ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL Nathanael G. Sumaktoyo 1 ABSTRACT Cognitive load has long been hypothesized to have deteriorating effects toward individuals’ performances in doing any tasks. Article intended to examine such effects in the term of students speed in recognizing visual stimuli patterns. The cognitive load was represented by the length of the stimuli and whether there was or there was not distracting stimuli. Participants’ speeds were defined as the repetition needed to correctly recall the corresponding pattern. Three methods used in this research were Analysis of Variance (ANOVA), Paired t-test, and Profile Analysis. The result successfully reconfirms that the increase in patterns’ length and the manipulation of assignment complexity lead to slower participants recognition speed. Meanwhile, Profile Analysis finds no differences among groups of participants that are previously grouped by three variables: GPA, sex, and performance prediction. Keywords: cognitive load, ANOVA, paired t-test, profile analysis
ABSTRAK Cognitive load telah lama dihipotesiskan sebagai faktor penurun kinerja individu dalam menyelesaikan suatu tugas. Artikel bertujuan mengkonfirmasi pengaruh cognitive load terhadap kemampuan mahasiswa mengenali pola stimuli visual yang ditampilkan. Manipulasi cognitive load direpresentasikan dengan mengubah panjang pola stimuli serta ada/tidaknya stimuli pendistraksi. Kecepatan partisipan mengenali pola dinyatakan dengan banyaknya perulangan yang diperlukan untuk mengenali pola dengan benar. Tiga metode analisis yang digunakan dalam penelitian ini adalah ANOVA, Uji Nilai Tengah Berpasangan, dan Analisis Profil. Pengolahan data menghasilkan simpulan peningkatan panjang pola dan kompleksitas tugas akan memperlambat kecepatan partisipan. Sementara itu, Analisis Profil tidak menemukan perbedaan profil antar kelompok yang dibentuk berdasar IPK, jenis kelamin, dan prediksi kinerja. Kata kunci: cognitive load, ANOVA, uji nilai tengah berpasangan, analisis profil
1
Jurusan Statistika, Fakultas Sains dan Teknologi, Universitas Bina Nusantara, Jl. K.H. Syahdan No. 9 Palmerah, Jakarta Barat 11480,
Analisis Pengaruh Cognitive Load … (Nathanael G. Sumaktoyo)
13
PENDAHULUAN “You can’t sit on two chair at the same time,” kutipan klasik tersebut merupakan gambaran sederhana tentang cognitive load. Individu, pada batas tertentu, akan mengalami penurunan kinerja seiring penambahan jumlah tugas maupun kenaikan kompleksitas tugas tersebut. Penurunan kinerja seperti itu bukanlah sesuatu yang sulit ditemui. Dalam berbagai bidang kehidupan, dapat dijumpai saat ketika individu mengalami kesulitan dalam menangani tugas yang dihadapinya, bukan karena disposisi pribadi, namun karena tugas yang ditangani telah benar-benar di luar batas kemampuannya. Contoh bagi penurunan kinerja tersebut, antara lain seorang mahasiswa tidak optimal dalam persiapan ujian karena bahan yang terlalu banyak, karyawan layanan konsumen yang kesulitan menangani konsumen yang terlalu banyak menuntut, atau untuk contoh lebih ekstrem, seorang peserta seminar yang kesulitan mengerti materi yang diberikan karena pembicara menggunakan bahasa yang high profile. Singkatnya, cognitive load terkait dengan beban yang ada dalam memori kerja (working memory) ketika individu sedang melakukan suatu proses kognitif, baik itu proses berpikir, berbahasa, maupun proses lain yang melibatkan pendayagunaan pikiran. Semua hal tersebut menunjukkan aplikasi teori cognitive load yang sangat luas dan karenanya terus terbuka bagi penelitian lain. Keterbukaan dan sifat teori yang aplikatif itulah yang menarik minat peneliti untuk menjadikan cognitive load sebagai tema utama penelitian.
