penggunaan intelligence algorithm untuk …
Post on 17-Nov-2021
5 Views
Preview:
TRANSCRIPT
PENGGUNAAN INTELLIGENCE ALGORITHM UNTUK PENILAIAN OPERATOR TERHADAP KONDISI KEAMANAN KERJA (JOB
SECURITY) DENGAN MEMPERTIMBANGKAN INDIKATOR HSEE (HEALTH, SAFETY, ENVIRONMENT, ERGONOMICS)
STUDI KASUS : PT. DEMPO LASER METALINDO INDONESIA
Nama Mahasiswa : Hutomo Dwiki Adiguna
NRP : 2510100050
Dosen Pembimbing : Dr. Ir. Sri Gunani Partiwi, M.T.
Outline Presentasi
1
• PENDAHULUAN
2
• TINJAUAN PUSTAKA
3
• METODOLOGI PENELITIAN
4
• PENGUMPULAN dan PENGOLAHAN DATA
5
• ANALISIS DATA
6
• SIMPULAN DAN SARAN
Latar Belakang (1)
• Konsep HSE (health, safety, environment) telah dipahami sebagai satu entitas dan digunakan dibanyak perusahaan (Deng, 1999)
• Tujuan penerapan konsep HSE : mengurangi tingkat kecelakaan kerja, menanggulangi masalahkesehatan dan menekan dampak negatif terhadap lingkungan
• Penerapan faktor ergonomi yang efektif di tempat kerja dapat menciptakan keseimbangan antarahuman operators dengan job design (Azadeh, Rouzahman, Saberi, & Valianpour, 2014)
• Manfaat penerapan faktor ergonomi : mampu meningkatkan produktifitas kerja, perbaikan aspekkeselamatan kerja (fisik dan mental) serta menjamin keamanan kerja atau job security
Latar Belakang (2)
• Job security merupakan probabilitas dimana seorang individu dapat mempertahankanpekerjaannya (Azadeh, Rouzahman, Saberi, & Valianpour, 2014)
• Level job security yang tinggi jika hanya terdapat sedikit kemungkinan atau peluang untuk seorangindividu kehilangan pekerjaannya karena kecelakaan kerja
• Metode Adaptive Network Based Fuzzy Inference System (ANFIS) digunakan untuk pengukurankeamanan kerja operator dengan indikator HSEE (health, safety, environment, ergonomics)
Latar Belakang (3)
• Profil PT DEMPO LASER METALINDO• Mulai beroperasi pada tahun 2003
• Kompetensi : sheet metal processing
• Didukung dengan 52 karyawan
• Proses produksi : laser cutting, punching,welding
Perumusan Masalah
• Melakukan penilaian mengenai kondisi keamanan kerja atau job security yangberhubungan dengan indikator HSEE (health, safety, environment, ergonomics)berdasarkan input atau masukan dari operator
Tujuan Penelitian
1. Merancang instrumen penilaian terhadap operator mengenaikondisi keamanan kerja atau job security denganmempertimbangkan indikator HSEE (health, safety, environment,ergonomics)
2. Melakukan penilaian kondisi keamanan kerja atau job securitydengan menggunakan metode ANFIS (Adaptive Network BasedFuzzy Inference System)
Manfaat Penelitian
1. Manfaat untuk Perusahaan (Objek Penelitian)• Dapat mengetahui penilaian dari operator mengenai faktor keamanan kerja atau job security
berdasarkan indikator HSEE pada kondisi existing
• Dapat mengetahui perbaikan yang diperlukan sehingga tercipta kondisi kerja yang lebih aman
2. Manfaat untuk Penulis• Dapat mempelajari dan menerapkan metode penelitian untuk digunakan pada studi kasus
industri atau kondisi kerja yang sebenarnya
Ruang Lingkup Penelitian (1)
1. Batasan• Input variabel yang digunakan dalam penelitian yaitu health, safety,
environment dan ergonomics (HSEE)
