Evaluasi Dampak Pemilikan Smartphone Terhadap Prestasi Akademik Siswa: Studi Kasus Siswa Sekolah Dasar Di Indonesia

Abstrak

Di era kekinian, dengan berbagai fasilitas yang disediakannya, smartphone telah menjadi sebuah kebutuhan utama di berbagai kalangan masyarakat. Tidak hanya orang dewasa, anak-anak juga dapat dengan mudah terjangkau oleh akses terhadap smartphone. Tidak diragukan bahwa keberadaan smartphone dapat mempermudah berbagai macam pekerjaan manusia. Namun, disamping besarnya manfaat yang diberikan, terdapat pula beberapa kerugian yang sering dikhawatirkan oleh para orang tua. Penelitian ini bermaksud untuk menjawab kekhawatiran para orang tua terhadap akibat yang akan ditimbulkan oleh pemilikan smartphone pada anak-anak. Dengan menggunakan data Indonesian Family Life Survey (IFLS) tahun 2014, penelitian ini mencoba untuk mengetahui dampak pemilikan smartphone terhadap prestasi akademik anak. Metode yang digunakan adalah metode Propensity Score Matching (PSM). Hasil penelitian memberikan bukti bahwa pemilikan smartphone berdampak signifikan dan positif terhadap prestasi akademik anak SD untuk mata pelajaran Matematika yaitu sebesar 0,4 poin tetapi tidak signifikan terhadap mata pelajaran Bahasa Indonesia.

Dengan bukti statistik yang disediakan oleh penelitian ini, para orang tua tidak perlu khawatir berlebihan terhadap pemilikan smartphone pada anak-anak. Akan tetapi, orang tua harus tetap bijak dalam memberikan fasilitas smartphone dan membimbing anak-anaknya dalam menggunakan smartphone pada arah penggunaan yang positif.

Penelitian ini terbatas pada ketersediaan data variabel karakteristik grup treatment dan grup kontrol pada IFLS 2014. Diharapkan, penelitan selanjutnya dapat dilakukan dengan menggunakan sumber data yang lebih komprehensif.

Keywords: dampak smartphone, propensity score matching, IFLS.

Pendahuluan

Tidak dapat dipungkiri, teknologi yang dikembangkan oleh manusia dari tahun ke tahun membawa dampak yang signifikan pada berbagai sisi kehidupan manusia. Teknologi menawarkan kemudahan, kecepatan, dan efisiensi pekerjaan lengkap dengan tantangan-tantangannya. Secara garis besar, perkembangan teknologi informasi dapat dikelompokkan menjadi beberapa era yaitu era akuntansi tahun 1950, era operasional tahun 1960, era informasi tahun 1970, era jejaring tahun 1980, dan era jejaring global tahun 1990 (Jogiyanto, 2008). Mesin ketik IBM yang diperkenalkan pertamakali pada tahun 1964 menjadi awal dari perkembangan aplikasi pengolah kata hingga pada akhirnya sekarang telah muncul berbagai macam aplikasi pengolah informasi yang jauh lebih canggih. Seolah tidak akan pernah berakhir, perkembangan teknologi informasi masih akan terus berlanjut dari tahun ke tahun.

Di era kekinian, smartphone, sebagai salah satu wujud nyata pesatnya perkembangan teknologi informasi dengan berbagai fasilitas yang disediakannya (internet dan multimedia), telah menjadi sebuah kebutuhan utama di berbagai kalangan masyarakat. Tidak hanya orang dewasa, anak-anak juga dapat dengan mudah terjangkau oleh akses terhadap smartphone. Tidak diragukan bahwa keberadaan smartphone dapat mempermudah berbagai macam pekerjaan manusia. Namun, disamping besarnya manfaat yang diberikan, terdapat pula beberapa kerugian yang harus diwaspadai. Penggunaan smartphone pada anak-anak dikhawatirkan dapat mengganggu aktivitas belajar anak-anak dan kemudian dapat memperburuk prestasi belajarnya (Saha, 2017). Di samping efek positif berupa kemudahan akses informasi akademik, terdapat juga efek negatif dari penggunaan smartphone pada anak-anak akibat terlalu sering menggunakan media sosial dan bermain online games yang pengaruhnya tidak hanya kepada penggunanya tetapi juga kepada teman-teman sekitarnya (Gowthami, 2016). Penelitian lain mengungkapkan bahwa pengalaman penggunaan smartphone tidak memberikan dampak yang besar terhadap kecerdasan emosional anak-anak (Kim, 2015). Selain itu, studi yang dilakukan oleh Common Sense Media (2010) menunjukkan bahwa siswa di North Carolina yang terbiasa menggunakan smartphone memiliki nilai ujian aljabar 25% lebih tinggi daripada siswa yang tidak terbiasa menggunakan smartphone, sedangkan anak-anak di Inggris menunjukkan peningkatan kemampuan mengeja.

