Psikologi internet
Pathological Buying (PB) Online as A Specific Form of Internet Addiction: A Model Based Experimental Investigation
AbstractPenelitian ini bertujuan untuk menyelidiki berbagai faktor kerentanan untuk patologis pembelian dalam konteks online dan untuk menentukan apakah pembelian patologis online memiliki kesejajaran dengan kecanduan internet tertentu. Menurut model, kecanduan internet spesifik oleh suatu Brand dan rekan, faktor kerentanan potensial dapat terdiri dari rangsangan predisposisi dari belanja dan sebagai variabel mediasi, ekspektasi dan penggunaan internet yang spesifik. Selain itu, sejalan dengan model perilaku kecanduan, keinginan yang diinduksi oleh cue juga harus merupakan faktor penting untuk pembelian patologis online.
Model teoritis diuji dalam penelitian ini dengan menyelidiki 240 peserta perempuan dengan paradigma reaktifitas, yang terdiri dari gambar belanja online, untuk menilai rangsangan dari si belanja. Keinginan (sebelum dan sesudah reaktifitas paradigma) dan harapan untuk belanja online yang diukur. Kecenderungan pembelian patologis secara online disaring dengan Compulsive Buying Scale (CBS) dan Short Internet Addiction Test yang dimodifikasi untuk belanja (s-IATshopping). Hasilnya menunjukkan bahwa hubungan antara rangsangan individu dari belanja dan kecenderungan pembelian patologis online sebagian besar dimediasi oleh harapan penggunaan internet khusus untuk daring belanja (model R² = .742, p <.001). Selanjutnya, keinginan dan kecenderungan membeli patologis online berkorelasi (r = .556, p <.001), dan peningkatan keinginan setelah isyarat presentasi diamati hanya pada individu yang mendapat skor tertinggi untuk pembelian patologis online (t (28) = 2,98, p <.01, d = 0.44).
Kedua instrumen skrining berkorelasi (r = .517, p <.001), dan konordansi diagnostik serta divergensi ditunjukkan dengan menerapkan kriteria cut-off yang diusulkan. Sejalan dengan model untuk kecanduan internet spesifik, studi mengidentifikasi faktor-faktor kerentanan potensial untuk pembelian patologis secara online dan menunjukkan potensial paralel. Kehadiran keinginan pada individu dengan kecenderungan untuk membeli sebuah patologis online menekankan bahwa perilaku ini layak dipertimbangkan dalam kecanduan non-substansi/sebuah prilaku.
Introduction
Kelainan belanja (PB), pembelian kompulsif, kecanduan membeli, dan oniomania adalah istilah yang berbeda yang menggambarkan fenomena yang sama di mana orang-orang sibuk dengan belanja, menderita impuls atau peristiwa pembelian berulang, dan kehilangan kendali atas perilaku pembelian mereka. Kelebihan perilaku ini terkait dengan konsekuensi negatif yang parah seperti penderitaan, masalah sosial dan pekerjaan, kenakalan, atau kebangkrutan keuangan. Perkiraan fenomena PB yang berasal dari penelitian di AS dan Jerman berkisar antara 5,8 hingga 8,0%. Klasifikasi klinis dari fenomena ini masih diperdebatkan, yang direfleksikan oleh terminologi yang berbeda: Meskipun beberapa penulis berpendapat bahwa PB harus diklasifikasikan sebagai
gangguan kontrol impuls, yang lain menekankan kesejajaran dengan spektrum obsesif- kompulsif atau kecanduan. Oleh karena itu, dalam makalah ini, kami menggunakan istilah netral "kelainan belanja" sesuai dengan Müller et al. Sehubungan dengan etiologi dan patogenesis, emosi yang berbeda (misalnya, mencari kesenangan atau melarikan diri dari emosi negatif) dan mekanisme kognitif (misalnya, impulsivitas, kegagalan dalam pengaturan diri, atau kurangnya pengambilan keputusan) tampaknya terlibat dalam pengembangan dan pemeliharaan PB. Saat ini, semakin banyak penulis menekankan bahwa PB berbagi beberapa karakteristik kunci dengan kecanduan perilaku ketika membandingkan kriteria diagnostik yang diusulkan untuk kecanduan perilaku, yang termasuk keasyikan dengan perilaku, kontrol berkurang atas perilaku, berulang kali gagal dalam upaya untuk mengurangi atau menghentikan perilaku tsb, toleransi, penarikan, dan konsekuensi psikososial yang merugikan. Lebih penting lagi, penelitian juga menunjukkan isyarat-reaktivitas dan keinginan untuk individu dengan PB. Paralel antara gangguan perjudian dan gangguan penggunaan zat, terutama yang berkaitan dengan reaktivitas dan keinginan, menyebabkan reklasifikasi gangguan perjudian ke kategori diagnostik baru kecanduan non-zat dalam edisi kelima Diagnostik dan Statistik Manual Gangguan Mental (DSM-5).
Sampai saat ini, ada penelitian langka tentang PB dalam konteks Internet, meskipun berbeda dengan toko-toko batu bata dan mortir, tingkat pertumbuhan ritel internet terus meningkat, yang menunjukkan bahwa semakin banyak orang menggunakan belanja online untuk memperoleh barang-barang konsumen. Oleh karena itu, masuk akal bahwa perilaku pembelian yang bermasalah sekarang juga terjadi secara online. Penelitian sebelumnya melaporkan bahwa Internet memberikan karakteristik yang tampaknya mendorong PB, seperti kesempatan untuk belanja selama 24 jam sehari, untuk berbelanja dari kenyamanan rumah pribadi, atau untuk menggunakan sistem pembayaran mudah yang mengarah pada pengeluaran yang tidak disengaja. Oleh karena itu, pertanyaannya apakah kelainan belanja online adalah kondisi klinis yang berbeda atau apakah itu hanya terjemahan PB di lingkungan ritel konvensional ke media lain.
Di bidang penelitian kecanduan internet, Davis [ 25 ] adalah yang pertama untuk membedakan antara kecanduan Internet umum (GIA) dan kecanduan Internet tertentu (SIA). GIA terkait dengan penggunaan multidimensional Internet dengan penggunaan non-spesifik dari satu aplikasi pada khususnya, sedangkan SIA dicirikan oleh keasyikan yang berlebihan dan terlalu sering menggunakan satu aplikasi Internet tertentu. dinyatakan bahwa hampir setiap aplikasi Internet dapat digunakan dengan cara disfungsional / adiktif; aplikasi yang paling sering digunakan secara adiktif disfungsional adalah game online dan perjudian, situs jaringan sosial, cybersex, dan belanja online. Baru-baru ini, Brand et al. [ 26 ] menyempurnakan model kecanduan internet yang
menghubungkan faktor-faktor kerentanan, kognisi (gaya koping, harapan penggunaan internet), dan mekanisme penguatan dalam konteks GIA dan SIA. Salah satu jalan dalam model yang menjelaskan penggunaan kecanduan dari satu aplikasi Internet adalah hubungan antara kecenderungan untuk menerima gratifikasi oleh aplikasi (sebagai karakteristik inti seseorang) dan harapan bahwa aplikasi memenuhi keinginan tertentu (yaitu, penggunaan internet harapan sebagai seseorang kognisi spesifik). Oleh karena itu, kepuasan yang berpengalaman memperkuat dan merupakan salah satu elemen kunci dalam pengembangan dan pemeliharaan SIA. Namun, sepengetahuan kami, hubungan ini belum diuji untuk kelainan belanja online. Penelitian sebelumnya telah menggambarkan faktor kerentanan tunggal dalam konteks kelainan belanja online. Sehubungan dengan harapan penggunaan internet, kognisi yang berbeda yang terutama memotivasi kelainan belanja online telah dijelaskan (seperti membeli tanpa pengawasan, menghindari interaksi sosial, kehadiran variasi produk yang lebih besar, atau kemungkinan untuk memuaskan dorongan untuk membeli lebih cepat). Sehubungan dengan predisposisi khusus untuk menerima gratifikasi melalui aplikasi Internet, ada bukti empiris bahwa kealainan belanja online dikaitkan dengan respon imbalan, kegembiraan, dan kesenangan yang lebih tinggi.
