DESKRIPSI PENGGUNAAN INTERNET DI KALANGAN
MAHASISWA INSTITUT PERTANIAN BOGOR
EKA NAHDIATI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2005
ABSTRACT
EKA NAHDIATI
. Description of Internet Usage of Undergraduate Student in
Bogor Agriculture University. Under the supervision of HARI WIJAYANTO and
AGUS M. SOLEH.
Today, internet has become important needs to all people, especially
student. The aim of this research is to identify factors affecting student become an
active or lapsed users of internet using binary logistic regression. This research
also investigate factors affecting internet usage intensity of active users (devided
into high, moderate, and low users) using ordinal logistic regression. By knowing
these factors, the internet provider could determine the type of consumer they are
going to reach.
The object of this research is undergraduate students of Bogor Agriculture
University that came in between year 2001-2004. Stratified sampling methods
were used in this research using faculty as strata. Number of sample that was
collected is 250 samples.
Data shows that 81.6% are active users among them, 6.9%, 49.8%, and 43.3
% are high, moderate, and low users, respectively.
The research show that the main factors affecting student become an active
users of internet are (1) the use of internet for educational reason; (2) the use
internet for personal communication, games, and access public information
purposes; and (3) campus and internet cafe as location when using internet. While
the main factor affecting students become an lapsed users is the use of internet to
look for holiday information. The main factors affecting internet usage intensity
of active users are the use of internet using personal email, business email, world
wide web, download software/film/music, and mailing list application.
DESKRIPSI PENGGUNAAN INTERNET DI KALANGAN
MAHASISWA INSTITUT PERTANIAN BOGOR
EKA NAHDIATI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2005
Judul
: DESKRIPSI PENGGUNAAN INTERNET DI KALANGAN
MAHASISWA INSTITUT PERTANIAN BOGOR
Nama
: Eka Nahdiati
NRP
: G14101010
Menyetujui,
Pembimbing I Pembimbing II
Dr. Ir. Hari Wijayanto, M.Si
Agus M. Soleh, S.Si, M.T
NIP. 131 878 950 NIP. 132 232 455
Mengetahui,
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Dr. Ir. Yonny Koesmaryono, MS
NIP. 131 473 999
PRAKATA
Puji syukur penulis panjatkan kehadirat Allah SWT atas rahmat dan
bimbingan-Nya, penulis dapat menyelesaikan karya ilmiah ini.
Ucapan terima kasih penulis sampaikan kepada Bapak Dr. Ir. Hari
Wijayanto M.Si dan Bapak Agus M. Soleh S.Si, M.T selaku pembimbing atas
saran dan bimbingannya. Ungkapan terima kasih dan penghargaan ingin penulis
sampaikan kepada keluarga atas segala doa dan pengorbanan yang telah mereka
berikan. Penulis juga ingin berterima kasih kepada kakak dan teman-teman
angkatan 35, 36, 37, 38, dan 39 Statistika IPB serta seluruh pihak yang tidak dapat
disebutkan satu persatu dimana mereka senantiasa membantu dan memberikan
dukungan semangat selama penyusunan karya ilmiah ini.
Semoga karya ilmiah ini dapat bermanfaat bagi pembaca maupun penulis
sendiri.
Bogor, September 2005
RIWAYAT HIDUP
Penulis dilahirkan di Cirebon pada tanggal 16 Januari 1983 merupakan
anak terakhir dari enam bersaudara pasangan Abdul Karim (Alm) dan Wasniah.
Pada tahun 1995 penulis menyelesaikan pendidikan dasar di SDN
Lemahabang 2 Cirebon, kemudian melanjutkan ke SMP Negeri 1 Karangsembung
Cirebon dan lulus pada tahun 1998. Pada tahun 2001 penulis menyelesaikan
pendidikan menengah atas di SMU Negeri 1 Cirebon. Pada tahun yang sama
diterima di Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB
(USMI) sebagai mahasiswa Jurusan/Departemen Statistika, Fakultas Matematika
dan Ilmu Pengetahuan Alam.
Selama masa perkuliahan penulis pernah menjadi asisten mata kuliah
Metode Statistika tahun akademik 2003/2004, Statistika Deskriptif tahun
akademik 2003/2004, dan Analisis Data Kategorik tahun akademik 2004/2005.
