LAPORAN PRAKTIKUM

HUMAN FACTOR

Disusun oleh : Kelompok Densus 99

1. Darussalam

(0806458800) (0806337756) (0806459021)

2. Gabriela Sabaktani Pardede (0806337623) 3. Lukat Nur Halim 4. Roberton Siahaan

5. Ruth Palupi Widya Handari (0806337983)

DEPARTEMEN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS INDONESIA

BAB I CHOICE REACTION TIME

I.1 Dasar Teori Pengambilan keputusan sebenarnya adalah inti dari proses informasi, dimana manusia mengevaluasi alternatif dan memilih respon yang tepat. Salah satu teori klasik mengenai teori keputusan dengan metode yang rasional adalah perhitungan dari nilai ekspektasi yang diperoleh dari jumlah perkalian dengan probabilitas dari tiap-tiap alternatif: E = PiVi E = Expected value Pi = Probabilitas dari kemunculan situasi ke-i Vi = Value dari kemunculan situasi ke-i Pengambilan keputusan ini juga dipengaruhi oleh ingatan manusia terhadap stimuli yang diberikan. Sistem ingatan (memori) manusia secara konseptual terbagi atas tiga bagian, yaitu:
Sensory storage, dimana ingatan ini bersifat sangat sementara dan mungkin hanya akan

diingat sampai orang tersebut selesai memberikan respon atas sebuah stimuli.
Short term memory atau lebih dikenal sebagai working memory, dimana terjadi proses

penyimpan data atas stimuli yang diberikan.

Long term memory, dimana dilakukan pengingatan kembali atas ingatan yang telah

tersimpan sebelumnya. Working memory adalah langkah awal dari long term memory. Informasi pada subsistem sensory memory harus melalui fase working memory terlebih dahulu dan tersimpan dalam ingatan sebelum menjadi long term memory. Proses ini termasuk long term memory dan bukan merupakan short term memory karena menggunakan ingatan praktikan mengenai bentuk angka untuk memberikan respon atas stimuli yang diberikan.

I.1.1 Long Term Memory Informasi yang diperoleh dari working memory diubah menjadi long term memory dengan mengubahnya menjadi kode, yaitu dengan memberikan arti tertentu pada informasi 2

yang diberikan dan menghubungkannya dengan informasi yang sudah lebih dahulu tersimpan dalam long term memory. Untuk memanggil kembali informasi yang sudah tersimpan, informasi yang ada harus dianalisis, dibandingkan, dan dihubungkan dengan pengetahuan yang lalu. Pemanggilan kembali informasi ini sering menjadi bagian tersulit dari penggunaan informasi yang tersimpan pada long term memory. Penggunaan mnemonics untuk mengorganisir informasi membuat pemanggilan data menjadi lebih mudah. Mnemonics yaitu menghubungkan informasi yang diperoleh dengan sesuatu yang lebih mudah diingat seperti kata tertentu atau gambar maupun suara. Ketika manusia mendapatkan stimuli dan telah menyelesaikan fase pemanggilan kembali informasi, maka orang tersebut akan memberikan respon atas stimuli tersebut. Antara saat stimuli diberikan hingga respon selesai dikerjakan ada tenggang waktu yang berbeda-beda tergantung pada orang yang menerima stimuli dan jenis stimuli yang diberikan. Tenggang waktu inilah yang kemudian dipelajari dan dikenal sebagai response time.

I.1.2 Response Time Dalam berbagai situasi, manusia diharuskan membuat respon terhadap beberapa stimuli yang mereka terima dari lingkungan. Pada saat tertentu, kecepatan reaksi orang tersebut menjadi sangat penting dalam memberikan respon. Waktu pemberian respon secara umum terbagi menjadi dua bagian, yaitu waktu reaksi dan waktu gerakan. Waktu reaksi adalah waktu sejak stimuli mulai diberikan sampai awal terjadinya respon. Sedangkan waktu sejak awal respon hingga respon tersebut selesai dilakukan dinamakan waktu gerakan (movement time). Dalam beberapa situasi, kedua waktu ini sulit dipisahkan. Waktu respon terbagi menjadi dua macam, yaitu, simple reaction time dan choice reaction time. Simple reaction time adalah waktu untuk memulai respon ketika hanya satu stimuli yang muncul, dan respon yang diharapkan selalu sama. Sedangkan choice reaction time akan kami bahas lebih lanjut pada sub bab berikut ini.

I.1.3 Choice Reaction Time Choice reaction time adalah waktu yang diperlukan ketika satu dari beberapa stimuli muncul dan setiap macamnya mengharapkan respon yang berbeda. Secara umum, semakin banyak stimuli yang mungkin muncul dan semakin banyak respon yang diharapkan, maka semakin panjang pula waktu respon yang diperlukan. Waktu respon yang dihasilkan biasanya 3

akan membentuk non-linear, tetapi dengan Hick-Hyman Law maka nilai tersebut akan diubah menjadi bentuk linear: RT = a + bH RT H a b = Response Time (sec) = jumlah informasi (bits); H = log2 n; n = jumlah stimuli = intercept = slope, information processing rate Konsekuensi dari sistem hubungan logaritma ini adalah dengan menggandakan jumlah alternatif, maka CRT akan meningkat secara konstan. Hal ini dibuktikan pada beberapa penelitian bahwa CRT meningkat sekitar 150 ms untuk setiap penggandaan jumlah alternatif. Bila ditinjau lebih lanjut, CRT adalah fungsi probabilitas dari kemunculan stimuli ketika probabilitas untuk sebuah stimuli semakin besar, maka probabilitas untuk stimuli lainnya akan menurun. Hal ini mengakibatkan peningkatan CRT. Jika stimuli yang muncul adalah stimuli dengan probabilitas tinggi, maka CRTnya akan semakin singkat, sementara jika yang muncul adalah stimuli dengan probabilitas rendah, maka CRTnya akan semakin panjang. Jika stimuli yang diharapkan tidak muncul, maka orang tersebut harus mengingat kembali respon yang harus dilakukan berdasarkan ingatannya. Selain hal-hal tersebut, masih terdapat hal-hal lain yang harus diperhatikan seperti: 1. Kesesuaian antara stimuli dan respon yang diharapkan Yang dimaksud di sini adalah tingkat dimana hubungan antara stimuli dan respon sesuai dengan pemikiran manusia. Semakin tinggi tingkat kesesuaiannya, semakin sedikit proses pengolahan informasi yang harus dilakukan. Hal ini akan memberikan hasil pembacaan yang lebih cepat, waktu respon yang lebih baik, kesalahan yang lebih sedikit, dan penurunan beban mental kerja (mental workload). Kesesuaian ini meliputi: Kesesuaian kode atau simbol dengan persepsi manusia sehingga mudah dibaca dan dipahami, Kesesuaian antara pergerakan display dan sistem kontrol dengan respon yang diinginkan, 4

Kesesuaian pengaturan posisi panel kontrol dengan posisi stimuli yang diberikan. Semakin rendah kesesuaiannya, semakin besar efek yang ditimbulkan bila dilakukan

penambahan jumlah alternatif yang mungkin akan muncul. Nyatanya, dengan tingkat kesesuaian respon yang tinggi, perbedaan waktu respon untuk percobaan dengan 2 sampai 10 alternatif stimuli dapat diabaikan.

