Kemajuan teknologi memperkenalkan cyberbullying sebagai masalah krusial dan mendesak

dalam kehidupan kita. Smith et al. (2008) mendefinisikan cyberbullying sebagai "tindakan

agresif, disengaja yang dilakukan oleh kelompok atau individu, menggunakan bentuk kontak

elektronik, berulang kali dan dari waktu ke waktu terhadap korban yang tidak dapat dengan

mudah mempertahankan dirinya" (p. 376). Tingkat kejadian cyberbullying ditemukan berkisar

antara 4% dan 56%, dan tingkat cybervictization dilaporkan antara 6% dan 72% dalam studi

yang dilakukan dengan sampel dari negara-negara Barat (Veenstra, 2009). Pemeriksaan tingkat

cyberbullying dan viktimisasi di kalangan remaja Turki menunjukkan bahwa cyberbullying

berkisar antara 6,4% dan 47,6% (Topcu, Erdur-Baker, & apa-Aydın, 2008; Yılmaz, 2011), dan

kisaran cybervictimization berkisar antara 5,1% dan 56% (Akbulut , Sahin, ¸ & Eri¸sti, 2010;

Topcu et al., 2008). Selain frekuensi cyberbullying dan vicization, beberapa studi lintas negara

telah melaporkan kesamaan dan perbedaan antara negara mengenai terjadinya cyberbullying

(Mura, Topcu, Erdur-Baker, & Diamantini, 2017), konsekuensi dari cyberbullying (Perren,

Dooley , Shaw, & Cross, 2010), dan definisi dan jenis cyberbullying (Nocentini et al., 2010).

Misalnya, menurut temuan penelitian Mura et al (2017), di mana mereka membandingkan

pengalaman cyberbullying mahasiswa universitas Turki dan Italia, mahasiswa Turki didapati

melaporkan membuat panggilan iseng dan mencuri identitas online lebih dari mahasiswa Italia. ,

sedangkan mahasiswa Italia mengatakan bahwa mereka terlibat dalam gosip online dan publikasi

e-mail pribadi atau pesan teks lebih dari siswa Turki. Dengan demikian, dapat disimpulkan

bahwa cyberbullying adalah masalah universal yang mempengaruhi remaja dan anak-anak dari

berbagai negara. Tingkat dan jenis cyberbullying dan viktimisasi dari satu negara ke negara lain

mungkin berubah karena beberapa faktor, seperti karakteristik sampel, perbedaan dalam

mendefinisikan cyberbullying, dan penggunaan beragam alat pengukuran. Oleh karena itu, untuk
membuat perbandingan pasti tentang penindasan cyber dan viktimisasi lintas negara, kita

membutuhkan alat pengukuran yang dapat digunakan di berbagai negara.

Pengukuran akurat tingkat cyberbullying telah menjadi perhatian di antara para peneliti sejak

cyberbully ing pertama kali diselidiki. Dimulai pada awal 2000-an, para peneliti bertujuan untuk

memahami apa itu cyberbullying dan mengukur (a) tingkat prevalensi cyberbullying dan

viktimisasi (Li, 2005; Smith et al., 2008);

(b) hubungan cyberbullying dengan variabel demografis dasar seperti jenis kelamin, usia, dan

status sosial ekonomi (Finn, 2004; Kowalski & Limber, 2007); dan (c) kesamaan dan perbedaan

antara intimidasi tradisional dan cyberbullying (Erdur-Baker & Kav¸sut, 2007; Greene, 2006;

Strom & Strom, 2004). Secara umum, peneliti cyberbullying terinspirasi oleh skala intimidasi

tradisional dan dengan mengubah kata-kata item dalam skala intimidasi tradisional atau termasuk

perilaku intimidasi online alih-alih frasa

HUBUNGI Çigdem˘ Topcu cigdemtopcu@gmail.com

Departemen Ilmu Pendidikan, Fakultas Pendidikan, Trafo Mh,

Korucuk Köyü , Sinop, Turki.

© Asosiasi untuk Penilaian dan Penelitian dalam Konseling (AARC)

PENGUKURAN DAN EVALUASI DALAM KONSELING DAN PENGEMBANGAN 33

menunjukkan penindasan di lingkungan fisik, jadi alat baru untuk mengukur penindasan cyber

dibuat (mis., Cross, Lester, & Barnes, 2015).

Sebelum membahas alat pengukuran yang ada untuk cyberbullying, kita harus

mempertimbangkan ketidaksepakatan di antara para peneliti tentang definisi cyberbullying.

Tanpa mengkonseptualisasikan apa itu cyberbully, tidak mungkin untuk mengoperasikan definisi

dan mengembangkan alat pengukuran berkualitas tinggi. Definisi umum dari intimidasi

tradisional adalah bahwa “seorang siswa diganggu atau menjadi korban ketika dia dihadapkan,

berulang kali dan lembur, pada tindakan negatif dari satu atau lebih siswa lain” (Olweus, 1993,

p. 197 ). Definisi ini menekankan tiga persyaratan dasar: pengulangan, niat untuk menyakiti, dan

ketidakseimbangan kekuatan. Oleh karena itu, alat pengukuran yang ada bertujuan untuk

memeriksa intimidasi tradisional dengan mempertimbangkan ketiga kriteria ini. Namun, ketiga

kriteria intimidasi tradisional ini tidak berlaku untuk cyberbullying setiap saat. Pertama,

berkenaan dengan kriteria pengulangan, meskipun tindakan cyberbullying hanya dapat dilakukan

sekali di dunia cyber, materi online dapat dilihat, disimpan, diteruskan, atau diposkan ulang dan

korban mungkin menganggap tindakan ini terjadi berulang kali karena korban terpapar pada

materi terus menerus atau orang yang melihatnya dapat melanjutkan insiden cyberbullying

(Langos, 2012). Kedua, di dunia fisik, sumber ketidakseimbangan kekuatan adalah perbedaan

dalam penampilan fisik (usia, jenis kelamin, tinggi, dan berat), tingkat popularitas, dan status

sosial ekonomi dari pengganggu dan korban (Langos, 2012). Namun, di dunia maya, karena

perbandingan fisik tidak mungkin, superioritas cyberbullies berasal dari banyak sumber lain,

seperti kemampuan untuk mengontrol tingkat anonimitas dan kekuatan untuk menentukan

jumlah pengamat dan siapa pengamat ini. akan menjadi (Langos, 2012). Meskipun beberapa

peneliti berpendapat bahwa ketidakseimbangan kekuatan disebabkan oleh keterampilan tinggi

dalam menggunakan teknologi, mencapai beberapa tindakan cyberbullying (misalnya,

mempermalukan seseorang di Facebook dengan meninggalkan komentar yang tidak pantas)

sangat mudah sehingga cyberbully tidak perlu paham teknologi. (Cassidy, Faucher, & Jackson,

2013).

