Hasil Analisis Data Hasil Penelitian

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