Mengapa Alat Audit Aksesibilitas Otomatis Bukan Segalanya

Alat Audit Otomatis Bukan Segalanya: Realitas Pengujian Aksesibilitas

Saat pertama kali mengimplementasikan aksesibilitas web, banyak pengembang langsung beralih ke alat pengujian otomatis seperti Google Lighthouse, Axe DevTools, atau WAVE. Mendapatkan skor "100/100" di Lighthouse sering kali dianggap sebagai garis akhir, sebuah medali bahwa situs web mereka kini sepenuhnya inklusif.

Namun, ini adalah salah satu miskonsepsi paling berbahaya dalam dunia aksesibilitas. Berdasarkan analisis mendalam dari buku Practical Web Accessibility oleh Ashley Firth (Bab 11: Tools and Auditing), artikel ini akan mengungkap mengapa alat otomatis hanyalah langkah pertama, bukan jaminan kepatuhan.

---

1. Fakta Matematis: Alat Otomatis Hanya Mendeteksi 20-30% Error

Alat pengujian otomatis sangat brilian dalam memindai struktur kode (markup) secara statis. Mereka dapat mendeteksi dengan sempurna apakah sebuah gambar tidak memiliki atribut alt, apakah rasio kontras warna tombol melanggar standar matematis 4.5:1, atau apakah elemen HTML bersarang (nested) secara ilegal.

Tetapi, menurut berbagai studi yang dikutip oleh pakar seperti Firth, alat-alat ini secara historis hanya mampu mendeteksi sekitar 20% hingga 30% dari total masalah aksesibilitas yang ada (WCAG Violations).

Mengapa demikian? Karena mesin tidak (belum) bisa mengevaluasi konteks dan makna.

---

2. Keterbatasan Konteks (Contextual Blindness)

Mari kita ambil atribut alt pada gambar sebagai contoh klasik. Jika Anda memiliki kode seperti ini:

<img src="grafik-pendapatan.png" alt="gambar">

Semua alat otomatis di pasaran akan memberikan tanda LULUS (PASS). Mengapa? Karena secara sintaksis, atribut alt ada di sana. Kode tersebut valid.

Namun, bagi pengguna tunanetra yang mengandalkan Screen Reader, mendengar kata "gambar" saat mereka seharusnya mendengarkan data "grafik pendapatan kuartal 3" sama sekali tidak berguna. Alat otomatis tidak bisa mengevaluasi kualitas atau relevansi deskripsi alternatif; mereka hanya memeriksa keberadaannya.

---

3. Keyboard Trap dan Fokus Logis

Masalah interaktif tingkat lanjut hampir mustahil ditangkap oleh scanner statis.

• Keyboard Trap: Bisakah pengguna yang bernavigasi menggunakan tombol Tab masuk ke dalam sebuah jendela Modal/Popup, tetapi kemudian terjebak di dalamnya karena tidak ada cara untuk keluar menggunakan tombol Esc?
• Focus Order: Apakah urutan tabulasi (tabbing) logis dari kiri ke kanan, atas ke bawah? Atau apakah kursor melompat secara acak karena Anda secara berlebihan menggunakan atribut tabindex="1"?

Alat seperti Lighthouse tidak bisa meniru pengalaman manusia yang sedang mencoba menavigasi menu dropdown kompleks menggunakan satu tombol.

---

4. Pentingnya Pengujian Manual dan Lived Experience

Mendapatkan skor tinggi pada alat otomatis harus dilihat sebagai pembersihan dasar—menyapu debu sebelum mengepel lantai. Langkah krusial berikutnya adalah Pengujian Manual.

1. Uji Keyboard Murni: Cabut mouse Anda. Cobalah berselancar di situs Anda, berbelanja, atau mengisi formulir kontak hanya menggunakan tombol Tab, Enter, Space, dan tombol panah. Jika Anda tidak bisa melihat di mana kursor berada (karena hilangnya focus outline), Anda telah gagal.
2. Uji Screen Reader: Nyalakan NVDA (Windows) atau VoiceOver (Mac) dan tutup mata Anda. Apakah Anda bisa memahami arsitektur halaman tersebut?
3. Pengujian dengan Pengguna Disabilitas: Seperti yang ditekankan oleh gerakan "Nothing About Us Without Us", tidak ada simulasi atau mesin yang bisa menggantikan lived experience (pengalaman hidup langsung) dari pengguna dengan disabilitas saat melakukan User Testing.

---

5. Kesimpulan

Jangan hapus alat otomatis dari alur kerja Anda. Mengintegrasikan Axe-core ke dalam sistem CI/CD Anda (seperti GitHub Actions) adalah langkah yang fantastis untuk mencegah kesalahan regresi konyol seperti tombol tanpa nama.

Namun, skor aksesibilitas 100/100 pada alat otomatis bukanlah jaminan bahwa situs Anda ramah disabilitas. Itu hanya jaminan bahwa kode Anda secara sintaksis aman dari kesalahan dasar. Pengujian oleh manusia, untuk manusia, akan selalu menjadi standar emas.

---

Referensi

Analisis mengenai persentase batasan deteksi alat otomatis dan pentingnya pengujian kontekstual diringkas berdasarkan wawasan dari Practical Web Accessibility oleh Ashley Firth (Bab: Tools and Auditing). Metodologi pengujian manual dan uji coba Screen Reader merujuk pada standar industri yang dipromosikan dalam literatur tersebut.