memberi tanda garis pada garis vertikal lurus tersebut akan seberapa berat gejala SMK yang telah diconteng sebelumnya dirasakan. Pada penelitian ini didapatkan
nilai rata-rata VAS baik pada pelajar maupun pada karyawan adalah 44,5 SD 22,76 dengan nilai minimum 0 dan nilai maksimum 95. Nilai VAS rata-rata pada
pelajar adalah 33,54 SD 17,771 dan pada karyawan adalah 55,46 SD 22,069. Nilai VAS maksimum ditunjukkan oleh karyawan adalah 95 sedangkan nilai VAS
maksimum pelajar hanya bernilai 71.
Tabel 5.9. Distribusi Responden Berdasarkan Nilai Visual Analogue Scale VAS Sindroma Mata Kering
Nilai Visual Analogue Scale VAS
Rata-rata
Standar Deviasi
Range
Pelajar 33,54
17,771 4-71
Karyawan 55,46
22,069 0-95
Total 44,50
22,763 0-95
5.1.5. Hasil Analisis Data
Pengujian terhadap hipotesis untuk menyatakan ada tidaknya hubungan antara lama penggunaan komputer dengan SMK dilakukan dengan bantuan
komputer program SPSS for Windows versi 17,0 yang menganalisis secara bersama-sama variabel independen dan variabel dependen. Data yang telah
dikumpulkan dari hasil pengisian kuesioner oleh 82 responden dianalisis dengan uji hipotesis Korelasi Pearson, ANOVA, dan Chi Square.
1. Hubungan Lama Penggunaan Komputer dengan Jumlah Gejala Sindroma
Mata Kering Sesuai dengan data yang ada, menurut Sastroasmoro 2008, uji hipotesis
di mana variabel independen dan dependen yang keduanya berupa jenis data numerik digunakan uji korelasi. Pertama-tama, dilakukan uji normalitas dengan
uji Kolgomorov Smirnov pada variabel dependen yaitu jumlah gejala untuk menentukan apakah data berdistribusi normal atau tidak. Bila data berdistribusi
normal, uji korelasi yang akan digunakan adalah uji korelasi Pearson sedangkan bila data tidak berdistribusi normal, akan digunakan uji korelasi statistik non
parametrik yaitu uji korelasi Spearman. Hasil uji Kolgomorov Smirnov
Universitas Sumatera Utara Universitas Sumatera Utara
menghasilkan p value=0,086 yang berarti hipotesis nol gagal ditolak, artinya data dalam jumlah gejala dalam penelitian ini berdistribusi normal. Plot grafik pada
lampiran juga menunjukkan data jumlah gejala berdistribusi normal secara linear. Oleh karena itu, untuk menentukan hubungan lama penggunaan komputer dengan
jumlah gejala SMK akan digunakan uji Korelasi Pearson. Analisis data diawali dengan membuat suatu diagram tebar scatter plot
guna melihat bagaimana pola hubungan antara kedua variabel numerik tersebut. Data lama penggunaan komputer ditampilkan pada sumbu X aksis, sementara
data jumlah gejala disajikan pada sumbu Y ordinat, sedemikian sehingga semua data yang terkumpul dapat ditampilkan melalui diagram tebar. Diagram tebar
disajikan dalam lampiran karya tulis ilmiah ini. Seluruh diagram menunjukkan bahwa terdapat hubungan yang linear
antara variabel independen lama penggunaan komputer secara terus-menerus dalam satu hari, lama penggunaan komputer dalam satu hari, riwayat lama
penggunaan komputer, dan indeks penggunaan komputer dengan variabel dependen jumlah gejala SMK. Dengan demikian data tersebut memungkinkan
untuk dapat dianalisis lebih lanjut dengan menggunakan uji Korelasi Pearson guna mengetahui kekuatan hubungan diantara kedua variabel tersebut. Penelitian ini
menggunakan hipotesis satu arah one-tailed dengan tingkat kepercayaan 95, yang berarti jika didapati nilai p 0,05, berarti hipotesis nol penelitian ditolak.
a. Hubungan lama penggunaan komputer secara terus-menerus dan jumlah
gejala Sindroma Mata Kering dengan uji korelasi Pearson Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan lama
penggunaan komputer secara terus-menerus dan jumlah gejala didapatkan p=0,000 atau dituliskan sebagai p0,001 dengan maksud agar dapat mengestimasi
secara lebih akurat nilai desimal p yang sebenarnya. Nilai p yang lebih kecil dari 0,05 menyebabkan hipotesis nol dalam penelitian ini ditolak sehingga dapat
disimpulkan bahwa ada hubungan antara lama penggunaan komputer secara terus- menerus dengan pertambahan jumlah gejala SMK p0,05. Untuk menentukan
kekuatan hubungan antara kedua variabel tersebut, dilakukan interpretasi dari nilai koefisien korelasi Pearson penelitian ini yaitu r=0,742. Dengan kata lain,
Universitas Sumatera Utara Universitas Sumatera Utara
besarnya kekuatan hubungan antara lama penggunaan komputer terus-menerus dengan pertambahan jumlah gejala SMK dalam penelitian ini adalah kuat
Arlinda, 2007. Pada regresi linear didapatkan persamaan prediksi rumus: y=0,999+0,823x, dengan y adalah jumlah gejala SMK dan x adalah lama
penggunaan komputer secara terus-menerus. Tabel 5.10. Hasil Hubungan Uji Korelasi Pearson Mengenai Lama
Penggunaan Komputer secara Terus-Menerus dengan Jumlah Gejala Sindroma Mata Kering
Lama Penggunaan Komputer Rata-rata Mean
p value Korelasi
Pearson r Lama Penggunaan Komputer
Secara Terus-menerus 3,78
SD 1,792 0,000
0,742 Jumlah Gejala Sindroma Mata
Kering 4,11
SD 1,988 bermakna secara statistik p0,05
bermakna secara statistik p0,001
b. Hubungan lama penggunaan komputer rata-rata dalam satu hari dan
jumlah gejala Sindroma Mata Kering dengan uji korelasi Pearson Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan lama
penggunaan komputer rata-rata dalam satu hari dan jumlah gejala didapatkan p=0,000 atau dituliskan sebagai p0,001 dengan maksud agar dapat mengestimasi
