<div class="course-card-title">Mata Kuliah: Analisis Data Kategori 1</div>
<div class="course-card-sub">Program Studi S1 Statistika · FMIPA Universitas Padjadjaran · Dosen: Prof. I Gede Nyoman Mindra Jaya, Ph.D</div>Latar Belakang
Game online telah menjadi industri hiburan terbesar di dunia. Pada tahun 2025, pasar game global diperkirakan mencapai USD 188,8 miliar dengan 3,58 miliar pemain aktif (sekitar 60% dari seluruh pengguna internet). Di Asia Tenggara, Indonesia adalah pasar game terbesar dengan nilai USD 2 miliar dan ~148 juta pemain aktif.
Salah satu masalah kesehatan mental yang sering dikaitkan dengan game online adalah Internet Gaming Disorder (IGD), yaitu pola bermain yang terus-menerus hingga mengganggu kegiatan sehari-hari. Studi-studi menemukan:
Penelitian ini berfokus pada dua faktor utama yang memiliki bukti empiris kuat:
🚻 Jenis Kelamin (Gender) — Perempuan memiliki risiko lebih tinggi mengalami gangguan kecemasan secara umum, namun dalam konteks game, laki-laki justru lebih berisiko IGD. Perbedaan ini menunjukkan jalur mekanisme yang berbeda.
🎮 Gaya Bermain (Playstyle) — Lebih mencerminkan tekanan psikologis dibanding sekadar durasi. Binge gaming (>5 jam berturut-turut) berhubungan dengan kecemasan lebih tinggi, terlepas dari total durasi harian.
Tujuan: Menganalisis pengaruh jenis kelamin dan gaya bermain terhadap status kecemasan pemain game online menggunakan regresi logistik biner, untuk mengidentifikasi kelompok pemain yang paling berisiko.
Data Sekunder
Data yang digunakan adalah Online Gaming Anxiety Data dari platform Kaggle, dikumpulkan oleh Marian Sauter & Dejan Draschkow. Data mencakup informasi demografis responden, pola bermain gim, dan instrumen psikologis termasuk GAD-7 (Generalized Anxiety Disorder-7).
✅ Sampel akhir setelah praproses: 13.248 observasi
| Kode | Kategori | Kriteria |
|---|---|---|
| 1 | Cemas | Skor GAD-7 ≥ 10 |
| 0 | Tidak Cemas | Skor GAD-7 < 10 |
Titik potong (cut-off) skor 10 mengikuti rekomendasi klinis standar untuk mengidentifikasi kecemasan tingkat sedang hingga berat.
| Variabel | Skala | Kategori | Referensi |
|---|---|---|---|
| X₁: Gender | Nominal | Male / Female | Male |
| X₂: Playstyle | Nominal | Singleplayer / Multiplayer | Singleplayer |
Analisis deskriptif mencakup:
Proporsi pada setiap sel tabel kontingensi dihitung dengan:
\[P_{ij} = \frac{n_{ij}}{n}\]
dimana \(P_{ij}\) = proporsi sel baris ke-\(i\) kolom ke-\(j\); \(n_{ij}\) = frekuensi aktual pada sel tersebut; \(n\) = ukuran sampel total
Multikolinearitas dapat menyebabkan ketidakstabilan estimasi parameter. Diuji menggunakan Variance Inflation Factor (VIF):
\[VIF_j = \frac{1}{1 - R_j^2}\]
Kriteria: \(VIF < 10\) → tidak ada multikolinearitas ✅
Kondisi perfect separation terjadi ketika suatu kategori prediktor mampu memisahkan seluruh observasi ke kategori respons secara sempurna — menyebabkan estimasi MLE gagal konvergen (parameter → ∞).
