Preferensi Siswa Dalam Tingkat Kecanduan Game Online Dengan Metode Analisis Konjoin Full Profile (Studi Kasus Siswa SMA Negeri 14 Medan) Chapter III IV

BAB 3
HASIL DAN PEMBAHASAN

3.1 Sampel Dan Teknik Pengambilan sampel
Responden penelitian ini adalah siswa SMA Negeri 14 Medan. Data jumlah siswa
yang diperoleh adalah sebagai berikut:
Tabel 3.1 Jumlah Siswa SMA Negeri 14 Medan
No
Kelas

Jumlah Siswa

1

X

304

2

XI

345

3

XII

277

Total

926

Metode yang digunakan untuk jumlah sampel adalah dengan menggunakan rumus
Slovin, sebagai berikut:
�
n=
1+�� 2
keterangan:
n

= Jumlah sampel

N

= Jumlah populasi

e

= batas toleransi kesalahan

Populasi dalam penelitian ini adalah siswa SMA Negeri 14 Medan
sebanyak 926 jiwa. Sehingga, jumlah siswayang diambil sebagai sampel adalah:

n=
=
=

�

1+�� 2
926

1+926(0,1)2
926
10,26

= 90,25

Universitas Sumatera Utara

31

= 90 orang
Maka dapat ditentukan jumlah sampel dalam penelitian ini adalah sebanyak 90
orang. Teknik pengambilan sampel menggunakan metode Proportionated
stratified random sampling, maka jumlah sampel yang harus diambil berdasarkan
perhitungan proporsi dari setiap jurusan di SMA Negeri 14 Medan dengan rumus
sebagai berikut:

�� =

��
��
�

dengan:
��

= jumlah sampel menurut stratum

��
N

= jumlah populasi

n

= jumlah sampel

= jumlah populasi menurut stratum

Tabel 3.2 Penarikan Sampel dengan Proporsional
Proportionated
Jumlah
No
Kelas
Jurusan
stratified random
Siswa
sampling

1

2

3

IPA

190

IPS

114

IPA

236

IPS

109

IPA

171

IPS

106

X

XI

XII

Total

190
X 90 = 18,46
926
114
X 90 = 11,08
926
236
X 90 = 22,94
926
109

X 90 = 10,60
926
171
X 90 = 16,62
926
106
X 90 = 10,30
926

926

90

Jumlah Sampel

18
11
23
11
17

10
90

31
Universitas Sumatera Utara

32

3.2 Penyajian Data
Data analisis konjoin didapat berdasarkan urutan kartu profil dalam kuesioner.
Dalam penelitian ini metode presentasi yang digunakan adalah full-profileyang
menggunakan data metrik yaitu dengan cara merating. Proses menilai konjoin
dilakukan dengan langkah-langkah sebagai berikut:
1.

Menentukan atribut dan level atribut yaitu:
6) Faktor Emosi(Jenuh dan Bosan, Stres dan Depresi).
7) Faktor

Lingkungan (Teman Sepergaulan Sesama Gamers, Mengikuti

Ajakan Teman, Mengikuti Trend dan pergaulan)
8) Ketertarikan(Rasa Ingin tau dan penasaran, Merasa Tertantang, Sifat Game
Yang Seru dan Menghibur)
9) Perkembangan Teknologi (Fasilitas Yang Memadai, Mudahnya akses
Bermain Game online)
10) Gaya Hidup (Kurangnya Kegiatan, Kebiasaan atau hobi)

2.

