Perbandingan Pengukuran
Situational Awareness
Secara
Online
dan
Freeze
pada Pengemudi
Amalia Azka Rahmayani (1), Titis Wijayanto(2) (1), (2)
Fakultas Teknik, Departemen Teknik Mesin dan Industri, Universitas Gadjah Mada Jalan Grafika No. 2 Kampus UGM, Yogyakarta 55281
(1)
azkamalia@gmail.com, (2)twijaya@ugm.ac.id
ABSTRAK
Kecelakaan lalu lintas merupakan pembunuh terbesar di dunia yang biasa disebabkan oleh beberapa faktor, yaitu faktor kendaraan, lingkungan, kondisi jalan, dan manusia itu sendiri. Beberapa tahun belakangan ini Situational Awareness (SA) dibutuhkan untuk melakukan latihan terhadap adanya persepsi bahaya saat mengemudi. Penelitian ini menggunakan metode QUASA untuk mengukur SA pengemudi secara online dan freeze. Di dalam metode QUASA terdapat dua macam penilaian, yaitu secara objektif yang kemudian di analisis menggunakan SDT dan subjektif (self-rating) untuk mengetahui perilaku pengemudi. Sedangkan analisis statistika digunakan untuk mengetahui perbedaan teknik pengukuran SA dan level traffic density. Hasil penelitian menunjukkan bahwa nilai sensitivitas pada teknik pengukuran secara online lebih besar dibandingkan freeze. Sedangkan response bias menunjukkan bahwa dengan kedua teknik pengukuran responden cenderung akan memberikan respon konservatif dibandingkan dengan respon liberal. Hasil pengukuran calibration bias menunjukkan bahwa responden cenderung berperilaku over confidence dibandingkan under confidence pada kedua teknik pengukuran SA. Dengan dilakukannya pengujian statistika menggunakan Repeated Measure ANOVA teknik pengukuran secara online dengan freeze dan level traffic density yang low dan high tidak menunjukkan adanya perbedaan (sig≥0.05) yang signifikan. Dengan kata lain, teknik pengukuran SA dengan metode QUASA dapat dilakukan secara online maupun freeze.
Kata kunci— Bias, Freeze, Online, QUASA, Sensitivity, Situational awareness
I. PENDAHULUAN
Pertumbuhan penduduk mempengaruhi peningkatan jumlah kendaraan yang ada di Indonesia, dimana hal tersebut juga berdampak pada peningkatan kasus kecelakaan lalu lintas. Terbukti menurut data Badan Pusat Statistik (BPS) tahun 2015 jumlah kecelakaan mencapai angka 100.106 kasus dan menurut World Health Organization (WHO) kecelakaan lalu lintas merupakan pembunuh terbesar pertama di dunia. Menurut Treat et al. (1977) terdapat 3 faktor yang dapat menyebabkan kecelakaan, yaitu faktor kendaraan dengan persentase sebesar 14.8%, faktor jalan dan lingkungan sebesar 37.4%, dan faktor manusia sebesar 47.8%. Faktor kendaraan biasanya dipengaruhi dari kondisi kendaraan yang kurang baik. Sedangkan faktor jalan dan lingkungan biasanya dipengaruhi oleh kondisi jalan yang rusak, cuaca yang buruk, dan lainnya. Faktor yang terakhir datang dari manusia itu sendiri, seperti style mengemudi, skill mengemudi, kecepatan dalam mengemudi, dan persepsi terhadap adanya bahaya (Horswill dan Mckenna, 2004).
Kondisi seperti itu menimbulkan adanya persepsi terhadap adanya bahaya yang dapat dianggap sebagai Situation Awareness (SA) pada situasi berbahaya di lingkungan lalu lintas. SA selalu dibutuhkan untuk melakukan tugas dengan efektif (Endsley dan Garland, 2000). Dalam beberapa tahun belakangan, SA digunakan untuk menyelesaikan persoalan terkait dengan pelatihan dan pengalaman, dimana hasil dari penelitian tersebut adalah sebagai pembelajaran yang penting untuk melihat apa yang mereka lihat dan apa yang mereka pikirkan.
