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
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:
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.
HASIL ANALISIS
1. Statistik Deskriptif
Hasil analisis data profil responden yang diperoleh penulis yaitu:
JENIS KELAMIN
Laki-Laki Perempuan
42%
58%
Jumlah 3
60
0 10 20 30 40 50 60 70
Gambar 6 Usia
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, 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 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.
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
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 R2
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 R2 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