Mendesain stimuli yaitu setelah atribut dan level atribut diperoleh selanjutnya
adalah menentukan preferensi responden terhadap setiap kombinasi maka dari
itu dibentuklah stimuli. Stimuli adalah kombinasi antara atribut dengan level.
Dari 5 atribut dan 5 level atribut tersebut didapat jumlah kombinasi yang
mungkin untuk disusun sebanyak 72 stimuli (diperoleh dari hasil perkalian
setiap level dari masing – masing atribut = 2 x 3 x 3 x 2 x 2). Dengan jumlah
stimuli sebanyak itu, maka akan menyulitkan responden untuk memberikan
penilaian terhadap stimuli tersebut serta membutuhkan waktu yang lama para
responden untuk mengevaluasinya, sehingga untuk memudahkan responden
kombinasi didesain oleh software SPSS 16.0 sehingga menghasilkan 16

stimuli. Adapun langkah membuat dengan SPSS 16.0 adalah sebagai berikut:
a. Dari program SPSS, biarkan data editor dalam keadaan kosong
b. Pilih menu file, new, dan pilih syntax
c. Ketik pada syntax editor

32
Universitas Sumatera Utara

33

ORTHOPLAN
/FACTOR=
EMOSI 'Faktor Emosi' (‘Jenuh dan Bosan’ ‘Stres dan Depresi’)
LKNGN ‘Faktor Lingkungan' (‘Teman Sepergaulan Sesama Gamers’
‘Mengikuti Ajakan Teman’ ‘Mengikuti Trend dan pergaulan’)
KTRKN 'Ketertarikan' (‘Rasa Ingin Tau Dan Penasaran’ ‘Merasa Tertantang’
‘Sifat Game Yang Seru Dan Menghibur’)
TKLGI‘Perkembangan Teknologi' (‘Fasilitas Yang Memadai’ ‘Mudahnya
Akses Bermain Game Online’)
GAYA'Gaya Hidup' (‘Kurangnya Kegiatan’ ‘Kebiasaan Atau Hobi’)
/HOLDOUT=0
SAVEOUTFILE='DATA SPSS.SAV'.
Pilih menu Run All dapat dibentuk kombinasi pada data view.
Setelah dievaluasi satu persatu dengan menggunakan software SPSS 16.0
dihasilkan 16 stimuli dan dapat langsung digunakan untuk mengetahui
preferensi responden.Stimuli dapat dilihat pada lampiran 1.
Selanjutnya responden diminta untuk memberikan rating terhadap
kombinasi pekerjaan yang ada pada lampiran 1 dengan menggunakan skala
likert dan dengan urutan:
1 = Sangat tidak setuju dengan stimuli tersebut
2 = Tidak setuju dengan stimuli tersebut
3 = Cukup setuju dengan stimuli tersebut
4 = setuju dengan stimuli tersebut
5 = Sangat setuju dengan stimuli tersebut

3.

Menghitung Nilai Urutan

Untuk menghitung nilai utilitas dan nilai kepentingan relatif atribut dapat
menggunakan 2 cara yaitu:
a.

Menggunakan Perhitungan Manual

Untuk menduga rating atribut berdasarkan data responden, maka dilakukan
perhitungan dengan menggunakan data salah seorang responden.Datanya dapat
33
Universitas Sumatera Utara

34

dilihat pada lampiran 3. Lakukan pengkodean dengan variabel dummy yang
mewakili setiap level dari masing – masing atribut. Untuk semua atribut dan level
dari atribut dikodekan pada tabel 3.3 sebagai berikut:
Tabel 3.3 Pengkodean Level
Jumlah
level
X1
X2
1
1
1
2
0
0
3
0

Atribut
X4
1
0
0

X3
0
1
0

X5
0
1
0

X6
1
0
-

X7
1
0
-

Bentuk pertanyaan dalam kuesioner dari setiap kombinasi terdapat pada lampiran
2 dan responden diminta untuk memberikan preferensinya dari setiap
kombinasi.Preferensi diperoleh dengan mengurutkan kombinasi – kombinasi yang
tersedia berdasarkan tingkat kepentingan relatif. Data pada tabel 3.3 akan
dikodekan menjadi variabel dummy, sebagaimana dilakukan pada regresi dengan
variabel kuantitatif. Hasilnya adalah data pada tabel 3.4 sebagai berikut:
Tabel 3.4 Pengkodean Data Untuk Regresi
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Faktor
Emosi

