Model Psikofisiologis Berbasis Algoritma Pembelajaran Mesin untuk Mengevaluasi Beban Kerja Mental Pilot Maskapai Komersial dalam Konteks Simulasi Penerbangan

ABSTRAK
Kesalahan pilot merupakan penyebab utama kecelakaan penerbangan, yang sebagian besar dipengaruhi oleh beban kerja mental. Studi ini memperkenalkan model psikofisiologis berbasis data, yang memanfaatkan algoritma pembelajaran mesin, untuk mengevaluasi beban kerja mental pilot. Kami melakukan eksperimen simulasi penerbangan yang melibatkan dua puluh pilot maskapai penerbangan komersial, untuk menilai beban kerja mental mereka dalam berbagai tingkat tuntutan tugas dan kondisi visibilitas. Respons psikofisiologis dicatat, dan algoritma pembelajaran mesin digunakan untuk menganalisis data. Untuk mengevaluasi kinerja model, kami menggunakan metode validasi silang dengan mengabaikan satu subjek dan menghitung nilai area di bawah kurva. Temuan kami menunjukkan bahwa metrik psikofisiologis bervariasi dalam sensitivitasnya terhadap perubahan beban kerja mental pilot. Khususnya, algoritma Gradient Boosting Decision Tree menunjukkan kinerja klasifikasi tertinggi dalam kondisi visibilitas tinggi, sedangkan algoritma Gaussian Naive Bayes unggul dalam kondisi visibilitas rendah. Hasil ini menunjukkan beban kerja mental pilot dapat diidentifikasi secara efektif melalui metrik psikofisiologis yang dikombinasikan dengan algoritma pembelajaran mesin. Lebih jauh, kondisi visibilitas dapat memengaruhi kinerja klasifikasi model. Model ini menawarkan pendekatan pelengkap terhadap evaluasi subjektif yang saat ini digunakan oleh instruktur penerbangan untuk menilai kemampuan manajemen beban kerja mental pilot selama pelatihan dan sertifikasi penerbangan. Model ini juga menyediakan alat berbasis data yang selaras dengan prinsip pelatihan berbasis bukti, yang meningkatkan evaluasi kemampuan manajemen beban kerja mental pilot dalam skenario penerbangan.