Penerapan kriteria ketiga, yaitu niat untuk melukai, juga membingungkan dalam cyberbullying

karena sifatnya yang tidak langsung (Menesini & Nocentini, 2009). Untuk sebagian besar

tindakan cyberbullying, sulit untuk memahami maksud sebenarnya dari pelaku intimidasi.

Bergantian, untuk menguji kesesuaian niat untuk merusak kriteria cyberbullying, mencari

persepsi korban mungkin informatif (Naruskov, Luik, Nocentini, & Menesini, 2012). Dengan

kata lain, daripada mengamati niat pelaku intimidasi, memahami apakah korban menganggap

tindakan itu mengancam dan berbahaya akan memberikan penilaian yang lebih tepat untuk

memutuskan apakah tindakan tersebut memiliki niat untuk merugikan.

Selain kriteria intimidasi tradisional yang ada, dua kriteria lagi (anonimitas dan publisitas) telah

ditambahkan untuk mengevaluasi cyberbullying sebagai hasil dari karakteristik unik dunia cyber

(Nocentini et al., 2010). Untuk membuat prediksi yang tepat dari tingkat penindasan cyber tidak

semudah mengukur prevalensi penindasan tradisional karena masalah dalam

mengoperasionalkan penindasan cyber dan ketidakkonsistenan dalam teknik pengukuran (Riebel,

Jager, & Fischer, 2009). Sangat penting untuk memiliki instrumen yang menghasilkan skor yang

valid, andal, dan praktis untuk mengukur tingkat prevalensi cyberbullying dan viktimisasi.

Karena lingkungan cyber memiliki karakteristiknya sendiri dan sulit untuk menerapkan tiga

kriteria intimidasi tradisional pada cyberbullying, peneliti cyberbullying mengembangkan

kuesioner baru (Palladino, Nocentini, & Menesini, 2015; Topcu & Erdur-Baker, 2010). Para

peneliti menganalisis kuesioner ini dalam studi tinjauan sistematis dan membandingkannya satu

sama lain dengan membahas kelebihan dan kekurangan mereka (Berne et al., 2013; Kowalski,

Giumetti, Schroeder, & Lattaner, 2014; Thomas, Connor, & Scott, 2015; Vivolo-Kantor, Martell,
Holland, & Westby, 2014). Menurut temuan studi tinjauan ini, masing-masing skala ini memiliki

beberapa masalah, seperti terlalu lama dan memakan waktu (Gimenez, Hunter, Durkin, Arnaiz,

& Maquilon, 2015; Huang & Chou, 2010), memiliki item yang mencakup teknologi, program,

dan persyaratan khusus aplikasi yang relevan hanya untuk jangka waktu singkat dan berubah

dengan cepat (Bastiaensens et al., 2014; Palladino et al., 2015), atau mencoba untuk mengukur

perilaku penindasan cyber dan cybervictimization dengan bertanya satu pertanyaan (Pabian &

Vandebosch, 2015).

Pada 2007, Erdur-Baker mengembangkan Cyber Bullying Inventory (CBI), alat pengukuran

pertama yang diketahui digunakan untuk memeriksa cyberbullying dan viktimisasi di Turki

(Erdur-Baker & Kav¸sut, 2007). Ini memiliki dua bentuk yang sangat mirip, dengan yang

pertama mengukur frekuensi cyberbullying dengan 16 item dan yang kedua mengukur frekuensi

cybervictimization dengan 18 item. Untuk kedua bentuk, peserta

34 Ç. TOPCU DAN Ö. ERDUR-BAKER

nilai pengalaman mereka pada skala nilai 4 poin (1 = Tidak pernah terjadi pada saya, 2 = Itu

terjadi sekali atau dua kali, 3 = Itu terjadi tiga hingga lima kali, dan 4 = Itu terjadi lebih dari lima

kali). Erdur-Baker dan Kav¸sut (2007) melaporkan koefisien alpha Cronbach untuk bentuk

cyberbullying sebagai 0,92 dan untuk bentuk cybervictimization sebagai 0,80. Dengan

menggunakan dua sampel yang berbeda, Topcu et al. (2008) memberikan bukti untuk keandalan

CBI: Koefisien alpha Cronbach dari bentuk cyberbullying adalah 0,81 dan 0,91, dan koefisien

alpha Cronbach dari bentuk cybervictimization adalah 0,72 dan 0,88.

Topcu dan Erdur-Baker (2010) memperbarui CBI dan menamakan skala baru tersebut Revisi

Cyber Bullying Inventory (RCBI) RCBI memiliki 14 item dan peserta menilai diri mereka

sendiri pada setiap item dua kali: satu kali untuk mengukur cybervictimization di kolom "Itu

terjadi pada saya", dan satu kali untuk mengukur cyberbullying di kolom "I do it" pada skala

rating 4 poin (1 = tidak pernah, 2 = sekali, 3 = dua atau tiga kali, 4 = lebih dari tiga kali). Item

sampel dari RCBI adalah, “Mengancam di forum online (seperti ruang obrolan, Facebook, atau

Twitter). ”Skor terendah yang mungkin adalah 14 dan skor tertinggi yang mungkin adalah 56, di

mana skor yang lebih tinggi menunjukkan pengalaman cyberbullying dan cybervictimization

yang lebih sering. Hasil analisis faktor konfirmatori (CFA) menunjukkan bahwa bentuk

cyberbullying dan cybervictimization memiliki struktur satu faktor dan koefisien konsistensi

internal RCBI. 82 untuk bentuk cyberbullying dan .75 untuk bentuk cybervictimization (Topcu

& Erdur-Baker, 2010).