DAFTAR ISI
Halaman
DAFTAR TABEL...viii
DAFTAR GAMBAR...viii
DAFTAR LAMPIRAN...viii
PENDAHULUAN
Latar Belakang... 1
Tujuan... 1
TINJAUAN PUSTAKA
Pengguna Internet... 1
Metode Penarikan Contoh... 1
Model Regresi Logistik ... 2
Model Regresi Logistik Biner... 2
Model Regresi Logistik Ordinal... 2
Pendugaan Parameter Model Logistik... 2
Uji Nyata Parameter Model Logistik... 2
Rasio Odds... 3
Metode Stepwise dalam Regresi Logistik... 3
BAHAN DAN METODE
Bahan... 3
Metode... 3
HASIL DAN PEMBAHASAN
Karakteristik Responden Berdasarkan Demografi... 4
Analisis Statistika Deskriptif... 5
Pengguna Aktif versus Bukan Pengguna aktif... 6
Alasan Pertama Kali Menggunakan Internet... 6
Kepentingan Penggunaan Internet... 6
Lokasi Penggunaan Internet... 6
Intensitas Penggunaan Internet... 7
Aplikasi Internet Yang Digunakan... 7
KESIMPULAN DAN SARAN
Kesimpulan... 7
Saran ... 8
DAFTAR PUSTAKA... 8
LAMPIRAN... 9
DAFTAR TABEL
Halaman
1. Alokasi contoh minimum pada setiap fakultas... 3
2. Jumlah responden pada setiap fakultas... 4
3. Karakteristik responden... 4
4. Tabulasi silang antara waktu pemakaian internet dengan alasannya... 6
5. Koefisien dugaan, rasio odds, serta nilai-p dari peubah yang nyata hasil
analisis regresi logistik biner ... 7
6. Koefisien dugaan, rasio odds, serta nilai-p dari peubah yang nyata hasil
analisis regresi logistik ordinal ... 7
DAFTAR GAMBAR
Halaman
1. Persentase pengguna aktif dan bukan pengguna aktif berdasarkan jenis
kelamin... 5
2. Persentase pengguna aktif dan bukan pengguna aktif berdasarkan angkatan
... 5
3. Persentase pengguna aktif dan bukan pengguna aktif berdasarkan IPK... 5
4. Persentase jumlah responden yang termasuk pengguna aktif berdasarkan
frekuensi penggunaan internet... 5
DAFTAR LAMPIRAN
Halaman
1. Kuesioner deskripsi penggunaan internet di kalangan mahasiswa IPB... 10
2. Peubah dan kategori analisis regresi logistik biner dan ordinal... 13
3. Pendugaan parameter model regresi logistik ordinal... 15
PENDAHULUAN
Latar Belakang
Internet adalah kumpulan dari jaringan komputer yang ada di seluruh dunia. Dengan internet, komputer bisa berhubungan langsung dengan komputer-komputer lainnya (Anonim, 2005). Hal ini memungkinkan mahasiswa mencari informasi untuk kepentingan pendidikan seperti jurnal ilmiah dari seluruh dunia yang mungkin sangat sulit dicari di perpustakaan biasa. Dengan demikian maka internet menjadikebutuhan yang penting bagi semua orang khususnya mahasiswa. Sejalan dengan semakin pentingnya peranan internet maka penyedia jasa layanan internet juga harus mengetahui karakteristik penggunanya sehingga dapat memberikan layanan yang tepat guna.
Pengguna internet dapat digolongkan menjadi active users (pengguna aktif) dan
lapsed users (bukan pengguna aktif).
Pengguna aktif mungkin memiliki perbedaan dalam karakteristik dan pola penggunaan dibandingkan dengan bukan pengguna aktif. Oleh karena itu, ingin diselidiki perbedaan aplikasi dan layanan yang digunakan oleh pengguna aktif dengan bukan pengguna aktif. Selain itu juga ingin dibandingkan intensitas pemakaian internet oleh pengguna aktif yang nantinya dapat digolongkan menjadi low
(rendah), moderate (sedang), dan high
(tinggi).
Populasi yang menjadi objek pengamatan adalah mahasiswa Program Sarjana Institut Pertanian Bogor (IPB) angkatan 2001-2004. Penelitian ini ingin mengidentifikasi faktor-faktor apa saja yang mempengaruhi seseorang menjadi pengguna aktif atau bukan pengguna aktif serta pola penggunaannya. Selain berdasarkan demografi, diteliti pula aspek-aspek penggunaan internet seperti lokasi penggunaan internet, alasan menggunakan internet, aktivitas yang dilakukan selama memakai internet, serta aplikasi yang digunakan untuk memprediksi pengguna aktif atau bukan pengguna aktif serta intensitas penggunaannya.
Tujuan
Penelitian ini bertujuan untuk:
1.
Menentukan faktor-faktor yang mempengaruhi seseorang menjadi pengguna aktif atau bukan pengguna aktif.2.
Menentukan faktor-faktor yang mempengaruhi intensitas penggunaan internet oleh pengguna aktif.TINJAUAN PUSTAKA
Pengguna Internet
Emmanouilides dan Hammond (2000) menggolongkan pengguna internet menjadi dua yaitu active users (pengguna aktif) dan
lapsed users (bukan pengguna aktif). Active users adalah orang yang menggunakan internet pada kurun waktu satu bulan terakhir, baik yang sudah terbiasa menggunakan internet maupun yang masih baru menggunakan internet. Lapsed users adalah orang yang pernah menggunakan internet di waktu yang lalu, tapi sudah tidak menggunakan internet lagi pada kurun waktu satu bulan terakhir. Pengguna aktif berdasarkan intensitas penggunaan internet digolongkan menjadi tiga, yaitu:
1.
Low (rendah), orang yang menggunakan internet 1 sampai 3 kali pada satu bulan terakhir.2.
Moderate (sedang), orang yang menggunakan internet 4 sampai 19 kali pada satu bulan terakhir.3.
High (tinggi), orang yang menggunakan internet 20 kali atau lebih pada satu bulan terakhir.Metode Penarikan Contoh
Penarikan contoh acak berlapis adalah contoh yang diperoleh dengan cara menyekat populasi menjadi beberapa anak-populasi (disebut lapisan) yang tidak tumpang tindih, kemudian menarik contoh acak dari setiap lapisan tersebut (Singh & Chaudhary, 1986). Rumus yang digunakan untuk mendapatkan n buah contoh dari N populasi sebagai berikut:
∑
∑
= = + = L i i i L i i i N N B N N n 1 2 2 1 2 1 4 σ σ dengan 2 (1 ) i i i = p − pσ . Jika nilai dugaan
σ
isama sekali tidak diketahui, maka tindakan yang paling tepat ialah dengan menganggap bahwa nilai parameter tersebut sama untuk semua lapisan (Scheaffer et al., 1990). Pengalokasian contoh untuk setiap lapisan
menggunakan pengalokasian sebanding dengan rumus: n N N n i i i =
∑
×Model Regresi Logistik
Menurut Hosmer dan Lemeshow (1989) regresi logistik adalah metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah bebas berskala kategori atau kontinu.
Model Regresi Logistik Biner
Model regresi logistik biner merupakan model matematika yang dapat digunakan untuk memodelkan hubungan antara peubah bebas X dengan peubah respon Y yang bersifat biner. Peubah respon Y mengikuti sebaran Bernoulli dengan fungsi sebaran peluang: y y y Y f( = )=π (1−π)1−
dengan y = 0 atau 1 dan π adalah peluang terjadinya y = 1.