Salmon et al. (2006) mengatakan bahwa teknik pengukuran SA dapat dibedakan menjadi beberapa kategori, diantaranya yang sering digunakan adalah teknik freeze dan online. Masing-masing dari teknik pengukuran tersebut memiliki kelebihan serta kekurangannya. Teknik pengukuran Freeze merupakan pengukuran SA yang bersifat langsung (direct nature) dimana responden diberikan pertanyaan saat simulasi sedang diberhentikan. Tetapi dengan teknik pengukuran tersebut banyak yang mengkritisi bahwa dapat mengganggu performansi responden
dalam mengerjakan tugas yang diberikan selama simulasi (Salmon et al., 2009). Oleh karenanya teknik pengukuran online dibuat dengan maksud untuk mengurangi adanya gangguan pada performansi responden saat melakukan pengukuran. Walaupun teknik pengukuran secara online
dapat mengurangi adanya gangguan dibandingkan teknik pengukuran freeze, namun hingga saat ini besarnya pengurangan tersebut masih dipertanyakan dan selain itu saat simulasi responden membutuhkan perhatian yang lebih untuk dapat menjawab pertanyaan yang diberikan (Salmon et al., 2006).
Salah satu metode SA yang populer digunakan dalam teknik pengukuran freeze adalah metode Situation Awareness Global Assessment Technique (SAGAT) (Endsley, 1995). Pada metode tersebut responden diberikan pertanyaan terkait dengan persepsi mereka terhadap situasi pada saat simulasi di freeze dengan jawaban yang bermacam-macam (Endsley et al., 2003; McGuinness, 2004). Penelitian dengan metode SAGAT telah banyak dilakukan terkait dengan hubungannya dengan simulasi mengemudi. Seperti pada penelitian Kaber dan Ma (2005) yang menginvestigasi efek dari secondary task (penggunaan cell phone selama mengemudi) menggunakan SAGAT dan subjective workload. Dalam hasilnya menyatakan bahwa konsep pengukuran SA menggunakan SAGAT tidak dapat berkembang dengan baik dalam konteks mengemudi, namun pengemudi sebaiknya menambah pengetahuan yang lebih untuk meningkatkan SA mereka. Penelitian lain dengan menggunakan SAGAT juga dilakukan oleh Wibisono (2015) dimana pada penelitian disebutkan bahwa pada simulasi selanjutnya setelah pengukuran SAGAT menunjukkan hasil yang tidak stabil karena pada simulasi selanjutnya responden cenderung lebih waspada dibandingkan dengan simulasi sebelumnya. Selain itu, pengukuran SA dengan menggunakan SAGAT masih dipermasalahkan karena secara tidak langsung bukan mengukur SA namun mengukur working memory (Gonzalez dan Wimisberg, 2007). Oleh karena itu untuk menghindari adanya gangguan pada hasilnya nanti, penelitian ini akan menggunakan pengukuran SA lainnya yaitu metode Quantitative Analysis of Situational
Awareness (QUASA).
Dari beberapa metode pengukuran SA, metode QUASA merupakan metode yang memiliki dua macam penilaian yaitu secara objektif dari respon terhadap pertanyaan yang diberikan saat dihadapkan pada suatu kondisi dan penilaian secara subjektif (self-rating) dari level kepercayaan untuk setiap pertanyaan yang diberikan kepada responden (Sætrevik, 2013; Edgar et al., 2003). Metode QUASA ini merupakan turunan dari metode SAGAT (Brandigampola, 2011). Hasil dari pengukuran tersebut nantinya akan dianalisis dengan menggunakan Signal Detection Theory
(SDT) agar dapat mengetahui kemampuan manusia (sensitivitas) untuk mendeteksi informasi yang benar dan salah (Edgar et al., 2003). Beberapa penelitian dengan menggunakan metode QUASA mengaplikasikan teknik pengukuran online dan freeze ketika memberikan pertanyaan pada saat simulasi. Sebagai contoh pada penelitian McGuinness (2004) teknik pengukuran yang digunakan saat melakukan simulasi peperangan adalah online, sedangkan penelitian Edgar et al. (2012) menggunakan teknik pengukuran freeze dalam simulasinya. Berdasarkan beberapa penelitian yang telah dilakukan, belum ada yang membandingkan antara teknik pengukuran secara online dan freeze pada metode QUASA. Oleh karena itu, penelitian ini akan dilakukan dengan menggunakan metode QUASA untuk membandingkan teknik pengukuran secara online
dan freeze dalam mengukur SA pada pengemudi dengan dua macam level kesulitan menggunakan
driving simulator.
II. METODOLOGI
Eksperimen dilakukan di dalam Laboratorium Ergonomi Universitas Gadjah Mada untuk melakukan pengukuran SA dengan menggunakan driving simulator.
A. Subjek
Penelitian ini menggunakan data primer dimana didapat dari hasil simulasi dengan menggunaan software City Car Driving dan Gaze Point Analysis untuk perekaman aktivitas mengemudi saat simulasi berlangsung. Digunakan 10 orang responden yang terdiri dari 5 orang wanita dan 5 orang pria dengan rata-rata usia 24 tahun, telah memiliki SIM A minimal selama 1 tahun, dan tidak buta warna.