 Dengan data dan metode yang berbeda, penelitian ini juga ditujukan untuk mengetahui dampak pemilikan smartphone pada anak-anak terhadap prestasi belajarnya di sekolah. Pertanyaan penelitiannya adalah apakah terdapat perbedaan pencapaian prestasi akademik antara siswa yang memiliki smartphone dengan siswa yang tidak memiliki smartphone. Jika ada, berapakah besarnya dampak dari pemilikan smartphone terhadap prestasi akademik anak-anak? Selanjutnya, peneliti berharap hasil penelitian ini memberikan manfaat kepada para orang tua sebagai bahan pertimbangan dalam memberikan fasilitas smartphone kepada anak-anak dan membimbingnya ke arah penggunaan yang positif. Karena menggunakan metode yang berbeda dan data yang relatif baru, penelitian juga ini diharapkan dapat memberikan kontribusi literatur bagi penelitian selanjutnya. 

Peneliti menggunakan data survei individual yang tersedia dalam Indonesian Family Life Survey (IFLS) tahun 2014. Peneliti memilih siswa Sekolah Dasar sebagai objek penelitian karena peneliti berkeyakinan bahwa pada siswa umur tersebut penggunaan atau pemilikan smartphone masih harus disertai dengan bimbingan orang tua. Dengan kata lain, siswa sekolah dasar belum begitu perlu menggunakan smartphone dalam kehidupan sehari-hari mereka. Penggunaan smartphone pada anak-anak usia sekolah dasar cenderung ke arah penggunaan yang bersifat adiktif, misalnya bermain game baik online maupun offline. Dugaan peneliti ini diperkuat oleh pendapat seorang ahli anestesi (anesthesiologist) Tim Farnaum (dimuat dalam The Washington Post pada tanggal 19 Juni 2107) yang menyatakan bahwa jika anak terlalu sering menggunakan smartphone maka perkembangan otaknya akan menurun, kemampuan bersosialisasi akan terhambat, dan ketergantungan selayaknya pecandu narkoba dan alkohol akan terjadi. Seperti diberitakan di media tersebut, Farnaum membentuk organisasi nirlaba Parents Against Underage Smartphones (PAUS) pada Bulan Februari 2017 dan telah membuat petisi untuk menggalang dukungan guna melarang peggunaan smartphone pada anak-anak.

Penelitian ini menggunakan metode Propensity Score Matching (PSM) untuk mengestimasi dampak treatment pemilikian smartphone terhadap prestasi akademik anak-anak. Temuan utamanya adalah pemilikan smartphone berdampak signifikan dan positif terhadap prestasi akademik anak SD untuk mata pelajaran Matematika yaitu sebesar 0,4 poin tetapi tidak signifikan terhadap mata pelajaran Bahasa Indonesia.

Sistematika penulisan peneliti sajikan dalam tujuh bagian. Bagian pertama adalah pendahuluan yang berisi latar belakang, pertanyaan penelitian, tujuan penelitian, manfaat penelitian, dan keunikan penelitian. Bagian kedua mendiskusikan literatur atau penelitian terdahulu yang berkaitan dengan topik penelitian ini. Bagian ketiga berisi deskripsi data IFLS 2014. Bagian kempat menjelaskan tentang metodologi penelitan yang digunakan. Bagian kelima mendiskusikan hasil peneitian dan analisisnya. Bagian terakhir adalah kesimpulan dan rekomendasi.