Meskipun RCBI adalah alat yang secara psikometri bagus dan sering digunakan, RCBI memiliki

beberapa masalah. Satu masalah dari RCBI adalah bahwa itu terdiri dari nama-nama teknologi

spesifik seperti Facebook, messenger, dan chat room. Ketika teknologi berubah dengan cepat,

teknologi, program, dan aplikasi yang disebutkan di atas dapat tidak digunakan lagi. Mungkin

sulit bagi para peserta untuk mengikuti nama-nama teknologi, program, dan aplikasi spesifik

yang baru saja diperkenalkan atau yang sudah usang. Dalam studi ini, kami mengevaluasi RCBI,

yang merupakan salah satu alat pengukuran yang sering digunakan untuk menilai cyberbullying

dan viktimisasi, dan memperbaruinya dengan menghilangkan nama teknologi tertentu.

Tujuan tambahan dari penelitian ini adalah untuk menguji bagaimana pengukuran satu

pertanyaan dan beberapa pertanyaan tentang cyberbullying serupa atau berbeda satu sama lain.

In some studies, after providing a definition of what cyberbullying is, researchers use a single
(global) item (“Have you ever cyberbullied someone?” and “Have you ever been cyberbullied?”)

to measure cyberbullying and victimization (Hin- duja & Patchin, 2008; Pabian & Vandebosch,

2015), sedangkan dalam beberapa penelitian lain mereka menggunakan kuesioner berganda

(Palladino et al., 2015; Raskauskas & Stoltz, 2007; Slonje & Smith, 2008). Bergantung pada

karakteristik alat ukur, tingkat prevalensi intimidasi dan viktimisasi tampak bervariasi.

Gradinger, Strohmeier, dan Spiel (2010) menggunakan kedua jenis pengukuran bersama-sama

dan melaporkan bahwa pengukuran item tunggal meremehkan frekuensi. Dalam studi ini, kami

juga mengajukan dua pertanyaan kepada peserta ("Apakah Anda pernah melakukan cyberbullied

seseorang?" Dan "Apakah Anda pernah cyberbullied?") Dan membandingkan frekuensi yang

diperoleh dengan tingkat yang kami terima melalui RCBI-II.

Metode

Peserta

Kami merekrut total 1.803 siswa sekolah menengah (952 perempuan, 848 laki-laki, dan 3 peserta

yang tidak melaporkan gender) menghadiri sekolah menengah negeri di Ankara, Turki. Usia

rata-rata peserta adalah 16,10 (SD = 1,06) dengan rentang usia 14 hingga 18 tahun.

Instrumen

Untuk mengumpulkan data, kami menggunakan RCBI-II, yang pada awalnya dikembangkan

dalam bahasa Turki, dan versi Turki dari Revisi Olweus Bully / Victim Questionnaire (ROBVQ)

di samping formulir informasi demografis.

Inventarisasi Cyber Bullying yang Direvisi-II

RCBI-II memiliki 10 item dan dua kolom penilaian. Para peserta menilai setiap item dua kali

(satu kali untuk melaporkan pengalaman cyberbullying di kolom "I do it" dan satu kali untuk

melaporkan cybervictimization

PENGUKURAN DAN EVALUASI DALAM KONSELING DAN PENGEMBANGAN 35

pengalaman dalam kolom "Itu terjadi pada saya") pada skala peringkat 4 poin (1 = tidak pernah,

2 = sekali, 3 = dua atau tiga kali, 4 = lebih dari tiga kali). Di atas tabel di mana item terdaftar,

ada kalimat awal "Di Internet ..." dan kemudian item terdaftar di bawah ini. Salah satu item

sampel adalah "mengirim pesan yang memalukan atau menyakitkan." Skor terendah yang

mungkin adalah 10 dan skor tertinggi yang mungkin adalah 40, di mana skor yang lebih tinggi

menunjukkan lebih sering cyberbullying dan cybervictimization. Untuk mengidentifikasi status

cyberbullying (cyberbullies, cybervictims, cyberbullies dan cybervictims, dan tidak terlibat),

penilaian kategori juga dimungkinkan. Mereka yang menerima 10 poin dikelompokkan sebagai

siswa yang tidak terlibat dalam cyberbullying. Untuk menentukan cyberbullies dan cybervictims,

pertama, seseorang harus menghilangkan kasus-kasus yang melaporkan bahwa mereka

cyberbullied atau menjadi korban cyber hanya sekali untuk memenuhi kriteria pengulangan.

Kemudian, adalah mungkin untuk mengidentifikasi kasus cyberbully dan cybervictim.

Kuesioner Olweus Bully / Korban yang Direvisi

ROBVQ dihasilkan oleh Olweus (dikutip dalam Dölek, 2002, hlm. 271) dan digunakan untuk

mengukur pengalaman intimidasi dan viktimisasi remaja. ROBVQ memiliki 40 pertanyaan yang

mengukur bullying dan viktimisasi secara detail. Dalam penelitian ini, kami hanya menggunakan

item yang mengukur frekuensi viktimisasi tradisional dan intimidasi tradisional selama 6 bulan

terakhir. Salah satu item sampel dari bagian viktimisasi adalah “Saya sengaja diisolasi dari grup

dan diabaikan”; dan item sampel dari bagian intimidasi adalah “Saya memanggil siswa lain

dengan nama yang tidak menyenangkan, mengolok-olok, atau menggoda dengan cara yang

menyakitkan.” Untuk menerima frekuensi paralel sebagai cyberbullying dan cybervictimization,

kami meminta peserta untuk menilai setiap item pada suatu Skala penilaian 4 poin (1 = tidak

pernah, 2 = sekali, 3 = dua atau tiga kali, 4 = lebih dari tiga kali).