secara lebih akurat nilai desimal p yang sebenarnya. Nilai p yang lebih kecil dari 0,05 menyebabkan hipotesis nol dalam penelitian ini ditolak sehingga dapat
disimpulkan bahwa ada hubungan antara lama penggunaan komputer dalam satu hari dengan pertambahan jumlah gejala SMK p0,05. Untuk menentukan
kekuatan hubungan antara kedua variabel tersebut, dilakukan interpretasi dari nilai koefisien korelasi Pearson penelitian ini yaitu r=0,722. Dengan kata lain,
besarnya kekuatan hubungan antara lama penggunaan komputer rata-rata dalam satu hari dengan pertambahan jumlah gejala SMK dalam penelitian ini adalah
kuat Arlinda, 2007. Pada regresi linear didapatkan persamaan prediksi rumus: y=1,676+0,353x, dengan y adalah jumlah gejala SMK dan x adalah lama
penggunaan komputer rata-rata dalam satu hari.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.11. Hasil Uji Korelasi Pearson Mengenai Hubungan Lama Penggunaan Komputer Rata-rata dalam Satu Hari dengan
Jumlah Gejala Sindroma Mata Kering
Lama Penggunaan Komputer Rata-rata Mean
p value Korelasi
Pearson r Lama Penggunaan Komputer
Rata-rata dalam Satu Hari 6,90
SD 4,069 0,000
0,722 Jumlah Gejala Sindroma Mata
Kering 4,11
SD 1,988
c. Hubungan riwayat lama penggunaan komputer dan jumlah gejala
Sindroma Mata Kering dengan uji korelasi Pearson Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan
riwayat lama penggunaan komputer dan jumlah gejala didapatkan p=0,026. Nilai p yang lebih kecil dari 0,05 menyebabkan hipotesis nol dalam penelitian ini
ditolak sehingga dapat disimpulkan bahwa ada hubungan antara lama penggunaan komputer secara terus-menerus dengan pertambahan jumlah gejala SMK
p0,05. Parameter riwayat penggunaan komputer menunjukkan korelasi yang rendah r=0,252 dengan jumlah gejala SMK walau nilai p0,05. Pada penelitian-
penelitian sebelumnya, parameter ini juga jarang digunakan karena dianggap tidak berpengaruh. Pada regresi linear didapatkan persamaan: y=3,391+0,098x, dengan
y adalah jumlah gejala SMK dan x adalah riwayat lama penggunaan komputer.
Tabel 5.12. Hasil Uji Korelasi Pearson Mengenai Hubungan Riwayat Lama Penggunaan Komputer dengan Jumlah Gejala Sindroma
Mata Kering
Lama Penggunaan Komputer Rata-rata Mean
p value Korelasi
Pearson r Riwayat Lama Penggunaan
Komputer 7,34
SD 4,364 0,026
0,215 Jumlah Gejala Sindroma Mata
Kering 4,11
SD 1,988
d. Hubungan indeks penggunaan komputer dan jumlah gejala Sindroma Mata
Kering dengan uji korelasi Pearson Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan
indeks penggunaan komputer dan jumlah gejala didapatkan p=0,000 atau
Universitas Sumatera Utara Universitas Sumatera Utara
dituliskan sebagai p0,001 dengan maksud agar dapat mengestimasi secara lebih akurat nilai desimal p yang sebenarnya. Nilai p yang lebih kecil dari 0,05
menyebabkan hipotesis nol dalam penelitian ini ditolak sehingga dapat disimpulkan bahwa ada hubungan antara indeks penggunaan komputer secara
terus-menerus dengan pertambahan jumlah gejala SMK p0,05. Besar hubungan dengan r=0,514 menurut Arlinda 2007 adalah memiliki kekuatan yang sedang.
Pada regresi linear didapatkan persamaan: y=2,346+0,341x, dengan y adalah jumlah gejala SMK dan x adalah indeks penggunaan komputer.
Tabel 5.13. Hasil Uji Korelasi Pearson Mengenai Indeks Penggunaan Komputer dengan Jumlah Gejala Sindroma Mata Kering
dengan Uji Korelasi Pearson
Lama Penggunaan Komputer Rata-rata Mean
p value Korelasi
Pearson r Indeks Penggunaan Komputer
5,17 SD 2,993
0,000 0,514
Jumlah Gejala Sindroma Mata Kering
4,11 SD 1,988
Hubungan antara IPK terkategori dengan jumlah gejala dianalisis dengan uji hipotesis ANOVA karena variabel independen berupa data ordinal dan variabel
dependen berupa data numerik yang kontinu. Syarat uji ANOVA adalah data harus berdistribusi normal dan varians harus sama. Bila kedua hal tersebut tidak
dipenuhi, uji hipotesis harus menggunakan uji statistik non parametrik yaitu Kruskal Wallis. Uji normalitas menunjukk an p0,05 yang berarti data
berdistribusi normal. Uji homogenitas varians menghasilkan p=0,116 yang berarti data bervarians sama. Setelah itu, dilakukan uji ANOVA. Pada tabel ditunjukkan
uji ANOVA menghasilkan p0,001 dan besar nilai Fhitung adalah 8,539 di mana nilai ini lebih besar dari nilai Ftabel. Keduanya menghasilkan simpulan bahwa Ho
ditolak artinya ada perbedaan antara jumlah gejala pada IPK kategori ringan, sedang, dan berat.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.14. Hasil Uji ANOVA Mengenai Perbedaan Interpretasi Indeks Penggunaan Komputer dengan Jumlah Gejala Sindroma Mata
Kering
IPK Jumlah Gejala
Mean Standar Deviasi
Nilai F p value
Ringan 3,45
1,894 8,539
0,000 Sedang
4,87 1,392
Berat 5,60
2,319
Uji ANOVA yang menunjukkan adanya perbedaan antara variabel independen yang diuji selanjutnya akan dianalisis dengan uji Post Hoc ANOVA
untuk menentukan antar kelompok variabel independen mana perbedaan didapatkan secara bermakna. Pada uji Post Hoc ANOVA dengan tes Tukey,
didapatkan bahwa perbedaan antara pertambahan gejala pada IPK kategori ringan sampai sedang menunjukkan perbedaan yang bermakna p=0,008. Akan tetapi,
pertambahan gejala pada IPK kategori sedang sampai berat tidak menujukkan perbedaan yang bermakna p =0,544.
