Anda di halaman 1dari 27

OPERASI RISET PENGARUH PENGGUNAAN PLAT FORM (FACEBOOK) TERHADAP KOMUNIKASI INTERPERSONAL SESEORANG

Oleh:

Evi Ardiati Sazaen [B2A218017]

Pembimbing:

Abdul Karim

TUJUAN

Adapun tujuan yang ingin dicapai dalam penelitian ini yaitu:

1. Untuk mengetahui pola komunikasi antar pribadi seseorang

2. Untuk mengetahui pengaruh facebook terhadap pola komunikasi interpersonal seseorang

POPULASI DAN SAMPEL

Populasi

Populasi merupakan sekelompok orang, kejadian atau segala sesuatu yang memiliki karakteristik tertentu. Pada penelitian ini populasi penelitian terdiri dari populasi sampel dan populasi sasaran.

- Populasi Sampel Populasi sampel pada penelitian ini yaitu pengguna sosial media facebook dari berbagai kalangan.

- Populasi Sasaran Sedangkan yang menjadi populasi sasaran pada penelitian ini yaitu pengguna sosial media facebook yang memiliki rentan usia mulai dari 15-45 tahun.

Sampel

Sampel merupakan bagian dari populasi yang diharapkan mampu mewakili populasi dalam penelitian. Pada penelitian ini dalam menentukan jumlah sampel peneliti menggunakan teknik sampling non-probability sampling yaitu Quota Sampling. Quota sampling merupakan teknik pengambilan sampel hanya berdasarkan pertimbangan peneliti saja, hanya disini besar dan

kriteria sampel telah ditentukan lebih dahulu. Jumlah sampel yang digunakan pada penelitian ini sebanyak 64 orang.

VARIABEL

Variabel didefinisikan sebagai is simply symbol or a concept that can assume any one of set of values”. Dari definisi tersebut menjelaskan bahwa variabel merupakan simbol atau konsep yang diasumsikan sebagai perangkat nilai-nilai (Sarwono, 2006). Adapun penulis memformulasikan kerangka konseptual variabel sebagai berikut:

Tabel 1 Variabel Bebas

Kode

Penggunaan Media Sosial Facebook

Indikator

- Intensitas

X1

Frekuensi Penggunaan Facebook

- Durasi

 

- Waktu

 

- Identitas Personal

X2

Keterbukaan Diri

- Partisipasi

 

- Percakapan

 

- Gaya Hidup

- Komunitas

X3

Kebijakan dalam Mengakses Facebook

- Bertindak jujur (Honesty)

- Sikap

Tabel 2 Variabel terikat

Kode

Komunikasi Interpersonal Seseorang

Indikator

Persepsi Responden Mengenai Pola
Y Komunikasi Interpersonal

- Keperibadian

- Komunikasi

- Dampak

Definisi Operasional

Variabel dibagi menjadi dua macam yaitu:

a. Variabel Independen/Variabel Bebas (X) Variabel bebas adalah variabel yang mempengaruhi atau menjadi sebab perubahan atau timbulnya variabel dependen (variabel terikat).

b. Variabel Dependen/Variabel Terikat (Y) Variabel terikat adalah variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas.

Adapun definisi operasional terhadap variabel-variabel tersebut adalah:

1. Variabel X yaitu Penggunaan Media Sosial Facebook Media Sosial adalah demokratisasi informasi, mengubah orang dari pembaca konten ke penerbit

konten (Nurjanah, 2014). Dalam hal ini facebook sebagai situs jejaring sosial yang merupakan wadah untuk menghubungkan banyak orang dalam lingkungan sosial online melalui penggunaan website (Yusuf, 2017). Adapun indikator yang digunakan untuk penelitian ini berdasarkan indikator dari sebuah social media menurut (Antony , 2008) yaitu:

a. Partisipasi

b. Keterbukaan

c. Percakapan

d. Komunitas

Berdasarkan penelitian terdahulu ada beberapa indikator yang berkaitan dengan penggunaan media sosial facebook (Asmaya, 2015):

e. Durasi

f. Bertindak jujur (Honesty)

Adapun penelitian selanjutnya terkait indikator penggunaan media sosial facebook yaitu (Yusuf, 2017):

g. Identitas Personal

Berdasarkan penjelasan diatas dibentuk konsep yang lebih sederhana seperti gambar berikut:

X1: Frekuensi penggunaan facebook Frekuensi penggunaan situs jejaring sosial facebook yang dimaksud dalam penelitian ini dapat dilihat melalui jumlah jam penggunaan facebook (Ni'mah, 2018). Indikator: intensitas, durasi, waktu

Gambar 1 Konsep X1 dan Indikator X2: Keterbukaan Diri Hampir semua pelayanan sosial media terbuka

Gambar 1 Konsep X1 dan Indikator

X2: Keterbukaan Diri Hampir semua pelayanan sosial media terbuka untuk umpan balik (feedback) dan partisipasi. Mendorong untuk melakukan pemilihan, berkomentar, dan berbagai informasi (Nurjanah,

2014).

