laporan praktikum

5/12/2018 Laporan praktikum - slidepdf.com

http://slidepdf.com/reader/full/laporan-praktikum-55a4d2cdf1e52 1/41

LAPORAN PRAKTIKUM

HUMAN FACTOR

Disusun oleh :

Kelompok Densus 99

1. Darussalam (0806458800)

2. Gabriela Sabaktani Pardede (0806337623)

3. Lukat Nur Halim (0806337756)

4. Roberton Siahaan (0806459021)

5. Ruth Palupi Widya Handari (0806337983)

DEPARTEMEN TEKNIK INDUSTRIFAKULTAS 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 = Response Time (sec)

H = jumlah informasi (bits); H = log2 n; n = jumlah stimuli

a = intercept

b = 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 danmunculnya 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.

5



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 stimuli2

Jumlah stimuli4

Jumlah stimuli8

0,71880,57810,46880,5156

0,70310,70310,50000,57810,68750,57810,56250,48440,50000,57810,39060,51580,4844

0,54690,48440,57810,51560,50000,48440,53130,62500,59380,53130,50000,51560,65630,4844

0,85940,68750,64060,8438

1,03130,64060,82810,82810,79690,57810,73440,79690,87500,64060,57810,53130,5000

0,73440,82810,70310,45310,82810,96880,93750,84380,82810,53130,79690,76560,73440,7188

1,25000,78131,09381,1875

0,68751,21880,79691,03130,96880,95310,76561,01561,06250,98440,89061,07810,7813

0,95311,01560,98440,96881,01560,87500,98440,95310,71881,01561,00000,75000,92190,9219

0,46880,46880,45310,5000

0,56250,50000,46880,54690,43750,53130,65630,60940,42190,57810,60940,68750,4688

0,48440,51560,60940,56250,53130,71880,46880,56250,65630,54690,53130,5625

0,79690,95310,93750,6406

0,79690,96880,59380,79690,90630,85940,64060,78130,59380,93750,85940,60940,6875

0,68750,81250,82810,62500,62500,82810,67190,76560,78130,57810,73440,7344

1,01560,79690,82810,8750

0,65630,78131,20310,90630,98440,87500,85940,78131,07810,78130,93751,04690,7344

0,95310,85940,87500,89060,98440,84380,87400,75000,53130,75001,09381,0156

6



Hipotesis yan digunakan:

H0 : μ1 = μ2 = μ3 (jumlah stimuli tidak mempengaruhi response time).

H1 : μ1 ≠ μ2 ≠ μ3 untuk paling sedikit satu pasang (jumlah stimuli mempengaruhi response

time).

Hipotesis yang kami lakukan menggunakan α = 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

7



842

1,3

1,2

1,1

1,0

0,9

0,8

0,7

0,6

0,5

0,4

C1

C 2

Boxplot of C2

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 α =

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 Hick-

Hyman.

I.2.2 Soal 2

Membuat analisa pengaruh Jumlah Trial terhadap Response Time dengan

menggunakan Linier Regresi.

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 RT 2 Stimuli RT 4 Stimuli RT 8 Stimuli Trial RT 2 Stimuli3 RT 4 Stimuli RT 8 Stimuli

1 0.7188 0.8594 1.25 31 0.4844 0.7188 0.92192 0.5781 0.6875 0.7813 32 0.4688 0.7969 1.0156