Hosmer dan Lemeshow (1989) menjelaskan bahwa, model regresi logistik dengan E(Y=1|x) sebagai π(x) adalah:
)) ( exp( 1 )) ( exp( ) ( x g x g x + = π
Fungsi hubung yang sesuai untuk model regresi logistik biner adalah fungsi logit. Transformasi logit sebagai fungsi dari π (x) adalah: p pX X x x x g β β β π π = + + + − = ... ) ( 1 ) ( ln ) ( 0 1 1
Model Regresi Logistik Ordinal
Model regresi logistik ordinal digunakan untuk menganalisis peubah respon berskala ordinal dengan banyaknya kategori lebih dari dua. Model log linear untuk peubah ordinal dikenal juga sebagai model logit yang menggunakan kategori respon yang berdekatan (McCullagh & Nelder,1989).
Cara untuk menggunakan model regresi logistik dengan peubah respon yang berskala ordinal adalah dengan membentuk logit dari peluang kumulatif (Agresti, 1990)
( )
(
)
( )
( )
, j 1, ,k | 1 ++ = = ≤ Υ = x x x j pr x j j π π γπj = peluang pada kategori ke-j.
Model regresi logistik ordinal menggunakan logit dari peluang kumulatif sebagai berikut:
Logit [P(Y≤j)] =logPP((YY jj))
> ≤
, j = 1,2,...,k-1
Pendugaan Parameter Model Logistik
Pendugaan parameter model logit yang peubah responnya berskala kualitatif adalah dengan menggunakan metode kemungkinan maksimum. Untuk memudahkan perhitungan dilakukan pendekatan logaritma, sehingga disebut sebagai fungsi log-kemungkinan ( log-likelihood). Fungsi log-kemungkinan ( log-likelihood) untuk model regresi logistik biner adalah sebagai berikut:
∑
= + − − = n i i i i i x y x y L 1 ))) ( 1 ln( ) 1 ( ) ( ln ( ) (β π πdan fungsi log-kemungkinan (log-likelihood) untuk model regresi logistik ordinal adalah:
∑
= ij ij i i y y L(π , ) logπ dengan∑
y
ij=
m
dan∑
πij =1.Uji Nyata Parameter Model Logistik
Pengujian peranan peubah bebas dalam model secara bersama-sama adalah dengan uji rasio kemungkinan (likelihood ratio test) melalui statistik uji-G (Hosmer & Lemeshow, 1989). Statistik uji-G mempunyai rumus umum: − = 1 0 ln 2 L L G dengan:
L0 = fungsi kemungkinan tanpa peubah
penjelas.
L1 = fungsi kemungkinan dengan peubah
penjelas.
Hipotesisnya sebagai berikut: H0 :β1 =β2 =...=βp =0
H1 : minimal ada satu βi ≠0
dimana i=1,2,...,p.
Statistik uji-G mengikuti sebaran χ2
dengan derajat bebas p. Hipotesis nol ditolak jika G >
χ
P2(α).Pengujian peubah bebas secara parsial dengan menggunakan statistk uji Wald, rumus umumnya: ) ˆ ( ˆ i i i SE W β β = dengan hipotesis: H0 :βi =0 H1 :βi ≠0 dimana i=1,2,...p
Statistik uji Wald mengikuti sebaran normal baku.
Rasio Odds
Di dalam kajian hubungan antar peubah kategorik dikenal adanya ukuran asosiasi atau ukuran keeratan antar peubah kategorik. Salah satu ukuran asosiasi yang dapat diperoleh melalui analisis regresi logistik adalah rasio odds. Odds diartikan sebagai rasio peluang kejadian sukses dengan kejadian tidak sukses dari peubah respon, ditulis sebagai: ) 1 ( 1 ) 1 ( π π −
Rasio odds diartikan sebagai perbandingan antara odds seseorang masuk ke kategori tertentu dibandingkan dengan odds seseorang tidak masuk dalam kategori tertentu. Secara matematis hal ini dirumuskan dengan:
[
]
[
1 (0)]
/ ) 0 ( ) 1 ( 1 / ) 1 ( π π π π − −Pada model regresi logistik ordinal, rasio odds dipandang sebagai besarnya odds peubah respon pada kategori j atau dibawahnya, secara matematis hal ini dinyatakan dengan: ) ( ) ( j Y j Y > ≤ π π
dengan j=1,...,k-1 dan k=banyaknya kategori.
Metode Stepwise dalam Regresi Logistik
Pada kasus peubah yang penting masih belum diketahui dan hubungan dengan suatu permasalahan masih sulit dimengerti, banyak penelitian akan mengambil sebanyak mungkin peubah dan menyaringnya untuk mendapatkan peubah yang paling berpengaruh (Hosmer & Lemeshow, 1989). Metode stepwise bisa membantu menyeleksi peubah dengan cepat dan efektif sekaligus mendapatkan beberapa model regresi logistik.
Metode stepwise untuk pemilihan maupun menghilangkan peubah dari model adalah berdasarkan algoritma statistik dengan melihat tingkat kepentingan dari sebuah peubah, kemudian memasukkan ataupun mengeluarkan peubah-peubah tersebut dari model berdasarkan aturan yang tetap. Peubah penting didefinisikan sebagai peubah yang mempunyai pengaruh yang nyata terhadap model. Pada regresi logistik galatnya diasumsikan menyebar binomial dan uji nyata peubah dilakukan dengan uji khi-kuadrat rasio likelihood. Oleh karena itu, pada setiap langkah dalam algoritma stepwise peubah yang dianggap berpengaruh nyata adalah peubah yang menghasilkan perubahan terbesar kepada nilai log-likelihood relatif
terhadap model jika peubah tersebut dikeluarkan dari model.