 Literatur dan Penelitian Terdahulu

Berdasarkan laporan survei yang dilakukan oleh Global System for Mobile Communications Association (GSMA) pada tahun 2014 terhadap penggunaan telepon seluler pada anak-anak usia 9-16 tahun di negara Eropa (Belgia, Denmark, Irlandia, Italia, Portugal, Rumania, dan Ingris) dan Jepang, diketahui bahwa:

1. Rata-rata sebanyak 69% anak-anak pada setiap negara yang disurvei menggunakan telepon seluler.
2. Anak-anak pertama kali menggunakan telepon seluler paling banyak pada umur 10 dan 12 tahun.
3. Dua dari tiga anak-anak pengguna telepon seluler memiliki smartphone sendiri.
4. Sebanyak 71% anak-anak pengguna telepon seluler melakukan akses terhadap internet, sedangkan pada anak-anak yang memiliki smartphone, jumlahnya meningkat menjadi 95%.
5. Penggunaan internet yang paling sering dilakukan adalah untuk menonton video (88%) dan untuk belajar (77%).
6. Sebanyak 88% anak-anak yang memiliki akses terhadap internet memiliki akun media sosial.
7. Sebanyak 10% anak-anak penguna telepon seluler melupakan waktu untuk makan dan tidur.
8. Sebanyak 38% anak-anak yang memiliki smartphones merasa cemas jika mereka tidak terkoneksi dengan internet.
9. Sebanyak 22% anak-anak pengguna telepon seluler memiliki waktu yang lebih sedikit untuk keluarga, teman, atau tugas sekolah karena internet.

Penelitian tentang dampak pemilikan smartphone pada anak-anak di Indonesia belum banyak dilakukan. Namun, penelitian tentang dampak penggunaan smartphone telah banyak dilakukan. Beberapa penelitan tentang dampak penggunaan smartphone   dapat dilihat pada Tabel 1.

Deskripsi Data

Penelitian ini menggunakan data individual yang terdapat pada IFLS tahun 2014. Objek penelitian adalah responden yang berusia di bawah 15 tahun dan mengikuti ujian nasional SD pada tahun 2014. Dengan mempertimbangkan beberapa variabel kontrol seperti karakteristik orang tua, tipe sekolah, lokasi sekolah, jenis kelamin, kecerdasan siswa, dan kondisi ekonomi, peneliti akan mengeksplorasi dampak pemilikan smartphone terhadap prestasi akademik siswa yang ditunjukkan oleh nilai ujian akhir nasional. Berikut adalah rincian variabel-variabel yang digunakan.

1.    Pemilikan Smartphones

Di dalam kuesioner IFLS 2014 terdapat pertanyaan (a) “Apakah kamu memiliki telepon seluler?” dan (b) “Untuk apakah penggunaan telepon seluler?”. Jika responden menjawab dengan jawaban “Ya” untuk pertanyaan (a) dan menjawab “Social Media” atau “Multimedia” untuk pertanyaan (b) maka dapat dipastikan responden memiliki smartphone. Variabel pemilikan smartphone adalah variabel treatment (treat) dengan nilai 1 jika siswa memiliki smartphone dan 0 jika siswa tidak memiliki smartphone.

2.    Nilai ujian nasional SD

Karena terbatas pada ketersediaan data, nilai ujian nasional yang digunakan dalam penelitian ini adalah nilai mata pelajaran Bahasa Indonesia dan Matematika. Nilai ujian untuk mata pelajaran Ilmu Pengetahuan Alam tidak tersedia di dalam data IFLS, sedangkan total nilai ujian nasional dicurigai berasal dari komposisi jumlah mata pelajaran yang tidak sama. Pemilihan tahun ujian yang sama (tahun 2014) dimaksudkan untuk menghilangkan bias perbedaan tingkat kesulitan soal ujian antar tahun.

3.    Variabel kontrol

Variabel kontrol yang digunakan dalam penelitian ini adalah variabel jenis kelamin siswa, tipe sekolah yang dibedakan atas sekolah negeri dan sekolah swasta, variabel pengalaman pernah tinggal kelas, jumlah rata-rata jam belajar di kelas per hari, tingkat pendidikan ayah dan ibu, menerima bantuan biaya sekolah atau tidak, lokasi sekolah, pengeluaran untuk biaya sekolah, ukuran kelas, jarak ke sekolah, dan pengeluaran konsumsi makanan.

Metodologi Penelitian: PSM (dipelajari dalam matakuliah Evaluasi Dampak)

Menurut Caliendo dan Kopeinig (2008), dalam metode mathing, ada dua asumsi yang harus dipenuhi, yaitu asumsi Unconfountedness atau Conditional Independence Assumtion (CIA) dan Overlap atau Common Support. Kedua asumsi ini harus dipenuhi dakam rangka untuk mendapatkan grup kontrol yang sama dengan grup treatment.