1. Latihan Semakin sering pekerjaan tersebut dilakukan (menerima stimuli dan memberikan respon), semakin kecil efek dari penambahan jumlah alternatifnya. Berdasarkan data, setelah melakukan pekerjaan kesatu juta terlihat bahwa penambahan alternatif tidak lagi berpengaruh (perlu diperhatikan bahwa hal ini memakan waktu 11 hari tanpa berhenti menerima stimuli dan memberikan respon). 2. Peringatan CRT dapat dikurangi dengan memberikan peringatan sebelum stimuli muncul. Peringatan ini hanya untuk menandai stimuli akan muncul dan bukan stimuli mana yang akan muncul. Tapi efek dari usaha ini tergantung pada jeda waktu antara peringatan dan munculnya stimuli. Tapi pada percobaan yang pernah dilakukan oleh para ahli, diperoleh data bahwa dengan adanya peringatan ini, waktu respon semakin meningkat, tetapi menurunkan jumlah terjadinya kesalahan. 3. Jenis gerakan Semakin rumit gerakan yang harus dilakukan sebagai respon, semakin panjang pula waktu respon yang diperlukan. 4. Lebih dari satu stimuli Ketika dua stimuli memerlukan respon yang berbeda dan stimuli kedua muncul sebelum respon pertama selesai dilakukan, maka respon untuk stimuli kedua akan tertunda. Penundaan ini akan semakin panjang ketika respon pertama terdiri atas beberapa alternatif. Waktu respon untuk stimuli kedua akan lebih mendekati normal ketika stimuli kedua diberikan setelah respon pertama selesai dilakukan. Waktu respon untuk stimuli pertama secara umum tidak terpengaruh oleh waktu kemunculan stimuli kedua.

I.2 Pembahasan Soal I.2.1 Soal 1 Membuat analisis pengaruh jumlah stimuli/ pilihan dikaitkan dengan response time menggunakan hipotesis ANOVA. Penyelesaian Untuk mengetahui apakah ada pengaruh jumlah stimuli terhadap reaction time kami menggunakan Minitab dengan fungsi Stat ANOVA. Ada 3 level stimuli yang diberikan, yaitu 2 (4-5), 4 (3-6) dan 8(1-8) dengan masing-masing praktikan melakukan percobaan sebanyak 10 kali dan percobaan lanjutan sebanyak 60 kali. Berikut data praktikum yang diperoleh.
Tabel 1.1 Pengaruh jumlah stimuli terhadap reaction time Jumlah stimuli 2 0,7188 0,5781 0,4688 0,5156 0,7031 0,7031 0,5000 0,5781 0,6875 0,5781 0,5625 0,4844 0,5000 0,5781 0,3906 0,5158 0,4844 0,5469 0,4844 0,5781 0,5156 0,5000 0,4844 0,5313 0,6250 0,5938 0,5313 0,5000 0,5156 0,6563 0,4844 Jumlah stimuli 4 0,8594 0,6875 0,6406 0,8438 1,0313 0,6406 0,8281 0,8281 0,7969 0,5781 0,7344 0,7969 0,8750 0,6406 0,5781 0,5313 0,5000 0,7344 0,8281 0,7031 0,4531 0,8281 0,9688 0,9375 0,8438 0,8281 0,5313 0,7969 0,7656 0,7344 0,7188 Jumlah stimuli 8 1,2500 0,7813 1,0938 1,1875 0,6875 1,2188 0,7969 1,0313 0,9688 0,9531 0,7656 1,0156 1,0625 0,9844 0,8906 1,0781 0,7813 0,9531 1,0156 0,9844 0,9688 1,0156 0,8750 0,9844 0,9531 0,7188 1,0156 1,0000 0,7500 0,9219 0,9219

0,4688 0,4688 0,4531 0,5000 0,5625 0,5000 0,4688 0,5469 0,4375 0,5313 0,6563 0,6094 0,4219 0,5781 0,6094 0,6875 0,4688 0,4844 0,5156 0,6094 0,5625 0,5313 0,7188 0,4688 0,5625 0,6563 0,5469 0,5313 0,5625

0,7969 0,9531 0,9375 0,6406 0,7969 0,9688 0,5938 0,7969 0,9063 0,8594 0,6406 0,7813 0,5938 0,9375 0,8594 0,6094 0,6875 0,6875 0,8125 0,8281 0,6250 0,6250 0,8281 0,6719 0,7656 0,7813 0,5781 0,7344 0,7344

1,0156 0,7969 0,8281 0,8750 0,6563 0,7813 1,2031 0,9063 0,9844 0,8750 0,8594 0,7813 1,0781 0,7813 0,9375 1,0469 0,7344 0,9531 0,8594 0,8750 0,8906 0,9844 0,8438 0,8740 0,7500 0,5313 0,7500 1,0938 1,0156

Hipotesis yan digunakan: H0 : 1 = 2 = 3 (jumlah stimuli tidak mempengaruhi response time). H1 : 1 2 3 untuk paling sedikit satu pasang (jumlah stimuli mempengaruhi response time). Hipotesis yang kami lakukan menggunakan = 0.05 Langkah berikutnya adalah memasukkan data response time tersebut ke dalam worksheet Minitab dan mengolahnya, urutan pemgerjaannya adalah: 1) Membuka Software Minitab. 2) Memasukkan data pada Worksheet yang tersedia. Response time dimasukkan ke dalam C2 (kolom kedua) sedangkan kolom pertama diisi dengan jumlah Stimuli yaitu nilai 2, 4, atau 8 sesuai dengan data yang berkaitan dengan kolom sebelahnya. 3) Kemudian pilih Stat > ANOVA > One Way lalu akan tampil kotak dialog One Way Analysis Of Variance. 4) Pada Respon isi dengan C2 sedangkan pada Factor isi C1 5) Untuk menampilkan BoxPlot Klik Graphs, lalu centang pilihan BoxPLot Of Data 6) Pilih four in one untuk menunjukkan residual data. 7) Kemudian klik OK Hasil Pengerjaan

Boxplot of C2
1,3 1,2 1,1 1,0 0,9 C2 0,8 0,7 0,6 0,5 0,4 2 4 C1 8

Keterangan: C1=jumlah stimuli C2= reaction time Grafik 1.1 Grafik BoxPlot tiap response time dengan jumlah stimuli

Dari ANOVA di atas, dapat dilihat bahwa nilai P adalah 0.000 (lebih kecil dari = 0.05) sehingga dengan demikian menolak H0 yang berarti adanya pengaruh yang signifikan antara jumlah stimuli dengan response time. Berdasarkan grafik boxplot di atas, dapat dikatakan bahwa ada sebagian data respon time yang out-lier. Mungkin karena faktor lain yang tidak terlalu diperhatikan oleh praktikan karena dianggap tidak mempengaruhi secara signifikan. Pada gambar grafik 1.1 bisa dilihat pengaruh dari jumlah stimulus terhadap response time, semakin banyak stimulus maka response time-nya akan semakin besar. Titik hitam adalah rata-rata sampel dan lambang bintang yang tersusun vertikal menunjukkan persebaran data, bisa dilihat persebaran data lebih terkonsentrasi di atas rata-ratanya. Response time yang meningkat seiring dengan penambahan stimulus menunjukkan hubungan yang linear positif. Dari hasil hipotesis yang telah diperoleh, kita dapat mengatakan bahwa semakin banyak jumlah stimuli yang diberikan kepada seseorang, maka waktu yang diperlukan orang tersebut untuk menanggapinya juga akan semakin lama. Hal ini sesuai dengan hukum HickHyman. I.2.2 Soal 2 Membuat analisa pengaruh menggunakan Linier Regresi. Jumlah Trial terhadap Response Time dengan

Penyelesaian 8

Untuk menentukan hal ini, akan digunakan data percobaan lanjutan yang berasal dari hasil praktikum yang dilakukan oleh praktikan masing-masing sebanyak 60 kali untuk setiap jenis stimuli. Data yang berasal dari percobaan yang salah, tidak diikutsertakan dalam melakukan perhitungan. Untuk melihat bagaimana pengaruh dari jumlah trial terhadap response time, akan dibuat grafik linear dengan menggunakan excel. Selain itu akan dihitung pula persamaan garis beserta nilai korelasinya dengan menggunakan minitab untuk mengetahui seberapa kuat hubungan antara jumlah trial dengan response time. Berikut merupakan data jumlah trial dengan alternative stimulus:

Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

RT 2 Stimuli 0.7188 0.5781 0.4688 0.5156 0.7031 0.7031 0.5 0.5781 0.6875 0.5781 0.5625 0.4844 0.5 0.5781 0.3906 0.5158 0.4844 0.5469 0.4844 0.5781 0.5156 0.5 0.4844 0.5313 0.625 0.5938 0.5313 0.5 0.5156 0.6563