TINJAUAN PUSTAKA Cognitive Load Cognitive load, pertama kali dikemukakan oleh Sweller (1988), merujuk pada konsep tentang beban pada memori kerja (working memory) dalam proses penyelesaian masalah (problem solving), berpikir, dan pendayagunaan pikiran lain (termasuk persepsi, memori, bahasa, dan lain sebagainya). Pengertian yang lebih umum dari definisi teknis tersebut disampaikan oleh Adcock (2000) sebagai jumlah sumber daya mental yang diperlukan untuk memproses informasi (amount of mental resources necessary for information processing). Sejak diusulkan oleh Sweller dalam domain proses pembelajaran (learning process), teori cognitive load telah menarik perhatian banyak peneliti. Perhatian antara lain ditujukan pada usaha meminimalisir cognitive load demi tercapainya proses belajar yang optimum, misalnya dalam Quiroga, et. al. (2004) dan Paas, et. al. (2003). Fokus peneliti pada domain proses pembelajaran tersebut tidak lepas dari pengaruh cognitive load yang terindikasi menurunkan performansi individu dalam melakukan suatu tugas. Mengutip Barrouilet et. al. (2007), performansi individu akan menurun seiring peningkatan beban memori konkuren dan peningkatan apapun dari kesulitan proses akan menyebabkan informasi hilang dari memori jangka pendek (Anderson et al., 1996; Case et al., 1982; Conway & Engle, 1994; Daneman & Carpenter, 1980; Just & Carpenter, 1992).
Analisis Ragam (ANOVA) Hipotesis yang berlaku dalam ANOVA adalah
H 0 : μ 1 = μ 2 = ... = μ k , k = jumlah kelompok H 1 : sekurangnya dua nilai tengah tidak sama
14
Jurnal Mat Stat, Vol. 9 No. 1 Januari 2009: 13-21
Ragam seluruh pengamatan bila tidak dikelompok diberikan oleh rumus berikut. k
n
∑∑ ( x
ij
s2 =
− x ..) 2
i =1 j =1
nk − 1
Pembilang s 2 , disebut Jumlah Kuadrat Total, mengukur keragaman total dalam data. Keragaman total tersebut dapat diuraikan melalui identitas berikut. k
n
∑∑ ( x
k
ij
i =1 j =1
k
n
− x ..) = n∑ ( xi. − x ..) + ∑∑ ( xij − xi.)2 2
2
i =1
i =1 j =1
Identitas kuadrat tersebut dapat diuraikan ke dalam tiga penjumlahan kuadrat.
T..2 ( xij − x ..) = ∑∑ x − = Jumlah Kuadrat Total = JKT ∑∑ nk i =1 j =1 i =1 j =1 k
n
k
n
2
2 ij
k
k
n∑ ( xi. − x ..) 2 = i =1
k
n
∑∑ ( x
ij
∑T i =1
2 i.
n
−
T..2 = Jumlah Kuadrat Nilai Tengah Kolom = JKK nk
− xi.) 2 = JKT − JKK = Jumlah Kuadrat Galat = JKG
i =1 j =1
Tabel 1 Analisis Ragam Klasifikasi Satu Arah (One-way ANOVA) Sumber Keragaman Nilai Tengah Kolom Galat
Jumlah Kuadrat
Derajat Bebas
Kuadrat Tengah
F-hitung
JKK JKG
k −1 k ( n − 1)
JKK k −1 JKG s22 = N −k
s12 s22
Total
JKT
nk-1
s12 =
Uji Nilai Tengah Pengamatan Berpasangan (Paired t-test) Dalam metode ini perhatian ada pada selisih, di = x 2i − x1i dari masing-masing pengamatan. Selisih tersebut dipandang sebagai nilai suatu contoh acak d 1, d 2,..., dn dari suatu nilai tengah μ D dengan ragam σ D2 tidak diketahui dan diduga dengan sd2 .
Selang kepercayaan (1 − α )100% bagi μ D diperoleh dengan menyatakan
P ( −t α / 2 < T < t α / 2 ) = 1 − α dan T adalah
T=
D − μD Sd / n
dan tα / 2 adalah nilai sebaran t dengan n − 1 derajat bebas.
Analisis Pengaruh Cognitive Load … (Nathanael G. Sumaktoyo)
15
Penolakan Ho: μ D = d 0 ditentukan berdasarkan statistik uji
t=
d − d0 , v = n −1 sd / n
Analisis Profil (Profile Analysis) Misalkan untuk kelompok i , nilai tengah untuk p perlakuan adalah
μi' = [ μi1 , μi 2 ,..., μip ] .
Plot tidak terputus dari nilai tengah tersebut disebut dengan profil kelompok ke-i. (Gambar 1). Profil demikian dapat digambarkan untuk setiap kelompok data yang diinginkan. Terdapat tiga hal yang menjadi fokus masalah dalam Analisis Profil. Pertama, uji keparalelan. Kedua, uji levels. Ketiga, uji flatness.