• Output variabel yang dihasilkan dari penelitian ini adalah keamanan kerjaatau job security
• Pengisian kuisioner dilakukan oleh operator yang bekerja di lantai produksiyang telah ditentukan sebelumnya
Ruang Lingkup Penelitian (2)
2. Asumsi • Tidak terdapat perubahan kebijakan yang berhubungan dengan HSEE (health,
safety, environment, ergonomics) pada perusahaan sehingga berpengaruhterhadap hasil penelitian
• Operator sebagai responden kuisioner mampu memahami dan menilaikondisi keamanan kerja dengan faktor HSEE berdasarkan pengetahuan,keterampilan dan pengalaman yang dimiliki
• Setiap kategori pertanyaan dalam kuisioner memiliki bobot / weight yangsama
• Data efisiensi operator mengikuti pola distribusi normal
• Jumlah kuesioner memenuhi tingkat kecukupan data
Unsafe behaviour
• Definisi unsafe behaviour adalah berbagai perilaku yang dapat menyebabkankecelakaan (Miner, 1994)
• Unsafe behaviour dapat diminimalisasi melalui berbagai cara (Patria, 2007) :a. Menghilangkan bahaya di tempat kerja dengan merekayasa faktor bahaya, dan mengenalkan kontrol
fisik
b. Mengubah sikap pekerja untuk lebih peduli dengan keselamatan diri sendiri
c. Memberikan punishment terhadap tindakan unsafe behaviour
d. Memberikan reward untuk tindakan yang sesuai dengan safety behaviour
Bahaya / hazard
• Hazard dapat disebut sebagai kondisi potensial yang menyebabkan injuryterhadap personil, atau mengurangi kemampuan untuk melakukan suatu fungsiyang telah ditetapkan (Hammer, 1989)
• Beberapa kategori hazard dalam industri dapat dijelaskan sebagai berikut :a. Bahaya fisik : kebisingan, radiasi, pencahayaan dan suhu panas
b. Bahaya kimia : bahan kimia berbahaya dan beracun, debu, uap kimia, dan larutan kimia
c. Bahaya ergonomi : ruang sempit dan terbatas, pengangkatan barang, mendorong ataumenarik, keterbatasan gerak tubuh
ANFIS (Adaptive Neuro Fuzzy Inference System)
• ANFIS merupakan jaringan adaptif yang memiliki kesamaan fungsi dengan sisteminferensi fuzzy (fuzzy inference system) (Jang, Sun, & Mizutani, 1997)
• ANFIS dapat disebut sebagai model jaringan syaraf tiruan yang tiap lapisannyaatau layer menerapkan aturan sistem inferensi fuzzy
• Pada dasarnya, ANFIS merupakan sistem inferensi fuzzy yang dilatih denganpasangan data input-output
Review Penelitian
METODOLOGI PENELITIAN
Tahap Persiapan START
IDENTIFIKASI DAN PERUMUSAN MASALAH
PENETAPAN TUJUAN PENELITIAN
OBSERVASI OBJEK PENELITIANSTUDI LITERATUR
- Unsafe behaviour
- Bahaya / hazard
- ANFIS
- Efisiensi operator
- Identifikasi proses bisnis
- Identifikasi faktor HSEE (kondisi
eksisting)
A
• Digunakan metode Cronbach’s Alpha untukmelakukan uji reliabilitas pada kuisioner
• Uji validitas pada kuisioner dilakukan denganmetode factor analysis
Tahap Pengumpulan Data
• Pertanyaan pada kuisioner dibagi menjadi duajenis, kategori input yaitu HSEE (Health, Safety,Environment, Ergonomics) dan satu kategorioutput yaitu job security
• Masing – masing pertanyaan memiliki nilai bobot/ weight antara 1 – 4 (nilai 4 menunjukkanevaluasi yang sangat baik)
• Data kuisioner dibagi menjadi dua bagian, yaitutraining data (S1) dan validation data (S2).