BAHAN DAN METODE
Bahan
Data yang digunakan dalam penelitian ini adalah data primer dengan melakukan survei terhadap mahasiswa Program Sarjana Institut Pertanian Bogor (IPB) angkatan 2001-2004 yang dilakukan dari tanggal 11 Juli 2005 sampai dengan 27 Juli 2005. Survei dilakukan terhadap 8 fakultas di Institut Pertanian Bogor (IPB).
Alat yang digunakan dalam pengumpulan data adalah kuesioner (Lampiran 1). Aspek-aspek yang diamati yaitu:
1. Frekuensi penggunaan internet dan kapan terakhir kali menggunakan internet. 2. Kapan pertama kali menggunakan
internet dan alasannya. 3. Lokasi penggunaan internet.
4. Aktivitas yang dilakukan dan aplikasi yang digunakan.
Peubah yang akan dianalisis dalam model regresi logistik biner maupun model regresi logistik ordinal ditampilkan dalam Lampiran 2.
Metode
Metode penarikan contoh yang digunakan pada penelitian ini yaitu penarikan contoh acak berlapis berdasarkan fakultas sehingga didapat 8 lapisan. Penentuan banyaknya contoh yang diambil pada setiap fakultas menggunakan penentuan contoh alokasi sebanding.
Melalui perhitungan menggunakan rumus penentuan contoh dan dengan menetapkan nilai batas kesalahan sebesar 0.05 serta nilai dugaan proporsi berdasarkan hasil uji prasurvei terhadap 50 orang sebesar 0.86, maka total responden yang diperlukan dari 10973 populasi adalah sebanyak
190 32 . 189 ≅ = n .
Tabel 1 Alokasi contoh minimum pada setiap fakultas
No Fakultas Jumlah
1 Pertanian 46
2 Kedokteran Hewan 11 3 Perikanan & Kelautan 27
4 Peternakan 19
5 Kehutanan 19
6 Teknologi Pangan 24
7 Matematika & IPA 30 8 Ekonomi & Manajemen 15 Tabel 1 menunjukkan alokasi contoh minimum di setiap fakultas. Jumlah ini diperoleh melalui perhitungan rumus alokasi sebanding.
Analisis statistika deskriptif digunakan untuk melihat gambaran umum karakteristik responden.
Regresi logistik biner digunakan untuk menduga faktor-faktor apa saja yang mempengaruhi seseorang menjadi pengguna aktif atau bukan pengguna aktif. Faktor-faktor yang mempengaruhi kontinuitas mahasiswa dalam menggunakan internet yang ditelaah dalam penelitian ini adalah waktu pertama kali menggunakan internet, alasan pertama kali menggunakan internet, kepentingan pemakaian internet atau layanan internet yang digunakan, lokasi penggunaan internet, serta pihak yang membayar tagihan akses internet. Dari faktor-faktor tersebut ingin diketahui apakah seorang mahasiswa termasuk ke dalam kategori pengguna aktif atau bukan pengguna aktif.
Faktor-faktor yang mempengaruhi intensitas penggunaan internet oleh pengguna aktif diteliti dengan menggunakan model regresi logistik ordinal. Faktor-faktor tersebut adalah waktu pertama kali menggunakan internet, alasan pertama kali menggunakan internet, layanan/aplikasi internet yang digunakan, serta lokasi penggunaan internet. Diharapkan dapat diketahui mana dari faktor-faktor tersebut yang memiliki pengaruh terhadap penggolongan mahasiswa ke dalam kategori tinggi, sedang, ataupun rendah penggunaan internetnya.
HASIL DAN PEMBAHASAN
Total responden yang berhasil diwawancarai sebanyak 250 responden. Jumlah responden pada setiap fakultas dapat dilihat pada Tabel 2.Tabel 2 Jumlah responden pada setiap fakultas
No Fakultas Jumlah
1 Pertanian 52
2 Kedokteran Hewan 22 3 Perikanan & Kelautan 32
4 Peternakan 37
5 Kehutanan 24
6 Teknologi Pangan 25 7 Matematika & IPA 43
8 Ekonomi & Manajemen 15
Karakteristik Responden Berdasarkan Demografi
Tabel 3 Karakteristik responden
Karakteristik n %
Jenis Kelamin PerempuanLaki-laki 128122 51.248.8 Angkatan 2001 75 30.0 2002 83 33.2 2003 59 23.6 2004 33 13.2 Indeks Prestasi Kumulatif <2.50 29 11.6 2.50-2.99 122 48.8 3.00-3.50 85 34.0 >3.50 14 5.6 Status Kuliah Sambil Kerja Ya 54 21.6 Tidak 196 78.4 Pengeluaran Rutin per Bulan <=Rp.300.000,- 14 5.6 Rp.300.001,- Rp.600.000,- 134 54.0 Rp.600.001,- Rp.900.000,- 69 27.8 >=Rp.900.001,- 31 12.5 Status Tempat Tinggal Rumah orang tua 55 22.0 Kontrakan (tinggal sendiri) 6 2.4 Kontrakan (bersama orang lain) 42 16.8 Kamar sewa bulanan 21 8.4 Kamar sewa tahunan 123 49.2 Menumpang 3 1.2 Karakteristik responden ditampilkan pada Tabel 3. Terlihat bahwa jenis kelamin responden cukup berimbang antara laki-laki dengan perempuan dengan perbandingan persentase sebesar 51.2% laki-laki dan 48.8% perempuan. Sebagian besar responden memiliki IPK 2.50-2.99. Berdasarkan status tempat tinggal, responden didominasi oleh mahasiswa yang tinggal di kamar sewa tahunan. Responden yang pengeluaran rutin bulanannya sebesar Rp.300.001,- - Rp.600.000,- memiliki persentase yang besar yaitu sebesar 54 %. Responden mahasiswa yang memiliki pekerjaan sampingan memiliki persentase yang kecil hanya sebesar 21.6%.