Gambar 1 Dua Profil dengan Empat Variabel
Uji Keparalelan (Test of Parallelism) Mengutip Ainsworth (2006), tujuan uji itu adalah mengkonfirmasi perbedaan antar grup dalam nilai yang dihasilkan dari pengurangan dua variabel tak bebas yang bersebelahan. Dengan kata lain, apakah hipotesis Ho : μ r , i − μ r , i − 1 = μ s , i − μ s , i − 1; dengan r , s ≤ g dan i ≤ p dapat diterima? Pada prinsipnya, uji keparalelan itu sama dengan MANOVA (Multivariate Analysis of Variance) dengan catatan nilai variabel tak bebas tiap partisipan disubstitusi menjadi selisih nilainya. Identitas kuadrat yang berlaku dalam MANOVA sebagai berikut. g
g
nl
g
nl
∑∑ (xlj − x)(xlj − x) ' = ∑ nl (xl − x)( xl − x) ' + ∑∑ (xlj − xl )(xlj − xl ) ' l =1 j =1
l =1
l =1 j =1
Dengan g
∑ n ( x − x)( x − x) ' = Jumlah Kuadrat Perlakuan l l =1 g nl
l
l
∑∑ (x
lj
− xl )(xlj − xl ) ' = Jumlah Kuadrat Galat
l =1 j =1
16
Jurnal Mat Stat, Vol. 9 No. 1 Januari 2009: 13-21
Uji Perbedaan Antar Kelompok (Test of Levels) Uji perbedaan antar kelompok pada prinsipnya identik dengan univariate ANOVA. Nilai tiap partisipan adalah rataan dari variabel tak bebas partisipan bersangkutan. Pembagian kelompok disesuaikan dengan kelompok yang digunakan pada analisis profil.
Uji Variabel Tak Bebas (Test of Flatness) Test of flatness menguji apakah rata-rata selisih variabel tidak bebas tidak sama dengan nol untuk sekurangnya sepasang variabel. Metode yang digunakan adalah selisih vektor nilai tengah dengan hipotesis nol Ho : μ − μ 0 = 0 Hipotesis tersebut akan diuji menggunakan T 2 - Hotelling, yaitu suatu bentuk generalisasi dari statistik t pada statistika univariat. −1
⎛1 ⎞ T = ( X − μ 0 ) ' ⎜ S ⎟ ( X − μ 0 ) = n ( X − μ 0 ) ' S −1 ( X − μ 0 ) ⎝n ⎠ 2
dan,
X = ( p x 1)
1 n ∑Xj n j =1
1 n S = ∑ ( X j − X )( X j − X ) ' ( p x p) n − 1 j =1
dan
⎡ μ10 ⎤ ⎢ ⎥ μ 20 ⎢ ⎥ ⎢ μ30 ⎥ ⎢ ⎥ μ0 = ⎢. ⎥ ( p x 1) ⎢. ⎥ ⎢ ⎥ ⎢. ⎥ ⎢μ ⎥ ⎣ p0 ⎦ METODE PENELITIAN Hipotesis Penelitian Penelitian memiliki tiga hipotesis, yaitu panjang pola mempengaruhi kecepatan partisipan mengenali pola yang diberikan; Kompleksitas tugas mempengaruhi kecepatan partisipan mengenali pola yang diberikan; Tidak ada perbedaan profil antar kelompok partisipan.