• Jumlah train data (S1) terdiri dari 70-90 % darijumlah keseluruhan data, sedangkan sisanyasebesar 10-30 % data digunakan pada kategoridata validation / test (S2) (Aznarte, et al., 2007)
B
PERANCANGAN INSTRUMEN PENILAIAN PADA
KUISIONER
UJI RELIABILITAS DAN VALIDITAS DATA KUISINONER
PENGISIAN KUISIONER OLEH OPERATOR PADA OBJEK
PENELITIAN
DATA
KUISIONER
RELIABEL DAN
VALID?
TIDAK
TIDAK
A
PENENTUAN TEST DATA (S2)PENENTUAN TRAIN DATA (S1)
YA YA
• Digunakan beberapa model ANFIS yang berbeda untukmendapatkan model yang paling optimum terhadap outputvariabel keamanan kerja / job security
• Model ANFIS dengan nilai error (MAPE) terendah dipilih menjadimodel ANFIS yang paling optimum
Tahap Pengolahan Data
PENENTUAN MODEL ANFIS BERDASARKAN
NILAI MAPE YANG PALING MINIMUM
RUN MODEL (MIN MAPE) UNTUK SELURUH
DATA (S1 DAN S2)
PENGGUNAAN BEBERAPA MODEL ANFIS YANG BERBEDA
UNTUK MENGHITUNG NILAI ERROR (MAPE)
PERHITUNGAN SKOR EFISIENSI OPERATOR
PLOT DATA EFISIENSI OPERATOR DAN DILAKUKAN
KOREKSI TERHADAP OUTLIER OPERATORS
C
D
• Nilai efisiensi memiliki rentang antara 0-1, jika terdapat operatordengan nilai efisiensi satu (1) maka perlu dilakukan langkahkoreksi (Azadeh, Ghaderi, Anvari, & Saberi, 2007)
• Jika data konsisten dengan distribusi normal maka akan mengikutigaris lurus, semakin jauh posisi data atau titik dari garis tersebutmaka semakin besar indikasi penyimpangan dari faktor normality(Azadeh, Rouzahman, Saberi, & Valianpour, 2014).
Tahap Analisis Data
END
KESIMPULAN DAN SARAN
ANALISIS DAN INTEPRETASI HASIL PENGUMPULAN
DATA
D
Tahap Kesimpulan dan Saran
• Analisis perancangan kuesioner
• Analisis model ANFIS
PENGUMPULAN DAN PENGOLAHAN DATA
1. Perancangan kuesioner :• Jumlah kuesioner yang dikumpulkan sebanyak 30 data
• Responden kuesioner adalah operator yang bekerja di lantai produksi PT Dempo Laser Metalindo
• Masing-masing variabel input terdiri dari tiga pertanyaan
No Kategori Pertanyaan
1
Health
Apakah menurut anda durasi istirahat yang disediakan cukup memadai?
2 Apakah terdapat petugas kesehatan dan fasilitas medis di area kerja?
3 Apakah fasilitas kerja dilakukan perawatan kebersihan secara berkala?
2. Uji Validitas Data Kuesioner
• Uji validitas data dilakukan dengan metode analisis faktor.