Dölek (2002) melakukan adaptasi Turki dari ROBVQ tetapi tidak melaporkan sifat psikometrik

dari kuesioner dalam studi adaptasi. Meskipun laporan reliabilitas dan validitas tidak dijelaskan

secara jelas dalam studi adaptasi, kuesioner ini sangat banyak digunakan dalam literatur Turki

dan bukti untuk validitas dan reliabilitasnya berasal dari studi lain dalam literatur. Sebagai

contoh, Atik (2006) menggunakan skala dengan remaja Turki dan melaporkan koefisien

konsistensi internal sebagai 0,71 untuk viktimisasi dan 0,75 untuk intimidasi. Untuk penelitian

ini, kami mengkonfirmasi struktur satu faktor untuk kedua intimidasi tradisional (χ 2 = 94,5, df =

9; indeks kecocokan komparatif [CFI] = 0,96; Indeks Tucker-Lewis [TLI] = 0,94; root mean

square error perkiraan [RMSEA] = .07, 90% CI [.06, .09]; akar kuadrat rata-rata kuadrat rata-rata

[SRMR]
= .03) dan viktimisasi (χ 2 = 77.94, df = 9; CFI = .97; TLI = .95; RMSEA = .06, 90% CI [.05,

.08]; SRMR = .03) melalui CFA. Untuk bagian intimidasi tradisional, perkiraan standar berkisar

antara

0,47 dan 0,67, dan untuk bagian viktimisasi tradisional, perkiraan standar berubah antara 0,59

dan 0,72. Koefisien alpha Cronbach adalah 0,80 untuk bagian viktimisasi tradisional dan 0,76

untuk bagian intimidasi tradisional.

Formulir Informasi Demografis

Bagian pertama dari formulir informasi demografis mencakup pertanyaan yang mengukur jenis

kelamin dan usia peserta. Pada bagian kedua dari bentuk demografis, kami memberikan definisi

dan beberapa contoh insiden cyberbullying. Mengikuti definisi dan beberapa contoh dari

cyberbullying, kami mengajukan dua pertanyaan lagi (“Apakah Anda pernah melakukan

cyberbullied seseorang?” Dan “Apakah Anda pernah cyberbullied?”) Dengan opsi respons 0

(tidak) dan 1 (ya).

Prosedur

Setelah mendapatkan izin dewan peninjauan kelembagaan di universitas tempat penulis kedua

bekerja dan izin untuk pengumpulan data dari Direktorat Pendidikan Nasional Provinsi Ankara,

kami mengumpulkan data pada semester musim semi tahun akademik 2013-2014. Kami

merekrut peserta penelitian melalui prosedur cluster random sampling. Pada langkah pertama,

kami memperoleh daftar sekolah menengah negeri di Ankara dari Direktorat Pendidikan
Nasional provinsi. Pada langkah kedua, kami memilih satu sekolah dari masing-masing tujuh

distrik utama Ankara dengan menggunakan alat penghasil angka acak di random.org. Penulis

pertama mengunjungi sekolah yang dipilih secara acak dan menjelaskan tujuan dan prosedur

penelitian kepada kepala sekolah. Pada langkah ketiga, kami memilih dua ruang kelas dari setiap

kelas

36 Ç. TOPCU DAN Ö. ERDUR-BAKER

tingkat (9, 10, 11, dan 12) dari masing-masing sekolah dan mengumpulkan data dari relawan

siswa yang hadir pada hari pengumpulan data.

Analisis data

Kami menggunakan SPSS 22, AMOS 18, dan R untuk melakukan analisis data. Pertama, kami

menguji asumsi normalitas dengan memeriksa nilai skewness dan kurtosis. Karena ada nilai yang

melebihi rentang yang dapat diterima menurut Kline (2011), untuk mengurangi pengaruh

nonnormalitas, kami menjalankan koreksi Satorra-Bentler dengan R SWAIN SCRIPT

FUNCTION untuk indeks kecocokan akhir dari model CFA. Kemudian, kami mendeteksi outlier

univariat dengan menghitung skor z dan memeriksa outlier multivariat berdasarkan jarak

Mahalanobis (Kline, 2011; Tabachnick & Fidell, 2007). Beberapa kasus ditentukan sebagai

pencilan tetapi setelah penyelidikan lebih dekat dari data, kami menemukan bahwa mereka yang

melaporkan bahwa mereka memiliki pengalaman bullying dan perubahan adalah pencilan. Kami

memutuskan untuk menyimpan outlier ini dalam data agar tidak kehilangan variasi dalam

sampel. CFA dilakukan untuk memverifikasi struktur faktor RCBI-II. Untuk mengevaluasi
kecocokan model dalam CFA, kami memeriksa CFI, TLI, RMSEA, dan SRMR. Nilai CFI dan

TLI yang sama atau lebih tinggi dari 0,90 menunjukkan nilai yang baik (Schumacker & Lomax,

2010). Hu dan Bentler (1999) memberikan kriteria evaluasi untuk RMSEA dan SRMR. Untuk

RMSEA, nilai lebih rendah dari. 06 mengindikasikan kecocokan yang baik, nilai antara .08 dan

.10 menunjukkan kecocokan yang biasa-biasa saja, dan nilai yang lebih tinggi dari .10 adalah

tanda kecocokan yang buruk. Untuk SRMR, nilai yang lebih rendah dari 0,08 mengindikasikan

kecocokan. Untuk memeriksa konsistensi internal kuesioner, kami menghitung koefisien alpha

Cronbach. Nilai alpha Cronbach dapat berkisar antara 0 dan 1, dan. 60 dianggap sebagai nilai

terendah yang dapat diterima untuk ilmu sosial (Hair, Black, Babin, Anderson, & Tatham, 2009).

Untuk mengevaluasi besarnya koefisien korelasi, kami mengikuti saran Field (2005) untuk cutoff

point sebagai ± .10 untuk kecil, ± .30 untuk medium, dan ± .50 untuk korelasi besar.

Hasil

Prosedur Revisi RCBI

Opini Ahli untuk RCBI-II

Setelah menghilangkan teknologi spesifik, program, dan nama aplikasi, kami bertanya enam

anggota fakultas dengan latar belakang dalam bimbingan dan bimbingan psikologis, pendidikan

komputer dan teknologi pengajaran, dan kurikulum dan instruksi untuk memberikan pendapat

ahli tentang item yang direvisi. Para ahli ini menyarankan perubahan tata bahasa kecil dan

mengedit beberapa kata untuk mencapai kejelasan dan kemampuan membaca yang lebih baik.