Analisis Statistika Deskriptif
Gambar 1 memperlihatkan bahwa dari total responden laki-laki sebanyak 128 orang, 83.6% tergolong kepada pengguna aktif. Sedangkan dari total responden perempuan sebanyak 122 sebanyak 79.5% adalah pengguna aktif.
83,6% 79,5% 16,4% 20,5%
Laki-laki Perempuan pengguna aktif bukan pengguna aktif
Gambar 1 Persentase pengguna aktif dan bukan pengguna aktif berdasarkan jenis kelamin
Penyebaran banyaknya responden yang tergolong kepada pengguna aktif maupun bukan pengguna aktif berdasarkan angkatan bisa dilihat pada Gambar 2. Terlihat bahwa persentase terbesar untuk pengguna aktif ialah pada angkatan 2004 karena mereka memiliki fasilitas menggunakan internet yang lebih baik dari pihak IPB. Hal ini bisa dilihat dari adanya surat pemberitahuan kepada seluruh mahasiswa Tingkat Persiapan Bersama (2004) mengenai fasilitas penggunaan Cyber Mahasiswa untuk mahasiswa angkatan 2004. Persentase terbesar berikutnya ialah pada angkatan 2001 sebesar 85.1%. Banyaknya responden yang tergolong pengguna aktif pada angkatan ini disebabkan mereka banyak mencari informasi jurnal untuk keperluan tugas akhir. 87,9% 76,3% 80,5% 85,1% 12,1% 23,7% 19,5% 14,9% 2004 2003 2002 2001 pengguna aktif bukan pengguna aktif
Gambar 2 Persentase pengguna aktif dan bukan pengguna aktif berdasarkan angkatan
Persentase pengguna aktif pada golongan
IPK 2.50-2.99 sebesar 82.8 %. Persentase pengguna aktif pada golongan IPK >3.50 sebesar 64.3%. Sehingga bila dibandingkan golongan IPK 2.50-2.99 memiliki persentase pengguna aktif yang lebih besar daripada golongan IPK >3.50. Seperti yang ditunjukan oleh Gambar 3. 82,8% 84,2% 81,2% 64,3% 17,2% 15,8% 18,8% 35,7% <2.50 2.50-2.99 3.00-3.50 >3.50 pengguna aktif bukan pengguna aktif
Gambar 3 Persentase pengguna aktif dan bukan pengguna aktif berdasarkan IPK
Berdasarkan intensitas penggunaan internet, responden yang termasuk pengguna aktif digolongkan menjadi 3, yaitu tinggi sebanyak 6.9%, sedangsebanyak 49.8%, dan rendahsebanyak 43.3%. Hal ini dapat dilihat pada Gambar 4. Rendah; 43,3% Sedang; 49,8% Tinggi; 6,9%
Gambar 4 Persentase jumlah responden yang termasuk pengguna aktif berdasarkan frekuensi penggunaan internet
Tabulasi silang antara waktu yang dipilih untuk mengakses internet dengan alasannya dapat dilihat pada Tabel 4. 51.2% responden memilih waktu untuk mengakses internet pada malam hari. Mereka memilih waktu tersebut karena berpendapat bahwa pada malam hari akses internet cepat (22.0%) dan mereka memiliki waktu luang (17.2%). Persentase terbesar berikutnya ialah mereka yang memilih waktu pemakaian pada siang hari (24.4%). Dari 61 orang yang memilih waktu pemakaian pada siang hari, 47 orang beralasan bahwa pada waktu itu adalah waktu luang. Alasan yang mendominasi mereka memilih
waktu pemakaian internet pada waktu tertentu adalah karena pada saat itu adalah waktu luang mereka (48.8%). Alasan berikutnya yang juga banyak dipilih ialah karena cepatnya akses pada waktu tersebut (29.6%). Dari 74 orang yang memilih alasan tersebut, 55 orang berpendapat malam hari adalah waktu yang akses internetnya cepat.
Tabel 4 Tabulasi silang antara waktu pemakaian internet dengan alasannya
Alasan WaktuPemakaian
Pagi Siang Sore Malam Total
Waktu Luang n% 1.2 18.8 11.63 47 29 17.243 48.8122 Akses Cepat n% 104 52 1.64 5522 29.674 Fasilitas Kampus n% 00 2.46 00 00 2.46 Murah n% 00 00 00 5.614 5.614 Nyaman n% 3.28 1.23 2.87 6.416 13.634 Total n 21 61 40 128 250 % 8.4 24.4 16 51.2 100
Pengguna Aktif versus Bukan Pengguna Aktif
Parameter dugaan, rasio odds, dan nilai peluang untuk faktor-faktor yang mempengaruhi kontinuitas seseorang dalam menggunakan internet dengan menggunakan metode stepwise dalam penyeleksian peubahnya ditampilkan pada Tabel 5. Nilai peluang sebesar 0.000 pada pengujian pengaruh peubah bebas dalam model secara bersama-sama menunjukkan minimal ada satu peubah bebas yang memberikan pengaruh nyata terhadap model pada taraf nyata 15%.
Uraian tentang peubah-peubah yang nyata seperti yang ditampilkan pada Tabel 5 dijelaskan dibawah ini.
Alasan Pertama Kali Menggunakan Internet
Kepentingan pendidikan merupakan peubah yang paling signifikan diantara peubah lainnya dalam hal alasan saat pertama kali menggunakan internet. Peubah ini memiliki pengaruh yang nyata terhadap respon pada taraf nyata 15%. Nilai koefisien dugaan yang bertanda positif sebesar 1.1638 untuk peubah ini menunjukkan bahwa mahasiswa yang pertama kali menggunakan internet dengan
alasan untuk kepentingan pendidikan cenderung lebih menjadi pengguna aktif. Mahasiswa yang pertama kali menggunakan internet dengan alasan kepentingan pendidikan 3.20 kali lebih berpeluang menjadi pengguna aktif.
