Pendekatan psikometrik untuk penilaian penggunaan problematik pornografi online dan situs jejaring sosial berdasarkan konseptualisasi gangguan permainan internet (2020)

Latar Belakang

Penggunaan bermasalah dari permainan daring, situs jejaring sosial (SNS), dan pornografi daring (OP) merupakan masalah yang terus berkembang. Berbeda dengan penggunaan bermasalah SNS dan OP, gangguan bermain game internet (IGD) dimasukkan dalam edisi baru Manual Diagnostik dan Statistik Gangguan Mental (DSM-5) sebagai syarat untuk studi lebih lanjut. Studi ini mengadaptasi kriteria untuk IGD ke penggunaan bermasalah SNS dan OP dengan memodifikasi kuesioner yang telah divalidasi untuk IGD (Kuesioner Gangguan Bermain Game Internet: IGDQ) dan menyelidiki sifat psikometrik dari versi yang dimodifikasi, SNSDQ dan OPDQ.

metode

Dua sampel daring (SNS: n = 700, 25.6 ± 8.4 tahun, 76.4% perempuan; OP: n = 700, 32.9 ± 12.6 tahun, 76.7% laki-laki) menyelesaikan SNSDQ/OPDQ, Inventaris Gejala Singkat (BSI), dan Tes Kecanduan Internet singkat (sIAT) serta memberikan informasi tentang penggunaan SNS/OP mereka. Analisis item standar dan reliabilitas, analisis faktor eksploratori dan konfirmatori, serta korelasi dengan sIAT dihitung. Pengguna bermasalah dan tidak bermasalah dibandingkan.

Hasil

Konsistensi internalnya adalah ω _ordinal = 0.89 (SNS) dan ω _ordinal = 0.88 (OP). Analisis faktor eksploratori mengekstrak satu faktor untuk kedua kuesioner. Analisis faktor konfirmatori mengkonfirmasi hasilnya. Skor SNSDQ/OPDQ berkorelasi tinggi dengan skor sIAT dan sedang dengan waktu penggunaan SNS/OP. Dari pengguna, 3.4% (SNS) dan 7.1% (OP) berada di atas ambang batas untuk penggunaan bermasalah. Pengguna bermasalah memiliki skor sIAT yang lebih tinggi, menggunakan aplikasi lebih lama, dan mengalami lebih banyak tekanan psikologis.

Kesimpulan

Secara keseluruhan, hasil penelitian menunjukkan bahwa penyesuaian kriteria IGD merupakan pendekatan yang menjanjikan untuk mengukur penggunaan SNS / OP yang bermasalah.

Pada tahun 2017, 3.5 miliar orang menggunakan internet [ 1 ]. Dari sekian banyak cara penggunaannya, permainan daring, situs jejaring sosial (SNS) dan pornografi daring (OP) sangat populer. Semua aplikasi ini sedang diselidiki, karena penggunaan bermasalahnya tampaknya terkait dengan tekanan psikologis dan masalah dengan pekerjaan, prestasi akademik, dan hubungan interpersonal [ 2 , 3 , 4 , 5 , 6 , 7 ]. Dengan dimasukkannya dalam lampiran edisi kelima Manual Diagnostik dan Statistik Gangguan Mental (DSM-5), gangguan permainan internet (IGD) diakui sebagai gangguan yang memerlukan penyelidikan lebih lanjut [ 8 ]. Ini adalah langkah pertama menuju penetapan kriteria standar untuknya. Sembilan kriteria tersebut didasarkan pada kriteria untuk gangguan penggunaan zat dan gangguan perjudian dan harus dipenuhi dalam 12 bulan terakhir: (1) obsesi terhadap permainan judi, (2) gejala putus asa ketika tidak dapat bermain judi, (3) toleransi, (4) gagal berhenti/mengurangi jumlah permainan judi, (5) meninggalkan aktivitas lain demi permainan judi, (6) terus bermain meskipun ada masalah, (7) menipu orang lain tentang jumlahnya, (8) bermain judi untuk melarikan diri dari suasana hati yang buruk dan (9) membahayakan hubungan penting, pekerjaan atau pendidikan seseorang karena permainan judi.

Meskipun IGD dimasukkan dalam DSM-5 sebagai syarat untuk studi lebih lanjut, penggunaan bermasalah dari SNS dan OP tidak termasuk. Petry dan O'Brien (2013) [ 9 ] berpendapat bahwa terdapat kurangnya bukti empiris dan inkonsistensi dalam studi yang menyelidiki masalah ini (SNS dan OP). Meskipun demikian, terdapat perdebatan yang sedang berlangsung mengenai keberadaan, klasifikasi, dan diagnosis penggunaan bermasalah dari aplikasi Internet tertentu seperti SNS atau OP [ 10 ] dan semakin banyak studi yang menunjukkan relevansi penggunaan bermasalah dari SNS dan OP [ 3 , 5 , 11 , 12 ], terutama karena kaitannya dengan peningkatan tingkat tekanan psikologis. Hal ini bahkan dapat mencakup gejala gangguan jiwa seperti depresi, gangguan kecemasan, gangguan perhatian dan hiperaktivitas, atau gangguan obsesif-kompulsif [ 2 , 11 , 13 , 14 , 15 ].

