ANALISIS BEBAN KERJA YANG MEMPENGARUHI TINGKAT KELELAHAN PENGEMUDI KENDARAAN RODA EMPAT RUTE JAKARTA – BANDUNG Melisa1, Nani2, Novita3, Rida Zuraida4 1
[email protected], +62 818 115 892
[email protected], +62 813 1854 7276 3
[email protected], +62 813 1620 3091 4
[email protected] , +62 815 100 51121
2
Industrial Engineering Bina Nusantara University, Jakarta Indonesia ABSTRAK Penyebab utama terjadinya kecelakaan lalu lintas pada pengemudi kendaraan roda empat berasal dari faktor gangguan (distraction) dengan persentase fatalitas sebesar 55%. Terjadinya gangguan (distraction) melibatkan paling sedikit dua aspek, yaitu mempertahankan fokus perhatian serta adanya beban kerja yang berlebihan (terlalu banyak kegiatan yang harus dilakukan dengan resources yang terbatas). Selain itu, penyebab kedua terbesar yang mengakibatkan kecelakaan lalu lintas adalah kelelahan dan mengantuk dengan persentase sebesar 45%. Penelitian ini dilakukan dengan mengamati delapan pengemudi yang bertindak sebagai responden dengan tujuan untuk mengetahui perbandingan tingkat rasa kantuk pengemudi selama empat perjalanan dengan penggunaan metode Karolinska Sleepiness Scale (KSS) serta besarnya gangguan (distraction) yang dialami selama kegiatan mengemudi berdasarkan dimensi Visual, Auditory, Cognitive dan Psychomotor (VACP). Pengumpulan data dilakukan oleh pihak peneliti dari Binus University dan dibantu oleh rekan ITB selama delapan hari terhitung sejak rentang waktu 30 Maret 2013 hingga 14 Mei 2013. Analisis dilakukan dengan uji homogenitas untuk data KSS dan data VACP untuk menyatakan bahwa data yang dikumpulkan oleh dua kelompok peneliti tersebut adalah sama. Hasil penelitian menunjukkan bahwa data KSS dan data VACP dari kedua kelompok peneliti bersifat homogen. Tingkat kantuk pengemudi berbanding lurus dengan lamanya durasi kerja, dan gangguan (distraction) terbesar yang dialami pengemudi berasal dari kegiatan yang melibatkan dimensi visual dan cognitive. Metode KSS dan VACP yang bersifat subjektif memerlukan sarana pendukung seperti alat perekam untuk mendukung keakuratan data. Kata Kunci: Pengemudi Kendaraan Roda Empat, Gangguan (distraction), Beban Kerja, Karolinska Sleepiness Scale (KSS), VACP
ABSTRACT The main cause of traffic accidents on the four wheel’s driver vehicle from disturbance factors (distraction) with the percentage of fatality by 55%. Distraction involves at least two aspects, to maintain the focus of attention and the excessive workload (too many activities to do with limited resources). In addition, the second biggest cause of traffic accidents is the result of fatigue and drowsiness with a percentage of 45%. This study was done by observing eight drivers as participant with purpose to determine the ratio of the driver's level of drowsiness during four trips with Karolinska Sleepiness Scale (KSS) method as well as the magnitude of distraction experienced during driving activities based on the dimensions of Visual, Auditory, Cognitive and Psychomotor (VACP). Data collection was conducted by the researchers from Binus University and assisted by fellow ITB within eight days, start from March 30th until May 14th , 2013. Analysis were performed to test the homogenity of the data KSS and data VACP to describe that the data collected by two research groups are the same. The results showed the data KSS and data VACP of both research groups are homogeneous. Drowsiness level of the driver is directly proportional to the length of working duration, the biggest distraction experienced by drivers came from activities involving visual and cognitive dimensions. KSS and VACP methods which are subjective need additional tools such as recorder to ensure accuracy level of data. Keyword: Four wheel’s driver vehicle, Distraction, Workload, Karolinska Sleepiness Scale (KSS), VACP
