7 0.250 0,258 0,180 0,970 0,360
Persamaan regresi liniear berganda digunakan untuk memperkirakan nilai utilitas. Harus diperoleh nilai utilitas dari setiap atribut, setiap atribut memiliki level. Dengan diketahuinya kode variabel dummy, setiap level dilambangkan terlebih dahulu. Untuk atribut, utilitas masing – masing level dilambangkan
oleh 11 (Jenuh dan Bosan), 12 (Stres dan Depresi), 21 (Teman Sepergaulan
Sesama Gamers), 22 (Mengikuti Ajakan Teman), 23 (Mengikuti Trend dan
Pergaulan), 31 (Rasa Ingin Tau dan Penasaran), 32 (Merasa Tertantang), 33
(Sifat Game Yang Seru dan Menghibur), 41 (Fasilitas Yang Memadai), 42
(Mudahnya Akses Bermain Game online), 51 (Kurangnya Kegiatan), 52
perbedaan dalam parth-worth untuk level yang bersangkutan dikurangi parth-worth dari level dasar.
Setelah didapat koefisien nilai b, maka dicari nilai kegunaannya (utility) sebagai berikut:
a) Untuk atribut Faktor Emosi diperoleh persamaan yang dinyatakan oleh persamaan berikut:
11 - 12 = b1 (1)
11 + 12 = 0 (2)
Dengan menggunakan nilai – nilai koefisien dari hasil SPSS maka diperoleh persamaan sebagai berikut:
11 - 12 = - 0,750 (3)
11 + 12= 0 (4)
Dari persamaan (3) dan (4) diperoleh persamaan: 11 - 12 = - 0,750
11 + 12 = 0
-212 = -0,750
12= 0,375 (5)
Dari persamaan (2) diperoleh persamaan: 11 + 12 = 0
11 + 0,375 = 0
11 = -0.375 (6)
Sehingga diperoleh hasil setelah dipecahkan: 11 = -0,375
12 = 0,375
b) Persamaan untuk atribut Faktor Lingkungan sebagai berikut:
21- 23 = b2 (7)
22 - 23 = b3 (8)
21 - 23 = -0,500 (10)
22 - 23 = -0,500 (11)
Dari persamaan (10) dan (11) diperoleh persamaan: 21 - 23 = -0,500
22 - 23 = -0,500
21 - 22 = 0 (12)
21 = 22 (13)
Dari persamaan (9) diperoleh persamaan: 21 + 22 + 23 = 0
22 +22 +23 = 0
222 + 23 = 0 (14)
Dari persamaan (11) dan (14) diperoleh persaman: 22 - 23 = -0,500
222 + 23 = 0
322 = -0,500
22 = -0,167 (15)
Dari persamaan (11) diperoleh persamaan: 22 - 23= -0,500
-0,167 - 23= -0,500
23= 0,333 (16)
Dari persamaan (10) diperoleh persamaan: 21 - 23 = -0,500
21 – 0,333 = -0,500
21 = -0,167 (17)
Maka setelah dipecahkan diperoleh hasil sebagai berikut: 21 = -0,167
22 = -0,167
c) Persamaan untuk atribut Ketertarikan dinyatakan pada persamaan berikut:
31 - 33 = b4 (18)
32 - 33 = b5 (19)
31 + 32 + 33 = 0 (20)
Dengan menggunakan nilai – nilai koefisien dari hasil SPSS maka diperoleh persamaan betrikut:
31 - 33 = -0,875 (21)
32 - 33 = -0,750 (22)
Dari persamaan (21) dan (22) diperoleh: 31 - 33 = -0,875
32 - 33 = -0,750
31 - 32 = -0,125 (23)
31 = -0,125 + 32 (24)
Dari persamaan (20) diperoleh persamaan: 31 + 32 + 33 = 0
-0,125 + 32 +32 +33 = 0
-0,125 + 232+33 = 0
232 + 33 = 0,125 (25)
Dari persamaan (22) dan (25) diperoleh persamaan: 32 - 33 = -0,750
232 + 33 = 0,125
332 = -0,625
