HUBUNGAN INTENSITAS PENGGUNAAN MEDIA SOSIAL \nINSTAGRAM DENGAN QUARTER LIFE CRISIS PADA MASA DEWASA \nAWAL DI KALANGAN MAHASISWA BIMBINGAN KONSELING \nISLAM UNIVERSITAS ISLAM NEGERI SAYYID ALI RAHMATULLAH \nTULUNGAGUNG
Bibliographic record
Abstract
DWIKI KRISTIANTO, NIM 12306193118. “Hubungan Intensitas Penggunaan \nMedia Sosial Instagram dengan Quarter Life Crisis pada Masa Dewasa Awal di \nKalangan Mahasiswa Bimbingan Konseling Islam Universitas Islam Negeri Sayyid \nAli Rahmatullah Tulungagung”. Skripsi, Bimbingan Konseling Islam, Fakultas \nUshuluddin, Adab dan Dakwah, Program Sarjana Universitas Islam Negeri Sayyid \nAli Rahmatullah Tulungagung. PembimbingDzinnun Hadi, S.Sos.I., M.Pd. \nKata Kunci: Media Sosial, Instagram, Quarter Life Crisis, Dewasa Awal. \nMedia sosial di Indonesia berkembang begitu pesat. Salah satu media sosial yang \npaling banyak digunakan di Indonesia adalah Instagram. Namun di balik keseruan \nInstagram, ternyata terdapat bahaya yang mengintai apabila digunakan secara \nberlebihan. Para pengguna tidak menyadari bahwa platform ini secara tidak \nlangsung dapat berpengaruh terhadap kesehatan mental. Tujuan yang hendak \ndicapai dalam penelitian ini adalah untuk mengetahui hubungan intensitas \npenggunaan media sosial instragram dengan Quarter Life Crisis pada masa dewasa \nawal di kalangan Mahasiswa Bimbingan Konseling Islam Universitas Islam Negeri \nSayyid Ali Rahmatullah Tulungagung. Penelitian ini menggunakan pendekatan \nkuantitatif dengan jenis penelitian korelasional. Populasi dalam penelitian ini \nadalah mahasiswa Bimbingan Konseling Islam yang berjumlah 535 mahasiswa \nyang terdiri dari angakatan 2019 – 2022. Jumlah sampel yang diambil adalah 80 \nmahasiswa dengan menggunakan teknik sampling Non Probability Sampling \ndengan jenis Purposive Sampling. Metode pengumpulan data dalam penelitian ini \nadalah menggunakan angket dengan skala Likert sebagai skala pengukurannya. \nTeknik analisis yang digunakan dalam penelitian ini adalah Pearson Correlation \ndengan menggunakan bantuan aplikasi SPSS 21 for windows. Hasil penelitian \nmenunjukkan bahwa tingkat intensitas penggunaan media sosial Instagram pada \nmahasiswa Bimbingan Konseling Islam UIN Sayyid Ali Rahmatullah Tulungagung \nberada pada tingkat “Sedang”. Dan Quarter Life Crisis pada mahasiswa BKI UIN \nSayyid Ali Rahmatullah Tulungagung juga berada pada tingkat “Sedang”. Hasil uji \nhipotesis nilai r sebesar 0,417 dengan nilai signifikan 0,000 < 0,05 yang dapat \ndisimpulkan bahwa terdapat hubungan yang positif dengan tingkatan “Sedang” \npada intesitas Penggunaan Media Sosial Instagram dengan Quarter Life Crisis pada \nmasa dewasa awal di kalangan mahasiswa Bimbingan Konseling Islam Universitas \nIslam Negeri Sayyid Ali Rahmatullah Tulungagung.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.004 |
| Meta-epidemiology (narrow) | 0.006 | 0.006 |
| Meta-epidemiology (broad) | 0.006 | 0.004 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.013 | 0.009 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.006 | 0.002 |
| Research integrity | 0.006 | 0.009 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".