PENDAHULUAN Penyebab utama terjadinya kecelakaan lalu lintas pada pengemudi kendaraan roda empat berasal dari faktor gangguan (distraction) dengan persentase fatalitas sebesar 55% (Eri, 2010). Terjadinya gangguan (distraction) melibatkan paling sedikit dua aspek, yaitu mempertahankan fokus perhatian serta adanya beban kerja yang berlebihan (terlalu banyak kegiatan yang harus dilakukan dengan resources yang terbatas). Selain itu, penyebab kedua terbesar yang mengakibatkan kecelakaan lalu lintas adalah kelelahan dan mengantuk dengan persentase sebesar 45%. Dan untuk mengurangi terjadinya penyebab tersebut, penelitian-penelitian terdahulu menyarankan untuk melakukan analisis dan pengaturan dari segi beban kerja (workload manager). Banyak faktor yang dapat menjadi penyebab terjadinya kelelahan kerja. Faktor-faktor tersebut diantaranya adalah faktor umur, jenis kelamin, berat badan, jenis asupan nutrisi dan masih banyak lagi. Faktor-faktor tersebut bersifat subjektif pada tiap individu pengemudi karena riwayat kesehatan, gaya hidup dan kebiasaan setiap pengemudi pasti berbeda-beda. Selain faktor-faktor yang telah disebutkan, faktor utama yang mempengaruhi terjadinya kelelahan adalah beban kerja. Faktor kelelahan yang berasal dari beban kerja merupakan faktor yang bersifat umum karena beban kerja yang wajib diselesaikan oleh pengemudi dapat diatur kuantitasnya. Pengamatan dalam penelitian ini akan difokuskan pada beban kerja yang mempengaruhi kelelahan pengemudi. Menurut Nurmianto, karakteristik terjadinya kelelahan kerja akan meningkat berbanding lurus dengan lamanya pekerjaan yang dilakukan (Nurmianto, 2003: 264). Sehingga pada penelitian kali ini akan dilakukan observasi awal untuk mengetahui berapa durasi kerja rata-rata pengemudi pada perusahaan travel yang melayani rute Jakarta-Bandung. Pada observasi awal ini, dilakukan proses wawancara terhadap enam perusahaan travel terkemuka di Jakarta yakni Baraya Travel, Cipaganti, City Trans, Day Trans, Transline dan X-Trans. Pertanyaan yang diajukan dalam observasi awal tersebut mencakup tentang durasi kerja. Dari wawancara terhadap enam perusahaan travel tersebut, diperoleh hasil bahwa durasi kerja pengemudi dari perusahaan travel berkisar hingga enam belas jam per hari. Hal ini menjadi salah satu panduan ketika menentukan durasi simulasi kegiatan mengemudi dengan rute Jakarta-Bandung. Penelitian lain yang memfokuskan pengamatan pada tingkat kelelahan dan beban kerja telah dilakukan oleh beberapa peneliti pendahulu. Penelitian tersebut banyak membahas mengenai tanda-tanda kelelahan maupun metode yang tepat untuk menghitung beban kerja yang dapat mengakibatkan kelelahan. Pada tahun 1984, McCraken dan Aldrich menemukan suatu sistem pengolahan informasi pada manusia
berdasarkan empat dimensi yang dikenal dengan sebutan metode VACP (Visual, Auditory, Cognitive dan Pshycomotor). Metode VACP tersebut selanjutnya digunakan untuk menghitung beban kerja dari suatu tugas yang diberikan (Dadashi, Scott, R Wilson & Mills, 2013). Selain itu, ada pula Kosuke Kaida dan rekan-rekannya yang meneliti mengenai tingkat rasa kantuk dengan metode KSS (Karolinska Sleepiness Scale) serta korelasinya dengan gelombang otak (ElectroEnchephaloGraphy) (Kaida et al, 2006). Dengan demikian, penelitian diharapkan dapat menjawab rumusan masalah mengenai tingkat perbandingan rasa kantuk pengemudi selama perjalanan 2 rit (dua kali pulang pergi) serta besarnya gangguan (distraction) yang dialami pengemudi berdasarkan dimensi Visual, Auditory, Cognitive dan Pshycomotor ditinjau dari segi beban kerja.