3 0.4688 0.6406 1.0938 33 0.4688 0.9531 0.7969

4 0.5156 0.8438 1.1875 34 0.4531 0.9375 0.8281

5 0.7031 1.0313 0.6875 35 0.5 0.6406 0.875

6 0.7031 0.6406 1.2188 36 0.5625 0.7969 0.6563

7 0.5 0.8281 0.7969 37 0.5 0.9688 0.7813

8 0.5781 0.8281 1.0313 38 0.4688 0.5938 1.2031

9 0.6875 0.7969 0.9688 39 0.5469 0.9063

10 0.5781 0.5781 0.9531 40 0.4375 0.9063 0.9844

11 0.5625 0.7344 0.7656 41 0.5313 0.8594 0.875

12 0.4844 0.7969 1.0156 42 0.6563 0.6406 0.8594

13 0.5 0.875 1.0625 43 0.6094 0.7813 0.7813

14 0.5781 0.6406 0.9844 44 0.5938 1.0781

15 0.3906 0.5781 0.8906 45 0.5781 0.9375

16 0.5158 0.5313 1.0781 46 0.6094 0.8594 0.9375

17 0.4844 0.5 0.7813 47 0.6875 0.6094 1.0469

18 0.5469 0.7344 0.9531 48 0.4688 0.6875 0.7344

19 0.4844 0.8281 1.0156 49 0.4844 0.6875 0.9531

20 0.5781 0.7031 0.9844 50 0.5156 0.8125 0.8594

21 0.5156 0.4531 0.9688 51 0.6094 0.8281 0.875

22 0.5 0.8281 1.0156 52 0.5625 0.625 0.8906

23 0.4844 0.9688 0.875 53 0.5313 0.625 0.9844

24 0.5313 0.9375 0.9844 54 0.7188 0.8281 0.8438

25 0.625 0.8438 0.9531 55 0.4688 0.6719 0.874

26 0.5938 0.8281 0.7188 56 0.5625 0.7656 0.75

27 0.5313 0.5313 1.0156 57 0.6563 0.7813 0.5313

28 0.5 0.7969 1 58 0.5469 0.5781 0.75

29 0.5156 0.7656 0.75 59 0.5313 0.7344 1.0938

30 0.6563 0.7344 0.9219 60 0.5625 0.7344 1.0156

Table 1.2 Response Time dengan 2,4,8 stimuli

9



Kemudian dengan menggunakan Excel, gambar grafiknya sebagai berikut:

Grafik 1.2 Pengaruh Jumlah Trial ke- terhadap Response Time


10




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.


time pada percobaan 4 stimuli adalah y = -0.0003x + 0.7606, hal ini menunjukkan adanya





seperti konsentrasi, kebisingan lingkungan sekitar dan kecepatan gerakan jari.


time pada percobaan 8 stimuli adalah y = -0.0024x + 0.9952, hal ini menunjukkan adanya





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 : μ1 = μ2 (tidak ada pengaruh yang signifikan antara jenis kelamin dengan response

time)

H1 : μ1 ≠ μ2 (ada pengaruh yang signifikan antara jenis kelamin dengan response time)

13



Hipotesis yang kami lakukan menggunakan confidence level 95% atau α=0,05

Pengolahan data:

Tabel 1.3 Response Tiem dgn Jenis Kelamin

Jenis

kelamin

Reaction

time

Jenis

kelamin

Reaction

timePerempuan

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

0,7188

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

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

0,5313

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

PerempuanPerempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

PerempuanPerempuan

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

0,56250,8594

0,6875

0,6406

0,8438

1,0313

0,6406

0,8281

0,8281

0,79690,5781

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-lakiLaki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-lakiLaki-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

0,35941,0156

0,7344

0,4531

0,6719

0,5000

0,7500

0,8750

1,1875

0,62500,4375

14



Perempuan

Perempuan

Perempuan

Perempuan

PerempuanPerempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

PerempuanPerempuan

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

0,57810,5313

0,5000

0,7344

0,8281

0,7031

0,4531

0,8281

0,9688

0,93750,8438

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-lakiLaki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-lakiLaki-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

0,75001,0313

0,6094

0,5938

0,5625

0,4531

0,4844

0,6563

0,8125

0,59380,6875

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

PerempuanPerempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

PerempuanPerempuan

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

0,78130,5781

0,7344

0,7344

1,2500

0,7813

1,0938

1,1875

0,6875

1,21880,7969

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-lakiLaki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-lakiLaki-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

1,03131,0781

0,4531

0,5000

0,9844

0,7188

0,5781

1,0313

1,1719

0,76560,8750

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

PerempuanPerempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

0,8750

0,6563

0,7813

1,2031

0,90630,9844

0,8750

0,8594

0,7813

1,0781

0,7813

0,9375

1,0469

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-lakiLaki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