Mengingat fitur bermanfaat ini, salah satu faktor predisposisi potensial mungkin merupakan reaktivitas isyarat dalam konteks model kecanduan. Secara lebih rinci, dinyatakan bahwa dalam konteks mekanisme pembelajaran, efek yang menguntungkan dari obat menjadi terkait dengan isyarat yang berhubungan dengan kecanduan (misalnya, lingkungan, bau, atau perlengkapan) yang mengarah ke arti-penting insentif untuk isyarat ini. Reaktivitas isyarat ini sering dioperasionalkan dengan penilaian subyektif (misalnya, gairah dan dorongan) serta respons fisiologis (misalnya, detak jantung, konduktansi kulit, atau suhu kulit) terhadap isyarat terkait kecanduan Isyarat reaktivitas berbeda di antara individu dan tampaknya cocok sebagai indikator eksitasi dari belanja (belanja rangsangan), yang mencerminkan fitur bermanfaat dalam konteks faktor predisposisi potensial. Mentransfer model Merek et al. [ 26 ] untuk membeli patologis secara online, seharusnya bahwa seseorang yang memiliki kecenderungan untuk menjadi sangat sensitive untuk eksitasi dari belanja dan memiliki harapan bahwa penggunaan situs belanja internet dapat memenuhi kebutuhan dan tujuan tertentu (misalnya, harapan untuk memuaskan dorongan untuk membeli lebih cepat secara online) dapat menggunakan situs belanja lebih sering. Gratifikasi yang berpengalaman memperkuat rangsangan belanja yang dapat diprediksi serta harapan belanja online, yang menghasilkan penggunaan belanja daring yang tidak terkendali dan adiktif.
Reaktivitas-isyarat (yaitu, rangsangan dari isyarat belanja) merupakan dasar emosional / motivasi untuk mengalami keinginan. Keinginan umumnya digambarkan sebagai keinginan yang tak tertahankan untuk mengkonsumsi zat dan dikaitkan dengan mencari obat dan kambuh. Konsep isyarat-reaktivitas dan keinginan telah ditransfer ke kecanduan perilaku seperti perjudian, game online, atau penggunaan cybersex. Baru-baru ini, isyarat-reaktivitas dan keinginan ditunjukkan dalam PB konvensional dalam konteks offline. Untuk yang terbaik dari pengetahuan kita, reaktivitas-isyarat dan keinginan belum diselidiki dalam PB online sejauh ini.
Tujuan dari penelitian ini adalah sebagai berikut: Pertama, kami bertujuan untuk menentukan apakah PB online dapat dikonseptualisasikan sebagai SIA karena penelitian sebelumnya memberikan alasan untuk mengasumsikan bahwa PB online dikaitkan dengan faktor kerentanan yang mirip dengan SIA, seperti rangsangan belanja yang lebih tinggi dan harapan belanja online tertentu Sesuai dengan model SIA yang diusulkan oleh Brand et al, dihipotesiskan bahwa predisposisi khusus (belanja rangsangan) dan harapan penggunaan Internet (seperti membeli secara anonim dan menghindari interaksi sosial, mencapai variasi produk yang lebih besar, dan memuaskan dorongan untuk membeli lebih cepat) terkait dengan PB online. Kehebohan belanja yang lebih tinggi seharusnya tidak mengarah secara eksklusif ke PB online, tetapi dalam konteks harapan khusus terhadap internet, pembelian online akan digunakan dengan probabilitas yang lebih besar, yang pada gilirannya akan mengarah pada penggunaan yang adiktif. Dipindahkan ke model statistik, kami berharap bahwa ada hubungan positif antara rangsangan belanja (dioperasionalkan oleh reaktivitas isyarat yang diinduksi percobaan) dan PB online. Kami selanjutnya berhipotesis bahwa harapan belanja online memediasi hubungan antara belanja rangsangan dan PB online. Kecenderungan terhadap pembelian patologis online diasumsikan diprediksi oleh rangsangan belanja faktor predisposisi (dioperasionalkan oleh variabel reaktivitas isyarat) dan harapan belanja online (dioperasionalkan oleh motif untuk berbelanja dan membeli di Internet). Harapannya harus memediasi hubungan antara rangsangan belanja dan kecenderungan menuju pembelian patologis online. Efek langsung ditunjukkan oleh panah terus; efek tidak langsung digambar putus-putus.
Kedua, sejalan dengan bentuk kecanduan Internet spesifik lainnya (seperti kecanduan cybersex, game, dll.) Dan PB konvensional, kami mengharapkan hubungan positif antara pengukuran keinginan dan kecenderungan PB online. Karena efek penguatan yang diasumsikan dari pembelian dan rangsangan belanja yang lebih tinggi pada individu yang kecanduan, kami berhipotesis peningkatan keinginan setelah terpapar foto yang terkait dengan belanja online pada individu dengan kecenderungan tinggi untuk PB online dan bukan pada individu dengan kecenderungan rendah. Ketiga, seperti yang dijelaskan sebelumnya, masih ada perdebatan tentang apakah PB online harus dianggap sebagai kondisi klinis yang berbeda atau terjemahan virtual PB konvensional. Sejalan dengan Davis [ 25 ], yang berpendapat bahwa dalam kasus SIA, patologi juga bisa dikembangkan di luar Internet, kami berhipotesis bahwa ada hubungan positif antara PB konvensional dan perilaku PB online.
Material and methods
Participants (Peserta)
Kami menyelidiki 240 peserta perempuan (usia rata-rata M = 26,63, SD = 10,39, kisaran: 18-64 tahun; durasi pendidikan rata-rata M = 12,34, SD = 1,42 tahun). Hanya wanita yang dimasukkan karena wanita lebih sering diwakili dalam sampel klinis untuk PB [1,7,47] dan kami menggunakan gambar belanja online yang dipilih khusus untuk wanita (lihat bagian Cue-reactivity paradigm). Para peserta direkrut melalui selebaran diposting di Universitas Duisburg-Essen dan iklan online di jaringan internal universitas. Untuk mengambil bagian dalam penelitian, peserta harus membeli produk secara online setidaknya sekali dalam 12 bulan terakhir. Data dikumpulkan antara Januari dan Juli 2014. Rata-rata, peserta menghabiskan M = 22,93 (SD = 19,26) jam online per minggu, menggunakan M = 2,84 (SD = 3,94) jam untuk belanja online. Semua peserta mengambil bagian secara sukarela, tidak dibayar, dan memberikan informed consent tertulis mereka sebelum penelitian. Penelitian ini disetujui oleh komite etika lokal Universitas Duisburg-Essen. Penyelidikan telah dilakukan sesuai dengan prinsip-prinsip yang dinyatakan dalam Deklarasi Helsinki. Sampel utama terdiri dari 244 peserta perempuan, tetapi empat peserta harus dikeluarkan karena set data yang tidak lengkap.
Instrument
Kami pertama kali mengevaluasi variabel sosiodemografi untuk mendeskripsikan sampel secara rinci; setelah itu, kami menerapkan tes yang dijelaskan di bawah ini. Semua data dikumpulkan oleh penyelidik terlatih dalam pengaturan satu-ke-satu dengan Lime Survey (www.limesurvey.org), aplikasi survei open source yang diinstal pada server lokal.
Tes Ketagihan Internet Singkat untuk belanja online.
Untuk menilai PB online, kami menggunakan Uji Ketagihan Internet Singkat (s-IAT) [48] dan memodifikasi item terkait belanja online (s-IATshopping). Istilah "Internet" dan "online" diganti dengan "situs belanja internet" atau "aktivitas belanja online". Salah satu contoh adalah "Seberapa sering Anda mencoba untuk mengurangi jumlah waktu yang Anda habiskan di situs belanja internet dan gagal?" Prosedur ini telah sering digunakan untuk menilai tingkat keparahan ketergantungan untuk aplikasi Internet tertentu seperti game online atau cybersex [43 , 49,50]. Dua belas item harus dijawab pada skala peringkat lima poin mulai dari 1 (tidak pernah) hingga 5 (sangat sering). Nilai total dihitung mulai dari 12 hingga 60. S-IAT memiliki sifat psikometrik yang baik dan skor total> 30 menunjukkan penggunaan Internet yang bermasalah dan skor> 37 penggunaan patologis [48]. S-IATshopping terdiri dari dua subskala: "kontrol / manajemen waktu" (s-IATshopping I) dan "idaman / masalah sosial" (s-IATshopping II), yang memiliki konsistensi internal yang baik dalam sampel kami (untuk s-IAT I , Cronbach α = .85 dan untuk s-IATshopping II, α = .82).
Skala pembelian kompulsif.
Skala pembelian kompulsif (CBS) [51] dalam versi Jerman yang divalidasi [4] digunakan untuk menilai kecenderungan terhadap PB. Ini adalah screener yang paling sering digunakan untuk menilai PB dalam lingkungan ritel offline konvensional. Tujuh item harus dijawab pada skala nilai lima poin mulai dari 1 (sangat sering atau kesepakatan) hingga 5 (tidak pernah atau tidak setuju). Skor total dihitung menggunakan rumus regresi [51]. Skala aslinya berkisar dari -7,02-3,61 dan dalam versi Jerman yang divalidasi, kriteria cut-off ≤ -1,09 mendefinisikan individu sebagai beresiko untuk PB dengan skor lebih rendah di CBS menunjukkan gejala PB yang lebih kuat [4]. Dalam penelitian kami saat ini, kami membalikkan skor total CBS untuk memastikan bahwa semua pengukuran memiliki korelasi positif untuk mendapatkan nilai yang lebih intuitif. Ini berarti bahwa nilai yang lebih rendah menunjukkan kecenderungan yang lebih rendah terhadap simtomatologi PB dan skor yang lebih tinggi menunjukkan kecenderungan yang lebih tinggi terhadap simtomatologi PB. Oleh karena itu, skala yang diubah berkisar dari -3,61-7,02 dan kriteria cut-off ≥ 1,09 menunjukkan PB. Dalam penelitian ini, kami mengungkapkan konsistensi internal yang baik (Cronbach α = 0,81).