RT 4 Stimuli 0.8594 0.6875 0.6406

RT 8 Stimuli 1.25 0.7813 1.0938

Trial 31 32 33

RT 2 Stimuli3 0.4844 0.4688 0.4688

RT 4 Stimuli 0.7188 0.7969 0.9531 0.9375 0.6406 0.7969 0.9688 0.5938 0.9063 0.8594 0.6406 0.7813 0.5938 0.9375 0.8594 0.6094 0.6875 0.6875 0.8125 0.8281 0.625 0.625 0.8281 0.6719 0.7656 0.7813 0.5781 0.7344 0.7344

RT 8 Stimuli 0.9219 1.0156 0.7969 0.8281 0.875 0.6563 0.7813 1.2031 0.9063 0.9844 0.875 0.8594 0.7813 1.0781 0.9375 1.0469 0.7344 0.9531 0.8594 0.875 0.8906 0.9844 0.8438 0.874 0.75 0.5313 0.75 1.0938 1.0156

0.8438 1.1875 34 0.4531 1.0313 0.6875 35 0.5 0.6406 1.2188 36 0.5625 0.8281 0.7969 37 0.5 0.8281 1.0313 38 0.4688 0.7969 0.9688 39 0.5469 0.5781 0.9531 40 0.4375 0.7344 0.7656 41 0.5313 0.7969 1.0156 42 0.6563 0.875 1.0625 43 0.6094 0.6406 0.9844 44 0.5781 0.8906 45 0.5781 0.5313 1.0781 46 0.6094 0.5 0.7813 47 0.6875 0.7344 0.9531 48 0.4688 0.8281 1.0156 49 0.4844 0.7031 0.9844 50 0.5156 0.4531 0.9688 51 0.6094 0.8281 1.0156 52 0.5625 0.9688 0.875 53 0.5313 0.9375 0.9844 54 0.7188 0.8438 0.9531 55 0.4688 0.8281 0.7188 56 0.5625 0.5313 1.0156 57 0.6563 0.7969 1 58 0.5469 0.7656 0.75 59 0.5313 0.7344 0.9219 60 0.5625 Table 1.2 Response Time dengan 2,4,8 stimuli

Kemudian dengan menggunakan Excel, gambar grafiknya sebagai berikut:

Grafik 1.2 Pengaruh Jumlah Trial ke- terhadap Response Time

Grafik 1.3 Pengaruh Jumlah Trial ke- terhadap Response Time

10

Grafik 1.4 Pengaruh Jumlah Trial ke- terhadap Response Time

Langkah pengerjaan Untuk menentukan persamaan regresinya kami menggunakan Minitab dengan langkah langkah sebagai berikut: 1) Membuka Software Minitab. Hal ini dilakukan dengan memilih Start > Program > Minitab 13 For Windows > Minitab 2) Memasukkan data pada Worksheet yang tersedia. Trial ke dimasukkan kedalam C1 (kolom pertama), kolom kedua (C2) diisi dengan Response Time dengan jumlah stimuli 2, kolom ketiga (C3) diisi dengan Response Time dengan jumlah stimuli 4, kolom keempat (C4) diisi dengan Response Time dengan jumlah stimuli 8, 3) Kemudian pilih Stat > Regression > Regression lalu akan tampil kotak dialog Regression 4) Untuk menentukan regrersi untuk jumlah stimuli 2, Pada Response isi dengan C2 sedangkan pada Predictors isi C1 lalu klik OK 5) Untuk menentukan regrersi untuk jumlah stimuli 4, Pada Response isi dengan C3 sedangkan pada Predictors isi C1 lalu klik OK 6) Untuk menentukan regresi untuk jumlah stimuli 8, Pada Response isi dengan C4 sedangkan pada Predictors isi C1 lalu klik OK

Hasil pengerjaan

11

Dari grafik 1.2 bisa dilihat persamaan regresi untuk jumlah trial terhadap response time pada percobaan 2 stimuli adalah y = -8E-05x + 0.5516, hal ini menunjukkan adanya 12

hubungan yang linear negatif antara jumlah trial terhadap response time, yang berarti bahwa semakin banyak percobaan (trial) yang dilakukan maka response time akan semakin kecil (semakin cepat). Nilai koefisien determinasinya adalah 0.0004 yang berarti jumlah trial memengaruhi response time sebesar 0.04% dan 99.96% lainnya dipengaruhi oleh faktor lain, seperti konsentrasi dan kebisingan lingkungan sekitar. Dari grafik 1.3 bisa dilihat persamaan regresi untuk jumlah trial terhadap response time pada percobaan 4 stimuli adalah y = -0.0003x + 0.7606, hal ini menunjukkan adanya hubungan yang linear negatif antara jumlah trial terhadap response time, yang berarti bahwa semakin banyak percobaan (trial) yang dilakukan maka response time akan semakin kecil (semakin cepat). Nilai koefisien determinasinya adalah 0.0019 yang berarti jumlah trial memengaruhi response time sebesar 0.19% dan 99.81% lainnya dipengaruhi oleh faktor lain, seperti konsentrasi, kebisingan lingkungan sekitar dan kecepatan gerakan jari. Dari grafik 1.4 bisa dilihat persamaan regresi untuk jumlah trial terhadap response time pada percobaan 8 stimuli adalah y = -0.0024x + 0.9952, hal ini menunjukkan adanya hubungan yang linear negatif antara jumlah trial terhadap response time, yang berarti bahwa semakin banyak percobaan (trial) yang dilakukan maka response time akan semakin kecil (semakin cepat). Nilai koefisien determinasinya adalah 0.0863 yang berarti jumlah trial memengaruhi response time sebesar 8.63% dan 91.37% lainnya dipengaruhi oleh faktor lain, seperti konsentrasi, kebisingan lingkungan sekitar dan kecepatan gerakan jari. I.2.3 Soal 3 Membuat Analisa Pengaruh Jenis Kelamin dikaitkan dengan Response Time menggunakan Hipotesis Anova. Penyelesaian Untuk melihat adanya pengaruh antara jenis kelamin terhadap reaction time, kami menggunakan hipotesis Anova. Dalam hipotesis yang akan dilakukan ini kita ingin menentukan apakah terdapat pengaruh yang signifikan antara jenis kelamin dengan waktu respon yang terjadi. Pada hipotesis ini, jumlah levelnya ada 2 karena ada 2 jenis kelamin yaitu laki-laki dan perempuan dengan jumlah replikasi yang sama. Untuk keduanya adalah n = 180. Sehingga Hipotesisnya adalah sbb : H0 : 1 = 2 (tidak ada pengaruh yang signifikan antara jenis kelamin dengan response time) H1 : 1 2 (ada pengaruh yang signifikan antara jenis kelamin dengan response time) 13

Hipotesis yang kami lakukan menggunakan confidence level 95% atau =0,05 Pengolahan data:
Tabel 1.3 Response Tiem dgn Jenis Kelamin Jenis kelamin Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Reaction time 0,7188 0,5781 0,4688 0,5156 0,7031 0,7031 0,5000 0,5781 0,6875 0,5781 0,5625 0,4844 0,5000 0,5781 0,3906 0,5156 0,4844 0,5469 0,4844 0,5781 0,5156 0,5000 0,4844 0,5313 0,6250 0,5938 0,5313 0,5000 0,5156 0,6563 0,4844 0,4688 0,4688 0,4531 Jenis kelamin Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Reaction time 0,5313 0,5156 0,6406 0,6875 0,6250 0,6875 0,5625 0,4219 0,5000 0,4688 0,4063 0,5313 0,4531 0,3594 0,4375 0,3594 0,5469 0,4375 0,5469 0,4375 0,4844 0,4219 0,3594 0,3750 0,3750 0,4688 0,6094 0,5781 0,6563 0,5000 0,8281 0,8906 0,7031 0,8438 Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan 0,5000 0,5625 0,5000 0,4688 0,5469 0,4375 0,5313 0,6563 0,6094 0,4219 0,5781 0,6094 0,6875 0,4688 0,4844 0,5156 0,6094 0,5625 0,5313 0,7188 0,4688 0,5625 0,6563 0,5469 0,5313 0,5625 0,8594 0,6875 0,6406 0,8438 1,0313 0,6406 0,8281 0,8281 0,7969 0,5781 Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki 0,6563 0,6094 0,5469 0,6563 0,4844 0,4063 0,5156 0,5313 0,5156 0,4531 0,4531 0,5781 0,5000 0,5000 0,6094 0,4844 0,5000 0,4688 0,4844 0,3906 0,5781 0,8906 0,5625 0,3906 0,3594 0,3594 1,0156 0,7344 0,4531 0,6719 0,5000 0,7500 0,8750 1,1875 0,6250 0,4375