Tabel 5.15. Uji Tukey Post Hoc ANOVA Interpretasi Indeks Penggunaan Komputer dengan Jumlah Gejala Sindroma Mata Kering
Interpretasi Indeksi Penggunaan Komputer Jumlah gejala
Ringan Sedang
p=0,008 Sedang
Berat p=0,544
e. Perbedaan jam lama penggunaan komputer yang paling bermakna terhadap pertambahan jumlah gejala Sindroma Mata Kering
Pada analisis lama penggunaan komputer dengan jumlah gejala SMK, didapatkan bahwa korelasi hubungan paling kuat ditunjukkan oleh lama
penggunaan komputer secara terus-menerus. Untuk menentukan perbedaan jam penggunaan komputer secara terus-menerus yang paling bermakna terhadap
pertambahan jumlah gejala Sindroma Mata Kering, akan dilakukan uji ANOVA. Hasil uji ANOVA disajikan pada tabel 5.16.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.16. Hasil Uji ANOVA Mengenai Perbedaan Setiap Jam Lama Penggunaan Komputer Secara Terus-menerus
Lama Penggunaan Komputer Secara Terus-Menerus
Jumlah Gejala Nilai F
p value 1 jam
1,91 SD 1,044
18,360 0,000
2 jam 2,64 SD 1,151
3 jam 3,15 SD 1,345
4 jam 4,50 SD 1,225
5 jam 5,14 SD 1,521
6 jam 6,36 SD 4,50
7 jam 4,11 SD 1,988
Dari tabel 5.17. didapatkan ada perbedaan yang bermakna antar setiap jam penggunaan komputer secara terus-menerus. Selanjutnya, dilakukan uji post hoc
ANOVA dengan tes Tukey untuk mengetahui perbedaan pada jam berapa yang dianggap bermakna secara statistik.
Tabel 5.17. Uji Tukey Post Hoc ANOVA Lama Penggunaan Komputer Secara Terus-menerus dengan Jumlah Gejala Sindroma Mata
Kering
Waktu awal Sampai waktu
Jumlah Gejala p value 1 jam
2 jam 0,808
3 jam 0,252
4 jam 0,004
5 jam 0,000
6 jam 0,000
7 jam 0,152
2 jam ke 3 jam
0,950 4 jam
0,071 5 jam
0,000 6 jam
0,000 7 jam
0,507 3 jam ke
4 jam 0,378
5 jam 0,001
6 jam 0,000
7 jam 0,827
4 jam ke 5 jam
0,940 6 jam
0,071 7 jam
1,000 5 jam ke
6 jam 0,108
7 jam 0,507
6 jam ke 7 jam
0,507
Pada hasil uji Tukey, ditunjukkan tidak ada fluktuasi yang bermakna pada pertambahan jam penggunaan komputer bila ditinjau dari 1 jam ke 2 jam, 2 jam
Universitas Sumatera Utara Universitas Sumatera Utara
ke 3 jam, dan seterusnya. Hal ini berarti pertambahan gejala terjadi secara progresif bertahap. Pada penelitian ini pertambahan bermakna jumlah gejala
dibanding jam pertama penggunaan komputer adalah setelah 4 jam penggunaan komputer. Pada tabel 5.17. juga terlihat bahwa setelah penggunaan komputer 4
jam, tidak lagi terjadi pertambahan gejala yang cukup signifikan pada 4 jam ke 5 jam, 4 jam ke 6 jam, 4 jam ke 7 jam, 5 jam ke 6 jam, 5 jam ke 7 jam, dan 6 jam ke
7 jam. Oleh karena itu, butuh istirahat segera untuk mengatasi hal ini pada jam- jam awal penggunaan komputer karena di sana adalah titik tolak terjadinya SMK.