Faktor
Lingkungan

Ketertarikan

Perkembangan
Teknologi

Gaya
Hidup

X1

X2

X3

X4

X5

X6

X7

0
1
1
1
0
0
0
1
0
0
1
1
1
0
0
1

0
1
0
0
1
1
0
1
0
1
0
1
1
1
0
0

0
0
0
0
0
0
0
0
1
0
1
0
0
0
1
1

0
1
1
0
0
0
1
0
1
1
0
1
0
1
0
1

0
0
0
1
1
1
0
0
0
0
1
0
0
0
0
0

0
0
1
0
1
0
1
0
0
0
1
1
1
1
1
0

1
0
0
1
1
0
0
0
1
0
0
1
1
1
0
1

34
Universitas Sumatera Utara

35

Pada tabel 3.4 adalah data yang telah ditransformasikan, selanjutnya data yang
diperoleh dari hasil kuesioner dianalisis dengan persamaan regresi linier berganda
dengan variabel bebas berupa dummy 8 buah.
�(�) = �0 + �1 �1 + �2 �2 + �3 �3 + �4 �4 + �5 �5
Keterangan:
U(X)

= Kegunaan atau utilitas

�0

= Intercept

�0 , �1 , �2 , �3 , �4 , �5

=Nilai

Utilitas setiap level dari masing – masing

atribut

X1

= Variabel dummy mewakili atribut Faktor Emosi

X2

= Variabel dummy mewakili atribut Faktor
Lingkungan

X3

= Variabel dummy mewakili atribut Ketertarikan

X4

= Variabel dummy mewakili atribut Perkembangan
Teknologi

X5

= Variabel dummy mewakili atribut Gaya Hidup

Menentukan �0 ,�1 , �2 , ... ,Dapat menggunakan software SPSS sebagai berikut:

a. Atribut yang sudah diubah menjadi variabel dummy, selanjutnya diinput
ke SPSS Statistics Data Editor.

b. Input juga nilai rating di kolom sebelahnya
c. Pilih Analyze, Regression Linear
d. Isi nilai rating sebagai variabel dependent, dan ke – 7 level atribut sebagai
variabel independent
e. Klik ok

35
Universitas Sumatera Utara

36

Maka hasilnya dapat dilihat pada tabel 3.5 berikut ini yaitu koefisien nilai b dari
SPSS
Tabel 3.5 Koefisien Nilai b dari SPSS

Model

Unstandardized

Standardized

Coefficients

Coefficients

B

Std. Error

(Constant)

4,750

0,407

b1

-0,750

0,258

b2

-0,500

b3

Beta

t

Sig.

11,658

0,000

0,539

2,910

0,020

0,316

-0,359

-1,584

0,152

-0,500

0,364

-0,311

-1,372

0,207

b4

-0,875

0,316

-0,629

-2,772

0,024

b5

-0,750

0,364

-0,467

-2,058

0,074

b6

-0,250

0,258

-0,180

-0,970

0,360

b7

0.250

0,258

0,180

0,970

0,360

Persamaan regresi liniear berganda digunakan untuk memperkirakan nilai
utilitas. Harus diperoleh nilai utilitas dari setiap atribut, setiap atribut memiliki
level. Dengan diketahuinya kode variabel dummy, setiap level dilambangkan
terlebih dahulu. Untuk atribut, utilitas masing – masing level dilambangkan
oleh 11 (Jenuh dan Bosan), 12 (Stres dan Depresi), 21 (Teman Sepergaulan
Sesama Gamers), 22 (Mengikuti Ajakan Teman), 23 (Mengikuti Trend dan
Pergaulan), 31 (Rasa Ingin Tau dan Penasaran), 32 (Merasa Tertantang), 33
(Sifat Game Yang Seru dan Menghibur), 41 (Fasilitas Yang Memadai), 42
(Mudahnya Akses Bermain Game online), 51 (Kurangnya Kegiatan), 52
(Kebiasaan atau hobi). Hubungan setiap koefisien variabel dummy, mewakili

36
Universitas Sumatera Utara

37

perbedaan dalam parth-worth untuk level yang bersangkutan dikurangi parthworth dari level dasar.