14

Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan

0,7344 0,7969 0,8750 0,6406 0,5781 0,5313 0,5000 0,7344 0,8281 0,7031 0,4531 0,8281 0,9688 0,9375 0,8438 0,8281 0,5313 0,7969 0,7656 0,7344 0,7188 0,7969 0,9531 0,9375 0,6406 0,7969 0,9688 0,5938 0,7969 0,9063 0,8594 0,6406 0,7813 0,5938 0,9375 0,8594 0,6094 0,6875 0,6875 0,8125 0,8281 0,6250

Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki

0,7969 0,7344 0,5625 0,6563 0,7500 1,0313 0,6094 0,5938 0,5625 0,4531 0,4844 0,6563 0,8125 0,5938 0,6875 0,4531 0,5938 0,5469 0,5000 0,6719 0,5469 0,7188 0,5781 0,8438 0,6563 0,4688 0,9375 0,6563 0,8438 1,0000 0,6250 0,6563 0,7656 0,5000 0,6094 0,5625 0,7813 0,6875 0,6094 0,7656 0,5156 0,6875

Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan

0,6250 0,8281 0,6719 0,7656 0,7813 0,5781 0,7344 0,7344 1,2500 0,7813 1,0938 1,1875 0,6875 1,2188 0,7969 1,0313 0,9688 0,9531 0,7656 1,0156 1,0625 0,9844 0,8906 1,0781 0,7813 0,9531 1,0156 0,9844 0,9688 1,0156 0,8750 0,9844 0,9531 0,7188 1,0156 1,0000 0,7500 0,9219 0,9219 1,0156 0,7969 0,8281

Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki

0,5156 0,8438 0,7031 0,7969 1,0313 1,0781 0,4531 0,5000 0,9844 0,7188 0,5781 1,0313 1,1719 0,7656 0,8750 0,6250 0,7344 0,6563 0,6094 1,2500 0,9531 1,4063 0,7656 0,9375 0,8750 1,3125 0,8125 1,0469 0,6250 1,5625 0,7969 1,4531 0,8750 1,0313 1,3125 0,7969 1,0000 1,0469 0,9688 0,9531 0,8750 0,7813

15

Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan

0,8750 0,6563 0,7813 1,2031 0,9063 0,9844 0,8750 0,8594 0,7813 1,0781 0,7813 0,9375 1,0469

Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki

0,7188 0,6250 0,5469 0,8594 0,7500 0,6875 1,2031 0,9063 0,7656 0,8438 0,7188 0,7813 0,6094

Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan Perempuan

0,7344 0,9531 0,8594 0,8750 0,8906 0,9844 0,8438 0,8750 0,7500 0,5313 0,7500 1,0938 1,0156

Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki Laki-laki

1,2500 1,0938 1,1094 0,6563 0,8438 0,6250 0,4375 0,4531 0,5000 0,4688 1,0313 0,7500 1,2969

16

 Langkah pengerjaan Untuk mempermudah perhitungannya kami menggunakan software Minitab. Berikut adalah langkah pengerjaan dengan software Minitab: 1) Membuka Software Minitab. 2) Memasukkan data pada Worksheet yang tersedia. Response time dimasukkan kedalam C2 (kolom kedua) sedangkan kolom pertama diisi dengan Jenis Kelamin yaitu nilai laki-laki atau perempuan sesuai dengan data yang berkaitan dengan kolom sebelahnya 3) Kemudian pilih Stat > ANOVA > One Way lalu akan tampil kotak dialog One Way Analysis Of Variance 4) Pada Respon isi dengan C2 sedangkan pada Factor isi C1 5) Kemudian klik OK Hasil Pengerjaan

Analisis ANOVA: Dari hasil minitab tersebut, dapat dilihat bahwa nilai P adalah 0.065 (lebih besar dari = 0.05) sehingga dengan demikian menerima H0 yang berarti tidak terdapat pengaruh yang signifikan antara jenis kelamin dengan response time.

17

Boxplot of reaction time

1,50

1,25 reaction time

1,00

0,75

0,50

1 jenis kelamin

Grafik 1.5 Blox plot antara jenis kelamin terhadap reaction time

Pada gambar grafik 1.5 bisa dilihat tidak adanya pengaruh dari jenis kelamin terhadap reaction time. Hal ini sangat mungkin terjadi karena baik sampel laki-laki maupun perempuan memiliki karakteristik yang hampir sama. Karakteristik yang sama yang dimaksud adalah meliputi umur, pekerjaan (mahasiswa) dan yang lainnya. Sehingga dari karakteristik ini menyebabkan nilai response timenya hampir sama. Titik hitam adalah rata-rata sampel dan lambang bintang yang tersusun vertikal menunjukkan persebaran data, bisa dilihat persebaran data hampir sama dengan mean. Jenis kelamin memiliki hubungan negatif dengan jumlah stimulus. Untuk yang laki-laki ada data outlier sedangkan untuk perempuan tidak ada. Hal itu disebabkan oleh faktor lain yang tidak terlalu diperhatikan dalam praktikum ini, karena dianggap tidak terlalu mempengaruhi secara signifikan. I.2.4 Soal 4 Membuat Persamaan Hick-Hyman Law dari data yang diperoleh. Penyelesaian Untuk membuat persamaan Hick-Hyman, kita perlu mengubah nilai jumlah informasi yakni jumlah stimuli menjadi bit. Untuk mengubahnya digunakan persamaan sebagai berikut: H = 2Log n, dengan H : jumlah informasi n : jumlah pilihan 18

Sehingga untuk pilihan 4-5 mempunyai bit =1, pilihan 3-6 mempunyai bit= 2, dan pilihan 18 mempunyai bit =3.

Kemudian data yang telah diperoleh dikelompokkan menurut bitnya sebagai berikut:
Bit 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Response Time Bit Response Time Bit Response Time 0.7188 1 0.5156 1 0.5313 0.5781 1 0.5 1 0.6563 0.4688 1 0.4844 1 0.6094 0.5156 1 0.5313 1 0.7031 1 0.625 1 0.5781 0.7031 1 0.5938 1 0.6094 0.5 1 0.5313 1 0.6875 0.5781 1 0.5 1 0.4688 0.6875 1 0.5156 1 0.4844 0.5781 1 0.6563 1 0.5156 0.5625 1 0.4844 1 0.6094 0.4844 1 0.4688 1 0.5625 0.5 1 0.4688 1 0.5313 0.5781 1 0.4531 1 0.7188 0.3906 1 0.5 1 0.4688 0.5158 1 0.5625 1 0.5625 0.4844 1 0.5 1 0.6563 0.5469 1 0.4688 1 0.5469 0.4844 1 0.5469 1 0.5313 0.5781 1 0.4375 1 0.5625 Tabel 1.4 Response Time dengan Jumlah Informasi 1 Bit

Bit 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Response Time 0.8594 0.6875 0.6406 0.8438 1.0313 0.6406 0.8281 0.8281 0.7969 0.5781 0.7344 0.7969 0.875 0.6406 0.5781

Bit 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Response Time 0.4531 0.8281 0.9688 0.9375 0.8438 0.8281 0.5313 0.7969 0.7656 0.7344 0.7188 0.7969 0.9531 0.9375 0.6406