Kepentingan Penggunaan Internet
Faktor lain yang membedakan pengguna aktif dengan bukan pengguna aktif adalah kepentingan pengguna menggunakan layanan internet. Peubah yang nyata pada taraf nyata 15% ini adalah menggunakan layanan internet untuk kepentingan komunikasi pribadi, mencari informasi perjalanan, permainan, serta akses informasi publik.
Mahasiswa yang menggunakan aplikasi internet untuk kepentingan komunikasi pribadi, permainan, dan akses informasi publik memiliki nilai koefisien dugaan yang positif dan nilai rasio odds lebih besar dari 1. Hal ini berarti ketiga peubah tersebut lebih mencirikan kepada pengguna aktif. Mahasiswa yang menggunakan internet untuk kepentingan komunikasi pribadi 3.80 kali lebih berpeluang menjadi pengguna aktif. Sedangkan mahasiswa yang menggunakan internet untuk kepentingan permainan secara
online 5.81 kali lebih berpeluang menjadi pengguna aktif. Berikutnya, mahasiswa yang menggunakan internet untuk kepentingan mengakses informasi publik 3.00 kali lebih berpeluang menjadi pengguna aktif.
Mahasiswa pengguna internet yang menggunakan aplikasi internet untuk kepentingan mencari informasi perjalanan, termasuk didalamnya mencari informasi mengenai travel dan hotel, memiliki nilai koefisien dugaan yang negatif dan nilai rasio odds lebih kecil dari 1. Hal ini berarti peubah tersebut lebih mencirikan kepada bukan pengguna aktif. Mahasiswa yang menggunakan internet untuk kepentingan mencari informasi perjalanan 0.23 kali lebih berpeluang menjadi pengguna aktif.
Lokasi Penggunaan Internet
Peubah lokasi penggunaan internet di warung internet dan di kampus memiliki pengaruh nyata pada taraf nyata 15% terhadap kontinuitas penggunaan internet. Mahasiswa yang menggunakan internet di warung internet lebih berpeluang menjadi pengguna aktif sebesar 3.38 kali. Sedangkan mahasiswa yang menggunakan internet di kampus lebih berpeluang menjadi pengguna aktif sebesar 2.63 kali.
Tabel 5. Koefisien dugaan, rasio odds, serta nilai-p dari peubah yang nyata hasil analisis regresi logistik biner
Peubah Koefisien Dugaan Rasio Odds Nilai-p Alasan Pertama Kali Menggunakan Internet
Pendidikan 1.1638 3.20 0.008
Kepentingan Penggunaan Internet
Komunikasi Pribadi 1.3346 3.80 0.004
Informasi Liburan/Perjalanan (Travel, Hotel, dll) -1.4560 0.23 0.083
Permainan (Games) 1.7591 5.81 0.005
Akses Informasi Publik 1.0981 3.00 0.036
Lokasi Penggunaan Internet
Warung Internet 1.2166 3.38 0.135
Kampus 0.9682 2.63 0.098
Intensitas Penggunaan Internet
Parameter dugaan dan statistik Wald untuk peubah-peubah yang diduga mempengaruhi intensitas penggunaan internet oleh pengguna aktif ditampilkan pada Lampiran 3. Nilai peluang sebesar 0.000 pada pengujian pengaruh peubah bebas dalam model secara bersama-sama menunjukkan minimal ada satu peubah bebas yang memberikan pengaruh nyata terhadap model pada taraf nyata15%. Nilai koefisien dugaan, rasio odds, dan nilai peluang untuk peubah-peubah yang nyata pada taraf nyata 15% hasil analisis regresi logistik ordinal ditampilkan pada Tabel 6.
Uraian tentang peubah-peubah yang nyata seperti yang ditampilkan pada Tabel 6 dijelaskan dibawah ini.
Aplikasi Internet Yang Digunakan
Peubah penggunaan aplikasi internet tertentu yang nyata pada taraf 15% adalah penggunaan aplikasi internet berupa personal email, business email, world wide web, download software/film/music serta mailing list. Semua peubah tersebut memiliki nilai koefisien dugaan yang negatif dan rasio odds lebih kecil dari satu. Hal ini mengindikasikan bahwa orang yang menggunakan aplikasi-aplikasi tersebut sebagai aplikasi-aplikasi internet yang digunakan cenderung masuk kedalam kategori intensitas yang lebih tinggi. Mahasiswa yang
menggunakan aplikasi personal email
cenderung memiliki intensitas dibawah level tertentu sebesar 0.48 kali dibanding dengan yang tidak menggunakan aplikasi ini. Mahasiswa yang menggunakan aplikasi
business email cenderung memiliki intensitas dibawah level tertentu sebesar 0.07 kali dibanding dengan yang tidak menggunakan aplikasi ini. Untuk aplikasi world wide web, mahasiswa yang menggunakan aplikasi ini cenderung memiliki intensitas dibawah level tertentu sebesar 0.57 kali dibanding dengan yang tidak menggunakan aplikasi ini. Sedangkan mahasiswa yang menggunakan aplikasi download software/film/music dan
mailing list cenderung memiliki intensitas dibawah level tertentu masing-masing sebesar 0.28 dan 0.19 kali dibanding dengan yang tidak menggunakan aplikasi tersebut.
KESIMPULAN DAN SARAN
Kesimpulan
Dari data hasil survei diketahui bahwa persentase dugaan pengguna aktif sebesar 81.6% dan persentase dugaan pengguna aktif yang tergolong pada pengguna internet dengan intensitas tinggi, sedang, dan rendah adalah masing-masing sebesar 6.9%, 49.8%, dan 43.3%.