32 = -0,208 (26)
Dari persamaan (22) diperoleh persamaan: 32 - 33= -0,750
-0,208 - 33= -0,750
33= 0,542 (27)
Dari persamaan (21) diperoleh persamaan: 31 - 33= -0,875
31 – 0,542 = -0,875
Sehingga diperoleh: 31 = -0,333
32 = -0,208
33 = 0,542
d) Untuk atribut Perkembangan Teknologi diperoleh persamaan yang dinyatakan oleh persamaan berikut:
41 - 43 = b6 (29)
41 + 42 = 0 (30)
Dengan menggunakan nilai koefisien dari hasil SPSS maka diperoleh persamaan sebagai berikut:
41 - 42 = -0,250 (31)
41 + 42 = 0 (32)
Dari persamaan (31) dan (32) diperoleh persamaan: 41 - 42 = -0,250
41 + 42 = 0
-242 = -0,250
42 = 0,125 (33)
Dari persamaan (30) diperoleh persamaan: 41 + 42 = 0
41 + 0,125 = 0
41 = -0,125 (34)
Sehingga diperoleh hasil setelah dipecahkan: 41 = -0,125
42 = 0,125
e) Untuk atribut Gaya Hidup maka akan diperoleh persamaan sebagai berikut:
51- 52 = b7 (35)
Dengan menggunakan nilai koefisien dari hasil SPSS maka diperoleh persamaan sebagai berikut:
51 - 52 = 0,250 (38)
51 + 53 = 0 (39)
Dari persamaan (38) dan (39) diperoleh persamaan: 51 - 52 = 0,250
51 + 52 = 0
-2 52 = 0,250 (40)
52 = -0,125 (41)
Dari persamaan (39) diperoleh persamaan: 51 + 52 = 0
51 + -0,125 = 0
51 = 0,125 (42)
Sehingga diperoleh hasil setelah dipecahkan: 51 = 0,125
52 = -0,125
Untuk setiap level disajikan pada tabel 3.5 melalui level-levelnya dapat dihitung tingkat kepentingan atribut, diketahui bahwa tingkat kepentingan atribut adalah selisih utilitas tertinggi dan terendah. Seperti yang dinyatakan pada persamaan berikut:
Ii= {max (�ij) – min (�ij)} (3.1)
Tingkat kepentingan atribut adalah:
Faktor Emosi (Ii) = 0,375 – (-0,375) = 0,750 Faktor Lingkungan (I2) = 0,333 – (-0,167) = 0,5
Ketertarikan (I3) = 0,542 – (-0,333) = 0,875
Perkembangan Teknologi (I4) = 0,125 – (-0,125) = 0,250
Gaya Hidup b (I5) = 0,125 – (-0,125) = 0,250
W
i=
�� ∑��=1��(3.2)
Dengan rumus 3.2 diatas maka tingkat kepentingan relatif (bobot) setiap atribut adalah:
b. Menggunakan software SPSS 16.0 dengan program syntax
Tabel 3.6 Hasil Metode Full Profile Untuk 1 Responden
Atribut
Level Tingkat
Kepentingan
Deskripsi Utilitas Skor Bobot
Lambang Skor
Rasa Ingin Tau Dan
Penasaran 31 -0,333
0,875 0,3333 Merasa Tertantang 32 -0,208
Sifat Game Yang Seru Dan
Menghibur 33 0,542
Perkembangan Teknologi
Fasilitas Yang Memadai 41 -0,125
0,250 0,0952 Mudahnya Akses Bermain
Game Online 42 0,125
Gaya Hidup
Kurangnya Kegiatan 51 0,125
0,250 0,0952 Kebiasaan Atau Hobi 52 -0,125
Tabel 3.7 Nilai Utilitas 1 Orang Responden
Atribut Level Utilitas
Estimate
Teman Sepergaulan Sesama Gamers -0,167 0,172 Mengikuti Ajakan Teman -0,167 0,201 Mengikuti Trend Dan Pergaulan 0,333 0,201
Ketertarikan
Rasa Ingin Tau Dan Penasaran -0,333 0,172
Merasa Tertantang -0,208 0,201