Setelah merevisi, berdasarkan saran dari enam anggota fakultas, empat kandidat PhD dalam ilmu
pendidikan diminta untuk meninjau versi akhir dari kuesioner untuk pemeriksaan akhir kata-kata,

format, dan ejaan. Berdasarkan semua umpan balik yang diterima, kami menyelesaikan item dari

RCBI-II.

Sesi Umpan Balik untuk RCBI-II

Setelah mendapatkan pendapat para ahli tentang item, kami melakukan sesi umpan balik dengan

enam siswa sekolah menengah (tiga perempuan, tiga laki-laki) berusia 14 dan 15 untuk

memeriksa apakah versi baru RCBI berlaku untuk kelompok sasaran. Sekolah tempat sesi umpan

balik berlangsung dipilih melalui kenyamanan. Penulis pertama mengadakan sesi umpan balik di

kantor konselor sekolah dan berlangsung sekitar 40 menit. Konselor sekolah juga menghadiri

sesi untuk membantu peneliti sambil mengarahkan ceramah kelompok. Siswa dalam sesi umpan

balik mengisi kuesioner dan memberikan umpan balik pada keterbacaan dan pemahaman item,

dan waktu rata-rata yang diperlukan untuk menanggapi semua item. Proses ini tidak

menghasilkan revisi yang signifikan dan siswa mengevaluasi item yang mudah dibaca dan

dipahami. Kuesioner yang diisi oleh enam siswa ini tidak dimasukkan dalam set data akhir.

MEASUREMENT AND EVALUATION IN COUNSELING AND DEVELOPMENT 37

Construct Validity Evidence

Confirmatory Factor Analysis of the Cybervictimization Section of the RCBI-II

Untuk bagian cybervictimization dari RCBI-II, kami menguji struktur satu faktor. Hasil CFA

menunjukkan bahwa solusi satu faktor memiliki kecocokan yang buruk untuk data (χ 2 = 568,77,
df = 35; CFI = 0,87; TLI = 0,83; RMSEA = .09, 90% CI [.08, .10]; SRMR = .05). Perkiraan

standar dari item dalam model berkisar antara 0,33 dan 0,71. Setelah indeks modifikasi

diperiksa, kovariansi kesalahan dari Item 7 dan Item 8, dan Item 9 dan Item 10 diperkirakan

secara bebas. Item-item ini mengukur perilaku yang serupa dan ada pembenaran teoretis untuk

menghubungkan kovarians kesalahan item-item ini. Modifikasi yang dilakukan meningkatkan

kesesuaian model (χ 2 = 303,95, df = 33; CFI = .93; TLI = .91; RMSEA = .07, 90% CI [.07, .08];

SRMR = .04). Estimasi standar dari item dalam model akhir digambarkan pada Tabel 1. Untuk

mengurangi efek nonnormalitas, FUNGSI SCRIPT SWAIN paket R digunakan untuk

menjalankan koreksi Satorra-Bentler, dan indeks kecocokan setelah koreksi adalah sebagai

berikut: χ 2 = 303,22, df = 33; CFI = .93; TLI = .91; RMSEA = .06, 90% CI [.06, .07]; SRMR =

.04.

Analisis Faktor Konfirmatori dari Bagian Penindasan Cyber di RCBI-II

Kami juga menguji struktur satu faktor untuk bagian cyberbullying. Hasil menunjukkan

kecocokan yang buruk dari model satu faktor untuk data (χ 2 = 657,91, df = 35; CFI = .85; TLI =

.81; RMSEA = .10, 90% CI [.09, .11], SRMR = .06). Perkiraan standar dari item dalam model

berkisar antara 0,42 dan 0,70. Setelah indeks modifikasi diperiksa, kovariansi kesalahan dari

Item 4 dan Item 5, dan Item 7 dan Item 8 diperkirakan secara bebas. Seperti yang disebutkan

sebelumnya, item-item ini mengukur perilaku yang sama dan ada pembenaran teoretis untuk

menghubungkan kovarians kesalahan item-item ini. Modifikasi yang dilakukan meningkatkan

kesesuaian model (χ 2 = 303,95, df = 33; CFI = .93; TLI = .91; RMSEA = .07, 90% CI [.07, .08];

SRMR = .04). Estimasi standar dari item dalam model akhir dapat dilihat pada Tabel 1. Mirip

dengan bagian cybervictimization, untuk mengurangi efek nonnormalitas, FUNGSI SCRIPT

SWAIN dari paket R digunakan untuk menjalankan koreksi Satorra-Bentler dan indeks

kecocokan setelah koreksi adalah sebagai berikut: χ 2 = 405,43, df = 33; CFI = .91; TLI = .88;

RMSEA = .07, 90% CI [.07, .08]; SRMR = .04. Meskipun nilai TLI sedikit lebih rendah dari

0,90, yang menunjukkan kecocokan baik menurut Schumacker dan Lomax (2010), ketika kita

memeriksa semua indikator, kita dapat menyimpulkan bahwa model satu-faktor dikonfirmasi

dengan sampel penelitian ini.

Validitas konvergen

Sebagai bagian dari validitas konstruk, kami menghitung koefisien korelasi Pearson antara

bagian intimidasi dari ROBVQ dan RCBI-II dan koefisien korelasi Pearson antara bagian

korbanisasi dari ROBVQ dan RCBI-II. Koefisien korelasi Pearson untuk intimidasi tradisional

dan cyberbullying (r = .64, p <.001) dan viktimisasi dan cybervictimization tradisional (r = .56, p

<.001) besar dan positif (Field, 2005).

Table . Standardized Estimates for the Items of the Revised Cyber Bullying Inventory-II

(RCBI-II).

CyberbullyingCybervictimization

Item . .

Item . .

Item . .

Item . .

Item . .
Item . .

Item . .

Item . .

Item . .

Item . .

38 Ç. TOPCU DAN Ö. ERDUR-BAKER

Bukti Keandalan

Konsistensi internal skor pada RCBI-II dievaluasi dengan menghitung koefisien alpha Cronbach.

Koefisien alpha Cronbach adalah 0,80 untuk bagian cybervictimization dan 0,79 untuk bagian

cyber-bullying.

Hubungan Antara Cyberbullying dan Cybervictimization

Hubungan antara bagian cyberbullying dan cybervictimization dari RCBI-II diselidiki dengan

menghitung koefisien korelasi Pearson. Koefisien korelasi Pearson (r = .54, p <.001) antara

cyberbullying dan cybervictimization adalah besar dan positif (Field, 2005).