Pemeriksaan dilakukan melalui tabel kontingensi. Jika tidak ada sel bernilai nol → tidak terjadi perfect separation ✅
Model regresi logistik biner merupakan bagian dari Generalized Linear Model (GLM) untuk variabel respons dikotomus menggunakan fungsi logit:
\[\ln\!\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1(\text{Gender}_\text{Perempuan}) + \beta_2(\text{Playstyle}_\text{Multiplayer})\]
Bentuk fungsi probabilitas:
\[p = \frac{e^{\beta_0 + \beta_1 X_1 + \beta_2 X_2}}{1 + e^{\beta_0 + \beta_1 X_1 + \beta_2 X_2}}\]
Parameter diestimasi dengan Maximum Likelihood Estimation (MLE) secara iteratif menggunakan algoritma Fisher Scoring:
\[L(\beta) = \prod_{i=1}^{n} p_i^{y_i}(1 - p_i)^{1-y_i}\]
Hipotesis: \(H_0: \beta_1 = \beta_2 = 0\) vs \(H_1:\) minimal satu \(\beta_j \neq 0\)
\[G^2 = -2\ln\!\left(\frac{L_0}{L_1}\right)\]
\(G^2 \sim \chi^2\) dengan derajat bebas sesuai jumlah parameter yang diuji
Kriteria: Tolak \(H_0\) jika \(p\text{-value} < 0{,}05\)
Hipotesis: \(H_0: \beta_j = 0\) vs \(H_1: \beta_j \neq 0\)
\[Z = \frac{\hat{\beta}_j}{SE(\hat{\beta}_j)}\]
Kriteria: Tolak \(H_0\) jika \(p\text{-value} < 0{,}05\)
Tiga ukuran pseudo R² digunakan untuk evaluasi model:
| Ukuran | Formula |
|---|---|
| McFadden R² | \(1 - \frac{\ln(L_1)}{\ln(L_0)}\) |
| Cox & Snell R² | \(1 - \left(\frac{L_0}{L_1}\right)^{2/n}\) |
| Nagelkerke R² | \(\frac{R^2_{CS}}{1 - L_0^{2/n}}\) |
\[OR = e^{\hat{\beta}}\]
\[CI_{95\%} = \left(e^{\hat{\beta} - 1{,}96 \cdot SE(\hat{\beta})},\ e^{\hat{\beta} + 1{,}96 \cdot SE(\hat{\beta})}\right)\]
Interpretasi OR:
| Nilai OR | Interpretasi |
|---|---|
| OR > 1 | Peningkatan peluang kecemasan |
| OR < 1 | Penurunan peluang kecemasan |
| OR = 1 | Tidak ada perbedaan peluang |
Analisis dilakukan terhadap 13.248 responden yang memenuhi seluruh kriteria penelitian.
| Jenis Kelamin | Frekuensi | Persentase (%) |
|---|---|---|
| Laki-laki | 12.550 | 94,73 |
| Perempuan | 698 | 5,27 |
| Total | 13.248 | 100 |
Responden didominasi oleh laki-laki (94,73%), sementara perempuan hanya 5,27%.
| Gaya Bermain | Frekuensi | Persentase (%) |
|---|---|---|
| Singleplayer | 764 | 5,77 |
| Multiplayer | 12.484 | 94,23 |
| Total | 13.248 | 100 |
Mayoritas responden bermain multiplayer (94,23%), sementara singleplayer hanya 5,77%.
| Status Kecemasan | Frekuensi | Persentase (%) |
|---|---|---|
| Tidak Cemas | 10.946 | 82,62 |
| Cemas | 2.302 | 17,38 |
| Total | 13.248 | 100 |
17,38% responden (2.302 orang) dikategorikan mengalami kecemasan.
| Jenis Kelamin | Tidak Cemas | Cemas | % Cemas |
|---|---|---|---|
| Laki-laki | 10.486 | 2.065 | 16,45% |
| Perempuan | 460 | 238 | 34,10% |
Proporsi gamer perempuan yang cemas (34,10%) jauh lebih tinggi dibandingkan laki-laki (16,45%).