Sifat Game Yang Seru Dan Menghibur 0,542 0,201 Perkembangan
Teknologi
Fasilitas Yang Memadai -0,125 0,129 Mudahnya Akses Bermain Game Online 0,125 0,129
Gaya Hidup Kurangnya Kegiatan 0,125 0,129
Kebiasaan Atau Hobi -0,125 0,129
(Constant) 4,250 0,142
Tabel 3.8 Nilai Kepentingan Relatif 1 Orang Responden
Atribut NPR
Faktor Emosi 28,57%
Faktor Lingkungan 19,05%
Ketertarikan 33,33%
Perkembangan Teknologi 9,52%
Pada tabel 3.9 adalah nilai kepentingan atribut keseluruhan responden dapat dilihat sebagai berikut:
Tabel 3.9 Nilai Utilitas Keseluruhan Responden
Atribut Level Utilitas
Estimate
Teman Sepergaulan Sesama Gamers -0,041 0,048 Mengikuti Ajakan Teman -0,039 0,057 Mengikuti Trend Dan Pergaulan 0,080 0,057
Ketertarikan
Rasa Ingin Tau Dan Penasaran 0,056 0,048
Merasa Tertantang -0,101 0,057
Sifat Game Yang Seru Dan Menghibur 0,046 0,057 Perkembangan
Teknologi
Fasilitas Yang Memadai 0,068 0,036
Mudahnya Akses Bermain Game Online -0,068 0,036
Gaya Hidup Kurangnya Kegiatan 0,044 0,036
Kebiasaan Atau Hobi -0,044 0,036
(Constant) 4,250 4,431
Tabel 3.10 Nilai Kepentingan Relatif Keseluruhan Responden
4. Dari hasil Metode Full Profile dan nilai kepentingan atribut, baik dari 1 responden maupun keseluruhan responden dari tabel diatas, maka didapat interpretasi sebagai berikut:
Atribut NPR
Faktor Emosi 21,287%
Faktor Lingkungan 22,081%
Ketertarikan 30,646%
Perkembangan Teknologi 13,797%
1) Pada tabel 3.8 dapat dilihat bahwa 1 responden memilih atribut Ketertarikansebagai atribut yang dianggap paling penting pengaruhnya terhadap kecanduan game online pada siswa sebesar 33,333% yang diikuti dengan atribut Faktor Emosi sebesar 28,571%, untuk atribut Faktor Lingkungan sebesar 19,048%, untuk atribut Perkembangan Teknologi dan Gaya Hidup masing-masing sebesar 9,524%.
2) Pada tabel 3.10 dapat dilihat bahwa keseluruhan responden memilih Ketertarikan sebagai atribut yang dianggap paling penting pengaruhnya terhadap kecanduan game online pada siswa SMA Negeri 14 Medan sebesar 30,646% yang diikuti dengan atribut Faktor Lingkungan sebesar 22,081%, atribut Faktor Emosi sebesar 21,287%, atribut Perkembangan Teknologi sebesar 13,797%, dan atribut Gaya Hidup sebesar 12,189%.
Gambar 3.1 Diagram Nilai Kepentingan Relatif
Dari gambar 3.1 dapat dilihat bahwa atribut Ketertarikan sebagai atribut yang dianggap relatif penting pengaruhnya terhadap kecanduan game online pada siswa SMA Negeri 14 Medan.
NPR
Faktor Emosi
Faktor Lingkungan
Ketertarikan
Perkembangan Teknologi
3.3 Interpretasi Model Analisis Konjoin
Penerapan model analisis konjoin melalui pendekatan analisis regresi berganda menggunakan variabel dummy terhadap ketujuh profil faktor yang mempengaruhi Kecanduan Game Online Pada Siswa SMA Negeri 14 Medan.