B. Prosedur Eksperimen
Eksperimen dengan menggunakan software City Car Driving dilakukan dengan mengaplikasikan 2 tingkat kesulitan (low dan high) yang dilihat dari kepadatan pengguna mobil, pejalan kaki, dan perilaku pengguna mobil disekitar dan 2 teknik pengukuran (online dan freeze). Setiap responden memiliki waktu selama 3 hari untuk melakukan eksperimen, dimana pada hari pertama responden diminta untuk berlatih menggunakan software sehingga pada akhirnya responden dapat terbiasa menggunakannya dan dua hari berikutnya digunakan untuk pengambilan data. Setiap harinya responden akan diberikan 2 macam kondisi secara acak, dimana waktu eksperimen untuk setiap kondisi berlangsung selama 20-25 menit. Selama simulasi berlangsung,
software Gazepoint Analysis digunakan untuk merekam layar, audio recorder untuk merekam
suara responden, dan 18 butir pertanyaan yang ada pada kuisioner QUASA akan ditanyakan dimana pertanyaan-pertanyaan tersebut terdiri dari SA level 1, level 2, dan level 3. Setelah selesai melakukan simulasi, peneliti melakukan pengolahan data dengan mengelompokkan hasil kedalam respon SDT (hit, miss, false alarm, dan correct rejection) dan analisis statistika.
C. Analisis Data
Hasil perhitungan SA dengan menggunakan metode QUASA terdiri dari tiga hal, yaitu
sensitivity (A’), response bias (B‖), dan SA calibration. Hasil tersebut kemudian dianalisis dengan menggunakan metode statistika untuk mengetahui perbedaan diantara kedua teknik pengukuran
(online dan freeze) dengan menggunakan repeat measure ANOVA.
1) Sensitivity (A’)
Sensitivitas dapat didefinisikan sebagai kemampuan aktual seseorang untuk membedakan antara signal benar dari noise yang ada (Brandigampola, 2011). Untuk mengukurnya perlu dilakukan perhitungan dengan menggunakan nilai dari peluang hit dan false alarm. Nilai A’ berada dalam batas 0.5-1, dimana nilai 0,5 mengindikasikan bahwa signal sulit dibedakan dengan noise sedangkan nilai 1 berkorespondensi terhadap performansi yang sempurna (Stanislaw dan Natasha, 1999).
2) Response Bias (B‖)
Pengukuran B‖ dilakukan untuk mengetahui respon yang diberikan oleh responden dalam mengemudi. Berkisar antara -1 dan +1 dimana nilai negatif berarti responden memberikan respon liberal dan positif memberikan respon konservatif.
3) SA Calibration (Calibration Bias)
SA Calibration didapatkan dengan melakukan perhitungan pada self confidence rating
dengan banyaknya respon benar yang diberikan saat menjawab pertanyaan. Skor bias yang positif menandakan adanya over confidence pada responden sedangkan negatif berarti menandakan under confidence.
4) Metode Statistika
Uji statistika dilakukan untuk mengetahui adanya perbedaan teknik pengukuran SA secara online dan freeze dengan menggunakan uji repeat measure ANOVA pada software
SPSS.
III. HASIL DAN PEMBAHASAN
Dalam metode QUASA yang dilakukan untuk mengetahui hasil pengukuran SA adalah dengan menganalisis kemudian menginterpretasikan menggunakan perhitungan matematis pada SDT (Mcguinness, 2004). Terdapat 2 indikator yang digunakan dalam SDT, yaitu sensitivity dan
response bias, sedangkan calibration bias digunakan untuk mengetahui perilaku responden dalam
mengemudi dan menjawab pertanyaan. A. Sensitivity (A’)
Nilai sensitivitas digunakan untuk melihat bagaimana respon pengemudi dalam menerima signal benar atau noise. Gambar 1 menunjukkan bahwa nilai sensitivitas pada teknik pengukuran secara online di kedua level traffic density lebih besar dibandingkan dengan teknik pengukuran secara freeze. Hal tersebut berarti dengan menggunakan teknik pengukuran SA secara online, kemampuan responden dalam membedakan signal benar atau noise lebih baik dibandingkan dengan menggunakan teknik pengukuran secara freeze. Namun, tidak cukup jika hanya membandingkan hasil dengan menggunakan grafik saja. Oleh karena itu, digunakan uji stastistika
untuk mengetahui bagaimana perbedaan antar teknik pengukuran dan level traffic density
terhadap sensitivitas pengemudi.