METODE PENELITIAN Langkah awal penelitian adalah melakukan observasi awal untuk mengamati kondisi nyata terkait masalah yang menjadi fokus utama penelitian. Observasi awal meliputi pengamatan pada beberapa perusahaan travel rute Jakarta-Bandung, spesifikasi kriteria pengemudi travel serta batasan yang harus dipatuhi oleh pengemudi selama melakukan pekerjaan mengemudi. Selanjutnya akan dilakukan sesi tanya jawab terhadap beberapa pertanyaan mendasar mengenai durasi kerja pengemudi di suatu travel. Hasil wawancara menunjukka bahwa sebagian besar perusahaan travel rute Jakarta-Bandung mewajibkan durasi kerja sebesar 16 jam per hari kepada pengemudi. Langkah selanjutnya adalah melakukan studi pustaka dari jurnal-jurnal, artikel maupun buku yang terkait dengan teori-teori dan metode yang akan digunakan dalam penelitian. Studi pustaka digunakan sebagai landasan agar pemahaman terhadap topik yang akan diambil menjadi lebih jelas. Adapun teori-teori maupun metode yang akan digunakan yaitu teori beban kerja (workload), teori kelelahan (fatigue), metode Karolinska Sleepiness Scale (KSS) serta metode Visual, Auditory, Cognitive dan Psychomotor (VACP). Setelah melakukan studi pustaka, maka ditentukan topik dan rumusan masalah yang akan menjadi fokus utama dalam penelitian. Fokus penelitian ditentukan berdasarkan empat masalah utama yakni antara lain, perbandingan tingkat rasa kantuk yang dialami pengemudi selama perjalanan dua rit (empat perjalanan atau dua kali pulang pergi) serta gangguan (distraction) yang dialami pengemudi selama mengemudi. Penelitian ini merupakan joint research yang dilakukan bersama dengan rekan-rekan mahasiswa ITB. Sebelum dilakukan pengumpulan data, diadakan briefing untuk menyamakan persepsi antara semua peneliti (antara peneliti dan rekan-rekan dari ITB). Pengumpulan data dilakukan sebanyak delapan kali pada tanggal 30 Maret, 13 April, 16 April, 4 Mei, 7 Mei, 9 Mei, 11 Mei dan 14 Mei tahun 2013. Pengambilan data dimulai dari Bandung-Jakarta yang dianggap sebagai perjalanan 1 dan data tersebut diambil oleh rekan ITB. Kemudian, data untuk perjalanan 2 (Jakarta-Bandung) dan perjalanan 3 (Bandung-Jakarta) diambil oleh peneliti dari Binus University. Pengambilan data diakhiri dengan perjalanan 4 (Jakarta-Bandung) oleh rekan ITB. Data yang dikumpulkan adalah tingkat rasa kantuk yang dialami pengemudi selama empat perjalanan. Pengumpulan ini dilakukan setiap 30 menit kepada pengemudi secara langsung. Data yang selanjutnya dikumpulkan adalah kegiatan mengemudi yang melibatkan dimensi VACP. Data ini dikumpulkan dengan cara melakukan pengamatan langsung terhadap setiap kegiatan pengemudi selama perjalanan berlangsung.