• Hasil pegujian didapatkan nilai KMO (0,714) sedangkan nilai MSA untuk tiap variabel yaituhealth (0,719), safety (0,721), environment (0,662), ergonomics (0,816)
• Variabel penelitian dapat dilakukan analisis lanjutan jika memiliki nilai MSA (> 0,50) (Santoso,2006)
3. Uji Reliabilitas Data Kuesioner
• Uji reliabilitas data dilakukan dengan metode Cronbach Alpha
• Hasil pegujian didapatkan nilai Cronbach Alpha (0,725)
• Instrumen penelitian dengan nilai koefisien Cronbach Alpha (> 0,70) dapat dikatakan memilikireliabilitas yang memadai (Zulganef, 2006)
3. Penentuan Train dan Test Data
• Data kuesioner yang telah dikumpulkanselanjutnya dibagi menjadi dua bagian,training data (S1) dan test data (S2)
• Jumlah data yang digunakan sebagaitraining data (S1) sebanyak 27 data
• Test / validation data (S2) dipilih secaraacak dari seluruh responden dan dipilihsebanyak 3 data
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Training Data (S1) Test Data (S2)
Per
cen
tag
e
Data Responden
Perbandingan Jumlah Train dan Test Data
4. Estimasi Hubungan Input dengan Output
• Hubungan input dengan output pada model ANFISberdasarkan aturan membership function dan inferencemethod
• Digunakan 24 model dengan aturan probabilitas yangberbeda untuk mendapatkan struktur model ANFISterbaik (nilai MAPE paling minimum)
• Hasil perhitungan train data dengan ANFIS didapatkannilai minimum MAPE yaitu 0,00096
Inference method Type
AND (T-norm, intersection) Min (minimum), Prod (Product)
OR (S-norm, Union) Max (maximum), Probor (Probabilistic OR)
Implication Prod, Min
Aggregation Max, Sum, Probor
5. Perhitungan Output Data ANFIS dan Efisiensi Operator
• Model ANFIS dengan kriteria nilai MAPEpaling minimum digunakan dalamperhitungan output data (job security)masing-masing operator
• Tingkat efisiensi operator dihitungdengan menggunakan model ANFIS yangterpilih (nilai MAPE paling minimum)
0,0000
1,0000
2,0000
3,0000
4,0000
5,0000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Ou
tpu
t
Operator Code
Perbandingan Output Data ANFIS dan Output Data
Kuesioner
Output ANFIS Output Kuisioner
0,9940
0,9950
0,9960
0,9970
0,9980
0,9990
1,0000
1,0010
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Nil
ai E
fisi
ens
iOperator
HASIL PERHITUNGAN EFISIENSI OPERATOR
Efficiency
6. Uji Normalitas Data dan Perbaikan Outlier Operator
• Hasil penilaian efisiensi operator selanjutnyadilakukan uji normalitas data dengan metodeAnderson-Darling
• Diketahui nilai p-value kurang dari 0,005sehingga hipotesis normalitas data ditolak(tidak sesuai dengan pola distribusi normal)
• Data outlier operators (OC 5, OC 6, OC 8, OC26) tidak disertakan dalam uji normalitaslanjutan / perbaikan
• Diketahui nilai p-value yaitu 0,329 (> 0,05)sehingga hipotesis normalitas data diterima(sesuai dengan pola distribusi normal)
ANALISIS DAN INTERPRETASI DATA
1. Analisis Perancangan Kuesioner• Konsep HSEE akan mengoptimalkan efisiensi pekerjaan dan menghindari kecelakaan kerja
(Changchit & Holsapple, 2001)
• Pengaturan struktur pertanyaan dan jawaban yang tertata rapi dapat mempermudahresponden untuk memahami dan menjawab kuesioner
• Jenis pertanyaan tertutup digunakan dalam kuesioner job security dan penyusunan strukturkalimat menggunakan aturan yang baku untuk menghindari kesalahan pemahamanresponden
• Masing-masing pilihan jawaban dilengkapi dengan deskripsi penilaian sehingga respondenmampu memahami dasar penilaian yang diberikan
2. Analisis Hasil Kuesioner
• Terdapat 30 % responden menyatakan sangat puas, 50 % responden memberikan respon puas,dan 20 % responden memberikan jawaban tidak puas terhadap kondisi keamanan kerja (butuhperbaikan)
• Kategori health, perbaikan dapat dilakukan dengan penambahan peralatan dan ruangkesehatan untuk perawatan ringan jika terjadi kecelakaan kerja