Penilaian penggunaan SNS dan OP yang bermasalah

Terdapat sejumlah instrumen diagnostik yang berbeda untuk menilai penggunaan SNS dan OP yang bermasalah. Sebagian besar instrumen tersebut didasarkan pada kriteria diagnostik untuk kecanduan perilaku (SNS: misalnya Skala Kecanduan Media Sosial Bergen [ 16 ] | OP: misalnya Skala Konsumsi Pornografi Bermasalah [ 17 ]) atau Tes Kecanduan Internet [ 18 ] (SNS: misalnya Skala Kecenderungan Adiktif Terhadap SNS [ 19 ] | OP: sIAT-sex [ 20 ]). Perlu dicatat bahwa ini bukanlah daftar lengkap dari semua instrumen diagnostik. Untuk tinjauan rinci, lihat Andreassen (2015) [ 2 ] untuk SNS dan Wéry & Billieux (2017) [ 21 ] untuk OP. Tidak ada kekurangan instrumen yang tervalidasi dengan baik, tetapi masalah-masalah berikut masih tetap ada: (i) konseptualisasi teoretis yang berbeda tentang penggunaan SNS dan OP yang bermasalah, dengan konsekuensi (ii) tidak tersedianya kriteria terpadu dan terstandarisasi untuk menilai penggunaan bermasalah dari tiga aplikasi online spesifik terpenting (Gaming, SNS, OP) secara komparatif.

Model teoritis terbaru untuk gangguan penggunaan internet spesifik adalah model I-PACE [ 22 ]. Model ini didasarkan pada temuan empiris dan mengintegrasikan pertimbangan teoritis sebelumnya dari model lain di bidang kecanduan perilaku, seperti Model Sindrom [ 23 ] atau Model Komponen Kecanduan [ 24 ]. Model I-PACE berhipotesis bahwa etiologi penggunaan bermasalah serupa untuk berbagai aplikasi internet. Oleh karena itu, model ini menyarankan penerapan kriteria diagnostik yang seragam untuk semua aplikasi, sehingga menstandarisasi kriteria diagnostik dan memungkinkan perbandingan tingkat prevalensinya. Karena American Psychiatric Association telah mengusulkan kriteria standar untuk IGD, maka American Psychiatric Association menyarankan untuk menerapkan kriteria ini pada penggunaan bermasalah aplikasi internet lainnya dan ada beberapa peneliti yang setuju dengan pendekatan ini [ 25 , 26 , 27 ]. Beberapa penelitian telah menggunakan pendekatan ini untuk mengembangkan alat psikometrik untuk menilai penggunaan internet yang bermasalah [ 26 , 28 , 29 ] Namun, sepengetahuan penulis, hanya ada satu penelitian yang menggunakan pendekatan ini untuk penggunaan SNS yang bermasalah [ 27 ] dan tidak ada untuk penggunaan OP yang bermasalah.

Tujuan dari penelitian ini

Oleh karena itu, tujuan penelitian ini adalah untuk memeriksa sejauh mana konseptualisasi Gangguan Bermain Game Internet dapat diadaptasi untuk penggunaan SNS dan OP yang bermasalah. Petry dkk. (2014) [ 30 ] – yang merupakan anggota Kelompok Kerja Gangguan Penggunaan Zat yang merekomendasikan untuk memasukkan IGD dalam DSM-5 – menerbitkan kuesioner (Kuesioner Gangguan Bermain Game Internet: IGDQ) untuk menilai IGD. Untuk penelitian ini, kami menggunakan versi Jerman, yang telah divalidasi oleh Jeromin, Barke dan Rief (2016) [ 31 ] dan mengadaptasinya untuk penggunaan SNS dan OP yang bermasalah dengan merumuskan ulang item-itemnya (untuk detailnya lihat bagian “Pengukuran”). Untuk menilai dan mengevaluasi sejauh mana konsep IGD dapat memberikan titik awal yang berguna untuk penilaian penggunaan SNS dan OP yang bermasalah, kami menyelidiki sifat psikometrik dari dua versi yang dimodifikasi, SNSDQ dan OPDQ.

