dc.identifier.citation | Adawiyah, W., dan Sukmawati, A., 2013, Analisis Beban Kerja Sumber Daya Manusia dalam Aktivitas Produksi Komoditi Sayuran Selada (Studi Kasus: CV Spirit Wira Utama). Jurnal Manajemen dan Organisasi, 4(2), 128-143. Hancock, P., dan Meshkati, N., 1988, Human Mental Workload, Elsevier. Hart danStaveland., 1981, The Workload, Jakarta: Universitas Indonesia Press. Putri, U.L., dan Handayani, N.U., 2017, Anlisis Beban Kerja Mental dengan Metode NASA TLX pada Departemen Logistik PT ABC. Simanjuntak, R. A., dan Situmorang, D. A., 2010, Analisis Pengaruh Shift Kerja terhadap Beban Kerja Mental dengan Metode Subjective Workload Assessment Technique (SWAT), Jurnal Teknologi, 3(1), 53-60. Sinulingga, B.D., 1999, Pembangunan Kota-Tinjauan Regional dan Lokal, Pustaka Sinar Harapan, Jakarta. TomTom., 2018, City Suffers 95% Congestion, HYPERLINK "https://www.drishtiias.com/dailyupdates/ daily-news-analysis/traffic-index-2018" https://www.drishtiias.com/dailyupdates/ daily-news-analysis/traffic-index-2018 diakses tgl 29 Februari 2020. | id_ID |
dc.description.abstract | Kemacetan di Indonesia menimbulkan beberapa kerugian bagi para pengemudi, salah satu
dinataranya adalah kerugian psikologis. Untuk menangani permasalahan kemacetan ini timbul
berbagai alternatif, yang salah satu diantaranya adalah timbulnya platform penyedia jasa
berkendara online GO-JEK. Dalam hal ini pengendara akan merasakan kenyamanan dan
kemudahan dalam bertransportasi karena tidak akan mengalami kemacetan secara langsung.
Namun, pengemudi GO-JEK justru akan merasakan langsung dampak negatif dari kemacetan
itu. Tingginya permintaan dapat menimbulkan dampak fisik maupun mental pada pengemudi
GO-JEK. Tingkat beban kerja mental yang tinggi dapat menyebabkan munculnya perasaan
lelah, letih, lesu dan berkurangnya kewaspadaan. Untuk mengetahui tingkat beban kerja
mental pada pengemudi GO-JEK dilakukannya pengukuran dengan metode NASA TLX
(National Aeronautics and Space Administration Task Load Index). Pada metode ini terdapat 6
indikator yang dinilai yaitu Mental demand, Physical demand, Temporal demand,
Performance, Effort, dan Frustation level. Dari 30 pengemudi GO-JEK, diketahui 21
diantaranya memiliki skor tingkat beban kerja mental yang masuk dalam klasifikasi tinggi.
Berdasarkan skor yang diproleh, diketahui bahwa indikator yang paling mempengaruhi
besarnya beban kerja mental dari pengemudi GO-JEK adalah indikator effort yaitu sebesar
29,808%. Dari data tersebut juga diketahui bahwa korelasi antara indikator dengan skor
beban kerja mental diketahui memiliki tingat korelasi sebesar 0,811. Nilai ini menunjukkan
bahwa hubungan antara indikator erat. | id_ID |