Gambar 1. Langkah-langkah Penelitian Waktu pengumpulan data dengan metode KSS akan dilakukan dengan setiap 30 menit sekali selama perjalanan berlangsung dimulai sejak pengemudi akan memulai kegiatan mengemudi. Dengan metode ini, setiap 30 menit sekali pengemudi akan ditanyakan mengenai tingkat kantuk yang sedang dirasakan pada saat itu, dengan nilai skala satu hingga sembilan. Deskripsi skala KSS tersebut adalah sebagai berikut : Skala 1: keadaan waspada penuh (extremely alert) Skala 2: keadaan sangat waspada (very alert) Skala 3: keadaan waspada (alert) Skala 4: keadaan cukup waspada (rather alert) Skala 5: antara waspada dan mengantuk (neither alert nor sleepy) Skala 6: munculnya beberapa tanda mengantuk (some sign of sleepiness) Skala 7: rasa mengantuk yang ringan (sleepy, no effort to stay awake) Skala 8: rasa mengantuk yang cukup berat (sleepy, some effort to stay awake) Skala 9: keadaan sangat mengantuk (very sleepy, great effort to keep awake, fighting sleep) Pengumpulan data dengan metode VACP akan dilakukan terus menerus selama perjalanan berlangsung untuk mengetahui kegiatan apa saja yang dilakukan pengemudi sesuai dengan indikator VACP yang ada. Indikator VACP yang ada memiliki rating untuk setiap kegiatan yang dilakukan oleh pengemudi sesuai dengan kompleksitas rangsangan yang dibutuhkan (misalnya saja kegiatan melihat kaca spion membutuhkan rangsangan visual paling besar dibandingkan ketiga dimensi lainnya). Pengolahan data tingkat rasa kantuk pengemudi dilakukan dengan metode KSS. Skala KSS dari delapan pengemudi dihitung frekuensinya untuk setiap sesi perjalanan. Data KSS yang diperoleh dibagi menjadi dua yaitu data yang diambil oleh peneliti dari Binus University dan data dari rekan ITB. Kemudian data tersebut dihitung persentase dan diuji homogenitasnya untuk memastikan apakah kedua data tersebut dianggap homogen atau sama. Data KSS selanjutnya diinterpretasikan dalam bentuk grafik.
Grafik tersebut menunjukkan persentase skala KSS pada perjalanan pertama hingga perjalanan keempat. Hal ini dilakukan untuk mengetahui skala apa yang paling dominan pada setiap perjalanan.
Gambar 2. Variabel Penelitian Pengolahan data beban kerja pengemudi dilakukan dengan metode VACP. Data VACP juga dibagi menjadi dua antara data peneliti dari Binus University dan data dari rekan ITB. Langkah selanjutnya yakni melakukan pengujian homogenitas untuk data VACP. Data VACP kemudian akan ditampilkan dalam bentuk grafik perbandingan empat dimensi VACP. Hal ini dilakukan untuk menggambarkan besarnya kuantitas kegiatan yang dilakukan pengemudi pada empat dimensi VACP. Selain itu, data mengenai kuantitas kegiatan tersebut diinterpretasikan dalam bentuk grafik yang menunjukkan persentase dimensi VACP yang dominan pada perjalanan pertama hingga perjalanan keempat
HASIL DAN BAHASAN Data KSS Data mengenai tingkat kantuk delapan pengemudi diperoleh dari pengumpulan langsung dengan intensitas pengukuran setiap 30 menit. Data tersebut kemudian ditampilkan dalam bentuk perbandingan persentase nilai KSS dari perjalanan pertama hingga perjalanan keempat (dapat dilihat pada gambar 3). Pengolahan dan Analisis Data KSS Data KSS merupakan data dengan tipe ordinal (Sugiyono, 2007). Pengolahan data statistik yang digunakan untuk data KSS adalah pengujian homogenitas untuk menguji keseragaman data yang dikumpulkan oleh pihak peneliti Binus University dan data yang pengumpulannya dibantu oleh rekan dari ITB (Nisfiannoor, 2009: 92). Dari hasil uji homogenitas, diperoleh nilai signifikansi (sig. ) sebesar 0.371 (gambar 4). Nilai signifikansi ini lebih besar bila dibandingkan dengan nilai derajat kepercayaan sebesar 0.05 (0.371>0.05). Maka dapat disimpulkan bahwa data bersifat homogen atau memiliki varian yang sama. Artinya, tidak terdapat perbedaan antara data KSS yang dikumpulkan oleh pihak peneliti Binus University dengan data yang pengumpulannya dibantu oleh rekan ITB. Persentase skala KSS pada diperoleh dari rasio frekuensi pada tiap skala KSS (satu sampai sembilan) yang dibagi dengan jumlah total KSS dalam satu perjalanan. Sehingga persentase tersebut dapat menjelaskan mengenai skala mana yang menjadi pilihan dominan para pengemudi pada perjalanan pertama hingga perjalanan keempat. Rincian mengenai frekuensi nilai KSS dari perjalanan pertama hingga perjalanan keempat untuk masing-masing pengemudi dapat dilihat pada tabel 1.
