BAB V ANALISIS HASIL 5.1 Analisis Peningkatan Kelelahan dengan VAS
Simulasi task yang digunakan bertujuan untuk membuat responden merasa lelah. Untuk mengetahui apakah responden tersebut bertambah lelah atau tidak, dapat dilihat dari nilai VAS.
Dari hasil didapatkan nilai korelasi VAS dengan waktu simulasi menggunakan kendall adalah 0.409 dan dengan spearman adalah 0.493 yang berarti nilai korelasinya adalah kuat sehingga dengan penambahan waktu akan bertambah juga tingkat kelelahan individu.
Pertambahan kelelahan berdasarkan dimensi waktu dengan pengujian regresi linier sederhana dapat dituliskan dalam persamaan matematis Y = 0.904 t + 44.523, dengan Y adalah nilai VAS (kelelahan) saat periode t (waktu).
Pengujian hipotesa persamaan regresi diatas dengan analisis ANOVA pada persamaannya dengan :
Ho = Simulasi yang diberikan tidak menimbulkan efek lelah terhadap dimensi waktu
Ha = Simulasi yang diberikan menimbulkan efek lelah terhadap dimensi waktu
Dari hasil, tingkat signifikansi 0.000 < (0.1) maka Ho ditolak yang artinya simulasi yang diberikan menimbulkan efek lelah pada responden. Dengan demikian, Simulasi yang dijalankan dapat digunakan pada penelitian sebagai pembebanan yang menimbulkan efek lelah dimana nilai VAS (Y) dapat dipertanggung jawabkan oleh variabel durasi waktu (X).
P
erf
o
rm
a
Pada Teorinya, individu akan mengalami penurunan performa saat task
demandnya sudah melampaui kemampuan individu tersebut. Penambahan waktu
akan membuat individu lelah yang disertai memburuknya performansi kerja.
Menurut Rodahl (1992), performa kerja akan menurun dan kelelahan akan meningkat saat seorang individu menjalankan tugas seiring dengan penambahan waktu. Hal ini dapat dilihat dari grafik ilustrasi kelelahan.
Gambar 5. 1 Grafik Ilustrasi Kelelahan
Peningkatan kelelahan pada seseorang akan menyebabkan berkurangnya semangat kerja sehingga mengakibatkan efektifitas dan efisiensi kerja menurun (Saito, 1999).
Dilihat dari rata-rata kenaikan nilai VAS pada gambar 5.2, dapat disimpulkan bahwa responden mengalami kelelahan setelah mengerjakan simulasi task.
Gambar 5. 2 Grafik rata-rata kenaikan VAS
40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 0 15 30 Vi su al An al o gu e S cal e
Waktu Task (menit)
Kenaikan VAS Optimal Performa
Garis Fatigue
A B C D E F
5.2 Analisis Performa dengan Tingkat Error
Dari hasil pengujian simulasi task disimpulkan bahwa responden mengalami peningkatan kelelahan. Analisis performa dengan tingkat error dapat dilihat dengan menghitung banyaknya kesalahan yang dibuat oleh responden pada menit ke 5, 10, 15, 20, 25 dan 30. Hal ini ditujukan untuk melihat bagaimana kecendrungan error yang dihasilkan ketika individu mengalami peningkatan kelelahan. Apakah error akan meningkat seiring peningkatan lelah atau tidak.
Dari hasil pengolahan, didapatkan nilai korelasi yang lemah antara error dengan waktu simulasi, yaitu nilai korelasi dengan menggunakan kendall adalah 0.011 dan spearman 0.020.
Rumus regresi linier dari error dan waktu adalah Y = 0.001 t + 0.133, dengan Y adalah Persentase error saat periode t (waktu). Namun dilihat dari nilai R Square
hanya 0.5 % saja variasi nilai persentase error yang dapat dijelaskan oleh variabel waktu, artinya masih ada variabel lain yang mempengaruhi tingkat error.
Hal ini sesuai dengan hasil pengujian ANOVA pada persamaan regresi diatas, dengan tingkat signifikansinya adalah 0.462 > (0.1), dimana hipotesanya adalah:
Ho : Tidak ada kenaikan error yang signifikan terhadap waktu simulasi
Ha : Ada kenaikan error yang signifikan terhadap waktu simulasi
Karena nilai signifikansinya lebih besar dari taraf nyata, maka Ho diterima yang artinya waktu tidak mempengaruhi secara signifikan dari kenaikan tingkat kesalahan (error).
