Penggunaan intelligence algorithm untuk penilaian keamanan kerja operator berdasarkan indikator HSEE (health, safety, enviroment; ergomics) studi kasus : PT. Dempo Laser Metalindo Indonesia - ITS Repository

  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

  2

• PENDAHULUAN
• TINJAUAN PUSTAKA

  3

  4

• METODOLOGI
• PENGUMPULAN dan

  PENELITIAN

  PENGOLAHAN DATA

  5

  6

• ANALISIS DATA
• SIMPULAN DAN SARAN

Latar Belakang (1)

• Konsep HSE (health, safety, environment) telah dipahami sebagai satu entitas dan digunakan di banyak perusahaan (Deng, 1

• • Tujuan penerapan konsep HSE : mengurangi tingkat kecelakaan kerja, menanggulangi masalah

  kesehatan dan menekan dampak negatif terhadap lingkungan

• Penerapan faktor ergonomi yang efektif di tempat kerja dapat menciptakan keseimbangan antara

  human operators dengan job design (Azadeh, Rouzahman, Saberi, & Valianpour, 2014)

• Manfaat penerapan faktor ergonomi : mampu meningkatkan produktifitas kerja, perbaikan aspek keselamatan kerja (fisik dan mental) serta menjamin keamanan kerja atau job security

  Latar Belakang (2)

• Job security merupakan probabilitas dimana seorang individu dapat mempertahankan

  pekerjaannya (Azadeh, Rouzahman, Saberi, & Valianpour, 2014)

• • Level job security yang tinggi jika hanya terdapat sedikit kemungkinan atau peluang untuk seorang

  individu kehilangan pekerjaannya karena kecelakaan kerja

• Metode Adaptive Network Based Fuzzy Inference System (ANFIS) digunakan untuk pengukuran keamanan kerja operator dengan indikator HSEE (health, safety, environment, ergonomics)

  Latar Belakang (3)

• Profil PT DEMPO LASER METAL
• 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 yang

  berhubungan dengan indikator HSEE (health, safety, environment, ergonomics) berdasarkan input atau masukan dari operator

  Tujuan Penelitian

  

1. Merancang instrumen penilaian terhadap operator mengenai

kondisi keamanan kerja atau job security dengan mempertimbangkan indikator HSEE (health, safety, environment, ergonomics)

  

2. Melakukan penilaian kondisi keamanan kerja atau job security

dengan menggunakan metode ANFIS (Adaptive Network Based Fuzzy 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 kerja atau job security
• Pengisian kuisioner dilakukan oleh operator yang bekerja di lantai produksi yang telah ditentukan sebelumnya

Ruang Lingkup Penelitian (2)

2. Asumsi

• Tidak terdapat perubahan kebijakan yang berhubungan dengan HSEE (health,

  safety, environment, ergonomics) pada perusahaan sehingga berpengaruh terhadap hasil penelitian

• Operator sebagai responden kuisioner mampu memahami dan menilai kondisi keamanan kerja dengan faktor HSEE berdasarkan pengetahuan, keterampilan dan pengalaman yang dimiliki
• Setiap kategori pertanyaan dalam kuisioner memiliki bobot / weight yang sama
• Data efisiensi operator mengikuti pola distribusi normal
• Jumlah kuesioner memenuhi tingkat kecukupan data

  Unsafe behaviour

• • Definisi unsafe behaviour adalah berbagai perilaku yang dapat menyebabkan

  kecelakaan (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 injury

  terhadap personil, atau mengurangi kemampuan untuk melakukan suatu fungsi yang 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 atau menarik, keterbatasan gerak tubuh ANFIS (Adaptive Neuro Fuzzy Inference System)

• • ANFIS merupakan jaringan adaptif yang memiliki kesamaan fungsi dengan sistem

  inferensi fuzzy (fuzzy inference system) (Jang, Sun, & Mizutani, 1997)

• • ANFIS dapat disebut sebagai model jaringan syaraf tiruan yang tiap lapisannya

  atau layer menerapkan aturan sistem inferensi fuzzy

• • Pada dasarnya, ANFIS merupakan sistem inferensi fuzzy yang dilatih dengan

  pasangan data input-output

  Review Penelitian

  METODOLOGI PENELITIAN START Tahap Persiapan

  IDENTIFIKASI DAN PERUMUSAN MASALAH PENETAPAN TUJUAN PENELITIAN STUDI LITERATUR OBSERVASI OBJEK PENELITIAN

_{- Unsafe behaviour}

_{- Bahaya / hazard}

_{- Identifikasi faktor HSEE (kondisi - Identifikasi proses bisnis}

_{- Efisiensi operator}

- ANFIS

_eksisting)

  A Tahap Pengumpulan Data _{PERANCANGAN INSTRUMEN PENILAIAN PADA KUISIONER}

• Pertanyaan pada kuisioner dibagi menjadi dua jenis, kategori input yaitu HSEE (Health, Safety, _{PENGISIAN KUISIONER OLEH OPERATOR PADA OBJEK}