Bit 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Response Time 0.8594 0.6406 0.7813 0.5938 0.9375 0.8594 0.6094 0.6875 0.6875 0.8125 0.8281 0.625 0.625 0.8281 0.6719

19

2 2 2 2 2

0.5313 2 0.7969 2 0.5 2 0.9688 2 0.7344 2 0.5938 2 0.8281 2 2 0.7031 2 0.9063 2 Tabel 1.5 Response Time dengan Jumlah Informasi 2 Bit

0.7656 0.7813 0.5781 0.7344 0.7344

Bit 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

Response Time Bit Response Time Bit Response Time 1.25 3 0.9688 3 0.875 0.7813 3 1.0156 3 0.8594 1.0938 3 0.875 3 0.7813 1.1875 3 0.9844 3 1.0781 0.6875 3 0.9531 3 1.2188 3 0.7188 3 0.9375 0.7969 3 1.0156 3 1.0469 1.0313 3 1 3 0.7344 0.9688 3 0.75 3 0.9531 0.9531 3 0.9219 3 0.8594 0.7656 3 0.9219 3 0.875 1.0156 3 1.0156 3 0.8906 1.0625 3 0.7969 3 0.9844 0.9844 3 0.8281 3 0.8438 0.8906 3 0.875 3 0.874 1.0781 3 0.6563 3 0.75 0.7813 3 0.7813 3 0.5313 0.9531 3 1.2031 3 0.75 1.0156 3 0.9063 3 1.0938 0.9844 3 0.9844 3 1.0156 Tabel 1.6 Response Time dengan Jumlah Informasi 3 Bit

Langkah pengerjaan Kemudian dari data tersebut diolah dengan menggunakan Minitab untuk mendapatkan persamaan Hick-Hyman. Langkah-langkah pengerjaan dengan minitab adalah sebagai berikut: 1) Membuka Software Minitab. Hal ini dilakukan dengan memilih Start > Program > Minitab 13 For Windows > Minitab 2) Memasukkan data pada Worksheet yang tersedia. Response time dimasukkan kedalam C2 (kolom kedua) sedangkan kolom pertama diisi dengan Jumlah informasi 20

(bits) yaitu nilai 1, 2, atau 3 sesuai dengan data yang berkaitan dengan kolom sebelahnya 3) Kemudian pilih Stat > Regression > Regression lalu akan tampil kotak dialog Regression 4) Pada Respon isi dengan C2 sedangkan pada Predictor isi dengan C1 5) Kemudian klik OK 6) Untuk membuat Plot data klik Stat > Regression > Fitted Line Plot kemudian tampak kotak dialog Fitted Line Plot 7) Isi kolom Respon dengan C2 , kemudian isi Predictor dengan C1 kemudian klik OK Hasil pengerjaan
Regression Analysis: C2 versus C1
The regression equation is C2 = 0.368 + 0.187 C1 177 cases used, 3 cases contain missing values Predictor Constant C1 Coef 0.36753 0.18656 SE Coef 0.02395 0.01108 T 15.35 16.83 P 0.000 0.000

S = 0.120408

R-Sq = 61.8%

R-Sq(adj) = 61.6%

Analysis of Variance
Source Regression Residual Error Total DF 1 175 176 SS 4.1070 2.5372 6.6442 MS 4.1070 0.0145 F 283.28 P 0.000

Regression Analysis: C2 versus C1

The regression equation is C2 = 0.3675 + 0.1866 C1 S = 0.120408 R-Sq = 61.8% R-Sq(adj) = 61.6%

Analysis of Variance Source Regression DF 1 SS 4.10703 MS 4.10703 F 283.28 P 0.000

21

Error Total

175 176

2.53718 6.64421

0.01450

Fitted Line: C2 versus C1

Fitted Line Plot

C2 = 0.3675 + 0.1866 C1 1.3 1.2 1.1 Response Tim e 1.0 0.9 0.8 0.7 0.6 0.5 0.4 1.0 1.5 2.0 Bits 2.5 3.0
S R-Sq R-Sq(adj) 0.120408 61.8% 61.6%

Grafik 1.6 Grafik Regresi antara Jumlah Informasi (Bits) dengan Response Time

Persamaan Hick-Hyman Law dari data yang diperoleh: RT = 0.3675 + 0.1866 H, sehingga a = intercept = 0.3675 b = slope, information processing rate = 0.1866 Dari grafik yang diperoleh, dapat dilihat adanya kecenderungan response time yang menaik seiring dengan jumlah informasi (bits) yang semakin bertambah. Dari hasil perhitungan minitab, terlihat bahwa R-squared untuk percobaan ini adalah 0.61. R-Squared ini menunjukkan kekuatan korelasi antara jumlah trial dengan response timenya. Nilai R-squared berkisar antara 0-1. Semakin mendekati 1 nilai R-Squared-nya, maka semakin kuat hubungannya. Tetapi jika semakin mendekati 0, makin lemah hubungannya. Dari nilai R-squared ini, kita dapat melihat bahwa terdapat hubungan yang cukup kuat antara jumlah informasi dengan response timenya. Dari nilai korelasi ini, kita dapat melihat adanya suatu kecenderungan yang menaik, dimana semakin banyak jumlah informasinya, maka semakin besar pula nilai response timenya. Dengan demikian, jumlah informasi yang dilakukan harus semakin sedikit agar

22

response time yang diperoleh bisa semakin cepat. karena semakin banyak jumlah informasi yang diberikan, maka waktu penyesuaian yang diperlukan juga semakin besar. I.3 Kesimpulan 1. Semakin banyak jumlah stimulus maka reaction time-nya akan semakin besar. 2. Dari grafik yang diperoleh, kita dapat melihat bahwa semakin banyak jumlah trial, maka rensponse time akan semakin cepat. 3. Tidak ada pengaruh jenis kelamin terhadap reaction time. 4. Persamaan Hick-Hyman Law dari data yang diperoleh: RT = 0.3675 + 0.1866 H 5. Dari nilai R-squared, terdapat hubungan yang cukup kuat antara jumlah informasi dengan response timenya.

23

BAB II FITTS TAPPING

1. Dasar Teori Aliran proses informasi manusia dimulai dari ditangkapnya stimulus atau rangsangan dari lingkungan sekitar oleh indera manusia (mata, kulit, dll) yang kemudian dikirim ke otak. Di dalam otak, semua stimulus ini diproses yang kemudian menghasilkan berbagai keluaran seperti membuat keputusan. Aliran system informasi manusia dapat dilihat pada Gambar berikut ini yang menunjukkan komponen-komponen dan aliran dari system pemrosesan informasi pada manusia.

Short Term Memory (STM) atauMemoriJangkaPendek Short Term Memory (STM) dapat menyimpan beberapa unit atau chuck informasi dalam beberapa detik. Chuc kini dapat berupa symbol seperti: kata-kata, angka, atau gambar. Short Term Memory (STM) merupakan unit processor yang digunakan unutk mendukung proses input atau output. Short Term Memory (STM) juga berhubungan dengan kemampuan kita untuk bekerja lebih dari satu tugas dalam satu waktu. Long Term Memory (LTM) atau Memori Jangka Panjang Long Term Memory (LTM) memiliki kapasitas yang hampir tidak terbatas untuk menyimpan informasi. Hanya dibutuhkan sepersekian detik untuk memanggil satu unit