Walaupun menurut nilai korelasi dan analisis persamaan regresi error tidak meningkat secara signifikan terhadap waktu simulasi, namun jika dilihat dari rata-rata error dari 20 responden yang terlihat pada gambar 5.3 dapat disimpulkan bahwa terdapat peningkatan error hingga 19.2%.
Gambar 5. 3 Rata-rata Kenaikan Persentase Jumlah Error
Meskipun rata-rata error responden hanya sekitar 15-20% akibat kelelahan, namun bukan berarti tidak memberikan kontribusi yang besar pada performa kerja individu. Hal ini dituturkan oleh para responden yang mengalami lelah akibat menjalankan task berupa pusing, mata perih dan pegal leher.
Dalam lingkup yang lebih luas, misalnya saja pada pekerja dilapangan seperti pekerja di pertambangan, perminyakan, pekerja keras sampai orang kantoran pun dapat mengalami kelelahan yang dapat menimbulkan kesalahan dalam mengambil keputusan. Karena menurut ASCC, Peningkatan kelelahan dapat mempengaruhi pengambilan keputusan (eksekusi), ini dapat dikarenakan kurangnya kemampuan motorik (Australian Safety and Compensation Council, 2006). Hal inilah yang dapat menyebabkan gagalnya peran manusia dalam melakukan tugasnya. Konsep
human error memiliki kontribusi besar terhadap kecelakaan kerja yang terjadi.
Selain itu, NTC menyatakan bahwa efek yang ditimbulkan dari kekelahan dapat berupa kehilangan kewaspadaan, penurunan pertimbangan atau pemikiran, mengantuk saat mengemudi, tertidur saat berkendara, penurunan daya ingat dan perubahan suasana/ mood (National Transport Commission, 2006). Pada beberapa
0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 5 10 15 20 25 30 Per sen tase J u m lah E rr o r
Waktu Task (menit) Rata-rata Error
jenis pekerjaan yang mengandalkan kemampuan tinggi dalam pengambilan keputusan yang apabila salah akan menimbulkan kejadian fatal seperti kecelakaan, misalnya saja pilot, masinis, pengendara kendaraan, petugas sinyal di bandara, persilangan kereta dan pekerjaan lainnya efek kelelahan amat penting diperhatikan. Hal ini dikarenakan kelelahan dapat mempengaruhi performansi kerja, penurunan konsentrasi saat kerja dapat menimbulkan kecelakaan kerja yang dapat merugikan pekerja pada khususnya dan perusahaan pada umumnya. Misalnya saja pengendara bus atau kereta, jika mereka hilang konsentrasi dan merasa lelah dan terakumulasi, hal ini akan menimbulkan efek samping seperti mengantuk dan menyetir diatas batas normal, ini sangat berbahaya sekali bila kondisi ini tetap dipertahankan.
Dengan demikian, penurunan performa dapat diukur dengan menggunakan PVT untuk mengetahui perubahan kelelahan dari waktu ke waktu agar dapat dikendalikan dengan memantaunya dan menyusun kegiatan preventif untuk menghindari efek-efek yang dapat ditimbulkan yang dapat membahayakan individu atau masyarakat banyak.
5.3 Analisis Perubahan Performa Sebelum dan Sesudah Task
Pengukuran kelelahan dapat dilihat dari perubahan kecepatan reaksi saat sebelum
task dan sesudah task. Pengukuran kelelahan dapat dilakukan dengan menggunakan reaction time, Flicker Fusion dan tes urin secara berkala yang telah digunakan oleh Broadbent (1979) dan Holding (1983). Bahkan Crawford (1961), mengatakan bahwa biochemical test dapat dijadikan alat ukur dalam melihat efek dari emosi stress yang menjadi penyebab kelelahan pada pekerjaan dengan durasi yang lama. Namun dalam penelitian ini alat yang digunakan adalah PVT durasi 5 menit, ini diolah dengan menggunakan metode nonparametric dengan uji
wilcoxon, dimana yang digunakan adalah 0.1. Dimana uji hipotesa untuk
Ho: Tidak ada perbedaan antara sebelum dan sesudah task
Ha: Ada perbedaan antara sebelum dan sesudah task