Gambar 1 Nilai Sensitivity (A’) Total
Berdasarkan hasil uji statistika pada Tabel 1 dengan menggunakan Repeated Measure
ANOVA nilai signifikansi keseluruhan kombinasi kondisi eksperimen adalah ≥ 0.05. Hal tersebut membuktikan bahwa sensitivitas pengemudi antara traffic densitylow dan high tidak memiliki perbedaan dan sensitivitas pengemudi antara teknik pengukuran secara online dan
freeze juga tidak memiliki perbedaan yang signifikan.
Tabel 1 Hasil Uji Repeated Measure ANOVA untuk Nilai A’
Teknik Pengukuran (online
dan freeze)
Traffic Density
(low dan high)
Teknik Pengukuran dan Traffic
Density
Sig 0.051 0.070 0.440
B. Response Bias (B”)
Nilai response bias digunakan untuk melihat bagaimana respon pengemudi dalam menerima serta menolak informasi yang ambigu. Gambar 2 menunjukkan grafik response bias yang dibedakan berdasarkan teknik pengukuran SA. Berdasarkan Gambar 2 (A) dan (B) nilai response bias tidak menunjukkan adanya perbedaan. Hal tersebut dikarenakan adanya perbedaan nilai response bias pada setiap respondennya. Seperti contoh pada responden ke-1 dengan teknik pengukuran secara online memberikan respon yang konservatif, namun ketika pengukuran secara freeze respon yang diberikan adalah liberal. Hal tersebut berbanding terbalik dengan responden ke-4 dimana dengan pengukuran secara online memberikan respon liberal sedangkan pada pengukuran freeze memberikan respon yang konservatif. Hasil secara keseluruhan perhitungan response bias pada kedua teknik pengukuran menunjukkan bahwa responden cenderung memberikan respon konservatif dibandingkan respon yang liberal.
(A) (B)
Gambar 2 (A) Nilai Response Bias (B‖) Secara Online dan (B) Nilai Response Bias (B‖) Secara Freeze
Dengan menggunakan analisis statistika, hasil pengukuran nilai response bias pada kedua teknik pengukuran tersebut dapat diketahui perbedaannya. Tabel 2 di bawah ini merupakan hasil
0.001 0.001 0.001 0.001 0.001 Low High Online Freeze Traffic Density
uji dengan menggunakan Repeated Measure ANOVA pada nilai B‖. Dilihat dari hasil signifikansinya semua menunjukkan nilai ≥ 0.05 yang berarti tidak ada perbedaan yang signifikan antara teknik pengukuran secara online dengan freeze, traffic density low dengan high, dan kombinasi antara teknik pengukuran dengan traffic density.
Tabel 2 Hasil Uji Repeated Measure ANOVA untuk Nilai B‖
Teknik Pengukuran (online
dan freeze)
Traffic Density
(low dan high)
Teknik Pengukuran dan Traffic
Density
Sig 0.101 0.796 0.753
C. SA Calibration (Calibration Bias)
Pengukuran calibration bias ini dilakukan untuk mengetahui tingkat keyakinan responden terhadap kebenaran dari keputusannya. Nilai calibration bias yang positif menandakan adanya perilaku over confidence sedangkan nilai yang negatif menandakan adanya perilaku under confidence. Gambar 3 (A) dan (B) menunjukkan calibration plot dari perhitungan yang telah dilakukan. Kedua gambar tersebut menunjukkan bahwa dari 10 orang responden, 4 diantaranya menunjukkan perilaku yang under confident dan sisanya berperilaku over confidence. Dengan kata lain hasil menunjukkan bahwa dari kedua teknik pengukuran perilaku yang mendominasi adalah perilaku over confidence.
(A) (B)
Gambar 3 (A) Calibration Plot Secara Online dan (B) Calibration Plot Secara Freeze
Berdasarkan hasil uji statistika dengan menggunakan Repeated Measure ANOVA pada nilai
calibration bias pada tabel 3, nilai signifikansi keseluruhan kombinasi kondisi eksperimen adalah
≥ 0.05. Hal tersebut membuktikan bahwa perilaku yang ditimbulkan oleh responden saat mengemudi antara traffic density low dan high tidak memiliki perbedaan dan sama halnya juga dengan teknik pengukuran secara online dan freeze.