Tabel 6. Koefisien dugaan, rasio odds, serta nilai-p dari peubah yang nyata hasil analisis regresi logistik ordinal
Peubah Koefisien Dugaan Rasio Odds Nilai-p
Aplikasi Internet Yang Digunakan
Personal email -0.7394 0.48 0.106
Business email -2.6189 0.07 0.000
World Wide Web -0.5575 0.57 0.108
Download software/film/music -1.2892 0.28 0.001
Mailing list -1.6737 0.19 0.000
Dari hasil analisis regresi logistik biner mengenai penggunaan internet oleh mahasiswa program sarjana IPB diketahui bahwa pengguna internet yang alasan saat pertama kali menggunakan internet untuk pendidikan; kepentingan pemakaian internet untuk komunikasi pribadi, permainan, dan akses informasi publik; serta lokasi yang digunakan untuk penggunaan internet di kampus dan warung internet cenderung menjadi pengguna aktif. Sedangkan pengguna internet yang menggunakan internet untuk kepentingan mencari informasi perjalanan cenderung menjadi bukan pengguna aktif. Hasil analisis regresi logistik ordinal mengenai intensitas penggunaan internet oleh pengguna aktif diketahui bahwa pengguna internet yang menggunakan aplikasi personal email, business email, world wide web, download software/film/music, dan
mailing list cenderung memiliki intensitas penggunaan internet yang lebih tinggi dibandingkan dengan pengguna internet yang menggunakan aplikasi lainnya.
Saran
Untuk penelitian selanjutnya hendaknya memilih waktu yang lebih tepat pada pengambilan data, yaitu tidak pada saat libur akademik akhir semester genap (sekitar bulan Juli dan Agustus) agar contoh yang diperoleh lebih mewakili populasi.
DAFTAR PUSTAKA
Agresti, A. 1990. Categorical Data Analysis. New York: John Wiley & Sons Inc.
Anonim. 2005. Konsep Internet. http://www.rad.net.id/homes/edward/intbasic/11.htm. [25 November 2005]
Emmanouilides, C & K. Hammond. 2000. Internet usage: predictors of active users and frequency of use. J ofInteractive Marketing 14 : 17-32.
Hosmer, D. W. & S. Lemeshow. 1989. Applied Categorical Data Analysis. New York: John Wiley and Sons Inc..
McCullagh, P & J. A. Nelder. 1989. Generalized Linear Models. Cambridge: Cambridge University Press.
Scheaffer, R. L, W. Mendenhall & L. Ott. 1990. Elementary Survey Sampling. Ed ke-4. Boston: PWS-KENT Pub.
Singh, D & F. S. Chaudhary.1986. Theory and Analysis of Sample Survey Designs. New Delhi: Wiley Eastern Ltd.
10
Lampiran 1 Kuesioner Deskripsi Penggunaan Internet di Kalangan Mahasiswa IPB
KUESIONER “DESKRIPSI PEMAKAIAN INTERNET DI KALANGAN MAHASISWA IPB”
PETUNJUK PENGISIAN :
1. Pada pertanyaan isian, harap jawab dengan jelas
2.
Pada pertanyaan pilihan, beri tanda (X) pada jawaban yang anda pilih3.
Kuesioner ini mohon diisi dengan SEJUJURNYA. KERAHASIAAN TERJAMIN. Penelitian ini murni untuk skripsi.IDENTITAS RESPONDEN
Nama : No telp di Bogor/no handphone : Alamat di Bogor :
Usia :
Fakultas/Departemen/Semester : PROFIL RESPONDEN Jenis Kelamin : 1. Laki-laki 2. Perempuan
IPK : 1. <2.50 2. 2.50-2.99 3. 3.00-3.49 4. >=3.50
Persentase kontribusi uang saku bulanan anda setahun terakhir ini :Sumber pendapatan Persentase
Kiriman orang tua/keluarga ....%
Beasiswa ....%
Pekerjaan sampingan ....% Lainnya... ....%
Rata-rata pengeluaran rutin perbulan dalam 3 bulan terakhir untuk :Jenis pengeluaran Pengeluaran
Kebutuhan konsumsi Rp... Keperluan pendidikan (fotocopy,pembelian buku,dll) Rp... Kost (jika kost bulanan, termasuk listrik dan air) Rp... Komunikasi/telepon Rp...
Hiburan Rp...
Transport Rp...
Lainnya... Rp... Saat ini anda tinggal dimana ?
Rumah orang tua/keluarga Kontrakan (tinggal sendiri)
Kontrakan (bersama dengan orang lain)
Kamar sewa bulanan Kamar sewa tahunan
Rumah teman / bukan keluarga
PENGGUNAAN INTERNET
1.
Apakah anda pernah menggunakan internet ? Ya
11
2.
Pertama kali anda menggunakan internet ? < 1 bulan yang lalu 1-3 bulan yang lalu 4-6 bulan yang lalu 7-12 bulan yang lalu 13-24 bulan yang lalu > 24 bulan yang lalu
3.
Terakhir kali anda menggunakan internet ? 1 minggu yang lalu 2 minggu yang lalu 3 minggu yg lalu 1 bulan yang lalu > 1 bulan yang lalu
4. Berapa kali anda menggunakan internet dalam sebulan ? 1-3 kali
4-19 kali >= 20 kali
5. Dalam sehari (jika anda mengakses internet), berapa rata-rata waktu yang anda habiskan untuk menggunakan internet ?...
6.
Anda lebih sering mengakses internet pada waktu ? Pagi hari Siang hari Sore hari Malam hari
7.
Alasan jawaban anda pada pertanyaan no.6 ...8.
Alasan anda menggunakan internet pada saat pertama kali ? (jawaban boleh lebih dari satu) Keingintahuan/ketertarikan Permintaan klien Menghemat waktu Menghemat uang
Komunikasi yang lebih baik Informasi bisnis (termasuk travel) Informasi hiburan
Pendidikan
Download software/selainnya Rekomendasi teman
Tersedia di tempat kerja Lainnya...
9.
Aplikasi internet yang digunakan 6 bulan terakhir ? (jawaban boleh lebih dari satu) Personal email Business email World wide web
Download software/film/music Newsgroup
Mailing list
12
10.