Peserta dan prosedur

Pengumpulan data dilakukan melalui survei online (Oktober 2017 - Januari 2018). Tautan ke kuesioner telah diposting ke forum Internet umum (misalnya reddit) dan aplikasi khusus (misalnya grup facebook), SNS, dan milis. Pada awalnya, para peserta menentukan apakah mereka terutama menggunakan SNS atau OP dan diarahkan ke kuesioner yang sesuai (SNS / OP). Sebagai insentif, peserta dapat memenangkan satu dari lima voucher hadiah untuk toko online (nilai voucher: € 20). Kriteria inklusi adalah: informed consent, usia ≥ 18 tahun. Kriteria eksklusi adalah: tidak ada penutur asli (Jerman), persentase waktu online yang dihabiskan menggunakan SNS / OP ≤5%.

Subsampel SNS

Sebanyak 939 peserta memenuhi kriteria inklusi. Dari jumlah tersebut, 239 (25.45%) harus dikeluarkan: 228 karena data SNSDQ mereka hilang, 7 karena gagal memberikan informasi penting (misalnya Klingon sebagai bahasa ibu mereka) dan 4 karena waktu menjawab mereka terlalu cepat (2 SD di bawah waktu rata-rata). Pada akhirnya, data dari 700 peserta dianalisis (Tabel 1 ).

Subsampel OP

Sebanyak 1858 peserta memenuhi kriteria inklusi. Dari jumlah tersebut, 669 (36.01%) harus dikeluarkan: 630 karena data OPDQ mereka hilang, 25 karena memberikan informasi yang jelas-jelas salah, 9 karena waktu menjawab yang terlalu cepat dan tidak realistis, dan 5 karena komentar yang menunjukkan bahwa mereka gagal memahami survei. Untuk meningkatkan perbandingan statistik dari dua sub-sampel (SNS/OP), sampel acak sebanyak 700 peserta diambil dari 1189 peserta yang tersisa. Akhirnya, data dari 700 peserta dianalisis (Tabel 1 ).

Ukuran

Informasi sosio-demografis

Informasi mengenai jenis kelamin, usia, pendidikan, pekerjaan dan status hubungan dikumpulkan.

Informasi tentang penggunaan internet umum dan khusus

Para peserta melaporkan berapa banyak waktu (jam) yang mereka habiskan untuk online dalam satu minggu. Selain itu, mereka memberikan informasi khusus terkait penggunaan SNS atau OP mereka, seperti situs SNS / OP mana yang paling sering mereka gunakan dan berapa lama mereka menggunakan SNS atau OP (jam / minggu).

Penggunaan bermasalah

Kecenderungan penggunaan SNS atau OP yang bermasalah dinilai dengan versi bahasa Jerman dari SNSDQ dan OPDQ. Kuesioner ini merupakan versi modifikasi dari IGDQ. IGDQ terdiri dari sembilan item, yang mencerminkan kriteria DSM-5 yang sesuai untuk IGD. Kuesioner ini memiliki format respons dikotomis yang terdiri dari 'tidak' (0) dan 'ya' (1). Skor diperoleh dengan menjumlahkan respons (rentang skor: 0–9). Skor ≥ 5 didefinisikan sebagai batas untuk menerima diagnosis IGD [ 30 ]. Untuk adaptasinya terkait SNS dan OP, item asli diubah susunannya dengan mengganti semua referensi ke permainan daring dengan referensi ke SNS atau OP. Misalnya, 'Apakah Anda merasa gelisah, mudah tersinggung, murung, marah, cemas, atau sedih ketika mencoba mengurangi atau berhenti menggunakan SNS atau ketika Anda tidak dapat menggunakan SNS?' Alih-alih 'Apakah Anda merasa gelisah, mudah tersinggung, murung, marah, cemas, atau sedih ketika mencoba mengurangi atau berhenti bermain game atau ketika Anda tidak dapat bermain?'

Tes kecanduan internet singkat

sIAT adalah versi singkat dari Tes Kecanduan Internet dan terdiri dari 12 pernyataan yang mengungkapkan kemungkinan gejala penggunaan Internet yang bermasalah (misalnya, 'Seberapa sering Anda mengatakan “hanya beberapa menit lagi” ketika online?') [ 18 ]. Untuk penelitian kami, kami menggunakan versi bahasa Jerman yang telah divalidasi dan merumuskan ulang item untuk penggunaan SNS dan OP (misalnya, 'Seberapa sering Anda mencoba mengurangi waktu yang Anda habiskan untuk menonton pornografi online dan gagal?') [ 32 ]. Para peserta harus menilai frekuensi mereka mengalami setiap gejala dalam seminggu terakhir pada skala 5 poin mulai dari 1 ('tidak pernah') hingga 5 ('sangat sering'). Dalam skor total yang dihasilkan (12–60 poin), skor yang lebih tinggi menunjukkan penggunaan yang lebih bermasalah. Konsistensi internal dari skala yang diadaptasi dalam penelitian ini baik (SNS: ω = 0.88 | OP: ω = 0.88).