Harapan belanja online.
Terinspirasi oleh karya Kukar-Kinney et al. [30], kami mengadopsi item yang sudah ada dan menambahkan item baru untuk menilai motif berbeda untuk berbelanja dan membeli di Internet. 20 item yang dihasilkan harus dijawab pada skala peringkat lima poin mulai dari 1 (ketidaksepakatan mutlak) hingga 5 (kesepakatan mutlak). Pada langkah pertama, kami mengekstraksi tiga faktor menggunakan analisis paralel Horn [52]. Pada langkah kedua, menggunakan analisis faktor eksplorasi (dengan rotasi promax), item yang dimuat pada faktor-faktor berikut: "membeli secara anonim / menghindari interaksi sosial", "membeli ketersediaan / variasi produk", dan "perasaan positif langsung". Berbeda dengan Kukar-Kinney et al. [30], faktor "membeli secara anonim" dan "menghindari interaksi sosial" menghasilkan satu faktor karena kesamaan dalam hal konten. Selanjutnya, karena non-pemuatan, lima item dikeluarkan, menghasilkan kuesioner akhir yang terdiri dari 15 Item. Item dan hasil untuk analisis faktor disajikan dalam Tabel S1. Ketiga subskala yang dihasilkan memiliki konsistensi internal yang baik (Cronbach α untuk "membeli secara anonim / menghindari interaksi sosial", α = .85, untuk "ketersediaan beli / variasi produk", α = .84, dan untuk "perasaan positif langsung", α = .86).
Paradigma reaktif-isyarat.
Kami menerapkan paradigma reaktivitas-isyarat dengan gambar belanja online untuk menilai rangsangan belanja, yang telah sering digunakan dalam penelitian kecanduan [53,54]. Paradigma ini mengandung gambar belanja distal dan proksimal karena telah ditunjukkan bahwa kedua jenis isyarat menimbulkan reaksi keinginan pada individu yang menderita PB [15,55]. Gambar belanja distal umumnya terkait dengan belanja online dan menunjukkan isyarat seperti halaman sampul situs belanja online, simbol keranjang belanja, atau tombol pembayaran. Isyarat belanja proksimal berisi gambar-gambar produk belanja online tertentu yang biasanya disukai pembeli wanita untuk membeli (yaitu peralatan rumah tangga, kosmetik, pakaian, sepatu, buku, perhiasan, perangkat kulit, dan CD / DVD; untuk contoh isyarat distal dan proksimal, lihat Gambar S1) [47,56,57]. Foto-foto itu disajikan secara acak pada layar dalam ukuran 700 x 500 piksel, dan para peserta harus menilai isyarat ini sehubungan dengan gairah dan dorongan untuk membeli pada skala penilaian lima poin mulai dari 1 (tidak sama sekali) sampai 5 (sangat).
Penilaian keinginan.
Reaksi Craved dinilai dengan menggunakan versi modifikasi dari Desires of Alcohol Questionnaire (m-DAQ) [58], yang telah dimodifikasi dalam penelitian terbaru untuk menentukan reaksi keinginan terhadap pembelian [15,55]. 14 Item harus dinilai pada skala peringkat 7 poin dari 0 (ketidaksepakatan mutlak) hingga 6 (perjanjian mutlak). Skor rata-rata dihitung setelah pengodean ulang dua item terbalik. Kuesioner diberikan dua kali, sebelum dan sesudah penyajian gambar yang terkait dengan pembelian dalam paradigma reaktivitas isyarat (pengukuran sebelum dan sesudah keinginan). Konsistensi internal untuk aplikasi pra dan pasca baik (Cronbach α untuk DAQ-pre, α = .85, dan untuk DAQ-post, α = .88).
Analisis statistik
Sehubungan dengan model mediasi yang diusulkan, kami mengoperasionalkan variabel laten sebagai berikut: Peringkat gairah dan dorongan untuk membeli peringkat dari paradigma reaktifitas mewakili dimensi laten "belanja rangsangan", sedangkan motif yang berbeda ("membeli anonim / menghindari interaksi sosial "," membeli ketersediaan / variasi produk ", dan" perasaan positif langsung ") mewakili dimensi laten" harapan belanja online ", yang mewakili mediator yang dihipotesiskan. S-IATshopping I ("kontrol / manajemen waktu") dan s-IATshopping II ("idaman & masalah sosial") mewakili dimensi laten "kecenderungan menuju PB online", yang merupakan variabel dependen yang diusulkan. Semua persyaratan untuk pemodelan mediasi yang disarankan oleh Baron dan Kenny [59] terpenuhi. Untuk evaluasi kecocokan model, kami menerapkan indeks standar dan kriteria cut-off [60]: Residual rata-rata residu kuadrat standar (SRMR; nilai di bawah 0,08 menunjukkan kecocokan yang baik dengan data), indeks perbandingan komparatif (CFI), Indeks Tucker Lewis (TLI; nilai di atas 0,90 menunjukkan kecocokan yang baik, nilai di atas 0,95 sangat sesuai), dan akar kesalahan rata-rata aproksimasi (RMSEA; "test close fit"; nilai di bawah 0,08 dengan nilai signifikansi di bawah ini 0,05 menunjukkan kecocokan yang dapat diterima). Analisis statistik dasar dilakukan menggunakan SPSS 22 (IBM Corp, Armonk, USA) dan pemodelan persamaan struktural dilakukan menggunakan MPlus 6.0 [61]. Untuk analisis korelasional bivariat, kami menerapkan korelasi Pearson. Sehubungan dengan reaksi keinginan, kami membagi sampel dan membandingkan peserta yang mencetak satu standar deviasi di bawah dan satu standar deviasi di atas skor rata-rata s-IATshopping (lihat bagian Reaksi Craving dalam hasil). Reaksi kemelekatan dianalisis menggunakan analisis varians (ANOVA), dengan faktor “faktor” antara subjek (skor rendah vs skor tinggi untuk PB online) dan faktor dalam waktu “waktu” (pra- vs. pasca-keinginan pengukuran). Ukuran efek ditentukan dengan menggunakan parsial η² (ηp²). T-tes post-hoc dilakukan, dan Cohen d [62] dihitung untuk menunjukkan ukuran efek. Untuk mengevaluasi konordansi diagnostik dan divergensi, kriteria cut-off yang dijelaskan (lihat bagian Instrumen) digunakan untuk CBS dan belanja s-IAT untuk menggambarkan jumlah peserta yang diklasifikasikan dan menghitung reliabilitas interrater (Cohen's Kappa; κ).
Results
Penjelasan tentang variabel yang digunakan dalam kuesioner dan paradigma eksperimental ditunjukkan pada Tabel 1.
Tabel 1. Deskripsi kuesioner dan paradigma eksperimental.
s-IATshopping = Tes Kecanduan Internet jangka pendek dimodifikasi untuk belanja ; CBS = Skala Pembelian Kompulsif
https://doi.org/10.1371/journal.pone.0140296.t001
Belanja rangsangan dan harapan belanja online
Untuk model mediasi, variabel yang relevan dimasukkan ke model mediasi sesuai dengan hipotesis. Ukuran efek dari korelasi antara variabel manifes adalah sedang hingga tinggi dan disajikan pada Tabel 2. Model cocok dengan data (CFI = .97; TLI = .95; RMSEA = .09, p <.05; SRMR = .034), meskipun RMSEA agak tinggi. Untuk seluruh model, uji χ² adalah signifikan (χ² = 33,76, df = 11, p <0,001), tetapi rasio χ² / df berada di samping 3. Secara keseluruhan, 74,2% dari varian dalam PB online dijelaskan ( R² = 0,742, p <0,001). Efek langsung dan tidak langsung ditunjukkan pada Gambar 2.
Gambar 2. Hasil untuk model persamaan struktural.
Pembebanan faktor dimensi laten dan bobot β dengan signifikansi, serta total efek langsung dan total tidak langsung, dilukiskan. e = error *** p <.001, ** p <.01, * p <.05
https://doi.org/10.1371/journal.pone.0140296.g002
Tabel 2. Korelasi dari variabel manifes model mediasi.
