Translate
Translate
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
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).
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
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
(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
menunjukkan penindasan di lingkungan fisik, jadi alat baru untuk mengukur penindasan cyber
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
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
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
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
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
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
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
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
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
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)
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
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
penilaian kategori juga dimungkinkan. Mereka yang menerima 10 poin dikelompokkan sebagai
siswa yang tidak terlibat dalam cyberbullying. Untuk menentukan cyberbullies dan cybervictims,
cyberbullied atau menjadi korban cyber hanya sekali untuk memenuhi kriteria pengulangan.
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
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
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
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
tingkat (9, 10, 11, dan 12) dari masing-masing sekolah dan mengumpulkan data dari relawan
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
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
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.
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.
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
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
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.
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
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
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
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
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 . .
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 bagian cyberbullying dan cybervictimization dari RCBI-II diselidiki dengan
menghitung koefisien korelasi Pearson. Koefisien korelasi Pearson (r = .54, p <.001) antara
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)
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
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
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
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
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
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
Implikasi
Penelitian ini bertujuan untuk merevisi RCBI, yang merupakan alat pengukuran laporan diri
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
viktimisasi di sekolah, konselor sekolah bertanggung jawab untuk merancang dan melaksanakan
konselor sekolah dapat memanfaatkan RCBI-II untuk memantau tingkat cyberbullying dan
Çigdem˘ Topcu, PhD, adalah Asisten Profesor bidang konseling dan bimbingan psikologis di
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
Bastiaensens, S., Vandebosch, H., Poels, K., Van Cleemput, K., DeSmet, A., & Bourdeaudhuij,
behavioral intentions to help the victim or reinforce the bully. Computers in Human Behavior,
Berne, S., Frisén, A., Schultze-Krumbholz, A., Scheithauer, H., Naruskov, K., Piret, L., &
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
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
˙ ˘˘˘
Dölek, N. (2002). Ilk ve orta ögretim okullarındaki ögrenciler arasında zorbaca davranı¸sların
investigation of bullying behaviors among elementary and high school students and the effect of
Erdur-Baker, Ö., & Kav¸sut, F. (2007). A new face of peer bullying: Cyber bullying. Journal of
Field, A. (2005). Discovering statistics using SPSS (2nd ed.). London, UK: Sage.
Fraenkel, J., Wallen, N., & Hyun, H. H. (2012). How to design and evaluate research in
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
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
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
https://doi.org/10.1080/01639620701457816
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis:
https://doi.org/10.1080/10705519909540118
Huang, Y.-Y., & Chou, C. (2010). Analysis of multiple factors of cyberbullying among junior
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
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.
Kowalski, R. M., & Limber, S. P. (2007). Electronic bullying among middle school students.
Li, Q. (2005). New bottle but old wine: A research of cyberbullying in schools. Computers in
Menesini, E., & Nocentini, A. (2009). Cyberbullying definition and measurement: Some critical
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
Naruskov, K., Luik, P., Nocentini, A., & Menesini, E. (2012). Estonian students’ perception and
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.
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.
between social anxiety and victimization and perpetration of traditional bullying and
339.https://doi.org/10.1007/s10964-015-0259-3
Palladino, B. E., Nocentini, A., & Menesini, E. (2015). Psychometric properties of the Florence
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
Raskauskas, J., & Stoltz, A. (2007). Involvement in traditional and electronic bullying among
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
Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling
Slonje, R., & Smith, P. K. (2008). Cyberbullying: Another main type of bullying? Scandinavian
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
http://www.childresearch.net/RESOURCE/RESEARCH/ 2004/MEMBERS35.HTM.
Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics (5th ed.). Boston, MA:
Thomas, H. J., Connor, J. P., & Scott, J. G. (2015). Integrating traditional bullying and
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
experiences among Turkish students from different school types. CyberPsychology & Behavior,
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