Gambar 3. Grafik Persentase Skala KSS untuk Empat Perjalanan
Gambar 4. Pengujian Homogenitas untuk Data KSS Persentase pada tabel 1 menunjukkan bahwa pada perjalanan pertama dan perjalanan kedua, persentase skala KSS yang dominan terdapat pada skala satu dan skala dua. Sedangkan pada perjalanan ketiga, persentase skala KSS mayoritas berada pada skala tiga, skala empat dan skala lima. Hal ini menunjukkan bahwa sebagian besar pengemudi berada dalam kondisi antara waspada dan mengantuk. Kemudian pada perjalanan keempat, skala KSS sudah mencapai skala delapan. Artinya, ada pengemudi yang telah berada dalam kondisi kantuk yang cukup berat. Di samping hal tersebut, skala satu juga memiliki persentase yang cukup dominan yakni sebesar 26.92 %. Hal ini terjadi karena pengemudi merasa lebih bersemangat ketika hampir mencapai akhir perjalanan.
Tabel 1. Perbandingan Persentase Jumlah Nilai KSS pada Setiap Perjalanan Perbandingan Persentase jumlah nilai KSS pada Setiap Perjalanan 1
5
6
7
8
9
Perjalanan 1 42.86% 25.00% 17.86% 12.50%
1.79%
0%
0%
0%
0%
Perjalanan 2 36.51% 30.16% 17.46%
3.17%
4.76%
0%
0%
0%
Perjalanan 3 15.87% 11.11% 25.40% 22.22% 20.63% 4.76%
0%
0%
0%
Perjalanan 4
2
3
4
7.94%
26.92% 13.46% 19.23% 11.54% 17.31% 3.85% 3.85% 3.85% 0%
Data VACP Data mengenai tingkah laku delapan pengemudi diperoleh dari pengumpulan langsung selama proses pilot study. Peneliti melakukan pengamatan terhadap aktivitas yang dilakukan pengemudi selama mengemudi berdasarkan tabel sub kegiatan bobot VACP (Yee, Nguyen, Green, Oberholtzer & Miller, 2007: 59-66) yang dikategorikan pada dimensi visual, auditory, cognitive dan psychomotor. Langkah selanjutnya adalah melakukan perhitungan dengan melakukan perkalian antara frekuensi kegiatan dengan bobot penilaian masing-masing dimensi VACP Perbandingan persentase dimensi VACP pada setiap perjalanan ditunjukkan pada gambar 5.