Indikator: Identitas Personal, Partisipasi, Percakapan

Indikator: Identitas Personal, Partisipasi, Percakapan Gambar 2 Konsep X2 dan Indikator X3: Kebijakan dalam

Gambar 2 Konsep X2 dan Indikator

X3: Kebijakan dalam Mengakses Facebook Indikator: Gaya Hidup, Komunitas, Bertindak jujur (Honesty), Sikap

Gaya Hidup, Komunitas, Bertindak jujur ( Honesty ), Sikap Gambar 3 Konsep X3 dan Indikator 2.

Gambar 3 Konsep X3 dan Indikator

2. Variabel Y yaitu Komunikasi Interpersonal Pola Komunikasi Interpersonal

Komunikasi adalah suatu proses penyampaian informasi (pesan, ide, gagasan) dari satu pihak kepada pihak lain (Yusuf, 2017). Komunikasi interpesonal adalah penyampaian pesan oleh satu orang dan penerima pesan oleh orang lain atau sekelompok kecil orang, dengan

berbagai dampaknya dan dengan peluang untuk memberikan umpan balik (Devito, 2011). Adapun indikator yang digunakan pada penelitian ini berdasarkan penelitian terdahulu oleh (Asmaya, 2015):

a. Komunikasi

Dan adapun indikator lainnya yaitu:

b. Kepribadian

c. Dampak

Dan adapun indikator lainnya yaitu: b. Kepribadian c. Dampak Gambar 4 Konsep Y dan Indikator TEKNIK

Gambar 4 Konsep Y dan Indikator

TEKNIK ANALISIS TENTANG SEM PLS

1. Structural Equation Modeling (SEM) dengan Partial Least Square (PLS)

Structural Equation Modeling (SEM) merupakan metode analisis multivariat yang dapat digunakan untuk menggambarkan keterkaitan hubungan linier secara simultan antara variabel pengamatan (indikator) dan variabel yang tidak dapat diukur secara langsung (variabel laten) (Sholiha & Salamah, 2015). Partial Least Square (PLS) menjadi metode yang kuat dari suatu analisis karena kurangnya ketergantungan pada skala pengukuran (misal pengukuran yang membutuhkan skala interval atau rasio), ukuran sampel, dan distribusi dari residual (Wold,

2013).

SEM dengan PLS terdiri tiga komponen, yaitu

a.

Model Struktural (inner model) Model struktural atau inner model menggambarkan hubungan antara variabel laten independen (eksogen) dengan variabel laten dependen (endogen) (Chin, 1998).

b.

Model Pengukuran (outer model)

Model pengukuran (outer model) adalah bagian dari suatu model persamaan struktural yang menggambarkan hubungan variabel laten dengan indikator-indikatornya.

c. Hubungan Bobot (weight relation) Weight relation (hubungan bobot) yaitu bobot yang menghubungkan inner model dan outer model untuk membentuk estimasi variabel laten eksogen dan endogen.

2. Evaluasi Model SEM-PLS

Evaluasi model dalam PLS meliputi dua tahap, yaitu evaluasi pada model pengukuran dan evaluasi terhadap model structural (Sholiha & Salamah, 2015). Evaluasi model pengukuran dilakukan kriteria sebagai berikut (Hair, Ringle, & Sarstedt, 2013):

a. Indicator Reliability Indicator reliability menunjukkan berapa varian pertanyaan yang dapat dijelaskan oleh indikator dengan memperhatikan nilai loading. apabila nilai loading lebih kecil dari 0,4 maka pertanyaan harus dieliminasi dari model (Vinzi, Chin, Henseler, & Wang , 2010).

b. Internal Consistency Internal Consistency atau Construct reliability, yang dapat dihitung melalui nilai composite reliability (̂) lebih dari 0,6 dengan persamaan sebagai berikut.

c. Convergent Validity Convergent Validity, secara umum diperiksa dengan average variance extrcted (AVE). Nilai AVE minimal 0,5 untuk menunjukkan ukuran convergent validity yang baik.

d. Discriminant Validity Discriminant Validity, dievaluasi dengan membandingkan nilai akar AVE harus lebih tinggi daripada korelasi antar konstruk atau nilai AVE lebih tinggi dari kuadrat korelasi antar

konstruk.