• Kategori safety, perbaikan dapat dilakukan dengan penyusunan prosedur evakuasi jika terjadinyala api dan ledakan di area kerja
• Kategori environment, perbaikan dapat dilakukan dengan penyediaan alat pelindung telinga /earplug kepada seluruh operator
• Kategori ergonomics, perbaikan dapat dilakukan dengan pengaturan layout area kerja untukmemudahkan akses perpindahan antar stasiun kerja
3. Analisis Model dan Output ANFIS
• Jumlah train data lebih sedikit daripada jumlah parameter yang mampu diubah oleh fungsi ANFISdapat menghasilkan model ANFIS dengan nilai MAPE yang sama
• Berdasarkan hasil pengujian model ANFIS, jenis inference method yang berpengaruh terhadapperubahan nilai MAPE adalah AND method
• Apabila dalam model ANFIS digunakan nilai epoch yang semakin besar maka hasil estimasi yangdidapatkan memiliki nilai error (selisih dengan data aktual) yang lebih kecil
• Faktor yang menyebabkan munculnya outlier operator sebagai berikut :
• Operator kurang memahami standar keselamatan kerja
• Operator tidak menjawab pertanyaan dalam kuesioner dengan jujur karena takut akanmendapat sanksi dari perusahaan
• Operator sedang dalam kondisi pekerjaan yang menumpuk / sibuk saat menjawab kuesioner
4. Rekomendasi Perancangan Kuesioner dan Model ANFIS
• Dapat dilakukan penambahan variabel penilaian pada kuesioner yang meliputi faktor tingkatbeban kerja (workload), kondisi mental operator, karakteristik pekerjaan, tingkat kepuasan kerja(job satisfactions) dan hubungan antar operator dengan pihak manajemen perusahaan
• Perhitungan estimasi tingkat efisiensi operator dapat digunakan sebagai dasar penilaian kinerjaoperator
SIMPULAN DAN SARAN
• Simpulan
• Terdapat empat variabel input yang digunakan dalam kuesioner penilaian keamanan kerja, padavariabel health digunakan kriteria penilaian durasi waktu istirahat, ketersediaan peralatan medis, dankebijakan perawatan kebersihan. Pada variabel safety digunakan kriteria penilaian potensi nyala api diarea kerja, penggunaan APD, dan sosialisasi keselamatan kerja. Pada variabel environment digunakankriteria penilaian kondisi intensitas cahaya, suhu udara dan tingkat kebisingan di area kerja. Padavariabel ergonomics digunakan kriteria penilaian pengaturan layout stasiun kerja, ketersediaan fasilitasyang dapat disesuaikan dengan postur tubuh, dan keluhan sakit / nyeri di bagian punggung setelahaktifitas kerja
• Berdasarkan data kuesioner maka dapat diketahui pencapaian nilai untuk masing-masing variabel, padavariabel health (2,74), variabel safety (2,72), variabel environment (2,81), variabel ergonomics (2,82)
Simpulan (lanjutan)
• Dengan menggunakan kriteria MAPE, maka nilai error paling kecil (0,00096) didapatkan padamodel ANFIS dengan fungsi input GaussMF, empat MF, operator AND (min), dan fungsi outputLinear
• Berdasarkan hasil pengolahan data dengan metode ANFIS, terdapat 30 % responden yangmenyatakan sangat puas terhadap kondisi keamanan kerja, 50 % responden memberikanrespon puas, dan 20 % responden memberikan jawaban tidak puas kondisi keamanan kerjaatau butuh perbaikan
Saran
• Untuk mendapatkan gambaran yang lebih luas mengenai kondisi keamanan kerja maka dapatditambahkan variabel input yang lain dan juga dapat digunakan variabel yang sama namundengan penambahan indikator atau kriteria penilaian di setiap variabel
• Perlu dilakukan penelitian lebih lanjut untuk mengetahui pengaruh tipe parameter fungsikeanggotaan terhadap akurasi ANFIS
Daftar Pustaka• Abou-Ali, M. & Khamis, M., 2003. An integrated intelligent defect diagnostic system for tire production and service. Expert Systems with Applications, pp. 247-259.
• Annie, Y., 2000. Bising Bisa Timbulkan Tinnitus dan Tuli. Jakarta: Intisari.
• Arikunto, S., 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta.
• Asfahl, R., 1999. Industrial Safety and Health Management. New Jersey: Prentice-Hall Inc.