Gambar 5. Grafik Persentase Skala VACP untuk Empat Perjalanan Pengolahan dan Analisis Data VACP Data VACP merupakan data dengan tipe interval (Sugiyono, 2007). Setelah membuat perbandingan persentase dimensi VACP untuk keempat perjalanan (gambar 5), maka langkah selanjutnya adalah melakukan uji homogenitas untuk menguji keseragaman data yang dikumpulkan oleh pihak peneliti Binus University dan data yang pengumpulannya dibantu oleh rekan dari ITB (Nisfiannoor, 2009:
92). Uji homogenitas untuk metode VACP dilakukan untuk masing-masing dimensi (dimensi Visual, Auditory, Cognitive dan Psychomotor). Tabel 2. Hasil Pengujian Homogenitas untuk Keempat Dimensi VACP Dimensi
Visual Auditory Cognitive Psychomotor
Nilai Signifikansi (sig. ) 0.992 0.908 0.991 0.963
Nilai Derajat Kepercayaan (α) 0.05
Hasil Uji Homogen Homogen Homogen Homogen
Berdasarkan pengujian homogenitas untuk data VACP yang dilakukan dengan software SPSS, diperoleh hasil bahwa data VACP tersebut bersifat homogen atau memiliki varian yang sama. Pengujian homogenitas tersebut menunjukkan nilai signifikansi yang lebih besar dari nilai derajat kepercayaan pada keempat dimensi VACP (Dapat dilihat pada tabel 2). Rincian mengenai uji homogenitas data VACP untuk masing-masing dimensi tersebut dapat dilihat pada gambar 6, 7, 8 dan 9. Hal ini menunjukkan bahwa tidak terdapat perbedaan antara data VACP yang dikumpulkan oleh pihak peneliti Binus University dengan data yang pengumpulannya dibantu oleh rekan ITB.
Gambar 6. Uji Homogenitas untuk Data Dimensi Visual
Gambar 7. Uji Homogenitas untuk Data Dimensi Auditory
Gambar 8. Uji Homogenitas untuk Data Dimensi Cognitive
Gambar 9. Uji Homogenitas untuk Data Dimensi Psychomotor Analisis Korelasi Data KSS dengan Data VACP Pengujian hipotesis untuk menguji korelasi antara data KSS dan data VACP dilakukan dengan metode Pearson. Pengujian dilakukan dengan membandingkan nilai sig.(2-tailed) terhadap nilai derajat kebebasan. Bila nilai sig.(2-tailed) lebih besar dari nilai derajat kebebasan, maka keputusan yang diambil adalah terima H0 begitu pula sebaliknya. Berdasarkan pengujian hipotesis diperoleh hasil terima H0, yang berarti bahwa ada hubungan yang sangat lemah antara data KSS dengan keempat dimensi VACP. Hasil ini menunjukkan bahwa data KSS dan data VACP sebaiknya dianalisis secara independen. SIMPULAN DAN SARAN Setelah mengemukakan hasil penelitian dan melakukan pembahasan, maka dapat diambil kesimpulan sebagai berikut : 1. Berdasarkan data KSS yang dikumpulkan oleh peneliti Binus University pada perjalanan 2 (JakartaBandung) dan perjalanan 3 (Bandung-Jakarta) serta data yang pengumpulannya dibantu oleh rekan ITB pada perjalanan 1 (Bandung-Jakarta) dan perjalanan 4 (Jakarta-Bandung) memiliki keseragaman dilihat dari hasil uji homogenitasnya. Tingkat kantuk pengemudi berbanding lurus dengan lamanya durasi kerja. Artinya, skala KSS meningkat seiring dengan bertambahnya durasi kerja. - Diagram pada gambar 4.1 menunjukkan bahwa pada perjalanan pertama dan perjalanan kedua, persentase skala KSS yang dominan terdapat pada skala satu dengan persentase sebesar 42.86% dan 36.51% serta skala dua sebesar 25% dan 30.16%. - Sedangkan pada perjalanan ketiga, persentase skala KSS mayoritas berada pada skala tiga yaitu sebesar 25.40%, skala empat sebesar 22.22% dan skala lima sebesar 20.63%. Hal ini menunjukkan bahwa sebagian besar pengemudi berada dalam kondisi antara waspada dan mengantuk. Kemudian pada perjalanan keempat, mayoritas skala KSS berada pada skala satu dengan persentase sebesar 26.92%. Hal ini terjadi karena pengemudi merasa lebih bersemangat ketika hampir mencapai akhir perjalanan.
