Gambar 6.1 Grafik Nilai Rata-rata Beban Kerja per Shift
6.2 Analisis Dimensi NASA-TLX
Untuk mengetahui variabel mana yang paling berpengaruh terhadap nilai beban kerja operator APP dan ACC, maka dilakukan perhitungan nilai rata-rata
rating dan bobot dari seluruh operator. Hasil perhitungan beban kerja operator APP dan ACC dari nilai rata-rata penilaian rating dan pembobotan baik dari
operator APP maupun operator ACC terhadap keenam variabel NASA-TLX dapat dilihat pada Tabel 6.1. dan Tabel 6.2.
Tabel 6.1 Nilai Rata-rata Rating Variabel NASA-TLX MD
PD TD
OP EF
FR Total skor
2410 900
2095 625
2180 1450
Rata-rata 86,1
32,1 74,8
22,3 77,9
51,8
Tabel 6.2 Nilai Rata-rata Pembobotan Variabel NASA-TLX MD
PD TD
OP EF
FR Total skor 7,800000
1,400000 5,466667
6,666667 3,933333
2,733333
Rata-rata 0,28
0,05 0,19
0,24 0,14
0,10
58 60
62 64
66 68
PAGI SIANG
MALAM
RATA-RATA WWL
RATA-RATA WWL
Universitas Sumatera Utara
Berdasarkan Tabel 6.1 diperoleh tiga penilaian kategori beban pekerjaan yang tinggi, yaitu variabel Mental Demand, Effort, dan Temporal Demand. Hal ini
menunjukkan bahwa pekerjaan ATC membutuhkan aktivitas mental MD yang tinggi seperti berpikir, memutuskan, menghitung, mengingat, dan melihat atau
memantau. Aktivitas mental ini didukung juga dengan usaha EF yang dikeluarkan oleh operator ATC untuk mencapai level performansi yang baik.
Pekerjaan ATC sendiri memiliki tekanan waktu yang tinggi TD dalam memikirkan dan memutuskan arah pesawat udara yang dikontrolnya, serta
memutuskan apakah pesawat udara dapat take off atau landing dalam situasi yang tak terduga.
Nilai pembobotan menunjukkan bahwa variabel dalam NASA-TLX yang menjadi sumber dominan menimbulkan beban kerja mental dalam suatu
pekerjaan. Berdasarkan Tabel 6.2. menunjukkan bahwa nilai bobot Mental Demand yang paling dominan menjadi sumber beban kerja mental pekerjaan ATC
diikuti nilai bobot Performance, Temporal Demand, Effort, Frustation, dan Physical Demand.
6.3 Analisis Work Sampling
Nilai rata-rata persentase waktu produktif operator APP dan ACC berturut- turut adalah 65,44 dan 64,65. Secara teoritis nilai ini menyatakan bahwa
operator APP dan operator ACC cenderung melakukan kegiatan non produktif. Pada kenyataannya operator APP dan ACC banyak melakukan kegiatan yang
pengontrolan yang dikategorikan sebagai kegiatan produktif pada shift pagi dan
Universitas Sumatera Utara
siang. Kegiatan non produktif yang dilakukan operator APP dan ACC itu banyak terjadi pada shift malam dikarenakan pada shift malam jumlah pesawat udara
yang dikontrol sedikit dan operator hanya berjaga-jaga jika ada panggilan darurat bagi pesawat udara yang mendarat darurat di Bandara Polonia. Untuk itu, perlu
diketahui persentase waktu produktif pada shift pagi, siang, dan malam. Waktu produktif per shift kerja operator APP dan ACC dapat dilihat pada Tabel 6.3.