1.    Unconfountedeness

Asumsi unconfountedness mensyaratkan bahwa, dengan kovariat-kovariat yang dapat dioservasi yang tidak dipengaruhi oleh variabel treatment, potential outcome harus bersifat independen terhadap treatment. Semua variabel yang mempengaruhi treatment dan potential outcome harus sudah diobservasi oleh peneliti. Asumsi ini didukung dengan ketersediaan data yang berkualitas. Apabila tidak dapat meperoleh data yang cukup, peneliti dapat menggunakan strategi identifikasi yang berbeda seperti difference-in-differences (DID) atau instrument variable (IV) estimators.

2.    Overlap

Asumsi overlap menunjukan bahwa individu-individu dengan nilai kovariat yang sama mempunyai probabilitas yang sama untuk menjadi grup treatment atau grup kontrol.

Selanjutnya, Caliendo dan Kopeinig (2008) menjelaskan langka-langkah untuk mengimplementasikan metode Propensity Score Matching sebagai berikut:

1.    Mengestimasi propensity score

Untuk mendapatkan nilai estimasi propensity score, ada dua hal yang harus diperhatikan terlebih dahulu, yaitu pemilihan model dan pemilihan variabel yang akan digunakan untuk mengestimasi nilai propensity score. Pada dasarnya, semua model diskret dapat digunakan. Untuk treatment yang bersifat biner, model logit dan probit akan menghasilkan nilai yang sama walaupun distribusi logit akan memiliki nilai densitas masa yang lebih besar. Selanjutnya, variabel yang sebaiknya dimasukkan ke dalam model adalah variabel yang tidak dipengaruhi oleh treatment tetapi memberikan pengaruh terhadap partisipasi dan outcome. Variabel yang dipilih untuk dimasukkan ke dalam model juga harus berdasarkan teori atau temuan penelitian terdahulu.

2.    Memilih matching algorithm

Ada empat metode algoritma untuk melakukan matching, yaitu: Nearest Neighbour (NN) dengan replacement atau nonreplacement, Caliper and Radius, Stratification and Interval, dan Kernel and Local Linear. Peneliti dapat menggunakan salah satu dari beberapa metode algoritma tersebut. Jika keempat metode tersebut memberikan hasil yang sama, artinya pemilihan metode algoritma tidak begitu penting. Jika masing-masing metode memberikan hasil yang berbeda, artinya investigasi lanjutan perlu dilakukan untuk mengetahui penyebab terjadinya perbedaan tersebut. Penelitian ini menggunakan metode NN karena metode NN adalah metode yang paling umum digunakan di dalam penelitian evaluasi dampak. NN dengan replacement menghasilkan matching yang lebih baik karena grup kontrol yang memiliki karakteristik yang sama dengan grup kontrol dapat digunakan lebih dari satu kali. Sebagai pembanding, peneliti juga akan menggunakan metode Radius Caliper dan Kernel.

3.    Mengecek overlaps atau common support

Keberadaan overlaps atau dan daerah common support antara grup treatment dan grup kontrol adalah hal yang penting dalam proses matching. Dengan kata lain, padanan grup treatment dan grup kontrol hanya akan terjadi pada daerah common support. Cara paling mudah untuk mengetahui daerah common support adalah dengan analisis visual distribusi propensity score dari kedua grup.

4.    Menilai kualitas matching

Kualitas matching dapat diuji dengan metode standardized bias, t-Test, joint significance and pseudo R², dan stratification test. Uji ini dilakukan untuk mengetahui apakah masih terjadi perbedaan di antara grup treatment dan grup kontrol atau apakah distribusi kovariat sudah seimbang di antara grup treatment dan grup kontrol. Jika masih terdapat perbedaan, langkah-langkah sebelumnya harus diulangi hingga mendapatan kualitas matching yang baik. Jika hasilnya masih belum memenuhi syarat, maka asumsi unconfountedness gagal untuk dipenuhi sehingga metode evaluasi dampak yang lainnya harus digunakan sebagai alternatif.

5.    Estimasi standard errors dan analisis sensitivitas

Untuk menghindari masalah standard errors yang terlalu rendah yang diakibatkan oleh variasi ketika melakukan estimasi, bootstrapped standard errors harus digunakan (Lechner 2002). Selain itu, analisis sensitifitas juga merupakan hal yang penting untuk dilakukan dalam melakukan evaluasi dampak. Jika nilai sensitifitas dari estimasi dampak treatment akibat pengaruh kovariat yang tidak terobservasi cukup tinggi, pertimbangkan kembali asumsi identifikasi dan estimator alternatif lainya. Menurut Rosenbaum (2005), analisis sensitivitas harus dilakukan untuk melihat sensitivitas hasil temuan terhadap bias yang tersembunyi akibat karakteristik yang tidak terobservasi. Uji sensitifitas dapat dilakukan dengan Wilcoxon’s signed-rank test yang dikembangkan oleh Rosenbaum (2002). Di dalam Stata, uji sensitivitas dapat dilakukan dengan menggunakan rbounds.