0,7188

0,6250

0,5469

0,8594

0,75000,6875

1,2031

0,9063

0,7656

0,8438

0,7188

0,7813

0,6094

Perempuan

Perempuan

Perempuan

Perempuan

PerempuanPerempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

Perempuan

0,7344

0,9531

0,8594

0,8750

0,89060,9844

0,8438

0,8750

0,7500

0,5313

0,7500

1,0938

1,0156

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-lakiLaki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

Laki-laki

1,2500

1,0938

1,1094

0,6563

0,84380,6250

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 C15) Kemudian klik OK

Hasil Pengerjaan

Analisis ANOVA:

Dari hasil minitab tersebut, dapat dilihat bahwa nilai P adalah 0.065 (lebih besar dari α =

0.05) sehingga dengan demikian menerima H0 yang berarti tidak terdapat pengaruh yang

signifikan antara jenis kelamin dengan response time.

17



21

1,50

1,25

1,00

0,75

0,50

jenis kelamin

r e a c t i o n t i m e

Boxplot of reaction time

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 inimenyebabkan 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 1-

8 mempunyai bit =3.

Kemudian data yang telah diperoleh dikelompokkan menurut bitnya sebagai berikut:

Bit Response Time Bit Response Time Bit Response Time

1 0.7188 1 0.5156 1 0.5313

1 0.5781 1 0.5 1 0.6563

1 0.4688 1 0.4844 1 0.6094

1 0.5156 1 0.5313 1

1 0.7031 1 0.625 1 0.5781

1 0.7031 1 0.5938 1 0.6094

1 0.5 1 0.5313 1 0.6875

1 0.5781 1 0.5 1 0.46881 0.6875 1 0.5156 1 0.4844

1 0.5781 1 0.6563 1 0.5156

1 0.5625 1 0.4844 1 0.6094

1 0.4844 1 0.4688 1 0.5625

1 0.5 1 0.4688 1 0.5313

1 0.5781 1 0.4531 1 0.7188

1 0.3906 1 0.5 1 0.4688

1 0.5158 1 0.5625 1 0.5625

1 0.4844 1 0.5 1 0.6563

1 0.5469 1 0.4688 1 0.54691 0.4844 1 0.5469 1 0.5313

1 0.5781 1 0.4375 1 0.5625

Tabel 1.4 Response Time dengan Jumlah Informasi 1 Bit


2 0.8594 2 0.4531 2 0.8594

2 0.6875 2 0.8281 2 0.6406

2 0.6406 2 0.9688 2 0.7813

2 0.8438 2 0.9375 2 0.59382 1.0313 2 0.8438 2 0.9375

2 0.6406 2 0.8281 2 0.8594

2 0.8281 2 0.5313 2 0.6094

2 0.8281 2 0.7969 2 0.6875

2 0.7969 2 0.7656 2 0.6875

2 0.5781 2 0.7344 2 0.8125

2 0.7344 2 0.7188 2 0.8281

2 0.7969 2 0.7969 2 0.625

2 0.875 2 0.9531 2 0.625

2 0.6406 2 0.9375 2 0.8281

2 0.5781 2 0.6406 2 0.6719

19



2 0.5313 2 0.7969 2 0.7656

2 0.5 2 0.9688 2 0.7813

2 0.7344 2 0.5938 2 0.5781

2 0.8281 2 2 0.7344

2 0.7031 2 0.9063 2 0.7344



3 1.25 3 0.9688 3 0.875

3 0.7813 3 1.0156 3 0.8594

3 1.0938 3 0.875 3 0.7813

3 1.1875 3 0.9844 3 1.0781

3 0.6875 3 0.9531 3

3 1.2188 3 0.7188 3 0.9375

3 0.7969 3 1.0156 3 1.0469

3 1.0313 3 1 3 0.7344

3 0.9688 3 0.75 3 0.9531

3 0.9531 3 0.9219 3 0.8594

3 0.7656 3 0.9219 3 0.875

3 1.0156 3 1.0156 3 0.8906

3 1.0625 3 0.7969 3 0.9844

3 0.9844 3 0.8281 3 0.8438

3 0.8906 3 0.875 3 0.874

3 1.0781 3 0.6563 3 0.75

3 0.7813 3 0.7813 3 0.5313

3 0.9531 3 1.2031 3 0.75

3 1.0156 3 0.9063 3 1.0938

3 0.9844 3 0.9844 3 1.0156


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 Coef SE Coef T P

Constant 0.36753 0.02395 15.35 0.000

C1 0.18656 0.01108 16.83 0.000