Dengan berpatokan pada jam pertama penggunaan komputer, penulis menyarankan agar dilakukan istirahat pada penggunaan komputer terus-menerus
setelah 4 jam. Penentuan perbedaan jam penggunaan komputer rata-rata dalam satu hari
yang paling bermakna terhadap pertambahan jumlah gejala Sindroma Mata Kering dilakukan dengan uji ANOVA. Hasil uji ANOVA disajikan pada tabel
5.16. Sampel 14, 15, 16, dan 18 jam sementara tidak diikutkan dalam uji ANOVA karena hanya terdiri dari satu sampel. Dari tabel 5.18. didapatkan ada perbedaan
yang bermakna antar setiap jam penggunaan komputer rata-rata dalam satu hari. Selanjutnya, dilakukan uji Post Hoc ANOVA dengan tes Tukey untuk mengetahui
perbedaan pada jam berapa yang dianggap bermakna secara statistik.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.18. Hasil Uji ANOVA Mengenai Perbedaan Setiap Jam Lama Penggunaan Komputer Rata-rata dalam Satu Hari
Lama Penggunaan Komputer Secara
Terus-Menerus Jumlah Gejala
Nilai F p value
1 jam 2,00 SD 1,225
8,111 0,000
2 jam 2,75 SD 0,957
3 jam 2,31 SD 1,182
4 jam 2,83 SD 1,472
5 jam 3,42 SD 1,240
6 jam 5,00 SD 2,000
7 jam 4,33 SD 1,211
8 jam 5,00 SD 0,707
10 jam 5,11 SD 2,205
11 jam 6,67 SD 1,528
12 jam 5,83 SD 1,193
14 jam 7,00 SD 0,000
15 jam 4,00 SD 0,000
16 jam 8,00 SD 0,000
18 jam 7,00 SD 0,000
Pada hasil uji Tukey, juga ditunjukkan tidak ada perbedaan yang bermakna bermakna pada pertambahan jam penggunaan komputer rata-rata dalam satu hari
bila ditinjau dari 1 jam ke 2 jam, 2 jam ke 3 jam, dan seterusnya. Hal ini makin menunjukkan pertambahan gejala terjadi secara progresif bertahap. Pada
penelitian ini pertambahan bermakna jumlah gejala terjadi pada penggunaan komputer di atas 8 jam dengan berpatokan pada jam pertama penggunaan
komputer. Dengan demikian, penulis menyarankan batas waktu penggunaan komputer adalah 8 jam sehari.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.19. Uji Tukey Post Hoc ANOVA Lama Penggunaan Komputer Rata-rata Dalam Satu Hari dengan Jumlah Gejala Sindroma
Mata Kering
Waktu awal Sampai waktu
Jumlah Gejala p value 1 jam
2 jam 0,999
3 jam 1,000
4 jam 0,996
5 jam 0,707
6 jam 0,129
7 jam 0,193
8 jam 0,041
10 jam 0,007
11 jam 0,001
12 jam 0,999
2 jam ke 3 jam
1,000 4 jam
1,000 5 jam
0,999 6 jam
0,570 7 jam
0,797 8 jam
0,376 10 jam
0,172 11 jam
0,018 12 jam
0,012 3 jam ke
4 jam 0,999
5 jam 0,656
6 jam 0,110
7 jam 0,130
8 jam 0,019
10 jam 0,001
11 jam 0,000
12 jam 0,000
4 jam ke 5 jam
0,999 6 jam
0,512 7 jam
0,736 8 jam
0,285 10 jam
0,090 11 jam
0,010 12 jam
0,003 5 jam ke
6 jam 0,797
7 jam 0,963
8 jam 0,556
10 jam 0,196
11 jam 0,023
12 jam 0,003
6 jam ke 7 jam
1,000 8 jam
1,000 10 jam
1,000 11 jam
0,926 12 jam
0,997 7 jam ke
8 jam 0,999
10 jam 0,992
11 jam 0,401
12 jam 0,544
8 jam ke 10 jam
1,000 11 jam
0,859 12 jam
0,988 10 jam ke
11 jam 0,842
12 jam 0,983
11 jam ke 12 jam
0,997
Universitas Sumatera Utara Universitas Sumatera Utara
2. Hubungan Lama Penggunaan Komputer dengan Derajat Keparahan SMK
yang ditunjukkan Nilai Visual Analgue Scale Uji hipotesis yang sama digunakan untuk menilai hubungan ini. Pertama-
tama, dilakukan uji normalitas dengan uji Kolgomorov Smirnov pada variabel dependen yaitu jumlah gejala untuk menentukan apakah data berdistribusi normal
atau tidak. Bila data berdistribusi normal, uji korelasi yang akan digunakan adalah uji korelasi Pearson sedangkan bila data tidak berdistribusi normal, akan
digunakan uji korelasi statistik non parametrik yaitu uji korelasi Spearman. Hasil uji Kolgomorov Smirnov menghasilkan p = 0,200 yang berarti hipotesis nol gagal
ditolak, artinya data dalam jumlah gejala dalam penelitian ini berdistribusi normal. Plot gambar pada lampiran juga menunjukkan data jumlah gejala
berdistribusi normal secara linear. Oleh karena itu, untuk menentukan hubungan lama penggunaan komputer dengan nilai VAS SMK akan digunakan uji Korelasi
Pearson. Analisis data diawali dengan membuat suatu diagram tebar scatter plot
guna melihat bagaimana pola hubungan antara kedua variabel numerik tersebut. Data lama penggunaan komputer ditampilkan pada sumbu X aksis, sementara
data jumlah gejala disajikan pada sumbu Y ordinat, sedemikian sehingga semua data yang terkumpul dapat ditampilkan melalui diagram tebar. Diagram tebar
disajikan dalam lampiran karya tulis ilmiah ini. Seluruh diagram menunjukkan bahwa terdapat hubungan yang linear
antara variabel independen lama penggunaan komputer secara terus-menerus dalam satu hari, lama penggunaan komputer dalam satu hari, riwayat lama
penggunaan komputer, dan indeks penggunaan komputer dengan variabel dependen nilai VAS SMK. Dengan demikian data tersebut memungkinkan
untuk dapat dianalisis lebih lanjut dengan menggunakan uji Korelasi Pearson guna mengetahui kekuatan hubungan diantara kedua variabel tersebut. Penelitian ini
menggunakan hipotesis satu arah one-tailed dengan tingkat kepercayaan 95, yang berarti jika didapati nilai p 0,05, berarti hipotesis nol penelitian ditolak.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.20. Hubungan Lama Penggunaan Komputer dengan Nilai Visual Analogue Scale Sindroma Mata Kering dengan Uji Korelasi
Pearson
Lama Penggunaan Komputer VAS r
p value Lama Penggunaan Komputer Secara Terus-
menerus 0,754
0,000 Lama Penggunaan Komputer Rata-rata dalam
Satu Hari 0,754
0,000 Riwayat Lama Penggunaan Komputer
0,208 0,030
Indeks Penggunaan Komputer 0,549
0,000
a. Uji Korelasi Pearson lama penggunaan komputer secara terus-menerus dan
nilai VAS Sindroma Mata Kering Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan lama
penggunaan komputer secara terus-menerus dan nilai VAS didapatkan p=0,000 atau dituliskan sebagai p0,001 dengan maksud agar dapat mengestimasi secara
lebih akurat nilai desimal p yang sebenarnya. Nilai p yang lebih kecil dari 0,05 menyebabkan hipotesis nol dalam penelitian ini ditolak sehingga dapat
disimpulkan bahwa ada hubungan antara lama penggunaan komputer secara terus- menerus dengan pertambahan derajat keparahan SMK p0,05. Untuk
menentukan kekuatan hubungan antara kedua variabel tersebut, dilakukan interpretasi dari nilai koefisien korelasi Pearson penelitian ini yaitu r=0,754.