Pertanyaan Tunggal vs. Banyak Pertanyaan (RCBI-II)

Menurut pertanyaan tunggal, 11,5% (f = 208) dari peserta melaporkan bahwa mereka terlibat

dalam cyber-bullying dan 24,7% (f = 445) dari peserta mengungkapkan bahwa mereka adalah

target cyberbullying. Berdasarkan temuan dari RCBI-II, 45,1% dari sampel melaporkan bahwa
mereka melakukan cyberbullied seseorang dan 48,4% dari peserta mengatakan bahwa mereka

cyberbullied. Karena item tunggal hanya memungkinkan peserta untuk merespons dalam salah

satu dari dua kategori (ya atau tidak), kami mengubah hasil kuesioner multi-item menjadi dua

kelompok sebagai mereka yang memiliki pengalaman cyberbullying dan mereka yang tidak

(prosedur yang sama). telah diterapkan untuk bagian cybervictimization). Untuk mengklarifikasi

apakah mengukur cyberbullying dan viktimisasi dengan satu pertanyaan atau membuat penilaian

dengan banyak item menghasilkan perubahan dalam pengukuran, kami menghitung koefisien phi

(ϕ) antara dua jenis pengukuran. Koefisien phi adalah signifikan dan mengindikasikan bahwa

dua jenis pengukuran adalah serupa satu sama lain untuk kedua cyberbullying (ϕ = .33, p <.001)

dan cybervictimization (ϕ = .41, p <.001).

Diskusi

Dalam studi ini, kami memperbarui RCBI dan mendapatkan versi yang lebih baik dengan

menghilangkan kata-kata yang menyiratkan teknologi, program, dan aplikasi tertentu. Kami

menamai versi revisi itu sebagai RCBI-II. Secara keseluruhan, temuan analisis validitas dan

reliabilitas menunjukkan bahwa karakteristik psikometrik dari versi baru RCBI baik dan bahkan

lebih baik daripada versi sebelumnya (Topcu & Erdur-Baker, 2010). Untuk bagian cyberbullying

dan cybervictimization, solusi satu faktor telah dikonfirmasi dan koefisien konsistensi internal

untuk bagian cyberbullying dan cybervictimization tinggi. Menambah validitas konstruk yang

diuji melalui CFA, kami memeriksa validitas konvergen RCBI-II dengan menguji hubungannya

dengan ROBVQ, yang mengukur bullying dan viktimisasi di dunia fisik. Sejalan dengan literatur

(Griezel, Finger, Bodkin-Andrews, Craven, & Yeung, 2012; Jose, Kljakovic, ´ Scheib, & Notter,

2011; Li, 2005; Smith et al., 2008), kami menemukan hubungan yang kuat antara tradisional
intimidasi dan cyberbullying, dan viktimisasi tradisional dan cybervictimization, menunjukkan

RCBI-II juga memiliki validitas konvergen.

Dalam studi ini, kami mengukur pengalaman intimidasi dan viktimisasi para peserta dalam

lingkungan cyber dua kali: sekali dengan satu item setelah memberikan para peserta definisi

cyberbullying dan satu kali dengan RCBI-II. Menggunakan ukuran item tunggal dan bertanya

"Apakah Anda pernah mengalami cyberbullied?" Dan "Apakah Anda pernah cyberbullied

seseorang?" Menghasilkan frekuensi yang lebih rendah untuk cyberbullying dan viktimisasi.

Temuan ini sejalan dengan Gradinger et al. (2010), yang juga menggunakan item global tunggal

dan beberapa item untuk mengukur cyberbullying dan cybervictimization. Tidak mengherankan

bahwa dengan pengukuran satu-item, tingkat cyberbullying dan cybervictimization diremehkan,

karena item tunggal tidak mencakup perilaku spesifik intimidasi dan viktimisasi. Selain itu,

memeriksa kriteria pengulangan bullying tidak mungkin dilakukan dengan satu item. Namun,

dengan kuesioner multi-item, peneliti dapat menganalisis tindakan berulang dan mendeteksi

mereka yang mengalami intimidasi dan viktimisasi lebih dari satu kali. Selain itu, meskipun

peserta memiliki

PENGUKURAN DAN EVALUASI DALAM KONSELING DAN PENGEMBANGAN 39

sebuah pengalaman, mereka mungkin tidak yakin apakah mereka harus mengevaluasi tindakan

ini sebagai intimidasi dan korban, dan meremehkan atau melebih-lebihkan pengalaman mereka

saat menjawab satu item. Dalam penelitian ini, koefisien korelasi antara dua pengukuran

menghasilkan hasil yang signifikan untuk cyberbullying dan viktimisasi. Artinya, pelaku
intimidasi dan korban yang dideteksi melalui dua strategi pengukuran tampaknya adalah peserta

yang sama. Karena kuesioner multi-item memiliki keandalan yang lebih kuat dan kaya dalam hal

validitas konten (Fraenkel, Wallen, & Hyun, 2012; Thomas et al., 2015), kami menyarankan

penggunaan RCBI-II sebagai ganti item global tunggal untuk mengukur penindasan cyber dan

pembohongan.

Keterbatasan

Temuan harus ditafsirkan dengan mempertimbangkan keterbatasan penelitian ini. Pertama,

dalam penelitian ini, strategi pengambilan sampel acak yang bukan acak digunakan dan hasilnya

dapat digeneralisasi hanya untuk siswa yang memiliki karakteristik yang sama dengan sampel

penelitian. Kedua, RCBI-II adalah alat pengukuran laporan diri yang memiliki masalah

keinginan sosial. Menggunakan nominasi sejawat dan laporan guru adalah cara alternatif untuk

mendeteksi pelaku intimidasi dan korban di antara para peneliti intimidasi tradisional

internasional. Dalam penelitian lebih lanjut, metodologi alternatif menggunakan nominasi

sejawat dan laporan guru untuk cyberbullying harus dihasilkan dan digunakan selain pengukuran

dengan RCBI-II. Membandingkan frekuensi yang diadopsi oleh laporan lain dan RCBI-II akan

berkontribusi pada validitas konvergen dari RCBI-II.