3. Evaluasi Model Struktural

Mengevaluasi model struktural dapat menggunakan kritria sebagai berikut (Hair, Ringle, & Sarstedt, 2013):

a. R-squared (R 2 ) R-squared (R 2 ) menyatakan persentase varian yang daat dijelaskan oleh variabel laten endogen (Gujarati, 2014).

b. Koefisien Jalur

Koefisien jalur (path coefficient), menggambarkan kekuatan hubungan antar konstruk.

c. Goodness of Fit Goodness of Fit Index, digunakan dalam mengevaluasi model struktural dan pengukuran secara keseluruhan.

1. Metode Bootstrapping

Metode bootstrap telah dikembangkan oleh Efron (1979) sebagai alat untuk membantu mengurangi ketidak andalan yang berhubungan dengan kesalahan penggunaan distribusi normal dan penggunaannya. Pada metode bootstrap dilakukan pengambilan sampel dengan pengembalian dari sampel data (resampling with replacement) (Kastanja, 2014).

HASIL ANALISIS

1. Statistik Deskriptif

Hasil analisis data profil responden yang diperoleh penulis yaitu:

JENIS KELAMIN

JENIS KELAMIN Laki-Laki Perempuan 42% 58%

Laki-Laki

JENIS KELAMIN Laki-Laki Perempuan 42% 58%

Perempuan

42% 58%
42%
58%

Gambar 5 Jenis Kelamin Responden

Berdasarkan Gambar 5 jenis kelamin responden perempuan berjumlah 37 responden atau sebesar 58% dan reseponden laki-laki berjumlah 27 responden atau sebesar 42% yang menggunakan facebook.

Jumlah

Usia

1 3
1 3
1 3
1 3

1

3

1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3
1 3

60

0

10

20

30

40

50

60

70

 
  36-45 26-35 17-25

36-45

  36-45 26-35 17-25

26-35

  36-45 26-35 17-25

17-25

Gambar 6 Usia

Dari Gambar 6 dilihat berdasarkan usia, responden terbanyak adalah responden dengan usia 17-25 tahun yaitu sebanyak 60 responden atau 94% yang menggunakan facebook. Adapun usia 26-35 tahun responden yang menggunakan facebook sebanyak 3 orang atau 5%. Dan sisanya usia 36-45 tahun dengan jumlah 1 orang atau 1% menggunakan facebook.

facebook sebanyak 3 orang atau 5%. Dan sisanya usia 36-45 tahun dengan jumlah 1 orang atau
facebook sebanyak 3 orang atau 5%. Dan sisanya usia 36-45 tahun dengan jumlah 1 orang atau
Berdasarkan tabel Statistics diatas nilai mean pada jenis kelamin dan usia sebesar 1,58 dan 1,08

Berdasarkan tabel Statistics diatas nilai mean pada jenis kelamin dan usia sebesar 1,58

dan 1,08 menunjukkan rata-rata dari masing-masing variabel semua responden. Untuk nilai

median dari variabel jenis kelamin dan usia sebesar 2,00 dan 1,00 menunjukkan titik tengah

data. Adapun nilai modus dari jenis kelamin yaitu 2 yang artinya pengguna facebook dominan

perempuan, sedangkan nilai modus untuk usia pengguna facebook yaitu 1 didominan oleh usia

17-25 tahun. Nilai standar deviasi yang didapatkan yaitu sebesar 0,497 untuk jenis kelamin dan

0,324, nilai tersebut menunjukkan besarnya penyimpangan antara data sampel dengan nilai

rata-ratanya.

Berdasarkan Tabel Frekuensi Jenis Kelamin bisa dilihat bahwa terdapat 27 responden

yang berjenis kelamin laki-laki dan 37 responden perempuan. Sedangkan dari tabel usia

menunjukkan sebanyak 60 responden dengan rentang usia 17-25 tahun, 3 responden dengan

rentang usia 26-35 tahun, dan 1 responden dengan rentang usia 36-45 tahun.

2. Model Pengukuran

Sebelum melakukan pengujian hipotesis untuk memprediksi hubungan antar variabel

laten dalam model struktural, terlebih dahulu dilakukan evaluasi model pengukuran untuk

verifikasi indikator dan variabel laten yang dapat diuji selanjutnya.