• Athanassopoulos, A. D. & Curram, S., 1996. A comparison of data envelopment analysis and artificial networks as tool for assessing the efficiency of decision-making units. Journal of the Operational Research Society, pp. 1000-1016.
• Azadeh, A., Fam, I. M., Khosnoud, M. & Nikafrouz, M., 2008. Design and implementation of a fuzzy expert system for performance assessment of an integrated health safety environment (HSE) and ergonomic system : the case of gas refinery. Information Sciences, pp. 4280-4300.
• Azadeh, A., Ghaderi, S., Anvari, M. & Saberi, M., 2007. Performance assessment of electric power generations using an adaptive neural network algorithm. Energy Policy, pp. 3155-3166.
• Azadeh, A., Rouzahman, M., Saberi, M. & Valianpour, F., 2014. An Adaptive Algorithm for Assessment of Operator with Job Security and HSEE Indicators. Journal of Loss Prevention in the Process Industries, pp. 26-40.
• Aznarte, J. et al., 2007. Forecasting airborne pollen concentration time series with neural and neuro-fuzzy models. Expert System, pp. 1218-1225.
• Changchit, C. & Holsapple, C. W., 2001. Supporting manager's internal control evaluations : an expert systems and experimental results. Decision Support Systems, pp. 437-449.
• Cooper, D. & Schindler, P., 2003. Business Research Methods. New York: McGraw Hill.
• Deng, H., 1999. Multicriteria analysis with fuzzy pair wise comparison. International Journal of Approximate Reasoning, III(21), pp. 908-920.
• Gay, L. & Diehl, P., 1992. Research Methods for Business and Management. New York: McMillan Publishing Company.
• Hair, J. et al., 2006 . Multivariate Data Analysis. New Jersey: Prentice Hall.
Daftar Pustaka• Hammer, W., 1989. Occupational Safety Management and Engineering. New Jersey: Prentice-Hall Inc.
• Jang, J.-S. R., 1993. ANFIS : Adaptive Network Based Fuzzy Inference System. IEEE Transaction on Systems, Man, and Cybernetics.
• Jang, J.-S. R., Sun, C.-T. & Mizutani, E., 1997. Neuro Fuzzy and Soft Computing : A Computational Approach and Machine Intelligence. New Jersey USA: Prentice-Hall Inc.
• Kusumadewi, S., 2002. Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Graha Ilmu.
• Kusumadewi, S. & Hartati, S., 2006. Neuro Fuzzy : Integrated Sistem Fuzzy & Jaringan Syaraf. Yogyakarta: Graha Ilmu.
• Makridakis, S., Wheelwright, S. & McGee, V., 1999. Metode dan Aplikasi Peramalan Edisi Kedua. Jakarta: Erlangga.
• Miner, B., 1994. Industrial and Organizational Psychology. USA: McGraw Hill.
• Muchinsky, P., 1987. Psychology Applied to Work. Chicago: Dorsey Press.
• Patria, B., 2007. bhinablog. [Online] Available at: http://www.inparametric.com/bhinablog/
• Santosa, B., 2007. Data Mining Terapan Dengan Matlab. Yogyakarta: Graha Ilmu.
• Santoso, S., 2006. Seri Solusi Bisnis Berbasis TI : Menggunakan SPSS untuk Statistik Multivariat. Jakarta: Elex Media Komputindo.
• Sasongko, D., 2000. Kebisingan Lingkungan. Semarang: Badan Penerbit Universitas Diponegoro.
• Shikdar, A. & Sawaqed, M., 2004. Occupational health and safety in the oil industry : a manager's response. Computer and Industrial Engineering , pp. 223-232.
• Sugiyono, 2011. Metode Penelitian Pendidikan (Pendekatan Kuantitatif, Kualitatif, dan R&D). Bandung: Alfabeta.
• Suma'mur, P., 2009. Hygiene Perusahaan dan Kesehatan Kerja. Jakarta: Sagung Seto.
• Zulganef, 2006. Pemodelan Persamaan Struktur dan Aplikasinya Menggunakan AMOS 5. Bandung: Pustaka.