24

informasidariLong Term Memory (LTM), akan tetapi membutuhkan waktu lebih lama untuk menyimpan atau mengingat informasi. Teori informasi, atau yang dikenal juga dengan teori matematika komunikasi, dikembangkan oleh Nobert Weiner, yang mengembangkan konsep cybernetics, yaitu konsepsi system otomatisasi yang mengawasi system umpan balik meraka sendiri dan mengendalikan tindakan mereka. Teori informasi terdiri dari beberapa konsep penting yang digunakandalam Artificial Intelligence (AI) dan juga dalam mendesain system informasi yang efektif. Teori informasi membantu kita mengevaluasi komunikasi dari informasi dalam tiga dimensi utama dan menekankan bahwa kita seharusnya dapat menemukan jawaban dari tiga pernyataan dasar berikut ini saat menciptakan system informasi: Dimensi Teknik. Bagaimana keakuratan informasi dapat dipindahkan? Dimensi Sematik. Bagaimana ketepatan informasi memberitahukan arti? Dimensi Ketepatan. Bagaimana keefektifan informasi mempengaruhi sikap dari penerima? Teori informasi juga sudah diterapkan dalam pemodelan pergerakan manusia (human movement) oleh Fitts, yang menemukan Hukum Fitts. Hukum Fitts adalah sebuah metode yang efektif dari pemodelan hubungan situasi, sangat spesifik namun umum dalam desain antarmuka. Situasi itu melibatkan tambahan bertenaga manusia istirahat (entah itu fisik seperti jari anda atau virtual seperti kursor mouse) dan area target yang terletak di tempat lain. Berikut diagramnya:

Menurut 'Hukum Fitts, waktu untuk bergerak dan menunjukkan target dengan lebar W pada jarak adalah fungsi logaritmik dari kesalahan relative spasial (D / W), yaitu [11]: MT = a + b ID Dimana : MT adalah waktu gerakan (movement time) dalamdetik a adalah intercept. 25

b adalah slope ID adalah jarak (atau amplitudo) pergerakan dari start ke tujuan pusat W adalah lebar dari target, yang sesuai dengan "akurasi"

Waktu pergerakan di atas mengikuti aturan Hick-Hyman yang menyatakan bahwa waktu pemilihan reaksi merupakan sebuah fungsi linear dari informasi stimulus. Index difficulty (ID) didefinisikan sebagai fungsi dari jarak antar obyek dan ukuran sejumlah obyek yang diletakkan secara seri : ID = log2 (2D/W). ID menggambarkan sulitnya tugas motor. 1 / b juga disebut indeks kinerja (IP), dan mengukur kapasitas informasi dari system motorik manusia. Secara matematis ditafsirkan, 'Hukum Fitts adalah model regresi linier. Koefisien regresi (lihatgambar 1): a: intercept b: kemiringan (1 / b adalahindekskinerja (IP))

Gambar 1: 'Hukum Fitts adalah model regresi linier Secara fisik diartikan, 'HukumFitts menyatakan berikut ini: Big target pada jarak dekat adalah diperoleh lebih cepat dari target kecil pada jarak jauh ID memberikan suatu ukuran gabungan satu dari dua sifat fisik utama dari tugas gerakan ID meningkat sebesar satu unit untuk setiap dua kali lipat dari amplitude dan mengurangi separuh lebar Mencegat positif menunjukkan factor aditif yang tidak terkait dengan ID. Hal ini dapat terkait dengan mekanisme gerakan dan/atau pemilihan (mouse, tombol, dll) 1. Membuat Index of Difficulty Index of difficulty dapat dicari menggunakan rumus : 26

ID = log2 (2D/W) ID = Index of difficulty D = Distance W = target size Tabel dibawah merupakan hasil index of difficulty dari percobaan yang telah kami lakukan. Index of Difficulty Fitts Taping target distance distance Width 0.25 0.5 0.75 1 1.25 1.5 1.75 2 2 1.4499 0.81557 0.528527 0.362476 0.255177 0.181449 0.128897 0.690619 3 1.904983 1.164632 0.815572 0.66552 0.46469 0.362476 0.286346 0.227645 distance 4 2.26548 1.449905 1.056843 0.815572 0.649926 0.528527 0.435669 0.36 distance 5 2.566596 1.69628 1.265487 1 0.815575 2 0.678826 0.572991 0.488559

2. Membuat persamaan linear Fitts Law (regresi linear) Pengolahan data menggunakan excel dengan menggunakan scatter plot dengan cara sebagai berikut : Membuka software Microsoft excel. Hal ini dilakukan dengan memilih start > program > Microsoft office > Microsoft excel 2007 Memasukkan data pada worksheet yang tersedia. Kolom pertama diisi oleh movement time dan kolom kedua diisi oleh index of difficulty. Kemudian pilih insert > scatter > with only markers Lalu akan muncul hasil sebagai berikut

Grafik hubungan index of difficulty terhadap jarak (distance)

27

Grafik hubungan antara index of difficulty terhadap besarnya objek (size)

1. Membuat analisa untuk target size Berdasarkan dengan grafik yang telah diperoleh, dapat dilihat bahwa semakin besar target size maka semakin kecil tingkat kesulitan yang akan dihadapi oleh seorang praktikan begitupun sebaliknya. Hal ini dapat dilihat dengan lamanya waktu yang dikerjakan oleh praktikan. Hal ini juga membuktikan bahwa sensor manusia lebih peka terhadap benda-benda yang mempunyai ukuran yang lebih besr. 2. Membuat analisa untuk target distance Berdasarkan dengan grafik yang telah diperoleh, dapat dilihat bahwa semakin jauh distance yang dicoba maka semakin besar juga index of difficulty dari percobaan tersebut. Hal ini dapat dilihat dari lamanya waktu pengerjaan dari praktikan. Hal ini juga membuktikan bahwa sensor manusia lebih peka terhadap benda-benda yang memiliki jarak yang dekat. 28

3. Mencari faktor-faktor penyebab kesalahan Faktor-faktor yang menyebabkan kesalahan pada praktikum fitts taping adalah : Target size yang kecil Distance yang jauh Fatigue dari praktikan Ukuran layar monitor Penggunaan mouse

1. Kesimpulan Dari praktikum fits taping, dapat diketahui bahwa ukuran benda dan jarak benda dapat mempengaruhi tingkat kesulitan dari seseorang dalam mengapresiasikan sebuah bendan. Tingkat ketelitian semaikin menurun seiring semakin banyaknya replikasi yang disebabkan oleh beberapa faktor penyebab kesalahan seperti kelelahan dan salah klik.

BAB III Psychophysics

1. Dasar Teori Psychophysics meruapakan bagian dari disiplin ilmu dalam bidang psikologi yang menyelidiki secara kuantitatif hubungan antara fisik rangsangan dengan sensasi dan persepsi mereka yang mempengaruhi. Psychophysics umumnya didefinisikan sebagai cabang kuantitatif studi tentang persepsi, meneliti hubungan antara stimuli yang diamati dan memberi tanggapan serta alasan bagi hubungan stimuli tersebut . Psychophysics telah digambarkan sebagai studi ilmiah tentang hubungan antara stimulus dan sensasi atau sebagai 29

analisis proses persepsi dengan mempelajari efek pada subyek yang mengalami atau perilaku sistematis berbagai sifat stimulus sepanjang satu atau lebih dimensi fisik. Psychophysics telah didasarkan pada asumsi bahwa sistem perseptual manusia adalah instrument dalam mengukur sendiri. Dengan sesuatu rangsangan atau stimuli berdasarkan pengalaman, penilaian, respon yang didapat secara sistematis dan dianalisa oleh pikiran manusia itu metode eksperimen, analisis data, dan model yang mendasari proses persepsi dan kognitif dapat mempengaruhi keputusan dalam merespon stimuli. Psychophysical methods awalnya berkembang untuk mempelajari hubungan antara sifat fisik suatu objek (stimuli) dengan sensasi yang ditumbulkannya. Fokus metode ini adalah penerjemahan karakteristik fisik yang di miliki stimuli menjadi karakteristik psikologis yang relevan. Metode ini mencoba mencari jawaban terhadap pertanyaan mengenai hubungan antara sifat fisik suatu stimulus dan dampak psikologisnya akibat perilaku subjek dan mengenai cara mengaitkannya dengan skala psikologis

2. Analisa Pengaruh %difference terhadap kesalahan dengan regresi linear Dengan melihat hasil dari percobaan yang dilakukan sebagai berikut: % Difference 2% 4% 8% 10% 12% Total Kesalahan 3 4 0 0 0