Indicator Reliability Indicator reliability menunjukkan berapa variansi pertanyaan yang dapat dijelaskan

oleh indikator. Pada indicator reliability, suatu pertanyaan reflektif harus dieliminasi

(dihilangkan) dari model pengukuran ketika nilai loading (λ) lebih kecil dari 0,4. Berikut adalah

hasil nilai loading (λ) yang didapatkan.

Gambar 7 Diagram Jalur disertai Nilai Loading Factor Berdasarkan Gambar 7 diatas maka indikator IN1,

Gambar 7 Diagram Jalur disertai Nilai Loading Factor

Berdasarkan Gambar 7 diatas maka indikator IN1, KD6, dan KD7 harus dieliminasi dari model karena memiliki nilai loading factor di bawah 0,4. Sehingga dihasilkan diagram yang baru sebagai berikut:

Gambar 8 Diagram Jalur Akhir disertai Nilai Loading Factor Berdasarkan Gambar 8 dapat diketahui bahwa

Gambar 8 Diagram Jalur Akhir disertai Nilai Loading Factor

Berdasarkan Gambar 8 dapat diketahui bahwa varian masing-masing indikator F1 dan F2 dapat dijelaskan oleh variabel laten X1 (intensitas) sebesar 90%. Variabel laten X2 (durasi) dapat menjelaskan varian sebesar 100% dari indikator F3. Varian sebesar 90% dari indikator F4 dan F5 dapat dijelaskan oleh variabel laten X3 (waktu). Selanjutnya varian dari indikator IN2 dapat dijelaskan oleh variabel laten X4 (identitas personal) sebesar 100%. Variabel laten X5 (partisipasi) sebesar 70% dapat menjelaskan varian dari indikator IN3, IN4, dan IN5. Varian dari indikator IN6 dan IN7 sebesar 60% dapat dijelaskan oleh variabel laten X6 (percakapan). Variabel laten X7 (gaya hidup) dapat menjelaskan varian sebesar 50% dari indikator KB1 dan KB2. Varian sebesar 60% dari indikator KB3, KB4, dan KB5 dapat dijelaskan oleh variabel laten X8 (komunitas). Variabel laten X9 (kejujuran) dapat menjelaskan varian dari indikator KB6 sebesar 100%. Varian dari indikator KB7, KB8, KB9, KB10, KB11, dan KB12 sebesar 50% dapat dijelaskan oleh variabel laten X10 (sikap). Kemudian, variabel laten Y1 (keperibadian) dapat menjelaskan varian dari indikator KD1 dan KD2 sebesar 80%. Varian dari indikator KD3 sebesar 100% dapat dijelaskan oleh variabel laten Y2 (komunikasi). Dan variabel laten Y3 (dampak) dapat menjelaskan varian sebesar 50% dari indikator KD4 dan KD5.

Composite Reliability Kriteria selanjutnya yaitu composite reliability dan convergent validity (AVE) yang

disajikan pada Tabel 3 berikut.

Tabel 3 Nilai Composite Reliability dan AVE Model Pengukuran

Indikator

Composite Reliability

AVE

- Intensitas

0,967

0,936

- Durasi

1.000

1.000

- Waktu

0,931

0,872

- Identitas Personal

1.000

1.000

- Partisipasi

0,879

0,708

- Percakapan

0,801

0,679

- Gaya Hidup

0,737

0,605

- Komunitas

0,778

0,544

- Bertindak jujur (Honesty)

1.000

1.000

- Sikap

0,882

0,559

- Keperibadian

0,862

0,757

- Komunikasi

1.000

1.000

- Dampak

0,749

0,618

Berdasarkan nilai composite reliability yang disajikan dalam Tabel 3, menunjukkan

bahwa tigabelas indikator memiliki nilai composite reliability lebih dari 0,6. Artinya,

pertanyaan yang ditetapkan mampu mengukur setiap indikator (konstruk) dengan baik atau

dapat dikatakan bahwa tigabelas model pengukuran telah reliabel.

Nilai AVE yang ditunjukkan pada Tabel 3 menunjukkan bahwa tigabelas indikator

memiliki nilai AVE di atas kriteria minimum, yaitu 0,5 sehingga ukuran convergent validity

sudah baik atau dapat dikatakan jika telah memenuhi kriteria convergent validity.

t-statistic

Kelayakan suatu model pengukuran juga dapat dilihat dari nilai t-statistik hasil

loading, dengan syarat t-statistic > t-tabel (1,998) pada taraf signifikansi 5%. Nilai t-statistik

yang didapatkan dari proses bootstrapping dengan menggunakan jumlah sampel 64 dan untuk

resampling sebesar 199 kali sebagai berikut.