TRAIN CODE
TEST CODE
EFFICIENCY CODE
Timeline Tugas Akhir (TA)
Penyebab terjadinya Unsafe Behaviour
• Merasa telah ahli di bidangnya dan belum pernah mengalami kecelakaan
• Pihak manager atau pengawas yang tidak peduli safety / keselamatan
• Pekerja ingin memenuhi kebutuhan keselamatan (safety need) namun ada faktor kebutuhan lainsehingga menimbulkan konflik dalam dirinya (Muchinsky, 1987). Faktor tersebut diantaranyaadalah menghemat waktu dan usaha, merasa lebih nyaman, menarik perhatian, mendapatkebebasan, dan diterima dalam lingkungan.
Kebisingan
• Kebisingan merupakan gangguan yang berpotensimempengaruhi kenyamanan dan kesehatanterutama yang berasal dari kegiatan operasionalpabrik
• Operator merupakan komponen lingkungan yangterpengaruh akibat peningkatan kebisingan(Sasongko, 2000)
• Berdasarkan Kep Men Tenaga Kerja Nomor : KEP-51/MEN/1999, tentang Nilai Ambang Batas (NAB)kebisingan di tempat kerja telah ditetapkan sebesar85 dBA
Suhu Ruangan
• Berdasarkan KepMen No.51/MEN/1999 yang mengaturmengenai nilai ambang batas IklimKerja Indeks Suhu Basah dan Bola(ISBB)
Pengaturan waktu kerja setiap jamISBB (°C)
Beban Kerja
Waktu Kerja Waktu Istirahat Ringan Sedang Berat
Bekerja terus
menerus (8 jam per
hari)
- 30 26.7 25
75% Kerja 25% Istirahat 30.6 28 25.9
50% Kerja 50% Istirahat 31.4 29.4 27.9
25% Kerja 75% Istirahat 32.2 32.1 30
Keterangan :1. Beban kerja ringan, dibutuhkan kalori sebesar 100-200 kkal/jam2. Beban kerja sedang, dibutuhkan kalori sebesar 200-350 kkal/jam3. Beban kerja berat, dibutuhkan kalori sebesar 350-500 kkal/jam
Pencahayaan
• Pencahayaan yang baik memungkinkan tenagakerja dapat melihat objek yang dikerjakannyasecara jelas, tepat, dan tanpa usaha yang tidakperlu (Suma'mur, 2009)
• Berdasarkan Keputusan Menteri Kesehatan No.1405 Tahun 2002, tentang PersyaratanLingkungan Kerja Industri, standar minimalpencahayaan di ruangan kerja sebesar 300 Lux
• Tingkat penerangan berdasarkan jenis pekerjaandimana diatur dalam Keputusan MenteriKesehatan No. 1405 Tahun 2002
Tingkat Pencahayaan
Minimal (Lux) Keterangan
Pekerjaan kasar dan
tidak terus menerus
100
Ruang penyimpanan
dan ruang peralatan /
instalasi yang
memerlukan
pekerjaan yang
kontinyu
Pekerjaan kasar dan
terus menerus 200
Pekerjaan dengan
mesin dan perakitan
kasar
Pekerjaan rutin 300
Ruang administrasi,
ruang kontrol,
pekerjaan mesin dan
perakitan /
penyusunan
Pekerjaan agak halus 500
Pembuatan gambar
atau bekerja dengan
mesin, kantor,
pekerja pemeriksaan
atau pekerjaan
dengan mesin
Pekerjaan halus 1000
Pemilihan warna,
pemrosesan tekstil,
pekerjaan mesin
halus dan perakitan
halus
Pekerjaan amat halus
1500 (tidak
menimbulkan
bayangan)
Mengukir dengan
tangan, pemeriksaan
pekerjaan mesin dan
perakitan yang sangat
halus
Pekerjaan terinci
3000 (tidak
menimbulkan
bayangan)
Pemeriksaan
pekerjaan dan
perakitan yang sangat
halus
Soft Computing
• Soft computing merupakan suatu metode komputasi yang sejajar dengan kehebatan pikiranmanusia dalam menalar dan belajar pada lingkungan yang penuh dengan ketidakpastian danketidaktepatan (Jang, Sun, & Mizutani, 1997)