Implikasi

Penelitian ini bertujuan untuk merevisi RCBI, yang merupakan alat pengukuran laporan diri

mendeteksi frekuensi cyberbullying dan cybervictimization. Dengan memperbarui RCBI, kami

memperoleh versi yang lebih baik, RCBI-II. Versi yang diperbarui menghasilkan skor yang
valid, dapat diandalkan, praktis, dan disempurnakan karena tidak terdiri dari nama program,

teknologi, dan aplikasi tertentu. Para peneliti bebas menggunakan RCBI-II dalam rentang usia

yang luas (anak-anak, remaja, dan mahasiswa usia perguruan tinggi) untuk menilai frekuensi

cyberbullying dan cybervictimization dengan aman. Mengingat universalitas cyberbullying dan

viktimisasi di sekolah, konselor sekolah bertanggung jawab untuk merancang dan melaksanakan

program pencegahan dan intervensi. Sebelum mengimplementasikan program-program ini,

konselor sekolah dapat memanfaatkan RCBI-II untuk memantau tingkat cyberbullying dan

viktimisasi selama studi penilaian kebutuhan.

Catatan tentang Kontributor

Çigdem˘ Topcu, PhD, adalah Asisten Profesor bidang konseling dan bimbingan psikologis di

Departemen Ilmu Pendidikan, Fakultas Pendidikan, Universitas Sinop, Sinop, Turki.

References

Akbulut, Y., Sahin,¸ Y. L., & Eri¸sti, B. (2010). Cyberbullying victimization among Turkish

online social utility members. Educational Technology & Society, 13, 192–201. Retrieved from

http://www.ifets.info/

Atik, G. (2006). The role of locus of control, self-esteem, parenting style, loneliness and

academic achievement in predicting bul- lying among middle school students (Unpublished

master’s thesis). Middle East Technical University, Ankara, Turkey.

Bastiaensens, S., Vandebosch, H., Poels, K., Van Cleemput, K., DeSmet, A., & Bourdeaudhuij,

I. D. (2014). Cyberbullying on social network sites: An experimental study into bystanders’

behavioral intentions to help the victim or reinforce the bully. Computers in Human Behavior,

31, 259–271. https://doi.org/10.1016/j.chb.2013.10.036

Berne, S., Frisén, A., Schultze-Krumbholz, A., Scheithauer, H., Naruskov, K., Piret, L., &

Zukauskiene, R. (2013). Cyberbullying assessment instruments: A systematic review.

Aggression and Violent Behavior, 18, 320–334. https://doi.org/10.1016/j.avb.2012.11.022

40Ç. TOPCU AND Ö. ERDUR-BAKER

Cassidy, W., Faucher, C., & Jackson, M. (2013). Cyberbullying among youth: A comprehensive

review of current interna- tional research and its implications and application to policy and

practice. School Psychology International, 34, 575–612.

https://doi.org/10.1177/0143034313479697
Cross, D., Lester, L., & Barnes, A. (2015). A longitudinal study of the social and emotional

predictors and con- sequences of cyber and traditional bullying victimization. International

Journal of Public Health, 60, 207–217. https://doi.org/10.1007/s00038-015-0655-1

˙ ˘˘˘

Dölek, N. (2002). Ilk ve orta ögretim okullarındaki ögrenciler arasında zorbaca davranı¸sların

incelenmesi ve “zorbalıgı önleme tutumu geli¸stirilmesi programı”nın etkisinin ara¸stırılması [An

investigation of bullying behaviors among elementary and high school students and the effect of

program “developing bullying prevention attitudes”] (Unpublished doctoral thesis).

Marmara University, Istanbul, Turkey.

Erdur-Baker, Ö., & Kav¸sut, F. (2007). A new face of peer bullying: Cyber bullying. Journal of

Euroasian Educational Research, 27, 31–42. Retrieved from http://www.ejer.com.tr/

Field, A. (2005). Discovering statistics using SPSS (2nd ed.). London, UK: Sage.

Finn, J. (2004). A survey of online harassment at a university campus. Journal of Interpersonal

Violence, 19, 468–483. https://doi.org/10.1177/0886260503262083

Fraenkel, J., Wallen, N., & Hyun, H. H. (2012). How to design and evaluate research in

education (8th ed.). Boston, MA: McGraw-Hill.

Gimenez, A. M., Hunter, S. C., Durkin, K., Arnaiz, P., & Maquilon, J. J. (2015). The emotional

impact of cyber- bullying: Differences in perceptions and experiences as a function of role.

Computers & Education, 82, 228–235. https://doi.org/10.1016/j.compedu.2014.11.013

Gradinger, P., Strohmeier, D., & Spiel, C. (2010). Definition and measurement of cyberbullying.

Cyberpsychol- ogy: Journal of Psychosocial Research on Cyberspace, 4(2), 1–13. Retrieved from

http://cyberpsychology.eu/view. php?cisloclanku=2010112301&article=1

Greene, M. B. (2006). Bullying in school: A plea for measure of human rights. Journal of Social

Issues, 62, 63–79. https://doi.org/10.1111/j.15404560.2006.00439.x

Griezel, L., Finger, L. R., Bodkin-Andrews, G. H., Craven, R. G., & Yeung, A. S. (2012).

Uncovering the structure of and gender and developmental differences in cyber bullying. The

Journal of Educational Research, 105, 442–455. https://doi.org/10.1080/0020671.2011.629692

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Multivariate

data analysis (7th ed.). Upper Saddle River, NJ: Pearson Education.

Hinduja, S., & Patchin, J. W. (2008). Cyberbullying: An exploratory analysis of factors related to

offending and victimization. Deviant Behavior, 29(2), 1–29.

https://doi.org/10.1080/01639620701457816

Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis:

Conventional criteria versus new alternatives. Structural Equation Modeling, 6, 1–55.

https://doi.org/10.1080/10705519909540118
Huang, Y.-Y., & Chou, C. (2010). Analysis of multiple factors of cyberbullying among junior

high school students in Taiwan. Computers in Human Behavior, 26, 1581–1590.