S = 0.120408 R-Sq = 61.8% R-Sq(adj) = 61.6%

Analysis of Variance

Source DF SS MS F P

Regression 1 4.1070 4.1070 283.28 0.000

Residual Error 175 2.5372 0.0145

Total 176 6.6442

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 DF SS MS F P

Regression 1 4.10703 4.10703 283.28 0.000

21



Error 175 2.53718 0.01450

Total 176 6.64421

Fitted Line: C2 versus C1

3.02.52.01.51.0

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

0.5

0.4

Bits

R e

s p o n s e T i m e

S 0.120408

R-Sq 61.8%

R-Sq(adj) 61.6%

Fitted Line PlotC2 = 0.3675 + 0.1866 C1

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, sehinggaa = 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 TeoriAliran 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



informasidari Long 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

Width

distance

2

distance

3

distance

4 distance 5

0.25 1.4499 1.904983 2.26548 2.566596

0.5 0.81557 1.164632 1.449905 1.69628

0.75 0.528527 0.815572 1.056843 1.265487

1 0.362476 0.66552 0.815572 1

1.25 0.255177 0.46469 0.649926

0.815575

2

1.5 0.181449 0.362476 0.528527 0.678826

1.75 0.128897 0.286346 0.435669 0.572991

2 0.690619 0.227645 0.36 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 telahdigambarkan sebagai studi ilmiah tentang hubungan antara stimulus dan sensasi atau sebagai

29

http://translate.googleusercontent.com/translate_c?hl=id&sl=en&u=http://en.wikipedia.org/wiki/Psychology&prev=/search?q=psychophysics&hl=id&biw=1280&bih=659&prmd=b&rurl=translate.google.co.id&usg=ALkJrhjt59to--JggxZhJodmuepaeD7Zgw

http://translate.googleusercontent.com/translate_c?hl=id&sl=en&u=http://en.wikipedia.org/wiki/Stimulus_(physiology)&prev=/search?q=psychophysics&hl=id&biw=1280&bih=659&prmd=b&rurl=translate.google.co.id&usg=ALkJrhi71SYwyosQqLv3cjQecxZ_50jvJw

http://translate.googleusercontent.com/translate_c?hl=id&sl=en&u=http://en.wikipedia.org/wiki/Stimulus_(physiology)&prev=/search?q=psychophysics&hl=id&biw=1280&bih=659&prmd=b&rurl=translate.google.co.id&usg=ALkJrhi71SYwyosQqLv3cjQecxZ_50jvJw

http://translate.googleusercontent.com/translate_c?hl=id&sl=en&u=http://en.wikipedia.org/wiki/Psychology&prev=/search?q=psychophysics&hl=id&biw=1280&bih=659&prmd=b&rurl=translate.google.co.id&usg=ALkJrhjt59to--JggxZhJodmuepaeD7Zgw



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 sesuatu rangsangan atau stimuli berdasarkan pengalaman,

penilaian, respon yang didapat secara sistematis dan dianalisa oleh pikiran manusia itu

sendiri. Dengan 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 Total Kesalahan

2% 3

4% 4

8% 0

10% 0

12% 0

Tabel 1. Data Hasil Perbedaan % Difference dengan Total Kesalahan

Secara sederhana kita dengan melihat dari hasil data kita dapat mengatakan bahwatotal 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=a±bx 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 Average Respon Time

2% 1.1156

4% 1.0766

8% 0.9195

10% 0.7523

12% 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 α 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 RT (sec) Response