Setelah didapat koefisien nilai b, maka dicari nilai kegunaannya
(utility) sebagai berikut:
a)

Untuk atribut Faktor Emosi diperoleh persamaan yang dinyatakan oleh
persamaan berikut:

11 - 12 = b1

(1)

11 + 12 = 0

(2)

Dengan menggunakan nilai – nilai koefisien dari hasil SPSS maka diperoleh
persamaan sebagai berikut:
11 - 12 = - 0,750

(3)

11 + 12= 0

(4)

Dari persamaan (3) dan (4) diperoleh persamaan:
11 - 12 = - 0,750
11 + 12 = 0

-212 = -0,750
12= 0,375

(5)

Dari persamaan (2) diperoleh persamaan:
11 + 12 = 0
11 + 0,375 = 0
11 = -0.375

(6)

Sehingga diperoleh hasil setelah dipecahkan:
11 = -0,375
12 = 0,375
b) Persamaan untuk atribut Faktor Lingkungan sebagai berikut:
21- 23 = b2

(7)

22 - 23 = b3

(8)

21 + 22 + 23 = 0

(9)
37
Universitas Sumatera Utara

38

21 - 23 = -0,500

(10)

22 - 23 = -0,500

(11)

Dari persamaan (10) dan (11) diperoleh persamaan:
21 - 23 = -0,500
22 - 23 = -0,500
21 - 22 = 0

(12)

21 = 22

(13)

Dari persamaan (9) diperoleh persamaan:
21 + 22 + 23 = 0
22 +22 +23 = 0
222 + 23 = 0

(14)

Dari persamaan (11) dan (14) diperoleh persaman:
22 - 23 = -0,500
222 + 23 = 0
322 = -0,500
22 = -0,167

(15)

Dari persamaan (11) diperoleh persamaan:
22 - 23= -0,500
-0,167 - 23= -0,500
23= 0,333

(16)

Dari persamaan (10) diperoleh persamaan:
21 - 23 = -0,500
21 – 0,333 = -0,500
21 = -0,167

(17)

Maka setelah dipecahkan diperoleh hasil sebagai berikut:
21 = -0,167
22 = -0,167
23 = 0,333

38
Universitas Sumatera Utara

39

c)

Persamaan untuk atribut Ketertarikan dinyatakan pada persamaan berikut:

31 - 33 = b4

(18)

32 - 33 = b5

(19)

31 + 32 + 33 = 0

(20)

Dengan menggunakan nilai – nilai koefisien dari hasil SPSS maka diperoleh
persamaan betrikut:
31 - 33 = -0,875

(21)

32 - 33 = -0,750

(22)

Dari persamaan (21) dan (22) diperoleh:
31 - 33 = -0,875
32 - 33 = -0,750
31 - 32 = -0,125

(23)

31 = -0,125 + 32

(24)

Dari persamaan (20) diperoleh persamaan:
31 + 32 + 33 = 0
-0,125 + 32 +32 +33 = 0
-0,125 + 232+33 = 0
232 + 33 = 0,125

(25)

Dari persamaan (22) dan (25) diperoleh persamaan:
32 - 33 = -0,750
232 + 33 = 0,125
332 = -0,625
32 = -0,208

(26)

Dari persamaan (22) diperoleh persamaan:
32 - 33= -0,750
-0,208 - 33= -0,750
33= 0,542

(27)

Dari persamaan (21) diperoleh persamaan:
31 - 33= -0,875
31 – 0,542 = -0,875
31 = -0,333

(28)
39
Universitas Sumatera Utara

40

Sehingga diperoleh:
31 = -0,333
32 = -0,208
33 = 0,542
d) Untuk

atribut

Perkembangan

Teknologi

diperoleh

persamaan

yang

dinyatakan oleh persamaan berikut:
41 - 43 = b6

(29)

41 + 42 = 0

(30)

Dengan menggunakan nilai koefisien dari hasil SPSS maka diperoleh persamaan
sebagai berikut:
41 - 42 = -0,250