�(�) =�0 + �11�11 +�12�12 +�21�21 +�22�22 +�23�23 +�31�31 +�32�32 +�33�33 +�41�41 +�42�42
+�51�51 +�52�52 +�53�53
Dari tabel 3.9 diperoleh estimasi koefisien persamaan dasar konjoin atau estimasi utilitas, yang disebut sebagai prediksi parth-worth adalah:
0 = 4,25011 = -0,03312 = 0,03321 = -0,04122 = -0,039 23 = 0,080 31 = 0,056
32 = -0,101 33 = 0,046 41 = 0,068 42 = -0,068 51 = 0,044 52 = -0,044
Dengan mensubstitusikan setiap estimasi utilitas kedalam persamaan dasar konjoin akan menjadi :
U(X) = 4,250 - 0,033 X11 + 0,033X12- 0,041X21 -0,039X22+ 0,080 X23+ 0,056 X31-
0,101 X32 +0,046 X33+ 0,068 X41 -0,068 X42+ 0,044 X51- 0,044X52
Pada dasarnya utilitas adalah derajat seberapa besar nilai ukuran kepuasan responden dari penggunaan barang dan jasa.Jadi utilitas disini adalah seberapa besar pengaruh nilai dari masing – masing level.Nilai Utilitas menunjukkan seberapa besar pengaruh nilai dari masing – masing level pada tiap – tiap atribut dari hasil yang didapat berdasarkan mensubstitusikan setiap estimasi utilitas kedalam persamaan dasar konjoin diatas.
3.4 Pengukuran Validitas Dan Reliabilitas
Pengukuran validitas dan reliabilitas ini digunakan untuk menunjukkan korelasi dan kevalidan penilai responden. Nilai – nilai ini berkorelasi dengan input rating untuk profil yang diperoleh dari responden.
Tabel 3.11 Korelasi
Metode Value Sig.
Pearson's R 0,985 0,000
Kendall's tau 0,836 0,000
Pada pengukuran validitas dan reliabilitas ini output korelasi secara pearson dengan menggunakan SPSS menghasilkan angka yang relatif kuat yaitu 0,985 (diatas 0.5). Hal ini menunjukkan adanya hubungan yang kuat antara estimasi dan aktual, artinya data hasil perhitungandari model regresi berkorelasi sangat kuat dengan data yang diperoleh berdasarkan pendapat responden. Sedangkan pada uji signifikansi lima korelasi yang dibahas menghasilkan signifikansi 0,000 (dibawah 0,05) maka kelima korelasi tersebut mempunyai signifikansi yang cukup kuat.
Nilai koefisien ini signifikansi pada = 5%, karena jika hasil ini memiliki
KESIMPULAN DAN SARAN
4.1 Kesimpulan
3) Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan bahwa keseluruhan responden memilih atributKetertarikan sebagai atribut yang dianggap relatif penting pengaruhnya terhadap kecanduan game online pada siswa SMA Negeri 14 Medan sebesar 30,646% yang diikuti dengan atribut Faktor Lingkungan sebesar 22,081%, atribut Faktor Emosi sebesar 21,287%, atribut Perkembangan Teknologi sebesar 13,797%, dan atribut Gaya Hidup sebesar 12,189%.
2. Dari nilai utilitas masing-masing taraf atribut diperoleh informasi bahwa:
1) Faktor Emosi yang stres dan depresi mempengaruhi kecanduan game online pada siswa SMA Negeri 14 Medan (0,033).
2) Faktor Lingkungan yang mengikuti Trend dan pergaulan mempengaruhi kecanduan game online pada siswa SMA Negeri 14 Medan (0,080).
3) Ketertarikan rasa ingin tau dan penasaran mempengaruhi kecanduan game online pada siswa SMA Negeri 14 Medan (0,056).
4) Perkembangan Teknologi Dengan fasilitas memadai mempengaruhi kecanduan game online pada siswa SMA Negeri 14 Medan (0,068)..
5) Gaya Hidup yang kurangnya kegiatan mempengaruhi kecanduan game online pada siswa SMA Negeri 14 Medan (0,044).
4.2 Saran
Dari hasil penelitian, analisis dan kesimpulan di atas, berikut beberapa saran yang dapat disampaikan:
Hidup terhadap kurangnya kegiatan mempengaruhi kecanduan game online pada siswa diharapkan pihak sekolah lebih memperhatikan dan mengawasi lagi keluarnya siswa di luar lingkungan sekolah pada jam belajar, pihak sekolah juga diharapkan lebih banyak mengadakan kegiatan ekstrakurikuler yang positif untuk siswanya sesuai dengan minat dan kesenangan siswa sehingga siswa tidak bosan dan tidak beralih ke game online.
2) Bagi orang tua siswa dan masyarakat, bahwafenomena bermain game online bukan hanya untuk kesenangan semata akan tetapi banyak dampak yang terjadi untuk itu perlu pengawasan dan bimbingan kepada anak sehingga tidak menjadi kecanduan.