Variabel manifes "Mendesak untuk membeli" dan "Arusal" dinilai secara eksperimental menggunakan paradigma isyarat-reaktivitas, sedangkan variabel
"Varietas", "Anonim", dan "Perasaan positif langsung" dinilai dengan kuesioner. s-IATshopping = Tes Kecanduan Internet Pendek dimodifikasi untuk belanja
https://doi.org/10.1371/journal.pone.0140296.t002
Efek langsung dari prediktor "rangsangan belanja" pada kriteria "kecenderungan menuju PB online" adalah signifikan (β = .186, SE = .08, p <.05). Efek langsung dari prediktor "rangsangan belanja" ke mediator "harapan belanja online" juga signifikan (β = .617, SE = .05, p <.001), serta efek dari mediator "harapan belanja online "Dengan kriteria" kecenderungan menuju PB online "(β = 0,734, SE = 0,08, p> 0,001). Selanjutnya, total efek tidak langsung dari "belanja rangsangan" atas "harapan belanja online" untuk "kecenderungan terhadap PB online" adalah signifikan (β =, 453, SE = .07, p <.001). Mengingat bahwa efek langsung tetap signifikan setelah memasukkan mediator, mediasi parsial diamati.
Reaksi keinginan
Ada korelasi tinggi antara s-IATshopping dan keinginan sebelum presentasi gambar belanja online (pra-ukiran; r = .556, p <.001), serta setelah presentasi gambar (pasca-keinginan; r = .580 , p <.001). Untuk menunjukkan bahwa peningkatan keinginan semata-mata diamati pada individu yang mendapat skor tinggi untuk PB online, kami membagi sampel dan membandingkan peserta yang mencetak satu standar deviasi di bawah dan satu standar deviasi di atas skor rata-rata s-IATshopping. Sebanyak n = 49 peserta mendapat skor di batas atas dan bawah distribusi. Untuk membandingkan nilai rata-rata keinginan, kami menggunakan ANOVA dengan faktor “kelompok” antar-subjek (skor rendah vs skor tinggi untuk PB online) dan faktor dalam waktu “waktu” (pra- vs. pasca-keinginan pengukuran). Kami mengamati efek utama yang signifikan untuk "grup", F (1, 47) = 43,99, p <0,001, ηp² = 0,48; dan efek utama yang signifikan untuk "waktu", F (1, 47) = 6.09, p <.01, ηp² = .12. Interaksi "grup × waktu" yang signifikan, F (1, 47) = 4.80, p <.05, ηp² = .09, menunjukkan bahwa peserta yang menilai tinggi atau rendah untuk PB online bereaksi berbeda di dua waktu administrasi. Post-hoc t-tests mengungkapkan peningkatan keinginan setelah presentasi gambar, t (28) = 2,98; p <.01, d = 0,44 untuk individu yang mendapat skor tinggi untuk PB online, sedangkan tidak ada perubahan yang diamati untuk individu yang mendapat skor rendah, t (28) = 0,35, p = 0,73, d = 0,04. Selain itu, peserta yang mendapatkan skor tinggi untuk PB online menunjukkan hasrat yang lebih tinggi sebelumnya (t (47) = 6.08, p <.001, d = 1.81) dan setelah (t (47) = 6.32, p <.001, d = 1.88) presentasi gambar dibandingkan dengan individu yang mendapat skor rendah untuk PB online (Gambar 3).
Gambar 3. Reaksi keinginan subyektif.
Hasil sehubungan dengan reaksi keinginan presentasi pra-dan pasca-isyarat untuk peserta skor tinggi dan rendah pada s-IAT-belanja. Bilah galat mewakili standar deviasi (SD). *** p <.001, n.s. = tidak signifikan.
https://doi.org/10.1371/journal.pone.0140296.g003
Instrumen skrining klinis
Ada korelasi kuat antara s-IATshopping dan CBS, r = .517, p <.001 (perhatikan bahwa nilai total CBS terbalik). Gambar 4 menggambarkan frekuensi individu yang dideteksi memiliki PB (disaring oleh CBS dengan skor total> 1.09) dan bermasalah serta penggunaan patologis dalam konteks online (disaring oleh s-IATshopping dengan nilai yang bermasalah> 30 dan skor patologis> 37 ). Dengan menerapkan kriteria cut-off yang dijelaskan, beberapa individu dalam sampel kami diklasifikasikan sebagai pembeli patologis hanya oleh CBS (n = 24), sedangkan beberapa diklasifikasikan sebagai memiliki perilaku pembelian online yang bermasalah semata-mata oleh s-IATshopping (n = 7). Selain itu, ada tumpang tindih dari n = 8 peserta (3,3%) yang memenuhi kriteria perilaku pembelian patologis sebagaimana dinilai oleh CBS dan belanja s-IAT. Tumpang tindih ini dievaluasi hanya ringan dengan κ = 0,278, p <0,001.
Gambar 4. Frekuensi peserta dengan perilaku pembelian yang bermasalah.
Ilustrasi frekuensi para peserta yang disaring sebagai pembeli patologis oleh Skala Pembelian Kompulsif (CBS; skor total> 1.09) dan sebagai pembeli bermasalah / patologis oleh Tes Kecanduan Internet Singkat yang dimodifikasi untuk berbelanja (s-IATshopping; skor bermasalah> 30 ; skor patologis> 37). Seluruh ukuran sampel N = 240.
https://doi.org/10.1371/journal.pone.0140296.g004
Discussion
Studi ini menyelidiki apakah PB online dapat di konseptualisasikan sebagai SIA dengan menyelidiki faktor-faktor kerentanan untuk PB online, seperti rangsangan belanja, khususnya dalam harapan dan keinginan dalam penggunaan internet. Selanjutnya, hubungan PB online dan pengukuran PB konvensional diselidiki untuk mengeksplorasi apakah PB online dapat di konseptualisasikan sebagai independen dari PB konvensional. Hasilnya ditunjukkan, sejalan dengan model yang diusulkan untuk SIA oleh Brand et al. [26], bahwa hubungan rangsangan belanja dan kecenderungan PB online sebagian dimediasi oleh harapan belanja online. Selanjutnya, reaksi keinginan berkorelasi dengan PB online, dan setelah diamati ada peningkatan keinginan pada orang-orang yang mendapat nilai tinggi untuk PB online. Selain itu, itu menunjukkan bahwa dua instrumen skrining (CBS dan s-IATshopping) berkorelasi cukup, tetapi ada perbedaan dan tumpang tindih sehubungan dengan sifat diagnostik ketika menerapkan nilai cut-off yang diusulkan. Hasilnya harus dibahas dalam konteks konsep "kecanduan internet" dan sehubungan dengan mekanisme yang berpotensi berkontribusi terhadap pengembangan dan pemeliharaan gangguan adiktif.
Indikator dari rangsangan berbelanja memprediksi kecenderungan PB online. Salah satu kekuatan dari penelitian ini adalah bahwa rangsangan berbelanja dioperasionalkan secara eksperimental menggunakan variabel reaktivitas-isyarat (gairah dan dorongan untuk membeli) bukan kuesioner laporan diri. Penelitian sebelumnya menunjukkan bahwa paparan isyarat yang relevan dengan obat mengaktifkan keadaan motivasi umum (termasuk gairah), yang sangat terkait dengan perilaku pendekatan pahala pada individu kecanduan [34,36]. Mengantisipasi dan menerima hadiah telah dicatat menjadi penting dalam pengembangan dan pemeliharaan substansi dan kecanduan yang tidak terkait zat seperti gangguan perjudian, permainan online patologis, atau penggunaan cybersex patologis [41,44,63]. Sifat menguntungkan dan menarik dari pembelian ditunjukkan dalam studi sebelumnya di konvensional [7] dan dalam konteks online [31,32,64]. Oleh karena itu, tindakan membeli digambarkan sebagai digunakan untuk memodulasi suasana hati dan memberikan bantuan atau melarikan diri dari emosi negatif [57,65]. Mengingat kesejajaran ini, kami tidak setuju untuk sifat adiktif membeli dalam konteks online.
Semakin tingginya sensitivitas untuk eksitasi dari belanja tidak mengarah secara eksklusif pada patologi pembelian. Faktor-faktor yang mempengaruhi lebih lanjut termasuk harapan bahwa membeli di Internet memenuhi kebutuhan dan tujuan tertentu. Setuju dengan Kukar-Kinney et al. [30], kami menjelajahi tiga harapan berbeda yang memotivasi khususnya pembelian online, berbeda dengan pembelian toko batu bata dan mortir konvensional. Harapan-harapan ini adalah sebagai berikut: (1) membeli secara anonim dan menghindari interaksi sosial, (2) ketersediaan product dan mencapai variasi produk yang lebih banyak, dan (3) menerima perasaan positif langsung. Penelitian sebelumnya menunjukkan bahwa individu dengan PB merasa malu dan menyesal setelah pembelian mereka, sehingga masuk akal bahwa mereka mungkin tidak ingin orang lain (terutama anggota keluarga) untuk melihat apa, berapa banyak, dan seberapa sering mereka membeli [10,30]. Selain itu, kecemasan (terutama kecemasan sosial) sering dikaitkan dengan PB [66]. Akibatnya, anonimitas dan interaksi sosial yang tidak ada dalam lingkungan belanja online dapat mengintensifkan preferensi untuk membeli online [30]. Berbagai produk dan merek yang lebih banyak dan ketersediaan produknya menyediakan cara bagi pembeli patologis untuk mencapai perasaan positif yang lebih besar dan langsung [30], dan diusulkan bahwa Internet dengan kemudahan, ketersediaan, dan kenyamanannya harus memenuhi kebutuhan dan keinginan lebih cepat. Berbeda dengan belanja konvensional [22,30]. Penelitian sebelumnya telah menekankan pentingnya harapan khusus dalam hubungannya dengan PB online [23,24,64]. Konsisten dengan hasil kami, Dittmar et al. [24] menunjukkan bahwa harapan yang berkaitan dengan emosi dan identitas memediasi hubungan antara faktor predisposisi (orientasi nilai materialistik) dan kecenderungan PB online.