(31)

41 + 42 = 0

(32)

Dari persamaan (31) dan (32) diperoleh persamaan:
41 - 42 = -0,250
41 + 42 = 0

-242 = -0,250
42 = 0,125

(33)

Dari persamaan (30) diperoleh persamaan:
41 + 42 = 0
41 + 0,125 = 0
41 = -0,125

(34)

Sehingga diperoleh hasil setelah dipecahkan:
41 = -0,125
42 = 0,125
e)

Untuk atribut Gaya Hidup maka akan diperoleh persamaan sebagai berikut:

51- 52 = b7

(35)

51 + 52 = 0

(36)

40
Universitas Sumatera Utara

41

Dengan menggunakan nilai koefisien dari hasil SPSS maka diperoleh persamaan
sebagai berikut:
51 - 52 = 0,250

(38)

51 + 53 = 0

(39)

Dari persamaan (38) dan (39) diperoleh persamaan:
51 - 52 = 0,250
51 + 52 = 0
-2 52 = 0,250

(40)

52 = -0,125

(41)

Dari persamaan (39) diperoleh persamaan:
51 + 52 = 0
51 + -0,125 = 0
51 = 0,125

(42)

Sehingga diperoleh hasil setelah dipecahkan:
51 = 0,125
52 = -0,125
Untuk setiap level disajikan pada tabel 3.5 melalui level-levelnya dapat dihitung
tingkat kepentingan atribut, diketahui bahwa tingkat kepentingan atribut adalah
selisih utilitas tertinggi dan terendah. Seperti yang dinyatakan pada persamaan
berikut:
Ii= {max (� ij) – min (�ij)}

(3.1)

Tingkat kepentingan atribut adalah:
Faktor Emosi (Ii)

= 0,375 – (-0,375) = 0,750

Faktor Lingkungan (I2)

= 0,333 – (-0,167) = 0,5

Ketertarikan (I3)

= 0,542 – (-0,333) = 0,875

Perkembangan Teknologi (I4)

= 0,125 – (-0,125) = 0,250

Gaya Hidup b (I5)

= 0,125 – (-0,125) = 0,250

Dengan tingkat kepentingan atribut tersebut dapat diketahui urutan atribut
berdasarkan tingkat kepentingan, tetapi jika diubah menjadi tingkat kepentingan
relatif (bobot) dapat dihitung dengan rumus:
41
Universitas Sumatera Utara

42

��

Wi= ∑�

(3.2)

�=1 ��

Dengan rumus 3.2 diatas maka tingkat kepentingan relatif (bobot) setiap atribut
adalah:
Faktor Emosi:
W1=

0,750

=

0,750+0,5+0,875+0,25+0,25

0,750

= 0,2857

2,625

Faktor Lingkungan:
W2=

0,5
0,750+0,5+0,875+0,25+0,25

=

0,5
2,625

= 0,1905

Ketertarikan:
0,875
W3=
0,750+0,5+0,875+0,25+0,25

=

0,875
2,625

= 0,3333

Perkembangan Teknologi:
0,25
W4=
0,750+0,5+0,875+0,25+0,25

=

0,25
2,625

= 0,0952

Gaya Hidup:
W5=

b.

0,25
0,750+0,5+0,875+0,25+0,25

=

0,25
2,625

= 0,0952

Menggunakan software SPSS 16.0 dengan program syntax

Dari Hasil Metode Full Profile Untuk 1 Responden maka didapat seperti tabel
berikut:

42
Universitas Sumatera Utara

43

Tabel 3.6 Hasil Metode Full Profile Untuk 1 Responden
Tingkat

Level

Kepentingan

Atribut
Utilitas

Deskripsi

Lambang

Skor

Jenuh Dan Bosan

11

-0,375

Stres Dan Depresi

12

0,375

21

-0,167

Mengikuti Ajakan Teman

22

-0,167

Mengikuti

Faktor Emosi
Teman Sepergaulan Sesama
Gamers
Faktor
Lingkungan

Trend

Dan

23

0,333

Tau

Dan

31

-0,333

32

-0,208

33

0,542

41

-0,125

Pergaulan
Rasa

Ingin

Penasaran
Ketertarikan

Merasa Tertantang
Sifat Game Yang Seru Dan
Menghibur

Perkembangan
Teknologi

Fasilitas Yang Memadai
Mudahnya Akses Bermain

42

0,125

Kurangnya Kegiatan

51

0,125

Kebiasaan Atau Hobi

52

-0,125

Game Online

Gaya Hidup

Skor

Bobot

0,750

0,2857

0,5

0,1905

0,875

0,3333

0,250

0,0952

0,250

0,0952

Pada tabel dibawah ini adalah penilaian 1 orang responden dapat dilihat sebagai
berikut:

43
Universitas Sumatera Utara

44

Tabel 3.7 Nilai Utilitas 1 Orang Responden
Utilitas

Std.

Estimate

Error

Jenuh Dan Bosan

-0,375

0,129

Stres Dan Depresi

0,375

0,129

Teman Sepergaulan Sesama Gamers

-0,167

0,172

Mengikuti Ajakan Teman

-0,167

0,201

Mengikuti Trend Dan Pergaulan

0,333

0,201

Rasa Ingin Tau Dan Penasaran

-0,333

0,172

Merasa Tertantang

-0,208

0,201

Sifat Game Yang Seru Dan Menghibur

0,542

0,201

-0,125

0,129

Mudahnya Akses Bermain Game Online

0,125

0,129

Kurangnya Kegiatan

0,125

0,129

Kebiasaan Atau Hobi

-0,125

0,129

4,250

0,142

Atribut

Level

Faktor Emosi

Faktor
Lingkungan

Ketertarikan

Perkembangan Fasilitas Yang Memadai
Teknologi
Gaya Hidup

(Constant)

Tabel 3.8 Nilai Kepentingan Relatif 1 Orang Responden
Atribut

NPR

Faktor Emosi

28,57%

Faktor Lingkungan

19,05%

Ketertarikan

33,33%

Perkembangan Teknologi

9,52%

Gaya Hidup

9.52%

44
Universitas Sumatera Utara

45

Pada tabel 3.9 adalah nilai kepentingan atribut keseluruhan responden dapat
dilihat sebagai berikut:

Tabel 3.9 Nilai Utilitas Keseluruhan Responden
Utilitas

Std.

Estimate

Error

Jenuh Dan Bosan

-0,033

0,036

Stres Dan Depresi

0,033

0,036

Teman Sepergaulan Sesama Gamers

-0,041

0,048

Mengikuti Ajakan Teman

-0,039

0,057

Mengikuti Trend Dan Pergaulan

0,080

0,057

Rasa Ingin Tau Dan Penasaran

0,056

0,048

Merasa Tertantang

-0,101

0,057

Sifat Game Yang Seru Dan Menghibur

0,046

0,057

0,068

0,036

Mudahnya Akses Bermain Game Online

-0,068

0,036

Kurangnya Kegiatan

0,044

0,036

Kebiasaan Atau Hobi

-0,044

0,036

4,250

4,431

Atribut

Level

Faktor Emosi

Faktor
Lingkungan

Ketertarikan

Perkembangan Fasilitas Yang Memadai
Teknologi
Gaya Hidup

(Constant)

Tabel 3.10 Nilai Kepentingan Relatif Keseluruhan Responden

4.

Atribut

NPR

Faktor Emosi

21,287%

Faktor Lingkungan

22,081%

Ketertarikan

30,646%

Perkembangan Teknologi

13,797%

Gaya Hidup

12,189%

Dari hasil Metode Full Profile dan nilai kepentingan atribut, baik dari 1
responden maupun keseluruhan responden dari tabel diatas, maka didapat
interpretasi sebagai berikut:

45
Universitas Sumatera Utara

46

1) Pada tabel 3.8 dapat dilihat bahwa 1 responden memilih atribut
Ketertarikansebagai atribut yang dianggap paling penting pengaruhnya
terhadap kecanduan game online pada siswa sebesar 33,333% yang diikuti
dengan atribut Faktor Emosi sebesar 28,571%, untuk atribut Faktor
Lingkungan sebesar 19,048%, untuk atribut Perkembangan Teknologi dan
Gaya Hidup masing-masing sebesar 9,524%.