Jose, P. E., Kljakoviç, M., Scheib, E., & Notter, O. (2011). The joint development of traditional

bullying and victim- ization with cyber bullying and victimization in adolescence. Journal of

Research on Adolescence, 22, 301–309. https://doi.org/10.1111/j.1532-7795.2011.00764.x

Kline, R. B. (2011). Principles and practice of structural equation modeling. New York, NY:

Guilford.

Kowalski, R. M., Giumetti, G. W., Schroeder, A. N., & Lattaner, M. R. (2014). Bullying in the

digital age: A crit- ical review and meta-analysis of cyberbullying research among youth.

Psychological Bulletin, 140, 1073–1137. https://doi.org/10.1037/a0035618

Kowalski, R. M., & Limber, S. P. (2007). Electronic bullying among middle school students.

Journal of Adolescent Health, 41(6), 22–30. https://doi.org/10.1016/j.jadohealth.2007.08.017

Langos, C. (2012). Cyberbullying: The challenge to define. Cyberpsychology, Behavior, and

Social Networking, 15, 285–289. https://doi.org/10.1089/cyber.2011.0588

Li, Q. (2005). New bottle but old wine: A research of cyberbullying in schools. Computers in

Human Behavior, 23, 1777– 1791. https://doi.org/10.1016/j.chb.2005.10.005

Menesini, E., & Nocentini, A. (2009). Cyberbullying definition and measurement: Some critical

considerations. Zeitscrift für Psychologie/Journal of Psychology, 217, 230–232.

https://doi.org/10.1027/00443409.217.4.230
Mura, G., Topcu, Ç., Erdur-Baker, Ö., & Diamantini, D. (2017). A cross-country perspective on

cyber bully- ing: Italian and Turkish Experience. Mersin University Journal of the Faculty of

Education, 13(1), 80–93. https://doi.org/10.17860/mersinefd.305760

Naruskov, K., Luik, P., Nocentini, A., & Menesini, E. (2012). Estonian students’ perception and

definition of cyberbullying. Trames, 4, 323–343. Retrieved from

http://www.kirj.ee/public/trames/index.html

Nocentini, A., Calmaestra, J., Schultze-Krumbholz, A., Scheithauer, H., Ortega, R., & Menesini,

E. (2010). Cyberbully- ing: Labels, behaviours and definition in three European countries.

Australian Journal of Guidance & Counseling, 20, 129–142.

https://doi.org/10.1375/ajgc.20.2.129

Olweus, D. (1993). Bullying at school: What we know and what we can do. Oxford, UK:

Blackwell.

MEASUREMENT AND EVALUATION IN COUNSELING AND DEVELOPMENT 41

Pabian, S., & Vandebosch, H. (2015). An investigation of short-term longitudinal associations

between social anxiety and victimization and perpetration of traditional bullying and

cyberbullying. Journal of Youth and Adolescence, 45(2), 328–

339.https://doi.org/10.1007/s10964-015-0259-3
Palladino, B. E., Nocentini, A., & Menesini, E. (2015). Psychometric properties of the Florence

cyberbullying-cybervictimization scales. Cyberpsychology, Behavior, and Social Networking,

18, 112–119. https://doi.org/10.1089/cyber.2014.0366

Perren, S., Dooley, J., Shaw, T., & Cross, D. (2010). Bullying in school and cyberspace:

Associations with depres- sive symptoms in Swiss and Austrian adolescents. Child & Adolescent

Psychiatry & Mental Health, 4(28), 1–10. https://doi.org/10.1186/1753-2000-4-28

Raskauskas, J., & Stoltz, A. (2007). Involvement in traditional and electronic bullying among

adolescents. Developmental Psychology, 43, 564–575. https://doi.org/10.1037/0012-

1649.43.3.564

Riebel, J., Jager, R. S., & Fischer, U. C. (2009). Cyberbullying in Germany—An exploration of

prevelance, over- lapping with real life bullying and coping strategies. Psychology Science

Quarterly, 51, 298–314. Retrieved from http://www.psychologie-aktuell.com/

Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling

(3rd ed.). New York, NY: Routledge.

Slonje, R., & Smith, P. K. (2008). Cyberbullying: Another main type of bullying? Scandinavian

Journal of Psychology, 49, 147–154. https://doi.org/10.1111/j.1467-9450.2007.00611.x

Smith, P. K., Mandavi, J., Carvalho, M., Fisher, S., Russell, S., & Tippett, N. (2008).

Cyberbullying: Its nature and impact in secondary school pupils. Journal of Child Psychology

and Psychiatry, 49, 376–385. https://doi.org/10.1111/j.1469- 7610.2007.01846.x

Strom, P., & Strom, R. (2004). Bullied by a mouse. Retrieved from

http://www.childresearch.net/RESOURCE/RESEARCH/ 2004/MEMBERS35.HTM.

Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics (5th ed.). Boston, MA:

Pearson/Allyn & Bacon.

Thomas, H. J., Connor, J. P., & Scott, J. G. (2015). Integrating traditional bullying and

cyberbullying: Chal- lenges of definition and measurement in adolescents—A review.

Educational Psychology Review, 27, 135–152. https://doi.org/10.1007/s10648-014-9261-7

Topcu, Ç., & Erdur-Baker, Ö. (2010). The Revised Cyber Bullying Inventory (RCBI): Validity

and reliability studies. Pro- cedia Social and Behavioral Sciences, 5, 660–664.

https://doi.org/10.1016/j.sbspro.2010.07.161

Topcu, Ç., Erdur-Baker, Ö., & Çapa-Aydın, Y. (2008). Examination of cyberbullying

experiences among Turkish students from different school types. CyberPsychology & Behavior,

11, 643–648. https://doi.org/10.1089/cpb.2007.0161

Veenstra, S. (2009). Cyberbullying: An explonatory analysis (Unpublished master’s thesis).

University of Leicester, Leicester, UK.

Vivolo-Kantor, A. M., Martell, B. N., Holland, K. M., & Westby, R. (2014). A systematic review

and content analysis of bullying and cyber-bullying measurement strategies. Aggression and

Violent Behavior, 19, 423–434. https://doi.org/10.1016/j.avb.2014.06.008

Yılmaz, H. (2011). Cyberbullying in Turkish middle schools: An exploratory study. School

Psychology International, 32, 645–654. https://doi.org/10.1177/0143034311410262