Dengan kata lain, besarnya kekuatan hubungan antara lama penggunaan komputer terus-menerus dengan pertambahan derajat keparahan SMK dalam penelitian ini
adalah kuat Arlinda, 2007. Pada regresi linear didapatkan persamaan: y=8,272+9,583x, dengan y adalah nilai VAS SMK dan x adalah lama penggunaan
komputer secara terus-menerus. b.
Uji Korelasi Pearson lama penggunaan komputer rata-rata dalam satu hari dan nilai VAS Sindroma Mata Kering
Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan lama penggunaan komputer rata-rata dalam satu hari dan nilai VAS didapatkan p=0,000
atau dituliskan sebagai p0,001 dengan maksud agar dapat mengestimasi secara lebih akurat nilai desimal p yang sebenarnya. Nilai p yang lebih kecil dari 0,05
menyebabkan hipotesis nol dalam penelitian ini ditolak sehingga dapat disimpulkan bahwa ada hubungan antara lama penggunaan komputer rata-rata
Universitas Sumatera Utara Universitas Sumatera Utara
dalam satu hari dengan pertambahan derajat keparahan SMK p0,05. Untuk menentukan kekuatan hubungan antara kedua variabel tersebut, dilakukan
interpretasi dari nilai koefisien korelasi Pearson penelitian ini yaitu r=0,754. Dengan kata lain, besarnya kekuatan hubungan antara lama penggunaan komputer
rata-rata dalam satu hari dengan pertambahan derajat keparahan SMK dalam penelitian ini adalah kuat Arlinda, 2007. Pada regresi linear didapatkan
persamaan: y=15,371+4,220x, dengan y adalah nilai VAS SMK dan x adalah lama penggunaan komputer rata-rata dalam satu hari.
c. Uji Korelasi Pearson riwayat lama penggunaan komputer dan nilai VAS
Nilai p uji korelasi Pearson dalam penelitian ini mengenai hubungan riwayat lama penggunaan komputer dan nilai VAS didapatkan p=0,03. Nilai p
yang lebih kecil dari 0,05 menyebabkan hipotesis nol dalam penelitian ini ditolak sehingga dapat disimpulkan bahwa ada hubungan antara riwayat lama
penggunaan komputer dengan pertambahan derajat keparahan SMK p0,05. Parameter riwayat penggunaan komputer menunjukkan korelasi yang rendah
r=0,208 dengan derajat keparahan SMK walau nilai p0,05. Pada penelitian- penelitian sebelumnya, parameter ini juga jarang digunakan karena dianggap tidak
berpengaruh. Pada regresi linear didapatkan persamaan: y=36,537+1,805x. dengan y adalah nilai VAS SMK dan x adalah riwayat lama penggunaan
komputer. d.
Uji Korelasi Pearson Indeks Penggunaan Komputer dan Nilai VAS Hasil uji Korelasi Pearson IPK dengan nilai VAS menunjukkan p0,001
sehingga Ho ditolak yang artinya ada hubungan antara IPK dengan nilai VAS. Nilai r didapatkan 0,549 yang menunjukkan hubungan korelasi keduanya
berkekuatan sedang. Pada regresi linear didapatkan persamaan: y=22,908 +4,176x, dengan y adalah nilai VAS SMK dan x adalah indeks penggunaan
komputer. Hubungan antara IPK terkategori dengan nilai VAS dianalisis dengan uji
ANOVA karena variabel independen berupa data ordinal dan variabel dependen berupa data numerik yang kontinu. Syarat uji ANOVA adalah data harus
berdistribusi normal dan varians harus sama. Bila kedua hal tersebut tidak
Universitas Sumatera Utara Universitas Sumatera Utara
dipenuhi, uji hipotesis harus menggunakan uji statistik non parametrik yaitu Kruskal Wallis. Uji normalitas menunjukkan p0,05 yang berarti data
berdistribusi normal. Uji homogenitas varians menghasilkan p=0,417 yang berarti data bervarians sama. Setelah itu, dilakukan uji ANOVA. Pada tabel ditunjukkan
uji ANOVA menghasilkan p 0,001 dan besar nilai Fhitung adalah 9,073 di mana nilai ini lebih besar dari nilai Ftabel. Keduanya menghasilkan simpulan bahwa Ho
ditolak artinya ada perbedaan antara nilai VAS pada IPK kategori ringan, sedang, dan berat.
Tabel 5.21. Hubungan Interpretasi Indeks Penggunaan Komputer dengan Nilai VAS Sindroma Mata Kering dengan uji ANOVA
IPK VAS Mean
Standar Deviasi Nilai F
p value Ringan
36,78 22,017
9,073 p 0,000
Sedang 53,22
17,725 Berat
62,30 20,950
Pada uji Post Hoc ANOVA dengan tes Tukey, didapatkan bahwa perbedaan antara nilai VAS pada IPK kategori ringan sampai sedang dan kategori sedang
sampai berat keduanya menunjukkan perbedaan yang tidak bermakna yaitu p=0,07 dan p=0,484.