-
Pada perjalanan empat, ada pula pengemudi yang tingkat kantuknya sudah mencapai skala delapan. Artinya, pengemudi tersebut telah berada dalam kondisi kantuk yang cukup berat. 2. Berdasarkan data VACP yang dikumpulkan oleh peneliti Binus University pada perjalanan 2 (JakartaBandung) dan perjalanan 3 (Bandung-Jakarta) serta data yang pengumpulannya dibantu oleh rekan ITB pada perjalanan 1 (Bandung-Jakarta) dan perjalanan 4 (Jakarta-Bandung) memiliki keseragaman dilihat dari hasil uji homogenitasnya. Gangguan terbesar yang dialami pengemudi ketika melakukan kegiatan mengemudi berdasarkan konsep VACP berasal dari kegiatan yang melibatkan dimensi visual dan dimensi cognitive selama empat perjalanan. Selain simpulan yang diperoleh dari hasil penelitian, saran yang dapat disampaikan setelah melakukan analisis dan penelitian antara lain adalah sebagai berikut : - Karena metode KSS dan VACP merupakan alat ukur yang bersifat subjektif dan diukur berdasarkan pengamatan pihak peneliti, maka sebaiknya terdapat sarana lain yang dapat mendukung keakuratan data yang telah terkumpul, misalnya penggunaan kamera video dengan daya baterai yang mencukupi untuk merekam aktivitas pengemudi selama dalam proses simulasi mengemudi. - Untuk memastikan apakah ada pengaruh dari waktu keberangkatan terhadap tingkat kantuk serta gangguan (distraction) yang dialami pengemudi, alangkah baiknya bila penelitian dapat dilakukan pada waktu keberangkatan yang berbeda-beda. - Untuk menghindari terjadinya bias dan selisih jumlah data ketika melakukan pengumpulan data KSS dan VACP maka sebaiknya dilakukan penambahan sampel. Hal ini dilakukan agar hasil yang diperoleh memiliki tingkat akurasi yang lebih tinggi. - Untuk penelitian lebih lanjut mengenai beban kerja, sebaiknya menggunakan penambahan alat ukur yang bersifat objektif. - Perusahaan travel dengan rute Jakarta-Bandung sebaiknya menyediakan fasilitas-fasilitas yang dapat menunjang kenyamanan pengemudi ketika sampai di tempat tujuan (misalnya fasilitas berupa televisi, kasur, alat olahraga ringan untuk relaksasi otot, makanan dan minuman) agar tingkat kelelahan pengemudi dapat diminimalkan. - Untuk menjaga keamanan dan keselamatan dalam kegiatan mengemudi pada perusahaan travel, maka sebaiknya terdapat alat peringatan pada kendaraan yang langsung terintegrasi dengan proses monitoring yang berada di pool atau kantor pusat travel (misalnya, pemasangan CCTV).
REFERENSI Bakri, S.H.A. (2011). Manajemen Ergonomi. Disertasi tidak diterbitkan. Surakarta: Program Pasca Sarjana UNIBA Surakarta. Dadashi,N., Scott, A., Wilson, J.R. & Mills,A. (2013). Rail Human Factors : Supporting Reliability, Safety and Cost Reduction. London: CRC Press/ Balkema. Dhania, D.R. (2010). Pengaruh Stress, Beban Kerja terhadap Kepuasan Kerja. Jurnal Psikologi Universitas Muria Kudus. 1 (1): 16. Eri, F. (2010). 6 Penyebab Kecelakaan Terbesar, diakses 11 September 2013 dari www.autobild.co.id. Horrey W.J. et al. (2011).Research Needs and Opportunities for Reducing The Adverse Safety Consequences of Fatigue. Journal homepage : Elsevier-Accident Analysis and Prevention. 1(43): 591. Husein, T. & Sarsono, A. (2009). Perancangan Sistem Kerja Ergonomis untuk Mengurangi Tingkat Kelelahan. Jurnal Inasea. 10 (1): 3. International Ergonomic Association. (2010). Definition of Ergonomics, diakses 23 Maret 2013 dari http://www.iea.cc. Elsevier-Accident and Analysis Prevention. International Petroleum Industry Environmental Conservation Association. (2007). London. Managing Fatigue in The Workplace. International Association of Oil and Gas Producers (OGP).