Tabel 4 Hasil T-Statistic Nilai Loading Model Pengukuran

Tabel 4 Hasil T-Statistic Nilai Loading Model Pengukuran
Berdasarkan Tabel 4 diketahui bahwa dari semua indikator dan pertanyaan yang memiliki nilai t- statistic

Berdasarkan Tabel 4 diketahui bahwa dari semua indikator dan pertanyaan yang memiliki nilai t-statistic < t-tabel (1,998) yaitu KB2 sebesar 1,317 < 1,998 yang berarti bahwa tidak ada pengaruh KB2 terhadap indikator endogen. Sedangkan sisanya memiliki nilai t- statistic > t-tabel (1,998) yang berarti bahwa hamper semua indikator memiliki pengaruh terhadap indikator endogen.

3. Model Struktural

Model struktural (inner model) merupakan model yang menggambarkan hubungan antar variabel laten yang dievaluasi.

R-Squared R 2 Berikut adalah nilai R-Square pada indikator:

Tabel 5 nilai R-Squared

Indikator

R-Square

Y1

0,363

Y2

0,311

Y3

0,282

Berdasarkan Tabel 4 diatas menunjukkan sebesar 0,363 untuk indikator Y1 (keperibadian) yang berarti bahwa semua variabel eksogen dapat menjelaskan persentase varian dari variabel endogen sebesar 36,3%. Untuk nilai R 2 pada indikator Y2 (komunikasi) dan Y3 (dampak) sebesar 0,311 dan 0,282 yang artinya bahwa kedua variabel endogen mampu dijelaskan persentase variannya oleh variabel eksogen sebesar 31,1% dan 28,2% sisanya dipengaruhi oleh varibel lain diluar model.

Daftar Pustaka

Alfa, A. A., Rachmatin, D., & Agustina, F. (2017). Analisis Pengaruh Faktor Keputusan Konsumen Dengan Structural Equation Modeling Partial Least Square. EurekaMatika. Antony , M. (2008). What is Social Media? London: iCrossing. Asmaya, F. (2015). Pengaruh Penggunaan Media Sosial Facebook Terhadap Perilaku Prososial Remaja di Kenagarian Koto Bangun. Jom FISIP. Chin, W. W. (1998). The Partial Least Squares Approach to Structural Equation Modeling. Dalam G. A. Marcoulides, Modern Methods For Business Research . London: Lawrence Erlbaum Associates. Devito, J. A. (2011). Komunikasi Antar Manusia. Tangerang: Kharisma. Gujarati. (2014). Basic Econometrics (4th ed.). New York: The McGraw-Hill Companies. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2013). Editorial Partial Least Square Structural Equation Modeling: Rigorous Applications, Better Results and Higher Acceptance. ELSEVIER, 1-

12.

Kastanja, L. I. (2014). Structural Euation Modeling Berbasis Varian (SEM-PLS Spasial) untuk

Pemodelan Status Risiko Kerawanan Pangan di Provinsi Papua dan Papua Barat. Surabaya: Jurusan Statistika FMIPA-ITS. Ni'mah, S. (2018). Pengaruh Intensitas Penggunaan Jejaring Sosial Facebook Terhadap Akhlak Siswa Kelas VIII MTS Hasan Kafrawi Mayong Jepara. Semarang: Universitas Islam Negeri Semarang. Nurjanah, S. (2014). Pengaruh Penggunaan Media Sosial Facebook Terhadap Perilaku Cyberbullying Pada Siswa SMAN 12 Pekanbaru. Jom FISIP. Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu.

Sholiha, E. U., & Salamah, M. (2015). Structural Equation Modeling-Partial Least Square untuk Pemodelan Derajat Kesehatan Kabupaten/Kota di Jawa Timur (Studi Kasus Data Indeks Pembangunan Kesehatan Masyarakat Jawa Timur 2013). JURNAL SAINS DAN SENI ITS,

2337-3520.

Vinzi, V. E., Chin, W. W., Henseler, J., & Wang , H. (2010). Handbook of Partial Least Squares. Berlin: Springer. Wold, H. (2013). Partial Least Square. In G. A. Marcoulides, Modern Methods For Business Research (p. 295) . New York: Psychology Press. Yusuf, D. P. (2017). Pengaruh Penggunaan Media Sosial Facebook Terhadap Pola Komunikasi Interpersonal di Sdn IV Sudirman Makassar. Makassar: Universitas Hasanudin Makassar.

LAMPIRAN