Tabel 5.22. Uji Tukey Post Hoc ANOVA Interpretasi Indeks Penggunaan Komputer dengan Nilai VAS Sindroma Mata Kering
Kategori IPK VAS
Ringan Sedang
p=0,07 Sedang
Berat p=0,484
e. Perbedaan jam lama penggunaan komputer yang paling bermakna terhadap pertambahan derajat keparahan Sindroma Mata Kering
Pada analisis lama penggunaan komputer dengan derajat keparahan SMK, didapatkan bahwa korelasi hubungan paling kuat ditunjukkan oleh lama
penggunaan komputer secara terus-menerus dan lama penggunaan komputer rata- rata dalam satu hari. Untuk menentukan perbedaan jam penggunaan komputer
secara terus-menerus dan rata-rata dalam satu hari yang paling bermakna terhadap
Universitas Sumatera Utara Universitas Sumatera Utara
pertambahan jumlah gejala Sindroma Mata Kering, akan dilakukan uji ANOVA. Hasil uji ANOVA disajikan pada tabel 5.23.
Tabel 5.23. Hasil Uji ANOVA Mengenai Perbedaan Nilai VAS Setiap Jam Lama Penggunaan Komputer Secara Terus-menerus
Lama Penggunaan Komputer Secara Terus-Menerus
Nilai VAS Mean Nilai F
p value 1 jam
17,91 SD 15,274 21,747
0,000 2 jam
30,29 SD 16,592 3 jam
35,23 SD 13,318 4 jam
39,50 SD 53,820 5 jam
53,82 SD 14,185 6 jam
74,50 SD 10,324 7 jam
53,00 SD 22,627 Dari tabel 5.23. didapatkan ada perbedaan yang bermakna antar setiap jam
penggunaan komputer secara terus-menerus. Selanjutnya, dilakukan uji post hoc ANOVA dengan tes Tukey untuk mengetahui perbedaan pada jam berapa yang
dianggap bermakna secara statistik.
Tabel 5.24. Uji Tukey Post Hoc ANOVA Lama Penggunaan Komputer Secara Terus-menerus dengan Nilai VAS Sindroma Mata
Kering
Waktu awal Sampai waktu
Jumlah Gejala p value 1 jam
2 jam 0,340
3 jam 0,062
4 jam 0,059
5 jam 0,000
6 jam 0,000
7 jam 0,003
2 jam ke 3 jam
0,972 4 jam
0,842 5 jam
0,000 6 jam
0,000 7 jam
0,367 3 jam ke
4 jam 0,997
5 jam 0,007
6 jam 0,000
7 jam 0,663
4 jam ke 5 jam
0,326 6 jam
0,000 7 jam
0,909 5 jam ke
6 jam 0,001
7 jam 1,000
6 jam ke 7 jam
0,434
Universitas Sumatera Utara Universitas Sumatera Utara
Pada hasil uji Tukey, ditunjukkan fluktuasi yang bermakna nilai VAS hanya terjadi pada 5 jam ke 6 jam penggunaan komputer secara terus-menerus. Pada
penelitian ini pertambahan bermakna nilai VAS dibanding jam pertama penggunaan komputer adalah setelah 5 jam penggunaan komputer. Nilai ini lebih
lambat satu jam dibandingkan dibanding petambahan jumlah gejala yang bermakna terjadi setelah 4 jam penggunaan komputer. Pada tabel 5.24. dengan
semakin bertambahnya jam penggunaan komputer, derajat keparahan menunjukkan perbedaan yang makin signifikan. Hal ini berbeda dengan
pertambahan jumlah gejala yang biasanya terjadi pada jam-jam awal penggunaan komputer. Jadi, dapat disimpulkan pertambahan gejala timbul lebih cepat
mendahului pertambahan derajat keparahan SMK. Penentuan perbedaan jam penggunaan komputer rata-rata dalam satu hari
yang paling bermakna terhadap pertambahan jumlah gejala Sindroma Mata Kering dilakukan dengan uji ANOVA. Hasil uji ANOVA disajikan pada tabel
5.16. Sampel 14, 15, 16, dan 18 jam sementara tidak diikutkan dalam uji ANOVA karena hanya terdiri dari satu sampel. Dari tabel 5.18. didapatkan ada perbedaan
yang bermakna antar setiap jam penggunaan komputer rata-rata dalam satu hari. Selanjutnya, dilakukan uji post hoc ANOVA dengan tes Tukey untuk mengetahui
perbedaan pada jam berapa yang dianggap bermakna secara statistik.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.25. Hasil Uji ANOVA Mengenai Perbedaan Nilai VAS Setiap Jam Lama Penggunaan Komputer Rata-rata dalam Satu Hari
Lama Penggunaan Komputer Secara Terus-Menerus
Jumlah Gejala Nilai F
p value 1 jam
12,40 SD 15,978
9,225 0,000
2 jam 27,75 SD 10,436
3 jam 23,85 SD 15,049
4 jam 36,67 SD 12,258
5 jam 40,17 SD 17,989
6 jam 46,67 SD 21,733
7 jam 42,17 SD 16,179
8 jam 49,40 SD 10,738
10 jam 56,11 SD 12,771
11 jam 66,00 SD 7,810
12 jam 69,08 SD 18,223
14 jam 75,00 SD 0,000
15 jam 72,00 SD 0,000
16 jam 80,00 SD 0,000
18 jam 65,00 SD 0,000
Pada hasil uji Tukey, juga ditunjukkan ada perbedaan yang bermakna bermakna antara pertambahan jam penggunaan komputer rata-rata dalam satu hari
bila ditinjau dari 1 jam ke 2 jam, 2 jam ke 3 jam, dan seterusnya. Pada penelitian ini pertambahan bermakna derajat keparahan terjadi pada penggunaan komputer
di atas 7 jam dengan berpatokan pada jam pertama penggunaan komputer. Pada analisis terhadap jumlah gejala, pertambahan bermakan terjadi di atas 8 jam.