2) Pada tabel 3.10 dapat dilihat bahwa keseluruhan responden memilih
Ketertarikan sebagai atribut yang dianggap paling penting pengaruhnya
terhadap kecanduan game online pada siswa SMA Negeri 14 Medan sebesar
30,646% yang diikuti dengan atribut Faktor Lingkungan sebesar 22,081%,
atribut Faktor Emosi sebesar 21,287%, atribut Perkembangan Teknologi
sebesar 13,797%, dan atribut Gaya Hidup sebesar 12,189%.

Gambar 3.1 Diagram Nilai Kepentingan Relatif

NPR
Faktor Emosi
Faktor Lingkungan
Ketertarikan
Perkembangan Teknologi
Gaya Hidup

Dari gambar 3.1 dapat dilihat bahwa atribut Ketertarikan sebagai atribut yang
dianggap relatif penting pengaruhnya terhadap kecanduan game online pada siswa
SMA Negeri 14 Medan.

46
Universitas Sumatera Utara

47

3.3 Interpretasi Model Analisis Konjoin
Penerapan model analisis konjoin melalui pendekatan analisis regresi berganda
menggunakan variabel dummy terhadap ketujuh profil faktor yang mempengaruhi
Kecanduan Game Online Pada Siswa SMA Negeri 14 Medan.
�(�) = �0 + �11 �11 + �12 �12 + �21 �21 + �22 �22 + �23 �23

+ �31 �31 + �32 �32 + �33 �33 + �41 �41 + �42 �42
+ �51 �51 + �52 �52 + �53 �53

Dari tabel 3.9 diperoleh estimasi koefisien persamaan dasar konjoin atau
estimasi utilitas, yang disebut sebagai prediksi parth-worth adalah:
0 = 4,25011 = -0,03312 = 0,03321 = -0,04122 = -0,039 23 = 0,080 31 = 0,056
32 = -0,101 33 = 0,046 41 = 0,068 42 = -0,068 51 = 0,044 52 = -0,044
Dengan mensubstitusikan setiap estimasi utilitas kedalam persamaan dasar
konjoin akan menjadi :

U(X) = 4,250 - 0,033 X11 + 0,033X12- 0,041X21 -0,039X22+ 0,080 X23+ 0,056 X310,101 X32 +0,046 X33+ 0,068 X41 -0,068 X42+ 0,044 X51- 0,044X52
Pada dasarnya utilitas adalah derajat seberapa besar nilai ukuran kepuasan
responden dari penggunaan barang dan jasa.Jadi utilitas disini adalah seberapa
besar pengaruh nilai dari masing – masing level.Nilai Utilitas menunjukkan
seberapa besar pengaruh nilai dari masing – masing level pada tiap – tiap atribut
dari hasil yang didapat berdasarkan mensubstitusikan setiap estimasi utilitas
kedalam persamaan dasar konjoin diatas.

Jika nilainya negatif berarti responden kurang menyukai atau kurang menganggap
penting stimuli tersebut.Sebaliknya, jika nilai positif, maka responden suka
dengan stimuli produk tersebut.

47
Universitas Sumatera Utara

48

3.4 Pengukuran Validitas Dan Reliabilitas
Pengukuran validitas dan reliabilitas ini digunakan untuk menunjukkan korelasi
dan kevalidan penilai responden. Nilai – nilai ini berkorelasi dengan input rating
untuk profil yang diperoleh dari responden.
Tabel 3.11 Korelasi
Metode

Value

Sig.