Selanjutnya, untuk melakukan uji dan langkah-langkah matching sebagaimana tersebut di atas, peneliti menggunakan bantuan software StataSE 13.

Hasil Penelitian

Hasil statistik deskriptif dari data yang digunakan dalam penelitian ini terdapat pada Tabel 3 Karena observasi pada variabel urban, edufatheryear, dan edumotheryear banyak terjadi missing, peneliti memutuskan untuk menghilangkan variabel tersebut dari model. Selanjutnya, hanya ada sembilan variabel kontrol yang digunakan.

Tabel 4 menunjukkan hasi regresi model logit untuk mengetahui variabel apa saja yang mempengaruhi pemilikan smartphone. Dari sembilan variabel, terdapat enam variabel yang signifikan pada levelnya masing-masing mempengaruhi variabel pemilikan smartphone yaitu waktu rata-rata jam belajar di kelas, pengalaman tinggal kelas, penerimaan bantuan sekolah, jenis kelamin, kapasitas ruang kelas, dan konsumsi daging.

1.    Hasil estimasi propensity score

Hasil output estimasi propensity score dengan menggunakan pscore pada Stata dapat dilihat pada Tabel 5, Tabel 6, dan Figur 1 yang menunjukkan bahwa distribusi propensity score memiliki keseimbangan yang memenuhi syarat (satisfied) untuk dilakukan matching.

2.    Nilai dampak pemilikan smartphone dan estimasi standard error

Peneliti menggunakan algoritma NN untuk melakukan matching. Namun, sebagai pembanding, peneliti juga menyajikan hasil matching dengan metode algoritma yang lain yaitu Kernel dan Radius Caliper. Hasil outout dari psmatch2 pada Stata dengan metode-metode tersebut dapat dilihat pada Tabel 7. Dengan keempat metode yang digunakan tersebut, tidak terlihat nilai dampak yang berbeda jauh. Artinya, perbedaan metode algoritma matching yang digunakan tidak menjadi masalah penting dalam penelitian ini. Lebih lanjut, peneliti menggunakan bootstrap untuk mengetimasi nilai standard error guna menghindari masalah standard errors yang terlalu rendah yang diakibatkan oleh variasi saat melakukan estimasi matching. Bootstrapped standard error berkaitan dengan asumsi bahwa sampel yang digunakan merupakan representasi dari populasi.

Nilai dampak dan estimasi standard error yang peneliti gunakan adalah nilai yang dihasilkan dengan metode NN with replacement. Dapat diketahui bahwa pemilikan smartphone memiliki dampak terhadap nilai ujian nasional Matematika yang signifikan (p-value = 0,042) sebesar 0,4050 poin.

Namun, hasil yang berbeda akan terlihat jika variabel outcome yang digunakan adalah nilai ujian nasional Bahasa Indonesia. Hasil matching dengan keempat metode tidak menunjukkan pengaruh yang signifikan (Tabel 8).

3.    Overlaps atau common support

Dari analisis visual distribusi propensity score dari kedua grup dengan menggunakan Figur 2 dapat diketahui bahwa terdapat daerah common support pada distribusi propensity score sehingga matching dapat dilakukan. Daerah common support ditandai dengan adanya perpotongan kurva propensity score grup kontrol dan grup treatment.

4.    Kualitas matching

Peneliti menguji kualitas matching diuji dengan tiga macam cara yaitu standardized bias, t-Test, dan hotelling test. Ketiga macam pengujian menunjukkan kualitas matching yang digunakan dalam penelitian telah memenuhi syarat. Hasil pengujian standardized bias dapat dilihat pada Figur 3. Dari Figur 3 terlihat perbedaan distribusi standardized bias sebelum dan setelah matching. Distirbusi standardized bias setelah matching yang tersebar mendekati garis standar 0 menunjukkan kualitas matching yang baik.

Selanjutnya, dengan uji T-test pada Tabel 9, terdapat penurunan nilai bias yang signifikan pada semua variabel kontrol sebesar 56% - 98,2%. Hal ini menunjukkan kualitas matching yang baik. Sedangkan dengan Hotelling Test, kualitas matching juga diperoleh hasil yang baik dengan ditunjukkan oleh nilai p-value yang lebih besar dari 0.05.