Dengan demikian, penulis menyarankan batas waktu penggunaan komputer adalah 7-8 jam sehari.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.26. Uji Tukey Post Hoc ANOVA Lama Penggunaan Komputer Rata-rata Dalam Satu Hari dengan Nilai VAS Sindroma Mata
Kering
Waktu awal Sampai waktu
Jumlah Gejala p value 1 jam
2 jam 0,924
3 jam 0,944
4 jam 0,280
5 jam 0,047
6 jam 0,110
7 jam 0,077
8 jam 0,014
10 jam 0,000
11 jam 0,001
12 jam 0,000
2 jam ke 3 jam
1,000 4 jam
0,998 5 jam
0,948 6 jam
0,879 7 jam
0,934 8 jam
0,597 10 jam
0,106 11 jam
0,067 12 jam
0,001 3 jam ke
4 jam 0,844
5 jam 0,258
6 jam 0,450
7 jam 0,389
8 jam 0,085
10 jam 0,000
11 jam 0,003
12 jam 0,000
4 jam ke 5 jam
1,000 6 jam
0,998 7 jam
1,000 8 jam
0,955 10 jam
0,398 11 jam
0,236 12 jam
0,004 5 jam ke
6 jam 1,000
7 jam 1,000
8 jam 0,988
10 jam 0,428
11 jam 0,282
12 jam 0,001
6 jam ke 7 jam
1,000 8 jam
1,000 10 jam
0,998 11 jam
0,906 12 jam
0,489 7 jam ke
8 jam 0,999
10 jam 0,829
11 jam 0,534
12 jam 0,035
8 jam ke 10 jam
0,999 11 jam
0,927 12 jam
0,395 10 jam ke
11 jam 0,997
12 jam 0,719
11 jam ke 12 jam
1,000
Universitas Sumatera Utara Universitas Sumatera Utara
3. Hubungan Variabel Atribut dengan Jumlah Gejala dan Nilai Visual
Analogue Scale Sindroma Mata Kering a.
Perbedaan jumlah gejala dan nilai VAS SMK berdasarkan jenis kelamin Tabel 5.27. Perbedaan Jumlah Gejala dan Nilai VAS SMK Berdasarkan
Jenis Kelamin
Jenis Kelamin Jumlah gejala
Mean F
Nilai VAS Mean
F Pria
3,82 1-8 1,191
p=0,278 43,03 0-85
0,228 p=0,634
Wanita 4,31 1-8
45,49 3-95
Tabel 5.27. menunjukkan uji ANOVA bernilai p 0,05, artinya tidak ada perbedaan antara jumlah gejala dan nilai VAS SMK antara kelompok berjenis
kelamin pria dan wanita. Hasil uji ANOVA keduanya juga menunjukkan Fhitung Ftabel. Nilai rata-rata VAS yang yang ditunjukkan antara pria dan wanita hampir
sama yaitu 43,03 dan 45,49. Hal ini tidak jauh berbeda dengan nilai rata-rata VAS secara keseluruhan. Nilai VAS tertinggi terdapat pada kelompok wanita dengan
nilai 95 dan nilai VAS terendah terdapat pada kelompok pria dengan nilai 0. Pada uji Chi square dengan kriteria baru Patel, juga ditemukan adanya
hubungan antara jenis kelamin dengan nilai VAS menunjukkan hasil p=0,578. Uji statistik kemudian dilanjutkan mengacu pada penelitian Garcia et al. 2007 yang
menunjukkan rata-rata penderita SMK menunjukkan nilai VAS sebesar 43,04. Asumsi cut off point kasus dan kontrol kemudian diambil angka 43,04 untuk
menentukan prediksi besarnya risiko. Tabel 5.33. menunjukkan PR=1,136 95CI= 0,737-1,752 dengan 95CI yang mencakup angka 1 sehingga jelas
dalam uji statistik penelitian ini didapatkan bahwa jenis kelamin bukan merupakan faktor risiko terjadinya SMK.
b. Perbedaan jumlah gejala dan nilai VAS SMK berdasarkan usia
Tabel 5.28. Perbedaan Jumlah Gejala dan Nilai VAS SMK Berdasarkan Usia
Usia Mean Jumlah gejala
Mean r
Nilai VAS Mean
r 21,98 15-42
4,11 0-95 0,598
p=0,000 43,03 0-85
0,543 p=0,000
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.28. dan 5.33. menunjukkan adanya korelasi dengan kekuatan hubungan sedang antara usia dengan jumlah gejala dan nilai VAS SMK.