Analisis Pengaruh Cognitive Load … (Nathanael G. Sumaktoyo)
17
Definisi Operasional Tabel 2 Definisi Operasional Variabel VARIABEL BEBAS No. 1
Variabel Panjang Pola
2 3
Kompleksitas Tugas IPK
4 5
Jenis Kelamin Prediksi kinerja
Definisi Operasional Jumlah penyalaan lingkaran yang menyusun suatu pola. Menurut panjangnya, terdapat empat macam pola: A: 4 penyalaan B: 6 penyalaan C: 8 penyalaan D: 10 penyalaan Pengenalan pola yang dibarengi dengan penyalaan stimuli distraksi Indeks Prestasi Kumulatif mahasiswa. Dihitung per semester, dengan rumus SKS dikalikan grade huruf (A=4, B=3, C=2, D=1) Jenis kelamin partisipan Prediksi partisipan atas kinerja sendiri dibandingkan dengan kinerja partisipan lain. Prediksi dilakukan dengan metode penilaian sendiri (selfassessment)
Hasil Ukur Jumlah penyalaan lingkaran
Ada atau tidaknya stimuli distraksi Nilai IPK, dengan skala 1-4
Salah satu pilihan: pria atau perempuan Bilangan 0-3 yang menyatakan 0 untuk prediksi kinerja sangat buruk, 1 untuk prediksi kinerja lebih buruk atau sama dengan partisipan lain, 2 untuk prediksi kinerja lebih baik atau sama dengan partisipan lain, 3 untuk prediksi kinerja sangat baik
VARIABEL TAK BEBAS No 1
Variabel Kecepatan Pengenalan Pola
Definisi Operasional Kecepatan partisipan mengenali pola yang diberikan pada masing-masing sesi
Hasil Ukur Jumlah perulangan yang diperlukan oleh suatu partisipan untuk menebak pola secara benar
Pengumpulan Data, Populasi, dan Sampel Data dalam penelitian ini didapatkan dengan program komputer. Setiap file hasil program akan berisi 12 field data: (1) NIM partisipan, (2) IPK, (3) jenis kelamin, (4) prediksi kinerja, (5-8) hasil untuk sesi stimuli sederhana, dan (9-12) hasil untuk sesi stimuli kompleks. Setiap partisipan akan menerima Rp10.000,00. Populasi dalam penelitian ini adalah mahasiswa Bina Nusantara. Sampel adalah mahasiswa adalah Fakultas Matematika dan Ilmu Pengetahuan Alam semester 7. Pemilihan mahasiswa semester tujuh dilakukan karena IPK yang dimiliki merupakan rataan dari enam semester sehingga akan lebih mencerminkan potensi intelektual partisipan bersangkutan.
HASIL DAN PEMBAHASAN Karakteristik partisipan dalam penelitian ini disampaikan dalam Tabel 3. Tabel 3 Karakteristik Partisipan Variabel
Jumlah
18
IPK 2.01 - 2.50Æ1 2.51 - 3.00Æ5 3.01 - 3.50Æ16 3.51 - 4.00Æ10 32
Jenis Kelamin Laki-lakiÆ24 PerempuanÆ8
32
Prediksi Kinerja Sangat BurukÆ2 Lebih Buruk/Sama dengan Rata2Æ13 Lebih Baik/Sama dengan Rata2Æ13 Sangat BurukÆ4 32
Jurnal Mat Stat, Vol. 9 No. 1 Januari 2009: 13-21
Analisis Ragam untuk menguji Rumusan Masalah 1) pada stimuli sederhana menghasilkan nilai statistik uji-F 89.244. Nilai F yang besar itu menghasilkan penolakan Ho: tidak ada perbedaan nilai tengah. Uji lanjut menggunakan Duncan’s Multiple Range menunjukkan bahwa perbedaan nilai tengah terjadi pada semua kemungkinan pasangan kelompok. Keputusan yang sama ditemukan pula dalam Analisis Ragam stimuli kompleks, kali ini dengan F-hitung 49.765. Kedua penolakan Ho menunjukkan bahwa peningkatan panjang pola akan mempersulit pengenalan yang dilakukan oleh partisipan. Rumusan Masalah 2) diuji menggunakan Uji Beda Nilai Tengah Berpasangan. Gambar 2 menampilkan plotting kecepatan tiap partisipan untuk keempat panjang pola pada stimuli sederhana dan kompleks.
a. Plotting untuk Pola A
b. Plotting untuk Pola B
c. Plotting untuk Pola C
d. Plotting untuk Pola D
Keterangan: Stimuli kompleks Stimuli sederhana Gambar 2 Plotting Kecepatan Partisipan
Dari Gambar 2 terlihat jelas bahwa partisipan lebih lambat dalam mengenali stimuli kompleks. Pengamatan visual itu diperkuat pola oleh nilai statistik Uji t-berpasangan untuk pola A, B, C, dan D masing-masing 8.7762, 8.9196, 8.8873, dan 9.7528 secara berurutan. Semua nilai statistik uji tersebut membawa kepada penolakan Ho: selisih nilai tengah sama dengan nol, dan dengan demikian dapat dikatakan bahwa tugas yang lebih kompleks akan mempersulit pengenalan pola partisipan. Analisis Profil menghasilkan keputusan yang seragam. Baik pada stimuli sederhana maupun kompleks, profil kelompok yang dibentuk berdasar IPK, jenis kelamin, dan prediksi kinerja seluruhnya bersifat paralel, berhimpit, dan tidak datar. Dengan profil demikian, dapat dikatakan bahwa dalam penelitian ini kelompok IPK lebih tinggi memiliki nilai tengah kecepatan pengenalan pola yang sama dengan nilai tengah kelompok IPK rendah (tidak ada perbedaan). Demikian juga, nilai tengah pria dan perempuan tidak ada perbedaan, dan partisipan yang memprediksi kinerjanya akan lebih baik ternyata tidak dapat memenuhi prediksi tersebut (tidak ada perbedaan nilai tengah berdasar prediksi kinerja). Sifat profil tidak datar sementara itu menerangkan bahwa peningkatan panjang pola (manipulasi variabel bebas) terbukti memberikan efek kepada kecepatan pengenalan pola (variabel tidak bebas). Efek itu melalui sifat profil paralel dapat ditunjukkan pula berlaku sama untuk semua kelompok.