Tabel 1. Data Hasil Perbedaan % Difference dengan Total Kesalahan

Secara sederhana kita dengan melihat dari hasil data kita dapat mengatakan bahwa total kesalahan yang dihasilkan banyak terjadi pada saat % Difference 2% dan 4%, namun 30

kita melakukan perhitungan matematis untuk melihat lebih jauh pengaruh dari perbedaan difference dengan total kesalahan. Untuk itu kita dapat melakukan perhitungan matematis dengan penggunaan dari regresi linear, yakni sebagai berikut: 1.Masukkan % difference pada sumbu x dan total kesalahan pada sumbu ya 2.Lakukan perhitungan sesuai dengan table di bawah ini 3.Setelah melakukan perhitungan dasar seperti dibawah ini yaitu masing-masing nilai pada sumbu x dan y dikuadratkan dan dikalikan antara nilai di x dan y, lakukan perhitungan persamaan garis regresi linear seperti dibawah ini

Tabel 2 Perhitungan Regresi Liniear % Difference dengan Total Kesalahan

Setelah melakukan perhitungan diatas, maka kita akan mendapat persamaan gari linear yaitu y=abx yang dalam perhitungan ini didapatkan y= 4.372-41.27x dari persamaan garis ini dapat kita analisis bahwa semakin kecil nilai x maka semakin besar nilai pada y dan

31

begitu sebaliknya sehingga dapat dikatakan bahwa hubungan antara x dan y adalah berbanding terbalik. Hal ini dapat tergambar dalam grafik sebagai berikut:

Grafik 1. Perbedaan % Differnce dengan Total Kesalahan

Dari gambar grafik pun kita dapat melihat bahwa nilai x berbanding terbalik dengan nilai y. Berdasarkan perhitungan matematis regresi liniera kita dapat menganalisis bahwa saat % difference kecil yaitu 2% dan 4% praktikan merngalami kesulitan dalam menetukan garis yang lebih panjang antara satu dengan lainnya sehingga menyebabkan praktikan lebih banyak melakukan kesalahan dalam mempresepsikan perbedaan panjang antara dua garis. 3. Analisis Pengaruh %difference terhadap respon time dengan regresi linear Sama halnya dengan diatas kita harus melakukan percobaan dengan perbedaan % difference serta melihat rata-rata dari respon tie dalam menetukan pilihan garis yang lebih panjang antara dua garis . Berikut adalah hasilnya: % Difference 2% 4% 8% 10% 12% Average Respon Time 1.1156 1.0766 0.9195 0.7523 0.7391

Tabel 3. Data Hasil Perbedaan % Difference dengan Rata-rata Respon Time

Secara sederhana pula kita dapat melihat bahwa semakin kecil % Difference semakin besar waktu rata-rata untuk merespon stimuli garis tersebut, Namun tetap diperlukan hitungan matematis untuk meyakinkan hal tersebut yakni sebagai berikut: 1. Masukkan % difference pada sumbu x dan average respon time pada sumbu ya 32

2. Lakukan perhitungan sesuai dengan table di bawah ini 3. Setelah melakukan perhitungan dasar seperti dibawah ini yaitu masing-masing nilai pada sumbu x dan y dikuadratkan dan dikalikan antara nilai di x dan y, lakukan perhitungan persamaan garis regresi linear seperti dibawah ini

Tabel 4. Perhitungan regresi liniear dengan average respon time

Dari perhitungan diatas kita memperoleh persamaan garis yaitu y= 1.219-4.151x, dari persamaan tersebut terlihat bahwa semakin kecil nilai x(% difference) maka semakin besar nilai y (average respon time) sehingga hubungan antara x(%difference) adalah berbanding terbalik dengan y (average respon time). Hal ini sama dengan anggapan kita secara sederhana seperti dikatakan diatas. Dari grafik pun terlihat yakni sebagai berikut:

33

Grafik 2. Perbedaan % Differnce dengan Average Respon Time

Dalam hal ini dapat bahwa %difference memang berbanding terbalik dengan respon time dari sini kita dapat menganalisis bahwa saat %difference kecil, praktikan memerlukan waku yang lebih lama untuk memutuskan pilihan hal ini dikarenakan praktikan memerlukan waktu yang lama dalam memikirkan dan membedakan garis. Begitu sebaliknya dapat dikatakan praktikan lebih mudah membedakan garis pada difference yang lebih besar. 4. Hipotesis dengan menggunakan Anova untuk % difference 2% dan 4% Apakah perbedaan panjang garis tersebut mempengaruhi waktu respon praktikan? dari pertanyaan tersebut akan kita lihat hasil analisinya yaitu dengan menggunakan analisis ANOVA untuk menguji apakah panjang garis dari 2 sampel (2% dan 4%) tersebut memiliki rata-rata yang sama. Penggunaan MINITAB 14 diperlukan untuk memudahkan pengolahan data dalam penentuan hipotesis Ho dan H1 dalam proses pengerjaannya. Dengan menggunakan MINITAB kesimpulan dari kasus tersebut yaitu dari perbandingan P-value terhadap nilai 5%. Selain itu juga dapat menggunakan distribusi F sebagai pembanding kesimpulan Dari percobaan sebanyak 20 kali didapatkan rata-rata respon time yaitu masing-masing : Trial 1 2 3 4 5 6 7 RT (sec) 2.6719 1.5313 1.5625 1.1250 0.9531 0.5313 0.7031 Response Correct Correct Correct Correct Correct Correct Wrong 34

8 9 10 11 12 13 14 15 16 17 18 19 20

0.7031 1.0156 1.2031 0.7813 1.5781 1.2969 0.6250 0.8594 0.6250 1.2188 0.9531 1.2500 1.1250

Wrong Correct Correct Wrong Correct Correct Correct Correct Correct Correct Correct Correct Correct

Tabel 5 data difference 2 %

Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

RT(sec) 1.0000 0.8438 0.8906 2.0938 1.4375 1.9375 0.8594 1.6250 1.1094 1.2656 0.7813 0.8750 0.6094 1.1250 1.1250 0.8281 0.5781 0.9375 0.8281 0.7813

Response Correct Wrong Wrong Wrong Wrong Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct

Tabel 6 data difference 4%

Setelah melakukan percobaan, kita dapat membuat asumsi sementara dari hasil uji tersebut, yang dalam hal ini hipotesi untuk diffrence 2% dan 4 % sebagai berikut: Ho : berarti rata-rata respon time sampel 2% sama dengan rata-rata

1 = 2
respon time sampel 4%, sehingga tidak ada pengaruh perbedaan panjang garis terhadap waktu respon. 35

H1 :

berarti rata-rata respon time sampel 2% tidak sama dengan rata-rata

1 2
respon time sampel 4%, sehingga ada pengaruh perbedaan panjang garis terhadap waktu respon. Dilanjutkan dengan menguji hipotesis diatas dengan hasil hitungan anova pada minitab 13, sebagai berikut: One-way ANOVA: C2 versus C1
Source C1 Error Total DF 1 38 39 SS 0.015 7.696 7.711 MS 0.015 0.203 F 0.08 P 0.785

S = 0.4500

R-Sq = 0.20%

R-Sq(adj) = 0.00% Individual 95% CIs For Mean Based on Pooled StDev -------+---------+---------+---------+-(----------------*----------------) (----------------*----------------) -------+---------+---------+---------+-0.96 1.08 1.20 1.32

Level 0.02 0.04

N 20 20

Mean 1.1156 1.0766

StDev 0.4856 0.4113

Pooled StDev = 0.4500

Tabel 7. Hasil Pengolahan Data Rata-rata Respon Time 2% dan 4%

Berdasarkan hasil data tersebut maka dapat disimpulkan melalui beberapa hal: 1) Degree of freedom factor (a-1)=1 dan degree of freedom error (N-a)=38. Melalui tabel distribusi F didapat nilai F tabel 4.05. Sedangkan melalui MINITAB, nilai Fo data 0.08. Nilai Fo data < F tabel sehingga kesimpulannya menolak H1 (menerima Ho). 2) Nilai P-value (0.785) > (0.05) sehingga data menunjukkan menerima Ho yang berarti rata-rata reaction time sampel 2% sama dengan rata-rata responn time sampel 4% sehingga tidak ada pengaruh perbedaan panjang garis terhadap waktu respon. Dari kedua nilai ini, didapat kesimpulan yang sama yaitu tidak ada pengaruh perbedaan garis 2% dan 4% terhadap waktu respon (menerima Ho). Selain itu, dapat dilihat pada grafik Based on Pooled StDev bahwa kedua titik yang menggambarkan nilai mean berada di jangkauan data yang sama. Hal ini juga menunjukkan bahwa kedua sampel tersebut berada pada rata-rata yang sama.