Secara keseluruhan, ada bukti empiris bahwa fenomena PB online dikaitkan dengan faktor-faktor spesifik kerentanan (kecenderungan belanja rangsangan dan harapan penggunaan belanja online), dan faktor-faktor ini saling terkait seperti yang diusulkan dalam model -yang saat ini dipublikasikan untuk SIA- oleh Brand et al. [26]. Model mengungkapkan bahwa PB online tidak dijelaskan secara khusus oleh kecenderungan khusus seperti rangsangan dari belanja. Hasil menunjukkan bahwa harapan penggunaan internet dikaitkan dengan PB online dan memediasi sebagian hubungan antara rangsangan berbelanja dan kecenderungan PB online, yang ternyata meningkatkan kemungkinan menggunakan situs belanja online secara berlebihan. Diasumsikan bahwa individu dengan kepekaan tinggi untuk rangsangan berbelanja yang memiliki harapan bahwa belanja online memenuhi kebutuhan dan tujuannya harus lebih rentan terhadap kepuasan dari pembelian online oleh karena itu harus lebih berisiko untuk mengembangkan PB online. Ini berarti bahwa disarankan bahwa rangsangan umum tidak cukup untuk mengembangkan PB online. Hanya jika individu juga memiliki harapan bahwa keinginan mereka dapat dipenuhi oleh belanja online (yang dipengaruhi oleh faktor-faktor predisposisi), mereka menggunakan aplikasi Internet tersebut dan menikmati kepuasan, yang pada gilirannya memperkuat harapan. Model mediasi ini menjelaskan sebagian besar varians (74,2%) dalam kecenderungan PB online yang diukur oleh s-IATshopping. Lebih penting lagi, kecenderungan untuk rangsangan berbelanja menentukan mengapa individu mengembangkan harapan bahwa menggunakan situs belanja online dapat memuaskan keinginan mereka dan kemudian menggunakan situs belanja online secara adiktif dan tidak, misalnya, situs cybersex. Studi ini, meskipun awal, menunjukkan kesejajaran antara PB online dan SIA. Ini adalah studi pertama yang mencoba mengkonsep fenomenologi PB online dalam konteks kecanduan internet, dan interpretasi harus dilakukan dengan hati-hati. Namun, upaya ini memiliki keuntungan yang memberikan dasar teoritis untuk menguji hipotesis untuk mengkonfirmasi atau menyanggah konseptualisasi kecanduan internet.
Dalam teori kecanduan, ditetapkan bahwa isyarat-reaktivitas dan keinginan telah menjadi mekanisme mendasar dalam pengembangan dan pemeliharaan kecanduan [36]. Reaktivitas isyarat mewakili cara di mana isyarat terkait kecanduan dikaitkan dengan mekanisme penguatan obat dan telah digunakan untuk mengoperasionalkan rangsangan dari belanja (yaitu, gairah dan dorongan untuk membeli peringkat) [35,39]. Namun, induksi yang disebabkan dari proses motivasi insentif dan fungsi otak (terutama ocus ocus or c mesolimbic) memberikan dasar emosional / motivasi untuk mengalami keinginan [36,40,67,68]. Hasil kami menunjukkan bahwa individu yang mendapat skor tinggi untuk PB online menunjukkan keinginan yang lebih tinggi (dinilai oleh kuesioner) sebelum dan sesudah paparan isyarat – berbeda dengan individu yang mendapat skor rendah, yang tidak reaktif. Penemuan ini bertepatan dengan penelitian yang menunjukkan isyarat-reaktivitas dan reaksi keinginan untuk pasien PB dalam lingkungan membeli konvensional [15,16]. Penelitian sebelumnya menunjukkan kesamaan antara individu dengan kecanduan zat dan kecanduan perilaku (yaitu, gangguan perjudian) sehubungan dengan keinginan yang diinduksi pada tingkat subjektif dan otak fungsional [69-71]. Karena itu, dalam DSM-5, konsep penyalahgunaan zat dan ketergantungan telah diperluas ke kategori ocus or baru yaitu kecanduan non-zat terkait [17]. Sampai saat ini, hanya gangguan perjudian telah dimasukkan, tetapi telah disebutkan bahwa gangguan perjuadian di internet adalah satu kondisi dengan kebutuhan saat ini untuk penelitian lebih lanjut [17]. Telah dikemukakan bahwa penggunaan Internet yang adiktif juga dapat ocus pada aplikasi lain seperti cybersex, belanja, atau situs jejaring ocus [26,29]. Sepengetahuan kami, ini adalah studi pertama yang menunjukkan keinginan yang diinduksi oleh cue dalam PB online. Mengingat kesejajaran dengan kecanduan perilaku lainnya dan konsep kecanduan internet, kami menyarankan pertimbangan potensial dari PB online dalam konteks SIA dalam kategori kecanduan perilaku / non-substansi terkait. Sebagaimana diuraikan sebelumnya, ini adalah hasil awal, dan dasar empiris untuk pertimbangan ini tidak cukup dievaluasi; penelitian lebih lanjut diperlukan untuk lebih memahami fenomenologi dan aspek klinis dari perilaku patologis.
Sehubungan dengan pertanyaan apakah PB online hanya “masalah lama di pasar baru” ([22] hal. 739), hasil menunjukkan bahwa s-IATshopping dan CBS berkorelasi cukup. Penelitian sebelumnya melaporkan temuan heterogen, dan PB kadang-kadang terkait dengan penggunaan Internet yang disfungsional [64,72], dan kadang-kadang tidak [24,32]. Namun, sebagian besar penelitian yang diterbitkan dalam konteks PB online telah dilakukan tanpa membedakan antara GIA dan SIA. Oleh karena itu, ada kemungkinan bahwa dalam kasus non-korelasi, kuesioner yang diterapkan hanya mencerminkan penggunaan Internet yang disfungsional secara umum, misalnya, penggunaan yang adiktif tanpa aplikasi pilihan pertama (dikonseptualisasikan sebagai GIA). PB Online memiliki karakteristik SIA (seperti yang ditunjukkan oleh model mediasi), dan tampaknya fenomena tersebut harus disaring secara khusus (misalnya, menggunakan belanja s-IAT, bukan IAT asli atau skala yang sebanding). Keadaan ini menunjukkan ocus o lagi antara PB online dan SIA. Sejalan dengan asumsi ini, dengan menerapkan kriteria cut-off yang diusulkan untuk ocus or penyaringan (CBS & s-IATshopping), ada individu-individu yang disaring sebagai pembeli patologis semata-mata baik oleh s-IATshopping atau oleh CBS, yang mengindikasikan bahwa tampaknya ada fitur khusus dalam konteks online yang hanya ocu dideteksi oleh alat skrining khusus. Argumen ini didukung oleh studi LaRose dan Eastin [64], yang menunjukkan bahwa pengukuran domain-spesifik Internet terkait dengan pembelian online yang tidak diatur, sedangkan tindakan offline tidak. Namun, temuan kami juga menunjukkan bahwa ada konkordansi ocus or yang menunjukkan bahwa beberapa individu dengan kecenderungan patologis dapat diklasifikasikan oleh kedua ocus or . Kami menginterpretasikan temuan ini, sejalan dengan Davis [25], yang menyiratkan bahwa PB juga dapat dikembangkan di luar Internet dan lingkungan online dengan fitur-fitur spesifiknya (seperti pop-up iklan, penawaran diskon berjangka waktu, dan tampilan grafis yang jelas) ocu memperburuk patologi.