• Menurut Jang, Sun & Mizutani (1997) komponen utama dari soft computing adalah neuralnetworks (jaringan syaraf), fuzzy set theory (himpunan fuzzy) dan evolutionary computation(komputasi evolusioner)
• Contoh penggabungan komponen tersebut diantaranya adalah Fuzzy Neural Networks (FNN),Neural Fuzzy System, Fuzzy Genetic Algorithm dan Adaptive Neuro Fuzzy Inference System(ANFIS) (Kusumadewi & Hartati, Neuro Fuzzy : Integrated Sistem Fuzzy & Jaringan Syaraf, 2006)
Jaringan Adaptif (Adaptive Network)
• Jaringan adaptif merupakan suatu struktur jaringan yang terdiri dari beberapa node dan beberapapenghubung yang menghubungkan node satu dengan node yang lainnya
• Penggunaan lambang node yang berbentuk lingkaran dan persegi menunjukkan kemampuanadaptif yang berbeda
• Jaringan adaptif dapat dibedakan menjadi dua kategori berdasarkan jenis hubungan danarsitekturnya yaitu feedforward dan recurrent
Sistem Inferensi Fuzzy (Fuzzy Inference System)
• Sistem Inferensi Fuzzy Mamdani
• Pada sistem inferensi fuzzy Mamdani, himpunan fuzzy input (antesenden) dan himpunan fuzzy output(konsekuen) merupakan himpunan fuzzy (Kusumadewi, 2002)
• Sistem Inferensi Fuzzy Sugeno (TSK, Takagi-Sugeno-Kang)
• Pada sistem inferensi fuzzy Sugeno, himpunan fuzzy berupa konstanta atau persamaan linier
• Sistem Inferensi Fuzzy Tsukamoto
• Himpunan fuzzy pada daerah konsekuen harus bersifat monoton baik monoton naik maupun monotonturun (Kusumadewi & Hartati, 2006)
Logika Fuzzy (Fuzzy Logic)
• Himpunan Fuzzy (Fuzzy Set)• Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi tertentu dalam suatu variabel fuzzy
• Fungsi Keanggotaan (Membership Function)
• Fungsi keanggotaan adalah suatu kurva yang memetakan titik-titik input data ke dalam derajatkeanggotaan yang mempunyai rentang nol hingga satu
• Operator – Operator Fuzzy• Hasil operasi yang terdiri dari dua atau lebih himpunan fuzzy input disebut dengan fire strength atau α-predikat (α)
atau bobot (w)
• Terdapat tiga jenis operator yaitu AND, OR, NOT
Perhitungan Efisiensi Data
• Perhitungan efisiensi dilakukan untuk mengetahui perbedaan nilai error yang dihasilkan darioutput aktual (𝑃𝑟𝑒𝑎𝑙(𝑖)) dan error yang berasal dari output optimum (𝑃𝐴𝑁𝐹𝐼𝑆∗ 𝑖 ) selama periodepenilaian yang dilakukan terhadap objek amatan (Azadeh, Rouzahman, Saberi, & Valianpour,2014)
• Skor efisiensi dari operator yang berhubungan dengan faktor HSEE dan job security bernilai antara0 hingga 1 dan selanjutnya hasil penilaian diurutkan untuk mendapatkan peringkat darikeseluruhan operator
Anderson-Darling Test
• Metode Anderson-Darling digunakan untuk melakukan pengujian terhadap sampel data yangberasal dari suatu populasi dengan distribusi tertentu (Azadeh, Rouzahman, Saberi, & Valianpour,2014)
• Kelebihan yang dimiliki metode Anderson-Darling adalah proses uji data dapat lebih sensitifnamun nilai kritisnya harus dihitung untuk setiap distribusi
top related