c. Perbedaan jumlah gejala dan nilai VAS SMK berdasarkan kebiasaan merokok
Tabel 5.29. Perbedaan Jumlah Gejala dan Nilai VAS SMK Berdasarkan Kebiasaan Merokok
Merokok Jumlah gejala
Mean F
Nilai VAS Mean
F Ya
5,43 3-8 8,082
p=0,006 55,79 27-85
0,006 p=0,041
Tidak 3,84 1-8
42,18 0-95
Tabel 5.29. menunjukkan bahwa Fhitung jumlah gejala dan nilai VAS lebih besar dari Ftabel. Nilai p juga menunjukkan hasil dibawah 0,05. Hal ini
berarti ada hubungan antara merokok dengan jumlah gejala dan nilai VAS SMK. Pada uji Chi square dengan kriteria Patel, juga ditemukan adanya hubungan
antara merokok dengan nilai VAS dengan p=0,079. Kelompok perokok menunjukkan persentase yang tinggi yaitu 35,7 untuk nilai VAS berat dibanding
4,7 pada kelompok yang tidak merokok. Jumlah gejala dan nilai VAS minimum juga menjukkan angka yang cukup besar yaitu 3 gejala dan nilai 27 untuk
kelompok perokok. Rasio prevalens dengan membedakan kasus dan kontrol dengan kriteria Garcia et al. menunjukkan resiko pertambahan nilai VAS sebesar
1,67. d. Perbedaan jumlah gejala dan nilai VAS SMK berdasarkan kebiasaan
memakai kacamata
Tabel 5.30. Perbedaan Jumlah Gejala dan Nilai VAS SMK Berdasarkan Kebiasaan Memakai Kacamata
Memakai kacamata
Jumlah gejala Mean
F Nilai VAS
Mean F
Ya 4,12 3,43-4,80
0,001 p=0,976
43,94 4-85 0,035
p=0,853 Tidak
4,10 3,52-4,69 44,90 0-95
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 5.30. menunjukkan tidak ada perbedaan antara memakai dan tidak memakai kacamata terhadap jumlah gejala dan nilai VAS. Uji Chi square tabel
5.33. juga menunjukkan tidak ada hubungan antara kedua kelompok ini. Nilai VAS berdasarkan Garcia et al. menunjukkan memakai kacamata bukan
merupakan faktor protektif maupun faktor risiko terhadap nilai VAS SMK karena PR mencakup angka 1. Belum ada penelitian yang meneliti mengenai hal ini
karena juga dianggap kacamata adalah faktor netral dalam risiko SMK. e.
Pekerjaan dengan jumlah gejala dan nilai VAS Tabel 5.31. Perbedaan Jumlah Gejala dan Nilai VAS SMK Berdasarkan
Pekerjaan
Pekerjaan Jumlah gejala
Mean F
Nilai VAS Mean
F Karyawan
5,10 1-8 26,671
p=0,000 55,46 0-95
24,553 p=0,000
Pelajar 3,12 1-7
33,54 4-71
Tabel 5.31. menunjukkan ada perbedaan yang bermakna antara pekerjaan dengan jumlah gejala dan nilai VAS. Tabel 5.33. juga menunjukkan hal yang
demikian. Hal ini dikarenakan jumlah kerja menggunakan komputer yang lebih tinggi dan beban kerja yang lebih berat pada karyawan.
f. Suku dengan jumlah gejala dan nilai VAS
Tabel 5.32. Perbedaan Jumlah Gejala dan Nilai VAS SMK Berdasarkan Suku
Suku Jumlah gejala
Mean F
Nilai VAS Mean
F Batak
3,33 1-8 2,640
33,10 0-88
5,244 Jawa
4,80 1-8 p=0,03
58,40 12-95 p=0,000 Tionghua
4,77 1-8 56,82 18-85
Melayu 5,40 3-8
52,40 21-54 Nias
4,67 2-7 39,33 27-59
Lain-lain Makassar, Minahasa, Minang
4,33 3-5 48,00
0-95
Tabel 5.32. menunjukkan bahwa ada perbedaan bermakna antara suku dengan jumlah gejala dan nilai VAS. Suku Melayu menunjukkan proporsi yang
Universitas Sumatera Utara Universitas Sumatera Utara
paling tinggi untuk jumlah gejala dan suku Jawa menunjukkan proposi yang paling tinggi untuk nilai VAS.
Menurut Patel et al. 2003, nilai VAS 0-40 termasuk SMK ringan, nilai VAS 40-70 termasuk SMK sedang, nilai VAS termasuk 70-100 berat. Penelitian
Garcia et al. 2007 menunjukkan rata-rata penderita SMK menunjukkan nilai VAS sebesar 43,04. Angka 43,04 kemudian dijadikan asumsi cut off point kasus
dan kontrol untuk menentukan prediksi besarnya risiko. Analisis karakteristik responden berdasarkan kriteria Patel et al. dan cut off point Garcia et al. dapat
dilihat pada tabel 5.33.
Tabel 5.33. Analisis Karakteristik Responden terhadap nilai VAS Sindroma Mata Kering Berdasarkan Kriteria Patel dan Kriteria
Garcia
Karakteristik Responden
Kriteria Patel Kriteria Garcia
Ringan Sedang Berat
p value
Kasus Kontrol
Prevalence Ratio PR
Jenis Kelamin Wanita
20 40,8
20 40,8
9 18,4
0,578 27
55,1 22
44,9 1,136
0,737PR1,752 Pria
17 51,5
10 30,3
6 18,2
16 48,5
17 51,5
Jumlah 37
45,1 30
36,6 15
18,3 42
100 39
47,6 Merokok
Ya 3
21,4 6
42,9 5
35,7 0,079
11 78,6
3 21,4
1,670 1,151PR2,422
Tidak 34
50 24
35,3 10
4,7 32
47,1 36
52,9 Jumlah
37 45,1
30 36,6
15 18,3
43 100
39 100
Memakai Kacamata Ya
17 50
10 29,4
7 20,6
0,524 16
47,1 18
52,9 0,837
0,541PR1,293 Tidak
20 41,7
20 41,7
8 16,7
27 56,3
21 43,8
Jumlah 37
45,1 30
36,6 15
18,3 43
52,4 39
47,6 Pekerjaan
Karyawan 10
24,4 18
43,9 13
31,7
0,000
31 75,6
10 24,4
2,583 1,557PR4,287
Pelajar 27
65,9 12
29,3 2
4,9 10
24,4 31
75,6 Jumlah
37 45,1
30 36,6
15 18,3
41 100
41 100
Universitas Sumatera Utara Universitas Sumatera Utara
5.2. Pembahasan