Kesamaan antara PB online dan kecanduan internet spesifik memberikan beberapa implikasi klinis yang harus dibuat sketsa secara singkat. Ada bukti bahwa dalam konteks terapi, terapi kognitif-perilaku (CBT) adalah metode pilihan untuk pengobatan baik PB [73,74] dan kecanduan internet [75,76]. Sehubungan dengan hasil kami, predisposisi dan kognisi tertentu tampaknya terkait dengan perilaku bermasalah. Akibatnya, seperti yang diusulkan dalam ulasan oleh Brand et al. [26], teknik pemantauan diri dapat digunakan untuk menentukan kondisi situasional, emosional, dan kognitif serta pola penguatan positif dan ocus o yang terkait dengan PB. Selanjutnya, restrukturisasi kognitif dan reframing dapat diterapkan untuk mengubah perkiraan penggunaan Internet dan perasaan ocus o yang ocu diterapkan untuk menetapkan pola pembelian sehat yang baru. Karena reaktivitas-isyarat untuk individu dengan kecenderungan tinggi untuk PB online, percobaan terapi di masa depan harus mengeksplorasi kemanjuran teknik pemaksaan isyarat atau stimulus dalam konteks pengobatan.
Temuan saat ini juga harus didiskusikan mengingat beberapa keterbatasan. Proporsi utama sampel terdiri dari siswa perempuan, yang membatasi generalisasi untuk populasi perempuan Jerman. Faktor pembatas lain mungkin berasal dari keadaan bahwa pendapatan dan etnisitas tidak dinilai. Namun, tujuan dari penelitian ini adalah untuk memeriksa PB online, dan sampel siswa tampaknya cocok karena sering dilaporkan bahwa orang yang lebih muda menggunakan internet lebih sering untuk berbelanja dan usia yang lebih muda merupakan ocus or penting untuk PB [3-5]. Dengan mempertimbangkan bahwa siswa di Jerman memiliki akun kredit yang baik, tanpa bunga dan asumsi bahwa PB tidak terkait dengan pendidikan, sampel tersebut sebanding dengan perempuan dewasa muda dalam pekerjaan penuh waktu.
Dalam sampel non-klinis kami, kami tidak mengontrol ocus -faktor emosional yang berpotensi mempengaruhi (seperti depresi atau kecemasan) dan tidak menilai kondisi komorbid psikiatri yang membingungkan (misalnya, gangguan obsesif-kompulsif atau gangguan penimbunan). Penelitian selanjutnya harus mengontrol ocus -faktor yang berpotensi mempengaruhi seperti depresi, kecemasan dan kondisi komorbid untuk meningkatkan spesifisitas hasil sehubungan dengan gangguan adiktif. Sehubungan dengan sampel perempuan, penelitian masa depan harus menilai siklus menstruasi karena diketahui mempengaruhi keinginan untuk perilaku lain seperti merokok dan makan [77,78].
Keterbatasan lain adalah bahwa harapan belanja online diukur dengan kuesioner yang baru dikembangkan yang belum pernah diuji sebelumnya. Meskipun validitas tidak sepenuhnya dievaluasi, pengembangan item terinspirasi oleh karya sebelumnya Kukar-Kinney et al. [30], dan kami mengungkapkan struktur ocus yang sama menggunakan analisis ocus eksplorasi dengan konsistensi internal yang baik. Selanjutnya, tidak ada skala yang valid untuk menyaring PB online. Karena keadaan ini, kami menggunakan s-IAT dalam versi modifikasi untuk belanja dan menerapkan kriteria cut-off, yang berasal dari penyelidikan terhadap kecanduan internet dalam sampel Jerman. Prosedur ini telah sering diterapkan dalam penelitian yang menyelidiki penggunaan patologis dari aktivitas online tertentu seperti game, atau cybersex [42,49].
Penelitian selanjutnya harus menyelidiki kerentanan lebih lanjut dan ocus kognitif yang berpotensi terkait dengan PB online (misalnya, kerentanan ocus , psikopatologi, atau gaya coping). Demikian juga, akan masuk akal untuk menyelidiki peserta laki-laki karena ocus berbasis populasi menunjukkan bahwa tidak ada perbedaan gender sehubungan dengan prevalensi PB [3,4]. Dalam studi pertama ini, reaktivitas-isyarat dan keinginan diselidiki oleh penilaian subyektif, sehingga tujuan masa depan harus ocus pada penilaian respon fisiologis perifer (misalnya, aktivitas elektrodermal, suhu kulit, atau detak jantung) dan aktivitas otak menggunakan teknik fungsional seperti penelitian sebelumnya. Kecanduan internet [44,79]. Akhirnya, model yang disajikan harus diuji dalam sampel klinis dengan pasien yang menderita PB online.
Conclusion
Pembelajaran yang menyediakan indikasi pertama pada nilai potensial dari factor PB online, yang disarankan untuk SIA. Memberikan kesamaan antara PB online dan kecanduan lainnya yang berkaitan dengan ‘ketagihan’, kami berpendapat untuk mempertimbangkan potensial dari PB online dalam kategori diagnostic kecanduan non-substansi/perilaku, instrument skrining yang diterapkan mendukung pandangan ini dan mengarah pada asumsi bahwa ada fitur yang berbeda dalam konteks online yang membutuhkan instrument skrinning khusus PB online.
Supporting information
(A) distal online shopping cue (content of a shopping cart); and (B, C) proximal online shopping cues (clothes, cosmetics).
https://doi.org/10.1371/journal.pone.0140296.s001
(PPTX)
S1 Table. Factor loadings and means of the items of the Internet shopping use expectancies questionnaire.
https://doi.org/10.1371/journal.pone.0140296.s002
(DOCX)
Acknowledgement
Semua penulis melaporkan tidak ada konflik kepentingan dan tidak memiliki pengungkapan keuangan. Kami ingin berterima kasih kepada Julia Janouch untuk penanganan data dan dukungan teknis dalam proyek ini
Author contributions
Diciptakan dan dirancang eksperimen PT KS AM MB. Melakukan percobaan: PT KS. Analisis data: PT KS MB. Alat peraga / bahan / analisis yang disumbangkan: MB. Menulis makalah: PT KS AM MB.
References
1. 1.McElroy SL, Keck PE, Pope HG, Smith JM, Strakowski SM. Compulsive buying: A report of 20 cases. J Clin Psychiatry. 1994;55: 242–248. pmid:8071278
o View Article
• PubMed/NCBI
• Google Scholar
2. 2.Ridgway NM, Kukar-Kinney M, Monroe KB. An expanded conceptualization and a new measure of compulsive buying. J Consum Res. 2008;35: 622–639.
• View Article
• PubMed/NCBI
• Google Scholar
3. 3.Koran LM, Faber RJ, Aboujaoude E, Large MD, Serpe RT. Estimated prevalence of compulsive buying behavior in the United States. Am J Psychiatry. 2006;163: 1806–1812. pmid:17012693
• View Article
• PubMed/NCBI
• Google Scholar
4. 4.Mueller A, Mitchell JE, Crosby RD, Gefeller O, Faber RJ, Martin A, et al. Estimated prevalence of compulsive buying in Germany and its association with sociodemographic characteristics and depressive symptoms. Psychiatry Res. 2010;180: 137–142. pmid:20494451
• View Article
• PubMed/NCBI
• Google Scholar
5. 5.Neuner M, Raab G, Reisch LA. Compulsive buying in maturing consumer societies: An empirical re-inquiry. J Econ Psychol. 2005;26: 509–522.
• View Article
• PubMed/NCBI
• Google Scholar
6. 6.Black DW. Compulsive buying disorder: Definition, assessment, epidemiology and clinical management. CNS Drugs. 2001;15: 17–27. pmid:11465011
• View Article
• PubMed/NCBI
• Google Scholar
7. 7.Christenson GA, Faber RJ, de Zwaan M, Raymond NC, Specker SM, Ekern MD, et al. Compulsive buying: Descriptive characteristics and psychiatric comorbidity. J Clin Psychiatry. 1994;55: 5–11. pmid:7989292
• View Article
• PubMed/NCBI
• Google Scholar
8. 8.Grüsser SM, Thalemann C, Albrecht U. [Excessive compulsive buying or “behavioral addiction”? A case study]. Wien Klin Wochenschr. 2004;116: 201–204. pmid:15088996
• View Article
• PubMed/NCBI
• Google Scholar
9. 9.Hollander E, Allen A. Is compulsive buying a real disorder, and is it really compulsive? Am J Psychiatry. 2006;163: 1670–1672. pmid:17012670
• View Article
• PubMed/NCBI
• Google Scholar
10. 10.Müller A, Mitchell JE, de Zwaan M. Compulsive buying. Am J Addict. 2015;24: 132–137. pmid:25864601
• View Article
• PubMed/NCBI
• Google Scholar
11. 11.Kyrios M, Frost RO, Steketee G. Cognitions in compulsive buying and acquisition. Cognit Ther Res. 2004;28: 241–258.
• View Article
• PubMed/NCBI
• Google Scholar
12. 12.Kellett S, Bolton J V. Compulsive buying: A cognitive-behavioural model. Clin Psychol Psychother. 2009;16: 83–99. pmid:19229837
• View Article
• PubMed/NCBI
• Google Scholar
13. 13.Faber RJ, Vohs K. Self-regulation and spending: Evidence from impulsive and compulsive buying. In: Vohs KD, Baumeister RF, editors. Handbook of self-regulation: Research, theory, and applications. 2nd ed. New York, NY: Guilford Press; 2011. pp. 537–550.