Kaida, K. et al. (2006). Validation of The Karolinska Sleepiness Scale Againts Performance and EEG Variables. Journal homepage : Elsevier-Accident Analysis and Prevention. 1(117): 1574-1575. Kristyanto, B. (1999). Ergonomi Konkuren : Suatu Pendekatan Bagi Perbaikan Kualitas dan Produktivitas sebagai Strategi Bersaing untuk Pasar Global. Jurnal Teknologi Industri. Vol. 3, No.1, diakses 18 Maret 2013 dari http://www.uajy.ac.id. Layanan Hukum dan Organisasi Kementrian Pendidikan dan Kebudayaan. (2013). Perhitungan Beban Kerja, diakses 25 April 2013 dari http://www.hukor.kemdikbud.go.id. Masyarakat Transportasi Indonesia. (2007). 1-2-3 Langkah Menempatkan Kembali Keselamatan Menuju Transportasi yang Bermartabat. Jakarta. Pusat Studi Transportasi dan Logistik (PUSTRAL) UGM.. Nisfiannoor, M. (2009). Pendekatan Statistika Modern untuk Ilmu Sosial. Jakarta: Salemba Humanika. Nurmianto, E. (2003). Ergonomi Konsep Dasar dan Aplikasinya. Surabaya : Guna Widya. Philip, P. et al. (2005). Fatigue, Sleep Restriction and Driving Performance. Journal homepage : ElsevierAccident Analysis and Prevention. 1(37): 474. Nuraini, A., & Iridiastadi, H. (2012). Evaluasi Praktik Fatigue Management Operator Heavy Dump Truck di Perusahaan Pertambangan Indonesia. Seminar Nasional Ergonomi (hal. 11). Program Studi Teknik Industri - Universitas Widyatama. Republik Indonesia. (1993). Peraturan Menteri Tenaga Kerja RI No.04/Men 1993 tentang Jaminan Kecelakaan Kerja. Saito, Kazuo. (1999). Measurement of Fatigue in Industries. Hokkaido University Industrial Health, Jepang. 37:134-142. Stutt et al.(2005). Driver’s Exposure to Distractions in Their Natural Driving Environment. Accident Analysis and Prevention. 37(6): 1093. Sugiyono, Prof., Dr. (2007). Metode Penellitian Bisnis. Bandung: CV Alfabeta. Yee,S.,Nguyen,L., Green,P., Oberholtzer,J.,& Miller,B.(2007). Visual, Auditory, Cognitive and Pshycomotor Demands of Real In Ve Rhicle-Tasks. Technical Report University of Michigan Transportation Research Institute (UMTRI). 8 (72): 10-12. Young, R.,A. (2012). A Tabulation of Driver Distraction Definitions. Research professor Department of Psychiatry and Behavioral Neurosciences. 1:3. Zhao, X., Rong, J. (2013). The Relationship between Driver Fatigue and Monotonous Road Environment. Computational Intelligence for Traffic and Mobility. 1 (1): 36.
RIWAYAT PENULIS Melisa lahir di kota Jakarta pada tanggal 24 Maret 1991. Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Teknik Industri pada tahun 2013. Nani lahir di kota Singkawang pada tanggal 1 Mei 1991. Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Teknik Industri pada tahun 2013. Novita lahir di kota Jakarta pada tanggal 26 November 1991. Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Teknik Industri pada tahun 2013. Rida Zuraida lahir di kota Garut pada 12 Desember 1976. Penulis menamatkan pendidikan S1 di Universitas Pasundan (2001), dan S2 di Institut Teknologi Bandung (2004) dalam bidang Teknik Industri.