| Gaya Bermain | Tidak Cemas | Cemas | % Cemas |
|---|---|---|---|
| Singleplayer | 600 | 164 | 21,47% |
| Multiplayer | 10.346 | 2.138 | 17,13% |
Proporsi gamer singleplayer yang cemas (21,47%) lebih tinggi dari multiplayer (17,13%), meski perbedaannya tidak sebesar perbedaan gender.
| Variabel | VIF |
|---|---|
| Jenis Kelamin | 1,003 |
| Gaya Bermain | 1,003 |
Nilai VIF = 1,003 (jauh di bawah batas 10) → tidak ada multikolinearitas ✅. Kedua variabel dapat dimasukkan secara simultan ke dalam model.
Berdasarkan Tabel 4 dan 5, seluruh kombinasi kategori memiliki frekuensi pengamatan pada kedua kategori respons (cemas dan tidak cemas). Tidak ditemukan sel dengan frekuensi nol.
✅ Tidak terjadi perfect separation. Model berhasil konvergen setelah empat iterasi Fisher Scoring.
| Variabel | Estimate | Std. Error | z value | p-value |
|---|---|---|---|---|
| Intersep | −1,41248 | 0,08975 | −15,737 | < 2e-16 |
| Gender (Perempuan) | 0,95473 | 0,08358 | 11,423 | < 2e-16 |
| Playstyle (Multiplayer) | −0,22624 | 0,09227 | −2,452 | 0,0142 |
Model regresi logistik biner yang diperoleh:
\[\ln\!\left(\frac{p}{1-p}\right) = -1{,}4125 + 0{,}9547(\text{Perempuan}) - 0{,}2262(\text{Multiplayer})\]
Koefisien positif pada Perempuan (+0,9547) → meningkatkan log-odds kecemasan. Koefisien negatif pada Multiplayer (−0,2262) → menurunkan log-odds kecemasan.
| Statistik | Nilai |
|---|---|
| Null Deviance | 12.236 |
| Residual Deviance | 12.110 |
| Chi-square (G²) | 126,31 |
| Derajat Bebas | 2 |
| p-value | < 2,2e-16 |
\(G^2 = 126{,}31\) dengan \(p < 0{,}001\) → Tolak \(H_0\). Variabel jenis kelamin dan gaya bermain secara simultan berpengaruh signifikan terhadap status kecemasan. Model penuh secara statistik lebih baik dari null model.
Mengacu pada Tabel 7:
Baik jenis kelamin maupun gaya bermain secara parsial berpengaruh signifikan terhadap status kecemasan setelah mengendalikan variabel lainnya.
| Variabel | Odds Ratio | Batas Bawah 95% | Batas Atas 95% |
|---|---|---|---|
| Gender (Perempuan) | 2,598 | 2,203 | 3,057 |
| Playstyle (Multiplayer) | 0,798 | 0,667 | 0,958 |
- Gender: OR = 2,598; 95% CI (2,203–3,057) tidak memuat 1 → signifikan. Gamer perempuan memiliki odds cemas 2,598× lebih tinggi dari laki-laki.
- Playstyle: OR = 0,798; 95% CI (0,667–0,958) tidak memuat 1 → signifikan. Pemain multiplayer memiliki odds cemas sekitar 20,2% lebih rendah dari singleplayer.
Efek jenis kelamin (OR = 2,598) secara substantif jauh lebih kuat dibandingkan efek gaya bermain (OR = 0,798).
| Ukuran | Nilai |
|---|---|
| McFadden R² | 0,01032 |
| Cox & Snell R² | 0,00949 |
| Nagelkerke R² | 0,01574 |
Ketiga nilai pseudo R² sangat rendah → variabel gender dan playstyle hanya menjelaskan sebagian kecil variasi status kecemasan. Faktor lain yang mungkin berkontribusi: intensitas bermain, motivasi bermain, kondisi sosial, kualitas tidur, dan karakteristik psikologis individu.