Tabel 6.3 Waktu Produktif per Shift Hari
Shift APP
ACC APP ACC
W I
W I
Hari I pagi
36 5
37 4
87,8 90,2
siang 30
5 30
4 85,7
88,2 malam
31 50
25 57
38,3 30,5
Hari II pagi
35 5
34 5
87,5 87,2
siang 29
9 31
8 76,3
79,5 malam
33 46
30 49
41,8 38,0
Hari III pagi
34 6
34 5
85,0 87,2
siang 32
6 30
9 84,2
76,9 malam
36 43
37 42
45,6 46,8
Hari IV pagi
39 1
39 1
97,5 97,5
siang 35
4 31
7 89,7
81,6 malam
31 47
32 47
39,7 40,5
Hari V pagi
35 4
36 3
89,7 92,3
siang 33
3 29
7 91,7
80,6 malam
34 48
40 42
41,5 48,8
Hari VI pagi
39 5
41 2
88,6 95,3
siang 29
5 23
11 85,3
67,6 malam
32 47
37 43
40,5 46,3
Hari VII pagi
38 3
40 1
92,7 97,6
siang 33
7 31
8 82,5
79,5 malam
32 44
32 45
42,1 41,6
Hari VIII pagi
39 1
38 1
97,5 97,4
siang 37
2 35
5 94,9
87,5 malam
35 43
35 43
44,9 44,9
Hari IX pagi
37 1
35 3
97,4 92,1
siang 34
4 36
1 89,5
97,3 malam
36 45
35 47
44,4 42,7
Universitas Sumatera Utara
Tabel 6.4 Nilai Rata-rata Persentase Waktu Produktif Shift
APP ACC
pagi 91,5
93,0 siang
86,6 82,1
malam 42,1
42,2
Penyajian grafik nilai rata-rata persentase waktu produktif dapat dilihat pada Gambar 6.2.
Gambar 6.2 Grafik Nilai Rata-Rata Persentase Waktu Produktif
Berdasarkan Gambar 6.2. diperoleh bahwa persentase waktu produktif untuk shift pagi baik APP maupun ACC paling tinggi dari semua shift. Hal ini
menunjukkan bahwa operator lebih banyak melakukan aktivitas yang produktif dibandingkan aktivitas yang tidak produktif. Aktivitas produktif yang banyak
dilakukan operator dapat dipengaruhi oleh jumlah pesawat yang dikontolnya. Untuk melihat apakah terdapat korelasi antara persentase waktu produktif dengan
jumlah pesawat yang dikontrol, maka perlu dhitung koefisien korelasi antara keduanya. Rumus koefisien korelasi yang digunakan adalah sebagai berikut.
0,0 20,0
40,0 60,0
80,0 100,0
pagi siang
malam APP
ACC
Universitas Sumatera Utara
�
��
= � ∑ �� − ∑ � ∑ �
�[� ∑ �
2
− ∑ �
2
][ � ∑ �
2
− ∑ �
2
] Perhitungan koefisien korelasi antara persentase waktu produktif dengan
jumlah pesawat yang dikontrol pada operator APP dapat dilihat pada Tabel 6.5.
Tabel 6.5 Perhitungan Koefisien Korelasi Operator APP Shift
Waktu Produktif X
Jumlah pesawat Y
XY X
2
Y
2
pagi 0,915
82 75,05
0,84 6724
siang 0,866
63 54,59
0,75 3969
malam 0,421
36 15,15
0,18 1296
Jumlah 2,202
181 144,79
1,77 1.1989
korelasi r r = 0,94
Perhitungan koefisien korelasi antara persentase waktu produktif dengan jumlah pesawat yang dikontrol pada operator ACC dapat dilihat pada Tabel 6.6.
Tabel 6.6 Perhitungan Koefisien Korelasi Operator ACC Shift
Waktu Produktif X
Jumlah pesawat Y
XY X
2
Y
2
pagi 0,930
82 76,26
0,86 6.724
siang 0,821
63 51,72
0,67 3.969
malam 0,422
36 15,19
0,18 1.296
Jumlah 2,173
181 143,17
1,71 11.989
korelasi r r = 0,98
Berdasarkan hasil perhitungan pada Tabel 6.5 dan Tabel 6.6 di atas diperoleh bahwa terdapat hubungan korelasi positif yang sangat tinggi antara
waktu produktif dengan jumlah pesawat yang dikontrol. Jumlah pesawat udara yang dikontrol menunjukkan keadaan traffic udara yang ditangani oleh ATC. Hal
ini menunjukkan semakin padat traffic udara yang ditangani oleh operator ATC,
Universitas Sumatera Utara
maka semakin meningkat pula aktivitas produktif yang dikerjakan oleh operator ATC.
6.4 Solusi Pemecahan Masalah
Kategori