5.    Analisis sensitivitas

Bias seleksi dapat terjadi ketika terdapat dua individu yang memiliki karakteristik terobservasi yang sama tetapi memiliki probabilitas yang berbeda untuk mendapatkan treatment (Rosenbaum, 2002). Oleh karena itu, Rosenbaum menyarankan pengujian sensitivitas yang, salah satu caranya, dapat dilakukan dengan Wilcoxon’s Signed Rank Test. Tabel 11 menunjukkan hasil dari uji tersebut.   

Hasil estimasi dari Rosenbaum tidak berbeda jauh dengan hasil estimasi dampak dengan PSM. Estimasi dampak dengan NN with replacement adalah sebesar 0.405, sedangkan estimasi Hodges Lehman menunjukkan angka 0,295 (ketika gamma = 1). Keduanya sama-sama signifikan pada level 1% dan 5%.

Tabel 11 menunjukkan peningkatan p-value bersamaan dengan peningkatan rasio gamma. Hal ini menunjukkan bahwa bias seleksi juga mempengaruhi perbedaan outcome antara grup treatment dan grup kontrol. Sebagai contoh, pada nilai gamma 1.1 siswa yang memiliki karakteristik terobservasi yang sama, akan memiliki perbedaan nilai ujian Matematika akibat bias seleksi pada rentang nilai 0.249 dan 0.375. Oleh karena itu, dapat disimpulkan bahwa penelitian ini sensitif terhadap bias seleksi.

Kesimpulan

Penelitian ini menyediakan bukti empiris bahwa pemilikan smartphone pada anak-anak tidak selamanya memiliki dampak yang buruk. Temuan dari penelitian ini menunjukkan bahwa siswa SD yang memiliki smartphone mendapatkan nilai ujian Matematika 0.40 poin lebih tinggi daripada siswa SD yang tidak memiliki smartphone. Namun, terhadap nilai ujian Bahasa Indonesia, pemilikan smartphone tidak berdampak siginifikan. Oleh kaena itu, para orang tua tidak perlu khawatir berlebihan terhadap fenomena kemudahan akses anak-anak terhadap smartphone. Asal dengan bimbingan dan pengawasan yang tepat, dampak positif yang diberikan oleh smartphone kepada anak-anak, khususnya dampak prestasi akademik, dapat lebih lebih besar daripada dampak negatifnya.

Perlu diperhatikan bahwa, dalam mengintepretasikan hasil penelitian ini, terdapat keterbatasan pada data karakteristik objek penelitian yang terdapat dalam IFLS 2014 dan sifat sensitivitas dari penelitian. Oleh karena itu, peneliti menyarankan agar penelitian selanjutnya dapat dilakukan dengan memperkaya jumlah eksplorasi terhadap variabel karakteristik individu yang digunakan dalam penelitian.

Daftar Pustaka

Becker, Sascha O dan Marco Caliendo. 2007. Sensitivity Analysis for Average Treatment Effects. The Stata Journal, Vol. 7, No. 1, pp. 71-83.

Caliendo, M., & Kopeinig, S., 2008. Some Practical Guidence for the Implementation of Propensity Score Matching. Journal of Economic Surveys Vol. 22, No. 1, pp. 31-71.

Gowthami, S. (2016). Impact of Smartphone: A pilot study on positive and negative effects. International Journal of Scientific Engineering and Applied Science (IJSEAS).

GSMA dan NTT Docomo’s Mobile Society Research Institute. 2015. Children’s Use of Mobile Phones – A Special Report 2014. Japan.

Jogiyanto H.M. 2008. Sistem Teknologi Informasi. Yogyakarta: Penerbit Andi.

Kibona, Lusekelo dan Juma Mdimu Rugina. 2015. A review on the Impact of Smartphones on Academic Performance of Students in Higher Learning Institutions in Tanzania. Journal of multidisciplinary Engineering Science and Technology (JMEST), Vol 2 issue 4, April 2015.

Kim, J.-K. (2015). The Effects of Young Children's Smartphone Use Experience. Vol.117 (Information Technology and Computer Science 2015).

Lechner, M., 2002. Some practical issues in the evaluation of heterogenous labour market programmes by matching methods. Journal of the Royal Statistical Society, A (165), 5982.

Lepp, Andrew; Jacob E. Barkley; dan Aryn C. Karpinski. 2015. The Relationship Between Cell Phone Use and Academic Performance in a Sample of U.S. College Students. SAGE Open, Januari – Maret 2015.