Persediaan gejala singkat

Versi bahasa Jerman dari Brief Symptom Inventory (BSI) digunakan untuk mengidentifikasi gejala-gejala yang relevan secara klinis dari para peserta [ 33 , 34 ]. BSI terdiri dari 53 pernyataan yang mengungkapkan gejala-gejala tekanan psikologis (misalnya 'Dalam 7 hari terakhir, seberapa besar Anda merasa tertekan karena merasa tegang atau gelisah?'). Item-item tersebut dijawab pada skala 5 poin mulai dari 0 ('tidak sama sekali') hingga 4 ('sangat'). Skor total berkisar antara 0 dan 212, dengan skor yang lebih tinggi menunjukkan tingkat tekanan yang lebih tinggi. Konsistensi internal dalam sampel saat ini sangat baik, dengan ω = 0.96 (SNS) dan ω = 0.96 (OP).

Analisis data

Analisis statistik dilakukan menggunakan SPSS 24 (IBM SPSS Statistics), SPSS Amos, R versi 3.5.1 [ 35 ] dan FACTOR untuk analisis faktor eksploratori (EFA) [ 36 ]. Untuk analisis item standar untuk setiap kuesioner, SNSDQ dan OPDQ, kesulitan item dan korelasi item-total dihitung. Sebagai ukuran reliabilitas, koefisien omega atau omega ordinal (dalam kasus data binomial) dihitung. Koefisien ini direkomendasikan sebagai alternatif yang lebih akurat daripada alpha Cronbach, terutama ketika asumsi kesetaraan tau dilanggar [ 37 , 38 , 39 , 40 ]. Mengenai validitas, kami menyelidiki struktur faktor dengan melakukan EFA dan analisis faktor konfirmatori (CFA). Untuk ini, setiap sampel (SNS dan OP) dibagi secara acak menjadi dua subsampel (SNS1, SNS2 dan OP1, OP2; setiap subsampel: n = 350). Subsampel SNS1 dan OP1 digunakan untuk EFA dan SNS2 dan OP2 untuk CFA. Semua perhitungan lainnya didasarkan pada sampel total. Untuk menguji apakah subsampel berbeda dalam variabel kunci (usia, skor SNSDQ/OPDQ), uji t independen dilakukan. Untuk memastikan kesesuaian data untuk EFA, uji Kaiser–Meyer–Olkin (KMO) dan uji sferisitas Bartlett digunakan. Karena format respons dikotomis SNSDQ dan OPDQ, EFA mengikuti Jeromin dkk. (2016) [ 31 ] dan menggunakan korelasi tetrachoric sebagai input dan metode estimasi kuadrat terkecil tak berbobot [ 41 ]. Jumlah faktor yang akan diekstrak ditentukan menggunakan uji MAP Velicer [ 42 ].

Analisis faktor konfirmatori (CFA) dilakukan pada SNS2 dan OP2 untuk menguji solusi faktor. Parameter model diestimasi menggunakan estimasi kemungkinan maksimum. Karena pelanggaran asumsi normalitas, Bollen-Stine Bootstrapping diterapkan [ 43 ]. Untuk mengevaluasi kesesuaian model, indeks kesesuaian komparatif (CFI), kesalahan kuadrat rata-rata akar aproksimasi (RMSEA) dan residual kuadrat rata-rata akar terstandarisasi (SRMR) dihitung. Menurut Hu dan Bentler (1999) [ 44 ], kriteria batas untuk kesesuaian model yang dapat diterima adalah CFI > 0.95, RMSEA antara 0.06 dan 0.08 dan SRMR < 0.08.

Hubungan bivariat antara skor SNSDQ dan OPDG dan waktu yang dihabiskan untuk menggunakan Internet secara umum, waktu yang dihabiskan menggunakan aplikasi pilihan (SNS / OP) dan skor sIAT diuji dengan korelasi Pearson.

Untuk memberikan indikasi awal validitas diagnostik, kami membandingkan pengguna bermasalah dengan pengguna tidak bermasalah. Analog dengan IGDQ, pengguna dengan skor ≥ 5 poin dikategorikan sebagai pengguna bermasalah dan semua pengguna lainnya sebagai pengguna tidak bermasalah [ 30 , 31 ]. Uji t independen (dalam kasus varians tidak sama: uji Welch) dihitung untuk membandingkan kelompok mengenai usia, waktu yang dihabiskan menggunakan Internet, waktu yang dihabiskan menggunakan aplikasi pilihan mereka dan skor sIAT dan BSI. Karena ukuran kelompok yang tidak sama, Hedges' g dilaporkan sebagai ukuran efek [ 45 ]. Efek g = 0.20 dianggap kecil, g = 0.50 sebagai sedang dan g = 0.80 sebagai besar [ 45 ].