Dari hasil pengolahan dengan 6 transformasi data Reaction Time yaitu, 1/Reaction Time, 10% Slowest dari 1/RT, Standardized 1/RT, 10% Slowest Standardized
1/RT, 10% Fastest dari RT dan % Lapses didapatkan bahwa data sebelum dan sesudah task mempunyai signifikansi< (0.1) pada beberapa parameter (lihat Tabel 5.1)
Tabel 5. 1 Hasil Pengujian PVT Sebelum dan Sesudah dengan Uji Wilcoxon Parameter RT 1/RT 10% Slowest Standardized 1/RT Standardized 10% Slowest 10% Fastest % Lapses Mean 0.391 0.509 0.080 0.823 0.108 0.108 0.006 Range 0.232 0.130 0.283 0.076 0.263 0.324 SD 0.040 0.023 0.263 0.009 0.197 0.411 VAR 0.025 0.016 0.296 0.007 0.204 0.198 Persentil 5 0.040 0.070 0.126 0.093 0.091 0.332 Persentil 10 0.067 0.549 0.093 0.629 0.070 0.255 Persentil 50 0.457 0.422 0.117 0.304 0.117 0.054 Persentil 75 0.985 0.162 0.296 0.102 0.296 0.10 Persentil 90 0.478 0.081 0.411 0.059 0.411 0.067 Persentil 95 0.048 0.047 0.422 0.033 0.422 0.054
Pada pengujian ke 6 jenis data menggunakan seluruh parameter, kecuali data %
Lapses. % Lapses merupakan persentase kesalahan (data diatas 500 ms) yang
dibagi dengan jumlah seluruh data dalam 1 kali percobaan. Karena data dari
Lapses ini tidak selalu ada dan mencukupi dalam pengolahan data dengan
parameter-parameter yang ada pada tiap percobaan, maka pengolahan data untuk
5.4 Sensitifitas Parameter
Dapat dilihat dari tabel 5.1, jenis transformasi data yang lebih sensitif terhadap hasil pengujian adalah Standardized 1/RT. Dengan tingkat signifikansi p < 0.1 pada 6 parameter ini dapat dikatakan bahwa Standardized 1/RT adalah jenis transformasi data yang paling sensitif terhadap hasil pengujian.
Sedangkan untuk parameter yang lebih sensitif adalah standar deviasi, variansi, persentil 5 dan 95. Namun, parameter mean dapat digunakan untuk pengujian pada transformasi data 10% Slowest dan % lapses saja.
Standar Deviasi
Gambar 5. 4 Diagram Perbandingan Hasil Mean dan Standar Deviasi
Dari grafik diatas dapat dilihat bahwa rata-rata parameter mean tidak terlalu signifikan, hal ini dapat terlihat dari rata-rata nilai PVT sebelum dan sesudah. Namun pada parameter standar deviasi mengalami kenaikan yang cukup signifikan antara sebelum dan sesudah. Ini menandakan bahwa responden semakin tidak konsisten, sehingga data reaction time menjadi tidak stabil. Ketidakkonsistenan responden dalam pengukuran ini diartikan sebagai penurunan
vigilance yang menandakan adanya indikasi kelelahan.
343.907 350.801 54.54 77.46 0 50 100 150 200 250 300 350 400 Sebelum Sesudah Mean Standar Dev
Gambar 5. 5 Kurva Ilustrasi Persebaran Data
Variansi
Variansi merupakan hasil kuadrat dari standar deviasi, sehingga ketika standar deviasi meningkat secara otomatis nilai variansi meningkat pula. Hal ini mengakibatkan persebaran data menjadi lebih luas dan terpencar.
Persentil
Persentil disini adalah hanya untuk menggambarkan karakteristik dari data yang ada. Karakteristik persentil 5 bertolak belakang dengan pola persentil 95. Dimana persentil 5 memiliki pola data sesudah bekerja berada di bawah data sebelum bekerja, dan sebaliknya pola data sesudah bekerja pada persentil 90 dan 95 berada diatas data sebelum bekerja.
Namun karena hasil pengujian menyatakan bahwa parameter yang sensitif terhadap penurunan performa kerja salah satunya adalah standar deviasi dan variansi, maka untuk pengujian dapat dipilih salah satu parameter saja.
Standar deviasi merupakan parameter yang biasa digunakan dalam perhitungan data dalam statistik, sehingga parameter yang dipilih sebagai parameter yang sensitif dan dapat digunakan dalam pengujian pada penelitian selanjutnya adalah standar deviasi.
Sedangkan parameter persentil dapat digunakan untuk melihat karakteristik data saja, namun pada penelitian sebelumnya persentil tidak banyak dibahas.