36

Grafik 3.Pesebaran Difference 2% dan 4%

Bloxpot Difference 2% dan 4%

Kita dapat menganalisis bahwa untuk membedakan 2 garis yang panjangnya hanya sedikit berbeda 2% dan 4% sangat sulit. Pada percobaan ini, sebagian besar waktu digunakan untuk berpikir membedakan dan memutuskan garis mana yang lebih panjang. Karena perbedaan panjang 2% dan 4% hampir sama, maka waktu yang digunakan oleh praktikan untuk melihat perbedaan panjang garis, berpikir dan memutuskan garis mana yang lebih panjang, sampai menekan keyboard U (untuk garis atas yang lebih panjang) atau B (untuk garis bawah yang lebih panjang) adalah lebih kurang sama untuk kedua percobaan. .Oleh karena itu, praktikan harus berkonsentrasi penuh terhadap 2 garis dihadapannya .

37

1. Hipotesis dengan menggunakan Anova untuk % difference 10% dan 12% Apakah perbedaan panjang garis tersebut mempengaruhi waktu respon praktikan?dari pertanyaan tersebut akan kita lihat hasil analisinya yaitu dengan menggunakan analisis ANOVA untuk menguji apakah panjang garis dari 2 sampel (10% dan 12%) tersebut memiliki rata-rata yang sama. Penggunaan MINITAB 13 diperlukan untuk memudahkan pengolahan data dalam penentuan hipotesis Ho dan H1 dalam proses pengerjaannya. Dengan menggunakan MINITAB kesimpulan dari kasus tersebut yaitu dari perbandingan P-value terhadap nilai 5%. Selain itu juga dapat menggunakan distribusi F sebagai pembanding kesimpulan Dari percobaan sebanyak 20 kali didapatkan rata-rata respon time yaitu masing-masing : Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Trial 1 2 3 4 5 6 7 8 9 10 11 RT (sec) 1.5000 0.6875 0.5625 0.8906 0.7344 0.6719 0.5625 0.7031 0.9063 0.5313 1.1719 0.5313 0.5156 0.7656 0.8281 0.7500 0.4219 0.5781 0.5156 1.2188 RT (sec) 2.2656 0.8594 0.7031 0.6563 0.5313 1.2500 0.6563 0.5469 0.6094 0.5156 0.5938 Respon Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Response Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct Correct 38

Tabel 10 data difference 10%

12 13 14 15 16 17 18 19 20

0.7344 0.6094 0.5313 0.6094 0.7344 0.5313 0.7500 0.5156 0.5781

Correct Correct Correct Correct Correct Correct Correct Correct Correct

Tabel 11. data difference 12%

Setelah melakukan percobaan, kita dapat membuat asumsi sementara dari hasil uji tersebut, yang dalam hal ini hipotesi untuk diffrence 2% dan 4 % sebagai berikut: Ho : berarti rata-rata respon time sampel 10% sama dengan rata-rata

1 = 2
respon time sampel 12%, sehingga tidak ada pengaruh perbedaan panjang garis terhadap waktu respon. H1 : berarti rata-rata respon time sampel 10% tidak sama dengan rata-rata

1 2
respon time sampel 12%, sehingga ada pengaruh perbedaan panjang garis terhadap waktu respon. Dilanjutkan dengan menguji hipotesis diatas dengan hasil hitungan anova pada minitab 13, sebagai berikut: One-way ANOVA: C5 versus C6
Source C6 Error Total DF 1 38 39 SS 0.002 4.421 4.423 MS 0.002 0.116 F 0.02 P 0.903

S = 0.3411

R-Sq = 0.04%

R-Sq(adj) = 0.00% Individual 95% CIs For Mean Based on Pooled StDev --+---------+---------+---------+------(--------------*---------------) (---------------*--------------) --+---------+---------+---------+------0.60 0.70 0.80 0.90

Level 0.10 0.12

N 20 20

Mean 0.7524 0.7391

StDev 0.2749 0.3963

Pooled StDev = 0.3411

Tabel 12. Hasil Pengolahan Data Rata-rata Respon Time 10% dan 12%

Berdasarkan hasil data tersebut maka dapat disimpulkan melalui beberapa hal: 39

1) Degree of freedom factor (a-1)=1 dan degree of freedom error (N-a)=38. Melalui tabel distribusi F didapat nilai F tabel 4.05. Sedangkan melalui MINITAB, nilai Fo data 0.02. Nilai Fo data < F tabel sehingga kesimpulannya menolak H1 (menerima Ho). 2) Nilai P-value (0.903) > (0.05) sehingga data menunjukkan menerima Ho yang berarti rata-rata reaction time sampel 10% sama dengan rata-rata responn time sampel 12% sehingga tidak ada pengaruh perbedaan panjang garis terhadap waktu respon. Dari kedua nilai ini, didapat kesimpulan yang sama yaitu tidak ada pengaruh perbedaan garis 10% dan 12% terhadap waktu respon (menerima Ho). Selain itu, dapat dilihat pada grafik Based on Pooled StDev bahwa kedua titik yang menggambarkan nilai mean berada di jangkauan data yang sama. Hal ini juga menunjukkan bahwa kedua sampel tersebut berada pada rata-rata yang sama.

Grafik 4.Pesebaran Difference 10% dan 12%

Bloxpot Difference 10% dan 12%

Kita dapat menganalisis untuk membedakan 2 garis yang panjangnya berbeda 10% dan 12% dapat cukup mudah. Karena perbedaan panjang 10% dan 12% hampir sama, maka 40

waktu yang digunakan oleh praktikan untuk melihat perbedaan panjang garis, berpikir dan memutuskan garis mana yang lebih panjang, sampai menekan keyboard U (untuk garis atas yang lebih panjang) atau B (untuk garis bawah yang lebih panjang) adalah lebih kurang sama untuk kedua percobaan. 1. KESIMPULAN 1) Pada hasil percobaan pengaruh difference dengan total kesalahan didapatkan hasil bahwa semakin kecil nilai x(% difference) maka semakin besar nilai y (average respon time) sehingga hubungan antara x(%difference) adalah berbanding terbalik dengan y (total kesalahan). 2) Pada hasil percobaan pengaruh difference dengan average respon time didapatkan hasil bahwa semakin kecil nilai x(% difference) maka semakin besar nilai y (average respon time) sehingga hubungan antara x(%difference) adalah berbanding terbalik dengan y (average respon time). 3) Tidak ada pengaruh perbedaan garis 2% dan 4% terhadap waktu respon (menerima Ho). 4) Ada pengaruh perbedaan garis 2% dan 4% terhadap jumlah error (menerima H1). 5) Tidak ada pengaruh perbedaan garis 10% dan 12% terhadap waktu respon (menerima Ho). 6) Tidak ada pengaruh perbedaan garis 10% dan 12% terhadap jumlah error (menerima Ho). Referensi 1. Modul praktikum Choice Reaction Time, Fitts tapping, dan Psychophysics 2. www.doc.ic.ac.uk/.../tutorial%20-%20Fitts%20tapping%20exercise.pdf 3. Journal of Human Movement Studies, portal.acm.org/citation.cfm?id=1461857 4. biology.clemson.edu/bpc/bp/Lab/110/reaction.htm 5. old.nabble.com/FINGERPRINT-SEBAGAI-DATA-p19239618.html

41