Penggunaan SNS, OP dan Internet

SNS

Para peserta menggunakan internet rata-rata selama 20.9 ± 14.8 jam/minggu dan media sosial selama 9.4 ± 10 jam/minggu (44% dari total waktu online), dengan Facebook sebagai media sosial yang paling populer ( n = 355; 50.7%), diikuti oleh Instagram ( n = 196; 28%) dan YouTube ( n = 74; 10.6%). Skor rata-rata SNSDQ dan sIAT masing-masing adalah 1.2 ± 1.5 dan 23.6 ± 7.3 poin. Secara keseluruhan, 24 peserta (3.4%) memiliki skor SNSDQ ≥5 poin dan dengan demikian berada di atas ambang batas untuk penggunaan yang bermasalah (lihat Gambar 1 untuk detailnya). Skor total BSI rata-rata di seluruh peserta adalah 9.8 ± 16.7.

OP

Para peserta menggunakan internet rata-rata selama 21.9 ± 15.6 jam/minggu dan mengonsumsi konten online (OP) selama 3.9 ± 6.1 jam/minggu (18.9% dari total waktu online). Bentuk OP yang paling populer adalah video ( n = 351; 50.1%), diikuti oleh gambar ( n = 275; 39.3%) dan webcam ( n = 71; 10.1%). Skor rata-rata OPDG dan sIAT masing-masing adalah 1.5 ± 1.7 dan 22.3 ± 7.9. Sebanyak 50 peserta (7.1%) mencapai skor OPDQ di atas ambang batas ≥ 5 poin (lihat Gambar 1 untuk detailnya). Skor rata-rata BSI di seluruh peserta adalah 25.6 ± 27.6.

Analisis item dan konsistensi internal

Hasil analisis item disajikan pada Tabel 2 dan 3.

SNS

Untuk versi SNS, item 7 memiliki dukungan terendah (jumlah jawaban afirmatif (naa) = 21), sedangkan item 6 memiliki dukungan tertinggi (naa = 247). Ini berarti tingkat kesulitan item adalah p _i = 0.03 (item 7) dan p _i = 0.35 (item 6), dengan rata-rata kesulitan di semua item adalah p _i = 0.13. Korelasi item-total yang dikoreksi berkisar dari r _itc = 0.28 (item 3) hingga r _itc = 0.39 (item 4, 5 dan 6), dengan rata-rata r _{i tc} = 0.36. Konsistensi internalnya adalah ω _ordinal = 0.89, dan skala tersebut tidak akan mendapat manfaat dari penghapusan item apa pun.

OP

Dalam versi OP kuesioner, item 9 (naa = 24) memiliki tingkat persetujuan terendah, sedangkan item 7 memiliki tingkat persetujuan tertinggi (naa = 286). Rata-rata kesulitan item adalah p _i = 17, dengan item 9 sebagai yang paling sulit ( p _i = 0.03) dan item 7 ( p _i = 0.41) sebagai yang paling mudah. ​​Korelasi item-total yang dikoreksi berkisar antara r _itc = 0.29 (item 7) dan r _itc = 0.47 (item 5), dengan rata-rata korelasi item-total yang dikoreksi sebesar r _itc = 0.38. Konsistensi internal adalah ω _ordinal = 0.88. Menghapus item tidak akan meningkatkan konsistensi internal.

Struktur faktor

Subsampel (SNS1 vs. SNS2; OP1 vs. OP2) tidak berbeda dalam hal usia, jenis kelamin, penggunaan internet, penggunaan SNS/OP, skor sIAT, SNSDQ/OPDQ dan BSI (lihat Lampiran ).

SNS

Uji sferisitas Bartlett (Χ² ⁼ 407.4, df = 36, p < 0.001) serta kriteria KMO (0.74) menunjukkan bahwa data tersebut sesuai untuk EFA. Uji MAP Velicer merekomendasikan ekstraksi faktor tunggal. Faktor ini menjelaskan 52.74% dari total varians. Muatan faktor berkisar antara 0.54 (item 3) dan 0.78 (item 9) (Tabel 2 ). CFA dengan subsampel SNS2 dihitung untuk menguji solusi satu faktor. Indeks kecocokan adalah CFI = 0.81, RMSEA = 0.092 [CI = 0.075–0.111] dan SRMR = 0.064 (untuk diagram jalur, lihat Gambar 2 ).

OP

Uji sferisitas Bartlett (Χ² ⁼ 455.7, df = 36, p < 0.001) dan kriteria KMO (0.80) menunjukkan bahwa data tersebut sesuai untuk EFA, dan uji MAP menyarankan solusi satu faktor. Faktor yang diekstrak menjelaskan 53.30% dari total varians. Butir 3 dan 7 memiliki muatan faktor terendah (0.52), sedangkan butir 9 memiliki muatan faktor tertinggi (0.93) (Tabel 3 ). Solusi satu faktor diuji dengan CFA (subsampel: OP2). Indeks kesesuaian model adalah CFI = 0.87, RMSEA = 0.080 [CI = 0.062–0.099] dan SRMR = 0.057 (untuk diagram jalur, lihat Gambar 3 ).