14. 14.Grant JE, Potenza MN, Weinstein A, Gorelick DA. Introduction to behavioral addictions. Am J Drug Acohol Abus. 2010;36: 233–241.
• View Article
• PubMed/NCBI
• Google Scholar
15. 15.Trotzke P, Starcke K, Pedersen A, Brand M. Cue-induced craving in pathological buying: Empirical evidence and clinical implications. Psychosom Med. 2014;76: 694–700. pmid:25393125
• View Article
• PubMed/NCBI
• Google Scholar
16. 16.Lawrence LM, Ciorciari J, Kyrios M. Cognitive processes associated with compulsive buying behaviours and related EEG coherence. Psychiatry Res. 2014;221: 97–103. pmid:24239477
• View Article
• PubMed/NCBI
• Google Scholar
17. 17.American Psychiatric Association. Diagnostic and statistical manual of mental disorders. 5th ed. Arlington, DC: American Psychiatric Publishing; 2013.
18. 18.Agarwal V, Ganesh L. E-shopping: An extended technology innovation. J Res Mark. 2014;2: 119–126.
• View Article
• PubMed/NCBI
• Google Scholar
19. 19.Schultz DE, Block MP. U.S. online shopping: Facts, fiction, hopes and dreams. J Retail Consum Serv. 2015;23: 99–106.
• View Article
• PubMed/NCBI
• Google Scholar
20. 20.Lloyd N. Exploring the role of product involvement in shaping impulsive buying tendencies in online retail environments. J Promot Commun. 2014;2: 87–112.
• View Article
• PubMed/NCBI
• Google Scholar
21. 21.Chen K, Tarn J, Han B. Internet dependency: Its impact on online behavioral patterns in e-commerce. Hum Syst Manag. 2004;23: 49–58.
• View Article
• PubMed/NCBI
• Google Scholar
22. 22.Lyons B, Henderson K. An old problem in a new marketplace: Compulsive buying on the Internet. Proceedings of ANZMAC. 2000. pp. 739–744.
23. 23.LaRose R. On the Negative Effects of E-Commerce: A Sociocognitive Exploration of Unregulated On-line Buying. J Comput Commun. 2006;6: 0–0.
• View Article
• PubMed/NCBI
• Google Scholar
24. 24.Dittmar H, Long K, Bond R. When a better self is only a button click away: Associations between materialistic values, emotional and identity–related buying motives, and compulsive buying tendency online. J Soc Clin Psychol. 2007;26: 334–361.
• View Article
• PubMed/NCBI
• Google Scholar
25. 25.Davis RA. A cognitive-behavioral model of pathological Internet use. Comput Human Behav. 2001;17: 187–195.
• View Article
• PubMed/NCBI
• Google Scholar
26. 26.Brand M, Young KS, Laier C. Prefrontal control and internet addiction: A theoretical model and review of neuropsychological and neuroimaging findings. Front Hum Neurosci. 2014;8: 1–13. pmid:24474914
• View Article
• PubMed/NCBI
• Google Scholar
27. 27.Brand M, Laier C, Young KS. Internet addiction: coping styles, expectancies, and treatment implications. Front Psychol. 2014;5: 1–14. pmid:24474945
• View Article
• PubMed/NCBI
• Google Scholar
28. 28.Kuss D, Griffiths M, Karila L, Billieux J. Internet addiction: A systematic review of epidemiological research for the last decade. Curr Pharm Des. 2014;20: 4026–4052. pmid:24001297
• View Article
• PubMed/NCBI
• Google Scholar
29. 29.Young K, Pistner M, Mara JO, Buchanan J. Cyber Disorders: The mental health concern for the new millenium. Cyberpsychology Behav. 1999;2: 475–480.
• View Article
• PubMed/NCBI
• Google Scholar
30. 30.Kukar-Kinney M, Ridgway NM, Monroe KB. The relationship between consumers’ tendencies to buy compulsively and their motivations to shop and buy on the Internet. J Retail. 2009;85: 298–307.
• View Article
• PubMed/NCBI
• Google Scholar
31. 31.Claes L, Müller A, Norré J, Van Assche L, Wonderlich S, Mitchell JE. The relationship among compulsive buying, compulsive internet use and temperament in a sample of female patients with eating disorders. Eur Eat Disord Rev. 2012;20: 126–131. pmid:21710571
• View Article
• PubMed/NCBI
• Google Scholar
32. 32.Duroy D, Gorse P, Lejoyeux M. Characteristics of online compulsive buying in Parisian students. Addict Behav. 2014;39: 1827–1830. pmid:25128635
• View Article
• PubMed/NCBI
• Google Scholar
33. 33.Rose S, Dhandayudham A. Towards an understanding of Internet-based problem shopping behaviour: The concept of online shopping addiction and its proposed predictors. J Behav Addict. 2014;3: 83–89. pmid:25215218
• View Article
• PubMed/NCBI
• Google Scholar
34. 34.Drummond DC. Theories of drug craving, ancient and modern. Addiction. 2001;96: 33–46. pmid:11177518
• View Article
• PubMed/NCBI
• Google Scholar
35. 35.Berridge KC, Robinson T, Aldridge J. Dissecting components of reward: “Liking”,’wanting', and learning. Curr Opin Pharmacol. 2009;9: 65–73. pmid:19162544
• View Article
• PubMed/NCBI
• Google Scholar
36. 36.Robinson TE, Berridge KC. The incentive sensitization theory of addiction: Some current issues. Philos Trans R Soc B Biol Sci. 2008;363: 3137–3146.
• View Article
• PubMed/NCBI
• Google Scholar
37. 37.Carter BL, Tiffany ST. Meta-analysis of cue-reactivity in addiction research. Addiction. 1999;94: 327–340. pmid:10605857
• View Article
• PubMed/NCBI
• Google Scholar
38. 38.Stippekohl B, Winkler M, Mucha RF, Pauli P, Walter B, Vaitl D, et al. Neural responses to BEGIN- and END-stimuli of the smoking ritual in nonsmokers, nondeprived smokers, and deprived smokers. Neuropsychopharmacology. 2010;35: 1209–1225. pmid:20090671
• View Article
• PubMed/NCBI
• Google Scholar
39. 39.Drummond DC. What does cue-reactivity have to offer clinical research? Addiction. 2000;95: 129–144.
• View Article
• PubMed/NCBI
• Google Scholar
40. 40.Franken IHA. Drug craving and addiction: Integrating psychological and neuropsychopharmacological approaches. Prog Neuropsychopharmacol Biol Psychiatry. 2003;27: 563–579. pmid:12787841
• View Article
• PubMed/NCBI
• Google Scholar
41. 41.Sodano R, Wulfert E. Cue reactivity in active pathological, abstinent pathological, and regular gamblers. J Gambl Stud. 2010;26: 53–65. pmid:19662519
• View Article
• PubMed/NCBI
• Google Scholar
42. 42.Laier C, Pawlikowski M, Pekal J, Schulte FP, Brand M. Cybersex addiction: Experienced sexual arousal when watching pornography and not real-life sexual contacts makes the difference. J Behav Addict. 2013;2: 100–107. pmid:26165929
• View Article
• PubMed/NCBI
• Google Scholar
43. 43.Brand M, Laier C, Pawlikowski M, Schächtle U, Schöler T, Altstötter-Gleich C. Watching pornographic pictures on the Internet: Role of sexual arousal ratings and psychological–psychiatric symptoms for using Internet sex sites excessively. Cyberpsychology, Behav Soc Netw. 2011;14: 371–377.
• View Article
• PubMed/NCBI
• Google Scholar
44. 44.Thalemann R, Wölfling K, Grüsser SM. Specific cue reactivity on computer game-related cues in excessive gamers. Behav Neurosci. 2007;121: 614–618. pmid:17592953
• View Article
• PubMed/NCBI
• Google Scholar
45. 45.Davenport K, Houston JE, Griffiths MD. Excessive eating and compulsive buying behaviours in women: An empirical pilot study examining reward sensitivity, anxiety, impulsivity, self-esteem and social desirability. Int J Ment Health Addict. 2011;10: 474–489.
• View Article
• PubMed/NCBI
• Google Scholar
46. 46.Claes L, Bijttebier P, Mitchell JE, de Zwaan M, Mueller A. The relationship between compulsive buying, eating disorder symptoms, and temperament in a sample of female students. Compr Psychiatry. 2011;52: 50–5. pmid:21220065
• View Article
• PubMed/NCBI
• Google Scholar
47. 47.Schlosser S, Black DW, Repertinger S, Freet D. Compulsive buying. Demography, phenomenology, and comorbidity in 46 subjects. Gen Hosp Psychiatry. 1994;16: 205–212. pmid:8063088
• View Article
• PubMed/NCBI
• Google Scholar
48. 48.Pawlikowski M, Altstötter-Gleich C, Brand M. Validation and psychometric properties of a short version of Young’s Internet Addiction Test. Comput Human Behav. 2013;29: 1212–1223.