Pearson's R

0,985

0,000

Kendall's tau

0,836

0,000

Pada pengukuran validitas dan reliabilitas ini output korelasi secara pearson
dengan menggunakan SPSS menghasilkan angka yang relatif kuat yaitu 0,985
(diatas 0.5). Hal ini menunjukkan adanya hubungan yang kuat antara estimasi dan
aktual, artinya data hasil perhitungandari model regresi berkorelasi sangat kuat
dengan data yang diperoleh berdasarkan pendapat responden. Sedangkan pada uji
signifikansi lima korelasi yang dibahas menghasilkan signifikansi 0,000 (dibawah
0,05) maka kelima korelasi tersebut mempunyai signifikansi yang cukup kuat.
Nilai koefisien ini signifikansi pada  = 5%, karena jika hasil ini memiliki
signifikansinya diatas 0,05 maka signifikansinya tidak kuat. Dengan demikian
dapat dikatakan bahwa pendapat dari 90 responden tersebut bisa diterima untuk
menggambarkan pengaruh Faktor Emosi, Faktor Lingkungan, Ketertarikan,
Perkembangan Teknologi, dan Gaya hidup terhadap Kecanduan Game Online
pada siswa SMA Negeri 14 Medan.

48
Universitas Sumatera Utara

BAB 4
KESIMPULAN DAN SARAN

4.1 Kesimpulan
3) Berdasarkan hasil penelitian dan pembahasan

dapat disimpulkan bahwa

keseluruhan responden memilih atributKetertarikan sebagai atribut yang
dianggap relatif penting pengaruhnya terhadap kecanduan game online pada
siswa SMA Negeri 14 Medan sebesar 30,646% yang diikuti dengan atribut
Faktor Lingkungan sebesar 22,081%, atribut Faktor Emosi sebesar 21,287%,
atribut Perkembangan Teknologi sebesar 13,797%, dan atribut Gaya Hidup
sebesar 12,189%.
2. Dari nilai utilitas masing-masing taraf atribut diperoleh informasi bahwa:
1) Faktor Emosi yang stres dan depresi mempengaruhi kecanduan game
online pada siswa SMA Negeri 14 Medan (0,033).
2) Faktor Lingkungan yang mengikuti Trend dan pergaulan mempengaruhi
kecanduan game online pada siswa SMA Negeri 14 Medan (0,080).
3) Ketertarikan rasa ingin tau dan penasaran mempengaruhi kecanduan game
online pada siswa SMA Negeri 14 Medan (0,056).
4) Perkembangan Teknologi Dengan fasilitas memadai mempengaruhi
kecanduan game online pada siswa SMA Negeri 14 Medan (0,068)..
5) Gaya Hidup yang kurangnya kegiatan mempengaruhi kecanduan game
online pada siswa SMA Negeri 14 Medan (0,044).

4.2 Saran
Dari hasil penelitian, analisis dan kesimpulan di atas, berikut beberapa saran yang
dapat disampaikan:
1) Dari Faktor Emosi yang stress dan depresi, Faktor lingkungan yang
mengikuti trend dan pergaulan, Faktor Ketertarikan rasa ingin tau dan
penasaran, Perkembangan Teknologi dengan fasilitas memadai, serta Gaya

Universitas Sumatera Utara

50

Hidup terhadap kurangnya kegiatan mempengaruhi kecanduan game online
pada siswa diharapkan pihak sekolah lebih memperhatikan dan mengawasi
lagi keluarnya siswa di luar lingkungan sekolah pada jam belajar, pihak
sekolah juga diharapkan lebih banyak mengadakan kegiatan ekstrakurikuler
yang positif untuk siswanya sesuai dengan minat dan kesenangan siswa
sehingga siswa tidak bosan dan tidak beralih ke game online.

2) Bagi orang tua siswa dan masyarakat, bahwafenomena bermain game online
bukan hanya untuk kesenangan semata akan tetapi banyak dampak yang
terjadi untuk itu perlu pengawasan dan bimbingan kepada anak sehingga
tidak menjadi kecanduan.

3) Bagi siswa, permainan hanya sebagai sarana hiburan dan sekiranya tetap
mengutamakan pembelajaran di sekolah

50
Universitas Sumatera Utara