Korelasi dengan penggunaan SNS / OP / internet dan skor sIAT

SNS

Skor SNSDQ berkorelasi dengan waktu penggunaan SNS ( r = 0.32, p < 0.01), waktu penggunaan internet mingguan ( r = 0.16, p < 0.01) dan skor sIAT ( r = 0.73, p < 0.01).

OP

Skor OPDQ berkorelasi dengan waktu penggunaan OP ( r = 0.22, p < 0.01) dan sangat lemah dengan waktu penggunaan internet per minggu ( r = 0.08, p < 0.05). Korelasi tertinggi ditemukan dengan skor sIAT ( r = 0.72, p < 0.01).

Perbandingan orang dengan penggunaan SNS / OP bermasalah dan tidak bermasalah

SNS

Dibandingkan dengan pengguna yang tidak bermasalah, pengguna SNS yang bermasalah menggunakan SNS jauh lebih sering dan memiliki skor sIAT yang lebih tinggi. Mereka juga tampaknya mengalami lebih banyak tekanan psikopatologis, tetapi, terlepas dari ukuran efek perbedaannya, ini hanyalah kecenderungan ( p = 0.13). Untuk detailnya, lihat Tabel 4.

OP

Dibandingkan dengan pengguna yang tidak bermasalah, peserta yang diidentifikasi sebagai pengguna OP bermasalah menghabiskan lebih banyak waktu di Internet secara umum dan lebih banyak waktu menggunakan OP, memiliki skor sIAT yang jauh lebih tinggi dan mengalami lebih banyak tekanan psikopatologis (Tabel 4 ).

Dalam penelitian ini, kami mengadaptasi IGDQ versi Jerman dengan penggunaan SNS dan OP dan mengevaluasi sifat psikometri dari versi yang dimodifikasi untuk menyelidiki sejauh mana kriteria IGD cocok untuk menilai penggunaan SNS dan OP yang bermasalah.

Analisis item

Rata-rata persetujuan terhadap item-item tersebut rendah untuk kedua kuesioner, yang diharapkan dan diinginkan mengingat daftar periksa tersebut menilai kriteria penggunaan bermasalah pada sampel non-klinis. Untuk SNS, item yang paling banyak disetujui, item 6, berkaitan dengan penundaan. Hal ini tampaknya masuk akal, karena SNS sering digunakan untuk menunda-nunda [ 46 , 47 ]. Item 7 (menipu/menutupi) menerima persetujuan terendah, yang juga tampaknya masuk akal mengingat banyak orang menggunakan SNS setiap hari dan dengan cara yang diterima secara sosial, sehingga berbohong tentang hal itu tidak perlu [ 12 ]. Untuk OP, item 7 (menipu/menutupi) memiliki persetujuan tertinggi. Ini mungkin terjadi karena penerimaan sosial terhadap OP agak rendah meskipun digunakan secara santai dan banyak orang mungkin merasa malu karenanya [ 48 ]. Persetujuan terendah adalah untuk item 9, yang tampaknya masuk akal, karena hal itu menyiratkan konsekuensi yang parah (risiko/kehilangan hubungan/peluang). Korelasi item-total yang dikoreksi berada pada tingkat sedang untuk kedua kuesioner dan di atas ambang batas r _itc = 0.30 [ 43 ]. Satu-satunya pengecualian adalah item 3 untuk SNS dan item 7 untuk OP. Item 3 mengacu pada toleransi, kriteria yang khas untuk penyalahgunaan zat tetapi tampaknya lebih sulit diterapkan dalam konteks SNS [ 49 ]. Korelasi item-total yang dikoreksi rendah untuk item 7 (OP) tampaknya masuk akal, karena, seperti yang telah dibahas, penggunaan OP umumnya dapat dikaitkan dengan rasa malu, sehingga menipu orang lain tentang penggunaan seseorang tidak membedakan dengan baik antara pengguna yang bermasalah dan yang tidak bermasalah.

Keandalan

SNSDQ dan OPDG menunjukkan konsistensi internal yang baik (SNS: ω _ordinal = 0.89; OP: ω _ordinal = 0.88). Hasilnya sebanding dengan kuesioner lain yang mengukur penggunaan SNS bermasalah (misalnya Skala Media Sosial Bergen: α = 0.88) atau penggunaan OP (misalnya sIAT-sex: α = 0.88) [ 16 , 20 ].