Kepentingan pemakaian internet selama 6 bulan terakhir ? (jawaban boleh lebih dari satu) Home shopping Home working Pendidikan Komunikasi pribadi Downloading film/music/software Pencarian kerja Informasi liburan (travel,hotel)
Membaca tulisan/makalah/jurnal online Membaca majalah online
Games
Akses public information
Lainnya...
11. Apakah anda mempunyai komputer pribadi yang memiliki/dilengkapi fasilitas internet ? Ya
Tidak
12.
Lokasi / tempat yang digunakan untuk pemakaian internet ? (jawaban boleh lebih dari satu) Rumah- menggunakan sendiri - menggunakan berdua
- menggunakan dengan > 2 orang Tempat kerja
Sekolah /kampus Warung internet Lainnya...
13. Apakah dengan internet, dapat memberikan manfaat dalam menunjang aktivitas akademik anda ?
Ya Tidak
14.
Maksud /untuk kepentingan siapa dalam penggunaan internet ? (jawaban boleh lebih dari satu) Orang lain Pribadi
Mata kuliah di kampus Pekerjaan kantor / bisnis Organisasi / UKM
15.
Siapa yang membayar tagihan akses internet ? (jawaban boleh lebih dari satu) Sendiri lanjut ke no.16 Perusahaan/institusi Sekolah/universitas Organisasi / UKM Orang tua
16.
Jika anda membayar internet dengan biaya sendiri, berapa rata-rata biaya yang dikeluarkan untuk internet dalam satu bulan?13
Lampiran 2 Peubah dan Kategori Analisis Regresi Logistik Biner dan Ordinal Peubah Respon
Peubah Kategori Keterangan
Y (kontinuitas penggunaan
internet) 10 Pengguna aktifBukan pengguna aktif
Y (intensitas penggunaan internet)
1 Rendah
2 Sedang
3 Tinggi
Peubah Penjelas (kategori ordinal)
Peubah Kategori Keterangan
P2 (waktu pertama kali menggunakan internet)
1 < 1 bulan yang lalu
2 1-3 bulan yang lalu
3 4-6 bulan yang lalu
4 7-12 bulan yang lalu
5 13-24 bulan yang lalu
6 > 24 bulan yang lalu
Peubah Penjelas “Alasan saat pertama kali menggunakan internet” (kategori biner)
Peubah Keterangan
P8a keingintahuan/ketertarikan
P8b permintaan klien
P8c efisiensi waktu dan uang
P8d komunikasi yang lebih baik
P8e informasi bisnis
P8f informasi hiburan
P8g Pendidikan
P8h download software/selainya
P8i rekomendasi teman
P8j tersedia di perusahaan/tempat kerja
Peubah Penjelas “Aplikasi internet yang digunakan 6 bulan terakhir” (kategori biner)
Peubah Keterangan
P9a personal email
P9b business email
P9c world wide web
P9d download software/film/music
P9e newsgroup
P9f mailing list
Peubah Penjelas “Kepentingan menggunakan internet selama 6 bulan terakhir” (kategori biner)
Peubah Keterangan
P10a home shopping dan home working
P10b Pendidikan (membaca tulisan/makalah/jurnal)
P10c komunikasi pribadi
P10d download film/music/software
P10e pencarian kerja
P10f informasi liburan/perjalanan
P10g akses informasi umum (membaca majalah online)
14
Peubah Penjelas “Lokasi / tempat penggunaan internet” (kategori biner)
Peubah Keterangan
P12a rumah
P12b tempat kerja
P12c kampus
P12d warung internet
Peubah Penjelas “Maksud / kepentingan penggunaan internet” (kategori biner)
Peubah Keterangan
P14a pribadi
P14b mata kuliah di kampus
P14c pekerjaan di tempat kerja
P14d organisasi / UKM
Peubah Penjelas “Pihak yang membayar tagihan akses internet” (kategori biner)
Peubah Keterangan
P15a sendiri
P15b perusahaan / institusi
P15c universitas
15
Lampiran 3 Pendugaan Parameter Model Regresi Logistik Ordinal
Prediktor Koefisien SE Koefisien Z P Rasio Odds
Konstanta (1) 1.4270 1.105 1.29 0.197 Konstanta (2) 5.3190 1.208 4.40 0.000 p2_1 p2_2 22 95710 0.00 0.998 4.91E+09 p2_3 22 99470 0.00 0.998 2.51E+09 p2_4 1.2160 1.0160 1.20 0.231 3.37 p2_5 0.1493 0.9743 0.15 0.878 1.16 p2_6 0.7663 0.7483 1.02 0.306 2.15 p8a 0.0455 0.6086 0.07 0.940 1.05 p8b -1.030 2.3360 -0.44 0.659 0.36 P8c -0.5547 0.6552 -0.85 0.397 0.57 p8d -0.1877 0.3852 -0.49 0.626 0.83 p8e 0.5310 0.7176 0.74 0.459 1.7 p8f 0.3306 0.3577 0.92 0.355 1.39 P8g -0.3652 0.3709 -0.98 0.325 0.69 p8h 0.1517 0.4761 0.32 0.750 1.16 p8i -0.0804 0.3648 -0.22 0.826 0.92 P8j 25 14145 0.00 0.999 4.83E+10 p9a -0.7394 0.4570 -1.62 0.106 0.48 p9b -2.6189 0.6214 -4.21 0.000 0.07 p9c -0.5575 0.3473 -1.61 0.108 0.57 p9d -1.2892 0.3937 -3.27 0.001 0.28 p9e 0.4596 0.4816 0.95 0.340 1.58 p9f -1.6737 0.3605 -4.64 0.000 0.19 P12a -0.1725 0.4560 -0.38 0.705 0.84 p12b 0.0662 0.6620 0.10 0.920 1.07 p12c -0.1359 0.3469 -0.39 0.695 0.87 p12d -1.7600 2.1440 -0.82 0.412 0.17