Leuven, E. and B. Sianesi. (2003). "PSMATCH2: Stata module to perform full Mahalanobis and propensity score matching, common support graphing, and covariate imbalance testing". http://ideas.repec.org/c/boc/bocode/s432001.html.

Manumpil, Beauty; Yudi Ismanto; dan Franly Onibala. 2015. Hubungan Penggunaan Gadget dengan Tingkat Prestasi Siswa di SMA Negeri 9 Manado. e-Jural Keperawatan, Vol 3, No. 2, April 2015.

Mettler, Katie. 2017. The Washington Post.  https://www.washingtonpost.com/ news/morning-mix/wp/2017/06/19/why-a-colorado-dad-is-fighting-to-make-smartphones -for-preteens-illegal/. Diakses pada tanggal 29 Desember 2017.

Rabiu, Haruna; Aisha Indo Muhammed; Yunusa Umaru; dan Hadiza Tukur Ahmed. 2016. Impact Of Mobile Phone Usage On Academic Performance Among Secondary School Students In Taraba State, Nigeria. European Scientific Journal, Vol. 12, No. 1, Januari 2016.

Rahma, Afifah. 2015. Pengaruh Penggunaan Smartphone terhadap Aktifitas Kehidupan Siswa. Jurnal Online Mahasiswa Universitas Riau, Vol 2, No. 2, Oktober 2015.

Rosenbaum, P. R., 2005. Sensitivity analysis in observational studies. Encyslopedia of statistics in behavioral science, 4, 18091814.

Saha, M. (2017, March 3). nischint. http://www.nischint.com: http://www .nischint.com/harmful-effects-smartphones-children.

Sulistyaningrum, Eny. 2016. Impact Evaluation Of The School Operational Assistance Program (Bos) Using The Matching Method. Journal of Indonesian Economy and Business Vol 31 No. 1, pp.33-62.

Tabel 1. Penelitian Terdahulu

No.	Nama dan Tahun Penelitian	Judul Penelitian	Jurnal	Metode	Hasil Penelitian
1	S. Gowthami dan S. Ventaka Khrisna Kumar (2016)	Impact of Smartphone: A pilot study on positive and negative effects	International Journal of Scientific engineering and Applied Science (USEAS), Vol 2, Issue 3, Maret 2016	Kualitatif	Deskripsi dampak positif dan negatif smartphone di sektor bisnis, pendidikan, kesehatan, psikologi, dan sosial.
2	Beauty Manumpil, Yudi Ismanto, dan Franly Onibala (2015)	Hubungan Penggunaan Gadget dengan Tingkat Prestasi Siswa di SMA Negeri 9 Manado	e-Jural Keperawatan, Vol 3, No. 2, April 2015	Kuantitatif	Siswa yang jarang menggunakan gadget memiliki prestasi yang lebih tinggi.
3	Afifah Rahma (2015)	Pengaruh Penggunaan Smartphone terhadap Aktifitas Kehidupan Siswa	Jurnal Online Mahasiswa Universitas Riau, Vol 2, No. 2, Oktober 2015	Kualitatif	Dampak positif atau negatif dari pengguanaan smartphone tergantung dari proporsi waktu dan tempat menggunakannya.
4	Lusekelo Kibona dan Juma Mdimu Rugina (2015)	A review on the Impact of Smartphones on Academic Performance of Students in Higher Learning Institutions in Tanzania	Journal of multidisciplinary Engineering Science and Technology (JMEST), Vol 2 issue 4, April 2015	Kualitatif	Pemilikan smartphones membawa manfaat dan kerugian bagi mahasiswa. Smartphone dapat mendukung aktivitas belajar mahasiswa, namun juga dapat dijadikan alat untuk melakukan kecurangan akademik.
5	Andrew Lepp, Jacob E. Barkley, dan Aryn C. Karpinski (2015)	The Relationship Between Cell Phone Use and Academic Performance in a Sample of U.S. College Students	SAGE Open, Januari – Maret 2015	Kuantitatif	Peningkatan penggunaan telepon seluler dapat menurunkan prestasi akademik mahasiswa.
6	Haruna Rabiu, Aisha Indo Muhammed, Yunusa Umaru, dan Hadiza Tukur Ahmed (2016)	Impact Of Mobile Phone Usage On Academic Performance Among Secondary School Students In Taraba State, Nigeria	European Scientific Journal, Vol. 12, No. 1, Januari 2016	Kuantitatif	Penggunaan teleopn seluler berpengaruh signifikan terhadap presatasi akademik siswa laki-laki dan perempuan sekolah menengah.