Keabsahan

Dalam proses EFA, faktor tunggal diekstraksi untuk versi kuesioner SNS maupun OP. Hal ini sejalan dengan hasil untuk IGDQ asli [ 31 ]. Butir 3 memiliki muatan faktor terendah di kedua versi, mungkin karena kriteria toleransi tidak terlalu sesuai dengan konteks SNS dan OP. Pada akhirnya, kriteria toleransi berasal dari kecanduan berbasis zat. Dalam konteks itu, maknanya jauh lebih jelas daripada terkait dengan penggunaan OP, SNS, atau bahkan permainan daring yang bermasalah, yang kegunaannya juga diperdebatkan secara kontroversial ( pro : [ 30 , 50 ] | kontra : [ 51 , 52 ]). Pada versi OP, butir 7 (menipu/menutupi) juga memiliki muatan faktor yang lebih rendah daripada butir lainnya. Hal ini mencerminkan argumen di atas mengenai mengapa item tersebut tidak begitu berguna untuk membedakan antara pengguna bermasalah dan tidak bermasalah (37.4% dari pengguna tidak bermasalah dan 86% dari pengguna bermasalah menyetujuinya). Ini menunjukkan bahwa perilaku menutupi tidak secara eksplisit terkait dengan penggunaan berlebihan yang bermasalah yang diukur oleh OPDG, tetapi mungkin terkait dengan sikap sosial terhadap penggunaan berlebihan secara umum.

Secara keseluruhan, hasil untuk CFA menunjukkan bahwa solusi satu faktor untuk kedua kuesioner dipertanyakan dan tidak mewakili kesesuaian yang baik. Sementara SRMR baik untuk kedua model, CFI dan RMSEA berada di bawah dan masing-masing di atas batas. Seperti di EFA, Item 6 untuk SNS dan Item 7 untuk OP memiliki faktor beban yang sangat rendah. Ini menyiratkan bahwa korelasi mereka dengan skala keseluruhan masing-masing rendah dan, oleh karena itu, korelasinya dengan perilaku penggunaan yang bermasalah juga rendah. Meskipun hal ini tidak selalu menimbulkan masalah, penting bagi penelitian selanjutnya untuk memeriksa apakah item-item ini harus direvisi, diberi bobot secara berbeda atau bahkan dihilangkan.

Kedua kuesioner berkorelasi kuat dengan versi sIAT yang sesuai, menunjukkan validitas konvergen yang baik. Versi SNS menunjukkan korelasi kecil hingga sedang dengan penggunaan internet secara umum dan waktu penggunaan SNS (per minggu). Versi OP juga menunjukkan korelasi kecil dengan waktu penggunaan OP (per minggu). Besarnya korelasi penggunaan bermasalah dengan waktu yang dihabiskan untuk menggunakan aplikasi masing-masing berada dalam kisaran yang dilaporkan secara konsisten [ 53 , 54 , 55 ].

Untuk mengevaluasi validitas diagnostik SNSDQ dan OPDQ, kami pertama-tama membandingkan tingkat prevalensi yang diamati dengan yang ditemukan dalam penelitian lain. Untuk SNS, 3.4% peserta melebihi ambang batas, dan, terkait dengan OP, 7.1% memenuhi kriteria penggunaan bermasalah. Meskipun membandingkan tingkat prevalensi sulit dilakukan karena banyaknya instrumen diagnostik yang berbeda, tingkat yang ditemukan di sini sebanding dengan beberapa yang ada dalam literatur. Dalam penelitian mereka terhadap sampel representatif nasional remaja Hungaria, Bányai dkk. (2017) [ 3 ] menemukan tingkat prevalensi 4.5% untuk penggunaan SNS yang bermasalah. Mengenai penggunaan OP yang bermasalah, Giordano dan Cashwell (2017) [ 55 ] melaporkan tingkat prevalensi 10.3% dalam sampel mahasiswa Amerika dan Ross dan rekan-rekannya (2012) [ 15 ] menemukan tingkat 7.6% dalam sampel orang dewasa Swedia.