• View Article
• PubMed/NCBI
• Google Scholar
49. 49.Pawlikowski M, Brand M. Excessive Internet gaming and decision making: Do excessive World of Warcraft players have problems in decision making under risky conditions? Psychiatry Res. 2011;188: 428–433. pmid:21641048
• View Article
• PubMed/NCBI
• Google Scholar
50. 50.Laier C, Schulte FP, Brand M. Pornographic picture processing interferes with working memory performance. J Sex Res. 2013;50: 642–652. pmid:23167900
• View Article
• PubMed/NCBI
• Google Scholar
51. 51.Faber RJ, O’Guinn TC. A clinical screener for compulsive buying. J Consum Res. 1992;19: 459–469.
• View Article
• PubMed/NCBI
• Google Scholar
52. 52.Horn J. A rationale and test for the number of factors in factor analysis. Psychometrika. 1965;30: 179–185. pmid:14306381
• View Article
• PubMed/NCBI
• Google Scholar
53. 53.Braus DF, Wrase J, Grüsser S, Hermann D, Ruf M, Flor H, et al. Alcohol-associated stimuli activate the ventral striatum in abstinent alcoholics. J Neural Transm. 2001;108: 887–894. pmid:11515754
• View Article
• PubMed/NCBI
• Google Scholar
54. 54.Grüsser SM, Heinz A, Flor H. Standardized stimuli to assess drug craving and drug memory in addicts. J Neural Transm. 2000;107: 715–720. pmid:10943911
• View Article
• PubMed/NCBI
• Google Scholar
55. 55.Starcke K, Schlereth B, Domass D, Schöler T, Brand M. Cue reactivity towards shopping cues in female participants. J Behav Addict. 2013;2: 17–22. pmid:26165767
• View Article
• PubMed/NCBI
• Google Scholar
56. 56.Black DW. A review of compulsive buying disorder. World Psychiatry. 2007;6: 14–18. pmid:17342214
• View Article
• PubMed/NCBI
• Google Scholar
57. 57.Miltenberger RG, Redlin J, Crosby R, Stickney M, Mitchell J, Wonderlich S, et al. Direct and retrospective assessment of factors contributing to compulsive buying. J Behav Ther Exp Psychiatry. 2003;34: 1–9. pmid:12763389
• View Article
• PubMed/NCBI
• Google Scholar
58. 58.Love A, James D, Willner P. A comparison of two alcohol craving questionnaires. Addiction. 1998;93: 1091–1102. pmid:9744139
• View Article
• PubMed/NCBI
• Google Scholar
59. 59.Baron RM, Kenny DA. The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. J Pers Soc Psychol. 1986;51: 1173–1182. pmid:3806354
• View Article
• PubMed/NCBI
• Google Scholar
60. 60.Hu L, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Struct Equ Model A Multidiscip J. 1999;6: 1–55.
• View Article
• PubMed/NCBI
• Google Scholar
61. 61.Muthén LK, Muthén BO. MPlus. Los Angeles, CA: Muthén & Muthén; 2011.
62. 62.Cohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Hillsdale: Lawrence Erlbaum Associates; 1988.
63. 63.Laier C, Brand M. Empirical evidence and theoretical considerations on factors contributing to cybersex addiction from a cognitive-behavioral view. Sex Addict Compulsivity. 2014;21: 305–321.
• View Article
• PubMed/NCBI
• Google Scholar
64. 64.LaRose R, Eastin MS. Is online buying out of control? Electronic commerce and consumer self-regulation. J Broadcast Electron Media. 2002;46: 549–564.
• View Article
• PubMed/NCBI
• Google Scholar
65. 65.Müller A, Mitchell JE, Crosby RD, Cao L, Johnson J, Claes L, et al. Mood states preceding and following compulsive buying episodes: An ecological momentary assessment study. Psychiatry Res. 2012;200: 575–580. pmid:22560059
• View Article
• PubMed/NCBI
• Google Scholar
66. 66.Mueller A, Mitchell JE, Black DW, Crosby RD, Berg K, de Zwaan M. Latent profile analysis and comorbidity in a sample of individuals with compulsive buying disorder. Psychiatry Res. 2010;178: 348–353. pmid:20471099
• View Article
• PubMed/NCBI
• Google Scholar
67. 67.Robinson TE, Berridge KC. The neural basis of drug craving: An incentive-sensitization theory of addiction. Brain Res Rev. 1993;18: 247–291. pmid:8401595
• View Article
• PubMed/NCBI
• Google Scholar
68. 68.Franken IHA, Booij J, Van Den Brink W. The role of dopamine in human addiction: From reward to motivated attention. Eur J Pharmacol. 2005;526: 199–206. pmid:16256105
• View Article
• PubMed/NCBI
• Google Scholar
69. 69.Crockford DN, Goodyear B, Edwards J, Quickfall J, El-Guebaly N. Cue-induced brain activity in pathological gamblers. Biol Psychiatry. 2005;58: 787–795. pmid:15993856
• View Article
• PubMed/NCBI
• Google Scholar
70. 70.Van Holst RJ, van den Brink W, Veltman DJ, Goudriaan AE. Why gamblers fail to win: A review of cognitive and neuroimaging findings in pathological gambling. Neurosci Biobehav Rev. 2010;34: 87–107. pmid:19632269
• View Article
• PubMed/NCBI
• Google Scholar
71. 71.Potenza MN, Steinberg MA, Skudlarski P, Fulbright RK, Lacadie CM, Wilber MK, et al. Gambling urges in pathological gambling. Arch Gen Psychiatry. 2003;60: 828–836. pmid:12912766
• View Article
• PubMed/NCBI
• Google Scholar
72. 72.Müller A, Mitchell JE, Peterson LA, Faber RJ, Steffen KJ, Crosby RD, et al. Depression, materialism, and excessive Internet use in relation to compulsive buying. Compr Psychiatry. 2011;52: 420–424. pmid:21683178
• View Article
• PubMed/NCBI
• Google Scholar
73. 73.Lourenço Leite P, Pereira VM, Nardi AE, Silva AC, Lourenço P, Pereira VM, et al. Psychotherapy for compulsive buying disorder: A systematic review. Psychiatry Res. 2014;219: 1–9. pmid:24857566
• View Article
• PubMed/NCBI
• Google Scholar
74. 74.Black DW. Compulsive buying disorder: A review of the evidence. CNS Spectr. 2007;12: 124–132. pmid:17277712
• View Article
• PubMed/NCBI
• Google Scholar
75. 75.Young KS. Treatment outcomes using CBT-IA with Internet-addicted patients. J Behav Addict. 2013;2: 209–215. pmid:25215202
• View Article
• PubMed/NCBI
• Google Scholar
76. 76.Wölfling K, Beutel ME, Dreier M, Müller KW. Treatment Outcomes in Patients with Internet Addiction: A Clinical Pilot Study on the Effects of a Cognitive-Behavioral Therapy Program. Biomed Res Int. 2014;2014: 1–8.
• View Article
• PubMed/NCBI
• Google Scholar
77. 77.McVay MA, Copeland AL, Newman HS, Geiselman PJ. Food cravings and food cue responding across the menstrual cycle in a non-eating disordered sample. Appetite. 2012;59: 591–600. pmid:22824054
• View Article
• PubMed/NCBI
• Google Scholar
78. 78.Weinberger AH, Smith PH, Allen SS, Cosgrove KP, Saladin ME, Gray KM, et al. Systematic and meta-analytic review of research examining the impact of menstrual cycle phase and ovarian hormones on smoking and cessation. Nicotine Tob Res. 2015;17: 407–21. pmid:25762750
• View Article
• PubMed/NCBI
• Google Scholar
79. 79.Yuan K, Qin W, Liu Y, Tian J. Internet addiction: Neuroimaging findings. Commun Integr Biol. 2014;4: 637–639.
• View Article
• PubMed/NCBI
• Google Scholar
→ Dampak Positif
Tindakan berbelanja online digambarkan sebagai sesuatu yang memodulasi suasana hati dan memberikan bantuan atau melarikan diri dari emosi negative. Berbelanja online juga bisa memudahkan kita untuk berbelanja tanpa harus mengeluarkan effort lebih, dan mengurangi rasa cemas karena ‘dilihat’ orang lain apa saja yang dibelanjakan.
→ Dampak Negatif
Berbelanja online secara berlebihan bisa menyebabkan ketergantungan dan kecanduan untuk terus-menerus berbelanja, hanya sekedar memuaskan keinginannya bukan kebutuhannya.
Komentar
Posting Komentar