Tabel 3 Hasil Uji Repeated Measure ANOVA untuk Nilai Calibration Bias
Teknik Pengukuran (online
dan freeze)
Traffic Density
(low dan high)
Teknik Pengukuran dan Traffic
Density
Sig 0.594 0.051 0.941
Hasil analisis berdasarkan ketiga indikator pengukuran SA pada teknik pengukuran SA secara
online menunjukkan bahwa sensitivitas responden dalam menerima signal cenderung cukup
tinggi, dengan perilaku yang konservatif, dan over confidence. Sedangkan teknik pengukuran SA secara freeze menunjukkan bahwa sensitivitas responden dalam menerima signal cenderung lebih rendah dibandingkan dengan online, dengan perilaku yang konservatif, dan over confidence.
IV. PENUTUP
Berdasarkan perhitungan yang telah dilakukan, maka didapatkan kesimpulan sebagai berikut: 1. Nilai sensitivitas (A’) dalam menerima signal dan menolak noise pada teknik pengukuran
2. Respon yang diberikan responden (B‖) dalam menerima dan menolak informasi yang ambigu pada kedua teknik pengukuran online lebih banyak memberikan respon yang konservatif diabndingkan dengan respon yang liberal.
3. Pengukuran calibration bias pada keseluruhan kombinasi kondisi eksperimen menunjukkan bahwa perilaku over confidence lebih mendominasi dibandingkan dengan under confidence. 4. Hasil uji statistika dengan menggunakan Repeated Measure ANOVA untuk keseluruhan
kombinasi antara teknik pengukuran (online dan freeze) dengan traffic density (low dan high) tidak menunjukkan adanya perbedaan (sig≥0.05) yang signifikan. Jadi, teknik pengukuran SA dengan menggunakan metode QUASA dapat digunakan secara online maupun freeze.
DAFTAR PUSTAKA
Endsley, M.R., 1995, Towards a theory of situation awareness in dynamic systems. Human Factors, 37, 32–64.
Endsley, M.R. dan Garland, D.J, 2000, Situation Awareness Analysis and Measurement, Taylor and Francis Group, London.
Endsley, M.R., Betty, B., dan Debra, G.J., 2003, Designing for Situation Awareness: An Approach to User-Centered Design, USA: CRC Press.
Edgar, G., Edgar, H., & Curry, M., 2003, Using Signal Detection Theory to Measure Situation Awareness in Command and Control, Human Factors and Ergonomics Society 47th Annual Meeting (pp. 2019-2023), United Kingdom: SAGE.
Gonzalez, C., & Wimisberg, J., 2007, Situation awareness in dynamic decision making: Effects of practice and working memory. Journal of Cognitive Engineering and Decision Making, 1(1), 56-74.
Horswill, Mark S. dan McKenna, Frank P., Driver's Hazard Perception Ability: Situation Awareness on The Road, A Cognitive Approach to Situation Awareness: Theory and Application, England: ASHGATE.
Kaber, David B. dan Ma, Ruiqi., 2005, Situation Awareness and Workload in Driving While Using Adaptive Cruise Control and a Cell Phone. International Journal of Industrial Ergonomics, 35, 2, pp. 939-953
Mc.Guinnes, B., 2004, Quantitative Analysis of Situational Awareness (QUASA): Applying Signal Detection Theory to True/False Probes and Self-Ratings, UK: BAE Systems.
Salmon, P., Stanton, N., Walker, G., & Green, D., 2006, Situation Awareness measurement: A review of applicability for C4i environments. Journal of Applied Ergonomics, 37, 2, pp. 2°-238.
Salmon, P., Stanton, N., Walker, G., Jenkins, D., Ladva, D., Rafferty, L., & Young, M., 2009, Measuring Situation Awareness in Complex Systems: Comparison of Measure Study. Journal of Applied Ergonomics, 39, 2, pp. 490-500.
Treat, J R., Tumbas, N S., McDonald, Shinar, D., Hume, R D., 1977, Tri-Level Study of The Causes of Traffic Accidents, Washington: The TRIS and ITRD Database.
Brandigampola, S.R., 2011, Team Situation Awareness Displays: an Empirical Evaluation of Team Performance, Tesis Master pada Art in Psychology Universitas Carleton, Canada.
Edgar, G., Catherwood, D., Sallis, G., Brookes, D., & Medley, A., 2012, ―I always know what’s going on.‖ Assessing the Relationship between Perceived and Actual Situation Awareness across Different Scenarios, World Academy of Science, Engineering and Technology.
Sætrevik, B., 2013, Developing a context-general self-report approach to measure three-level situation awareness, Int Marit Health, 66-71.
World Health Organization, 2015, Global Status Report on Road Safety 2015, Italy:WHO Press.
Wibisono, Y.T., 2015, Evaluasi Alat Pengukuran Situational Awareness, Skripsi Program Studi Teknik Industri Universitas Gadjah Mada, Yogyakarta.