Penting untuk dicatat bahwa tidak ada diagnosis yang dapat dibuat menggunakan instrumen ini. Pertama, baik DSM-5 maupun ICD-11 tidak memuat diagnosis untuk penggunaan OP atau SNS yang bermasalah. Kedua, bahkan jika ada, wawancara klinis oleh seorang ahli akan diperlukan untuk memverifikasi adanya gangguan klinis yang signifikan dan gangguan fungsional serta tidak adanya kriteria pengecualian untuk kasus individu, yang merupakan persyaratan untuk diagnosis psikiatri. Penilaian klinis independen tersebut tidak dikumpulkan dalam penelitian ini, sehingga kami tidak dapat menentukan apakah orang-orang di atas ambang batas akan memerlukan diagnosis apa pun. Namun, kami akan menganggap mereka sebagai kandidat yang mungkin untuk diagnosis tersebut. Untuk menyelidiki lebih lanjut validitas diagnostik, kami membandingkan pengguna di atas dan di bawah ambang batas dan menemukan perbedaan yang mencolok. Pengguna yang bermasalah menghabiskan lebih banyak waktu online per minggu (hanya untuk OP) dan menggunakan aplikasi pilihan mereka lebih lama. Meskipun peningkatan waktu penggunaan bukanlah kriteria yang cukup untuk menyimpulkan penggunaan yang bermasalah, beberapa penelitian telah menemukan korelasi – meskipun lemah – antara waktu penggunaan dan penggunaan yang bermasalah [ 53 , 54 , 55 ]. Selain itu, pengguna yang bermasalah memiliki skor sIAT yang jauh lebih tinggi dan tampaknya mengalami tingkat tekanan psikologis yang lebih tinggi (hanya untuk OP). Secara keseluruhan, hasil ini – khususnya perbedaan yang sangat besar antara skor total BSI dalam kasus pengguna OP yang bermasalah – dapat dianggap sebagai indikator pertama validitas kriteria instrumen dan menunjukkan bahwa kriteria IGD mungkin cocok untuk mengidentifikasi individu dengan penggunaan SNS atau OP yang bermasalah [ 56 ].

keterbatasan

Studi ini harus dipertimbangkan dalam konteks keterbatasannya. Salah satu keterbatasannya adalah hanya partisipan dewasa yang diuji, meskipun media sosial khususnya juga sering digunakan oleh remaja [ 3 ]. Keterbatasan lainnya adalah tidak semua partisipan menjawab semua kuesioner mengenai penggunaan bermasalah (media sosial, aplikasi pribadi, dan IGD). Hal ini akan memungkinkan penyelidikan yang lebih rinci tentang tumpang tindih antara penggunaan bermasalah dari masing-masing aplikasi. Selain itu, hanya data yang dilaporkan sendiri yang dikumpulkan, yang rentan terhadap efek bias, seperti keinginan sosial atau varians metode umum. Selain itu, mereka tidak menyertakan penilaian klinis. Mengingat bahwa tujuan dari daftar periksa laporan diri adalah untuk mengidentifikasi pengguna bermasalah, studi lebih lanjut harus menyelidiki validitasnya dengan sampel orang yang dinilai oleh klinisi menunjukkan penggunaan bermasalah dalam arti yang relevan secara klinis. Lebih lanjut, penting untuk dicatat bahwa baik kriteria untuk diagnosis, maupun jumlah item atau ambang batas apa pun belum disepakati. Kami tidak bermaksud untuk mengajukan argumen apa pun tentang apakah pola perilaku ini akan menjamin status "gangguan". Sebaliknya, tujuan kami adalah untuk mendorong penelitian tentang identifikasi penggunaan media sosial dan aplikasi online yang bermasalah dengan menyediakan instrumen umum yang dapat membantu penilaian komparatif dan menyarankan penggunaan instrumen ini sebagai titik awal umum untuk investigasi tersebut, serta mengubahnya sesuai dengan saran penelitian lebih lanjut.

Karena beberapa parameter psikometri dari kuesioner yang diuji tidak memuaskan, tampaknya kriteria IGD tidak dapat begitu saja dialihkan ke penggunaan SNS / OP yang bermasalah. Namun demikian, hasil keseluruhan kami menunjukkan bahwa ini adalah titik awal yang menjanjikan dan mendukung kelayakan penggunaan kriteria IGD yang disesuaikan sebagai kerangka kerja untuk menilai penggunaan SNS / OP yang bermasalah. Studi ini berkontribusi pada penelitian mengenai aspek pengukuran penggunaan SNS dan OP yang bermasalah dan mungkin menjadi langkah pertama menuju penilaian standar dan berkontribusi untuk penyelidikan konstruksi yang muncul ini. Penelitian selanjutnya harus menyelidiki lebih lanjut kegunaan kriteria DSM-5 untuk IGD dalam konteks penggunaan SNS / OP.

Dataset yang digunakan dan / atau dianalisis selama penelitian ini tersedia dari penulis terkait atas permintaan yang wajar.

BSI:

Inventarisasi Gejala Singkat

CFA:

Analisis Faktor Konfirmatori

Keuangan:

Indeks Kecocokan Komparatif

IC:

Interval Keyakinan

DSM-5:

Manual diagnostik dan statistik gangguan mental

PUS:

Analisis Faktor Eksplorasi

IGD:

Gangguan permainan internet (IGD)

KMO:

Kaiser – Meyer – Olkin

NAA:

Jumlah jawaban afirmatif

buka:

Pornografi Online

OPDQ:

Kuesioner Gangguan Pornografi Online

RMSE:

Akar rata-rata kesalahan perkiraan

SIAT:

Tes Kecanduan Internet Singkat

SNS:

Situs Jejaring Sosial

SNSDQ:

Situs Jejaring Sosial Disorder Questionnaire

SRMR:

Akar standar rata-rata sisa kuadrat