⚠️ Catatan: Nilai pseudo R² yang rendah tidak berarti model tidak berguna. Tujuan utama penelitian ini adalah mengidentifikasi faktor yang berhubungan dengan kecemasan, bukan memaksimalkan kemampuan prediksi. Uji simultan dan parsial tetap menunjukkan signifikansi statistik yang kuat.
Pengaruh Jenis Kelamin:
Gamer perempuan memiliki odds kecemasan 2,598× lebih tinggi (OR = 2,598; 95% CI: 2,203–3,057), konsisten dengan literatur psikologi umum yang melaporkan angka kejadian kecemasan lebih tinggi pada perempuan. Ini berbeda dari studi IGD yang justru menemukan risiko lebih tinggi pada laki-laki — menunjukkan bahwa gender memengaruhi kesehatan mental pemain melalui jalur yang berbeda. Proporsi kecemasan perempuan yang lebih tinggi juga kemungkinan dipengaruhi oleh tekanan sosial tambahan dalam komunitas gaming yang masih didominasi laki-laki.
Pengaruh Gaya Bermain:
Multiplayer berhubungan dengan odds kecemasan lebih rendah (OR = 0,798; 95% CI: 0,667–0,958). Meski berlawanan dengan asumsi umum, hal ini sejalan dengan penelitian yang menunjukkan bahwa interaksi sosial dalam multiplayer dapat berfungsi sebagai sumber dukungan yang menjaga kesehatan mental pemain.
🎮 Pengembang Game → Membangun fitur sosial yang
lebih inklusif bagi pemain perempuan.
🏆 Komunitas
Esports → Menyediakan dukungan psikologis yang lebih terarah,
terutama bagi gamer perempuan.
🧠 Tenaga Kesehatan
Mental → Mempertimbangkan jenis kelamin dan gaya bermain dalam
identifikasi awal kecemasan pada gamer.
Saran untuk penelitian selanjutnya:
[1] Newzoo. Global Games Market Report 2025; Newzoo: Amsterdam, 2025.
[2] Newzoo. Global games market to hit $189 billion in 2025. Diakses 9 Juni 2026.
[3] Kementerian Ekonomi Kreatif RI. Data Industri Game Nasional; Kemenekraf: Jakarta, 2025.
[4] Rahul, R. et al. Impact of internet gaming disorder on mental well-being. Psychiatry Research 2025, 349, 116512.
[5] Narita, Z.C. et al. Problematic online gaming mediates ADHD and subsequent mental health issues. Communications Psychology 2025, 3, 117.
[6] Kardefelt-Winther, D. A conceptual critique of internet addiction research. Computers in Human Behavior 2014, 31, 351–354.
[7] APA. Diagnostic and Statistical Manual of Mental Disorders (DSM-5). 2013.
[8] Ropovik, I. et al. Risk and protective factors for gaming disorder: A meta-analysis. Addictive Behaviors 2023, 139, 107590.
[9] Tse, N. et al. Roles of binge gaming in social, academic and mental health outcomes. PLOS ONE 2025, 20(8), e0327365.
[10] Lee, S.L.; Tam, C.L. Confounding analysis with gaming aspects in predicting distress. PsyCh Journal 2024, 13(4), 541–551.
[11] McLean, C.P. et al. Gender differences in anxiety disorders. Journal of Psychiatric Research 2011, 45(8), 1027–1035.
[12] Sauter, M.; Draschkow, D. (2020). Online Gaming Anxiety Data. Kaggle.
[13] Spitzer, R.L. et al. A brief measure for assessing GAD: the GAD-7. Archives of Internal Medicine 2006, 166(10), 1092–1097.
[14] Agresti, A. Categorical Data Analysis (3rd ed.). Wiley, 2013.
[15] Christensen, R. Log-Linear Models and Logistic Regression (2nd ed.). Springer, 1997.
[16] Agresti, A. An Introduction to Categorical Data Analysis (3rd ed.). Wiley, 2019.
Analisis Data Kategori 1 · S1 Statistika FMIPA UNPAD · 2026