            Tabel 2. Variabel Kontrol

Variabel Kontrol	Keterangan
Jenis kelamin (sex)	Laki-laki = 1, perempuan = 0
Tipe sekolah SD (sctype)	Negeri = 1, swasta = 0
Karakteristik orang tua	SD 6 tahun, SMP 9 tahun, SMA 12 tahun, D3 15 tahun, S1 16 tahun, S2 18 tahun, dan S3 22 tahun sebagai proksi kualitas pendidikan orang tua
Pendidikan ayah (edufatheryear)
Pendidikan Ibu (edumotheryear)
Pernah tinggal kelas (failed)	Ya = 1, tidak = 0 sebagai proksi kecerdasan siswa
Rata-rata jam belajar dikelas (hstudy)	Jumlah rata-rata jam belajar di kelas per hari sebagai proksi lama alokasi waktu untuk belajar
Menerima bantuan biaya sekolah atau tidak (assist)	Menerima = 1, tidak menerima = 0 sebagai proksi kemampuan ekonomi siswa
Lokasi sekolah (urban)	Urban = 1, rural = 0 sebagai proksi pengaruh kualitas sekolah berdasarkan lokasi sekolah
Pengeluaran untuk keperluan sekolah (cost)	Pengeluaran yang berkaitan dengan keperluan sekolah pada tahun 2013/2014
Ukuran kelas (size)	Jumlah siswa per kelas. Menurut Permendikbud Nomor 17 Tahun 2017, jumlah optimal untuk kelas SD adalah 20-28 siswa per kelas. Dengan asumsi semakin banyak jumlah siswa dalam sebuah kelas, semakin buruk kualitas kegiatan belajar mengajar, kelas dengan jumlah siswa sama dengan kurang dari 20 bernilai 1, dan yang lebih dari 20 bernilai 0.
Jarak ke sekolah (timetoschool)	Diproksikan dengan lama waktu (menit) untuk menempuh satu kali perjalanan ke sekolah
Konsumsi daging (meat)	Jika siswa mengkonsumsi daging dalam satu minggu terakhir, meat = 1. Jika tidak, meat = 0

Tabel 4. Model Logit Pemilikan Smartphone

VARIABLES	treat
hstudy	-0.044**
	(0.018)
failed	-0.373**
	(0.171)
sctype	-0.074
	(0.172)
assist	-0.315***
	(0.113)
sex	-0.209*
	(0.115)
cost	-0.000
	(0.000)
size	-0.360**
	(0.167)
timetoschool	-0.005
	(0.006)
meat	0.516***
	(0.119)
Constant	0.582**
	(0.242)
Observations	1,323
Standard errors in parentheses

Tabel 7. Nilai dampak dan estimasi standard error terhadap nilai Matematika

Metode Matching	Dampak	Standard Error	T-Stat	Bootstraped Standard Error	p-value
NN with replacement	0.4050	0.1897	2.14	0.1991	0.042
NN without replacement	0.4794	0.1886	2.54	0.2257	0.037
Kernel	0.3549	0.1673	2.12	0.1862	0.057
Radius Caliper	0.3575	0.1686	2.12	0.2113	0.091

    

Tabel 8. Nilai dampak dan estimasi standard error terhadap nilai Bahasa Indonesia

Metode Matching	Dampak	Standard Error	T-Stat	Bootstraped Standard Error	p-value
NN with replacement	- 0.1288	0.2293	- 0.56	0.2703	0.634
NN without replacement	0.1241	0.1362	0.91	0.1236	0.315
Kernel	0.0076	0.1441	0.05	0.1802	0.966
Radius Caliper	- 0.0031	0.1490	- 0.02	0.1628	0.985

Tabel 11. Uji Sensitivitas Rosenbaum

Gamma	p-value		Hodges Lehman Point Estimate
	Upper Bound	Lower Bound	Upper Bound	Lower Bound
1	0.000126	0.000126	0.2955	0.2955
1.1	0.005103	0.000000	0.249	0.375
1.2	0.057287	0.000000	0.125	0.5
1.3	0.251694	0.000000	0.049	0.525
1.4	0.56799	0.000000	0.000	0.625
1.5	0.829924	0.000000	-1	0.67
Gamma : odds of differential assignment due to unobserved factors