1 2.6719 Correct

2 1.5313 Correct

3 1.5625 Correct

4 1.1250 Correct

5 0.9531 Correct

6 0.5313 Correct7 0.7031 Wrong

34



8 0.7031 Wrong

9 1.0156 Correct

10 1.2031 Correct

11 0.7813 Wrong

12 1.5781 Correct

13 1.2969 Correct

14 0.6250 Correct

15 0.8594 Correct

16 0.6250 Correct

17 1.2188 Correct

18 0.9531 Correct

19 1.2500 Correct

20 1.1250 CorrectTabel 5 data difference 2 %

Trial RT(sec) Response

1 1.0000 Correct

2 0.8438 Wrong

3 0.8906 Wrong

4 2.0938 Wrong

5 1.4375 Wrong

6 1.9375 Correct

7 0.8594 Correct

8 1.6250 Correct

9 1.1094 Correct10 1.2656 Correct

11 0.7813 Correct

12 0.8750 Correct

13 0.6094 Correct

14 1.1250 Correct

15 1.1250 Correct

16 0.8281 Correct

17 0.5781 Correct

18 0.9375 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 :

21 µ µ =

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

respon time sampel 4%, sehingga tidak ada pengaruh perbedaan

panjang garis terhadap waktu respon.

35



H1 :

21 µ µ ≠

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

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 DF SS MS F P

C1 1 0.015 0.015 0.08 0.785

Error 38 7.696 0.203

Total 39 7.711

S = 0.4500 R-Sq = 0.20% R-Sq(adj) = 0.00%

Individual 95% CIs For Mean Based on

Pooled StDev

Level N Mean StDev -------+---------+---------+---------+--

0.02 20 1.1156 0.4856 (----------------*----------------)

0.04 20 1.0766 0.4113 (----------------*----------------)

-------+---------+---------+---------+--

0.96 1.08 1.20 1.32

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) > α (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 α 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 RT (sec) Respon


3 0.5625 Correct

4 0.8906 Correct

5 0.7344 Correct

6 0.6719 Correct

7 0.5625 Correct

8 0.7031 Correct

9 0.9063 Correct

10 0.5313 Correct

11 1.1719 Correct

12 0.5313 Correct

13 0.5156 Correct

14 0.7656 Correct

15 0.8281 Correct

16 0.7500 Correct

17 0.4219 Correct

18 0.5781 Correct

19 0.5156 Correct

20 1.2188 CorrectTabel 10 data difference 10%

Trial RT (sec) Response

1 2.2656 Correct

2 0.8594 Correct

3 0.7031 Correct

4 0.6563 Correct

5 0.5313 Correct

6 1.2500 Correct

7 0.6563 Correct

8 0.5469 Correct

9 0.6094 Correct


38



12 0.7344 Correct

13 0.6094 Correct

14 0.5313 Correct

15 0.6094 Correct

16 0.7344 Correct

17 0.5313 Correct

18 0.7500 Correct

19 0.5156 Correct

20 0.5781 CorrectTabel 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 :

21 µ µ =

berarti rata-rata respon time sampel 10% sama dengan rata-rata

respon time sampel 12%, sehingga tidak ada pengaruh perbedaan

panjang garis terhadap waktu respon.

H1 :

21 µ µ ≠

berarti rata-rata respon time sampel 10% tidak sama dengan rata-rata

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 DF SS MS F P

C6 1 0.002 0.002 0.02 0.903

Error 38 4.421 0.116

Total 39 4.423

S = 0.3411 R-Sq = 0.04% R-Sq(adj) = 0.00%

Individual 95% CIs For Mean Based on

Pooled StDev

Level N Mean StDev --+---------+---------+---------+-------

0.10 20 0.7524 0.2749 (--------------*---------------)

0.12 20 0.7391 0.3963 (---------------*--------------)

--+---------+---------+---------+-------

0.60 0.70 0.80 0.90

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) > α (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

http://www.doc.ic.ac.uk/.../tutorial%20-%20Fitts%20tapping%20exercise.pdf






laporan praktikum

Documents