Analisis Pengaruh Cognitive Load … (Nathanael G. Sumaktoyo)
19
PENUTUP Melalui penelitian ini dapat disimpulkan hal sebagai berikut. Penambahan panjang pola akan memperlambat kecepatan partisipan dalam mengenali pola yang tampil. Hal ituditunjukkan dengan hasil perhitungan dari Analisis Ragam. Manipulasi kompleksitas tugas dengan memberikan stimuli pendistraksi menghasilkan efek perlambatan pada kecepatan partisipan mengenali pola yang tampil. Hasil demikian ditunjukkan dengan perhitungan yang dilakukan menggunakan metode Uji Nilai Tengah Berpasangan. Efek cognitive load berlaku sama untuk semua kelompok partisipan, baik kelompok yang berdasarkan IPK, jenis kelamin, maupun prediksi kinerja. Efek itu terlihat dari Analisis Profil yang menyatakan keseluruhan profil memiliki karakter paralel, berhimpit (level), dan tidak datar (not flat). Dapat ditunjukkan adanya efek keyakinan berlebih melalui hasil Analisis Profil atas data control prediksi kinerja. Keempat profil dinyatakan berhimpit yang berarti tidak ada perbedaan nilai tengah antar kelompok prediksi kinerja.
DAFTAR PUSTAKA Adcock, A. B. (2000). Effects of cognitive load on processing and performance. Diakses dari http://aimlab.memphis.edu/pdfs/amyscogpaper.pdf Ainsworth, A. (2006). Profile analysis equations. Diakses dari http://www.csun.edu/~ata20315/psy524/docs/Psy524%20lecture%2013%20profile1.ppt Anderson, J. R., L. M., Reder, & C., Lebiere. (1996). Working memory: Activation limitations on retrieval. Cognitive Psychology, 30, 221–256. Barrouillet, P., Vergauwe, E., & Bernardin, S. (2007). Time and cognitive load in working memory. Journal of Experimental Psychology: Learning, Memory, and Cognition, 33 (3), 570-585. Case, R., M. Kurland, & Goldberg, J. (1982). Operational efficiency and the growth of short-term memory. Journal of Experimental Child Psychology, 33, 386–404. Conway, A. R. A. & Engle, R. W. (1994). Working memory and retrieval: A resource-dependent inhibition model. Journal of Experimental Psychology: General, 4, 354–373. Daneman, M. & Carpenter, P. A.. (1980). Individual differences in working memory and reading. Journal of Verbal Learning and Verbal Behavior, 19, pp 450–466. Johnson, R. A. & Wichern, D. W. (2002). Applied multivariate statistical analysis. Fifth Ed. Prentice Hall. Just, M. A. & P. A. Carpenter. (1992). A capacity theory of comprehension: Individual differences in working memory. Psychological Review, 99, 122–149. Paas, Fred., Renkl, A., & Sweller, J. (2003). Cognitive load theory and instructional design: Recent developments. Educational Psychologist, 38 (1), 1-4.
20
Jurnal Mat Stat, Vol. 9 No. 1 Januari 2009: 13-21
Quiroga, L. M., Crosby, M. E., and Marie K. Iding. (2004). Reducing cognitive load. Proceedings of the 37th Hawaii International Conference on System Sciences – 2004. Sweller, John. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12, 257-285. Walpole, R. E., & Myers, R. H. (1995). Ilmu peluang dan statistika untuk insinyur dan ilmuwan. Edisi Keempat. Bandung: Penerbit ITB.
Analisis Pengaruh Cognitive Load … (Nathanael G. Sumaktoyo)
21