5.5 Pengaruh Learning Curve
Dalam hal pengambilan data terdapat learning curve (kurva belajar). Hal ini dapat mempengaruhi data hasil penelitian, oleh karena itu berdasarkan metodologi
σ1
σ2 μ1
standar dari penelitian Dinges (1997), learning curve dapat dihilangkan dengan memberikan trial 1-3 kali sebelum pengambilan data. Hal ini dilakukan agar responden terbiasa dan memahami alat tersebut.
Pada gambar 5.6 dapat dilihat beberapa hasil rata-rata reaction time pada trial ke 2 dan 3 lebih kecil dibawah trial pertama. Dari perhitungan standar deviasi juga ditemukan penurunan standar deviasi pada setiap trial (lihat gambar 5.7). Hal ini menginformasikan bahwa adanya pengaruh learning curve pada awal penggunaan
software bagi pengguna. Oleh karena itu, trial harus diberikan sebelum
melakukan pengambilan data agar dapat meminimalisasikan efek dari learning
curve. Hal ini sesuai dengan metodologi standar yang telah dikemukakan oleh
Dinges (1997) bahwa trial harus diberikan kepada responden guna menghilangkan
learning curve berkisar 1-3 kali sebelum pengambilan data PVT.
Gambar 5. 6 Grafik Trial 1, 2 dan 3
Gambar 5. 7 Standar deviasi pada Trial 1, 2 dan 3
200.00 250.00 300.00 350.00 400.00 450.00 500.00 550.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Trial 1 Trial 2 Trial 3
0 20 40 60 80 100 120
Trial 1 Trial 2 Trial 3
Berdasarkan rata-rata dari masing-masing trial dapat disimpulkan bahwa trial ke-2 memiliki rata-rata reaction time diatas trial ke-3. Hal ini menjadi saran bagi penelitian selanjutnya untuk menjalankan trial lebih singkat (2x trial). Tentunya ini dapat mempersingkat durasi pengambilan data, namun perlu diujikan terlebih dahulu signifikansinya terhadap hasil pengujian.
Gambar 5. 8 Grafik Rata-rata Trial 1, 2, 3 dan PVT Sebelum
Pergerakan learning curve pastinya berbeda dari waktu ke waktu dan dengan responden yang berbeda. Pada penelitian ini, data pengolahan yang dipakai adalah data PVT sebelum da sesudah task, tidak ada pemotongan data awal (data learning curve). Namun jika dilihat titik penurunan pada trial 1 dengan menggunakan pergerakan standar deviasi, 5 data awal dipotong dan dibuang akan menghasilkan standar deviasi yang lebih kecil yang artinya penyimpangan dan persebaran datanya lebih merapat (tidak bias).
332.00 334.00 336.00 338.00 340.00 342.00 344.00 346.00 1 2 3 4
Gambar 5. 9 Grafik Standar Deviasi sebelum dan sesudah cut data PVT Trial 1
Namun, pada trial ke-2 dan 3 tidak ditemui penurunan standar deviasi setelah pemotongan data awal. Dan sebaliknya pengambilan ke-4 (PVT sebelum) dan PVT sesudah terdapat penurunan standar deviasi yang relatif kecil jika dibandingkan dengan trial ke-1.
Gambar 5. 10 Perbandingan Standar Deviasi Sebelum dan sesudah cut 5 data awal
82.0 84.0 86.0 88.0 90.0 92.0 94.0 96.0 98.0 100.0
No cut Cut 5 Cut 6 Cut 7 Cut 8 Cut 9 Cut 10
Standar Deviasi 50 60 70 80 90 100 110
Trial 1 Trial 2 Trial 3 PVT Sebelum PVT Sesudah
No cut Cut 5
Oleh karena itu, pada penelitian ini data pengolahan yang digunakan adalah data PVT sebelum dan sesudah yang tidak dipotong (no cut).
5.5.1 Estimasi Durasi Learning Curve
Jika dilihat dari gambar 5.9, penurunan nilai standar deviasi yang sangat drastis menunjukkan adanya learning curve. Dengan menggunakan data jumlah attempt dan durasi dari seluruh responden pada trial ke-1 dapat diestimasikan besarnya waktu learning curve pada trial ke-1. Hasilnya adalah sebesar 0.41 menit yang merupakan learning curve pada trial ke-1 dari total durasi ± 5 menit.
Sedangkan pada trial 2 dan 3 efek dari learning curve ini tentunya semakin berkurang, dilihat dari perubahan standar deviasinya hanya ada 2data awal yang mengalami penurunan standar deviasi. Jika dihitung, sekitar 0.2 menit. Dan trial