  Environment, Ergonomics) dan satu kategori _PENELITIAN output yaitu job security

• Masing – masing pertanyaan memiliki nilai bobot / weight antara 1
• – 4 (nilai 4 menunjukkan evaluasi yang sangat baik)
_{TIDAK UJI RELIABILITAS DAN VALIDITAS DATA KUISINONER}
• Digunakan metode Cronbach’s Alpha untuk _TIDAK melakukan uji reliabilitas pada kuisioner
DATA<
• Uji validitas pada kuisioner dilakukan dengan
_{RELIABEL DAN KUISIONER} metode factor analysis _{YA YA} VALID?<>Data kuisioner dibagi menjadi dua bagian, yaitu training data (S1) dan validation data (S2). _{PENENTUAN TRAIN DATA (S1) PENENTUAN TEST DATA (S2)}
• Jumlah train data (S1) terdiri dari 70-90 % dari jumlah keseluruhan data, sedangkan sisanya

  C Tahap Pengolahan Data _{PENGGUNAAN BEBERAPA MODEL ANFIS YANG BERBEDA}

• Digunakan beberapa model ANFIS yang berbeda untuk mendapatkan model yang paling optimum terhadap output

  variabel keamanan kerja / job security

• Model ANFIS dengan nilai error (MAPE) terendah dipilih menjadi _{PENENTUAN MODEL ANFIS BERDASARKAN} model ANFIS yang paling optimum
NILAI MAPE YANG PALING MINIMUM<
• Nilai efisiensi memiliki rentang antara 0-1, jika terdapat operator _{RUN MODEL (MIN MAPE) UNTUK SELURUH} dengan nilai efisiensi satu (1) maka perlu dilakukan langkah _{DATA (S1 DAN S2)} koreksi (Azadeh, Ghaderi, Anvari, &amp; Saberi, 2007)
• Jika data konsisten dengan distribusi normal maka akan mengikuti _{PERHITUNGAN SKOR EFISIENSI OPERATOR} garis lurus, semakin jauh posisi data atau titik dari garis tersebut maka semakin besar indikasi penyimpangan dari faktor normality (Azadeh, Rouzahman, Saberi, &amp; Valianpour, 2014).
_{PLOT DATA EFISIENSI OPERATOR DAN DILAKUKAN KOREKSI TERHADAP OUTLIER OPERATORS}

  Tahap Kesimpulan dan Saran

  Tahap Analisis Data END ^{KESIMPULAN DAN SARAN ANALISIS DAN INTEPRETASI HASIL PENGUMPULAN DATA D}

• 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?

• Uji validitas data dilakukan dengan metode analisis faktor.
• Hasil pegujian didapatkan nilai KMO (0,714) sedangkan nilai MSA untuk tiap variabel yaitu

  health (0,719), safety (0,721), environment (0,662), ergonomics (0,816)

• Variabel penelitian dapat dilakukan analisis lanjutan jika memiliki nilai MSA (&gt; 0,50) (Santoso,

  2006)

3. Uji Reliabilitas Data Kuesioner

• Uji reliabilitas data dilakukan dengan metode Cronbach Alpha • Hasil pegujian didapatkan nilai Cronbach Alpha (0,

• • Instrumen penelitian dengan nilai koefisien Cronbach Alpha (&gt; 0,70) dapat dikatakan memiliki

  reliabilitas yang memadai (Zulganef, 2006)

• Data kuesioner yang telah dikumpulkan selanjutnya dibagi menjadi dua bagian,

  training data (S1) dan test data (S2)

• Jumlah data yang digunakan sebagai

  training data (S1) sebanyak 27 data

• Test / validation data (S2) dipilih secara acak dari seluruh responden dan dipilih sebanyak 3 data
^{0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Training Data (S1) Test Data (S2)} P e rc e n ta g e

  Data Responden Perbandingan Jumlah Train dan Test Data

  Inference method Type

• Hubungan input dengan output pada model ANFIS berdasarkan aturan membership function dan inference

  AND (T-norm, intersection) Min (minimum), Prod (Product) method OR (S-norm, Union) Max (maximum), Probor (Probabilistic OR) Implication Prod, Min

• Digunakan 24 model dengan aturan probabilitas yang Aggregation Max, Sum, Probor berbeda untuk mendapatkan struktur model ANFIS terbaik (nilai MAPE paling minimum)
• Hasil perhitungan train data dengan ANFIS didapatkan nilai minimum MAPE yaitu 0,00096
• Model ANFIS dengan kriteria nilai MAPE paling minimum digunakan dalam perhitungan output data (job security) masing-masing operator
• Tingkat efisiensi operator dihitung dengan menggunakan model ANFIS yang terpilih (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} O u tp u 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 N} ^{il a i E fi si en si} HASIL PERHITUNGAN EFISIENSI OPERATOR _Efficiency

• Hasil penilaian efisiensi operator selanjutnya dilakukan uji normalitas data dengan metode

  Anderson-Darling

• Diketahui nilai p-value kurang dari 0,005 sehingga hipotesis normalitas data ditolak (tidak sesuai dengan pola distribusi normal)
• Data outlier operators (OC 5, OC 6, OC 8, OC 26) tidak disertakan dalam uji normalitas lanjutan / perbaikan
• Diketahui nilai p-value yaitu 0,329 (&gt; 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 &amp; Holsapple, 2001)

• Pengaturan struktur pertanyaan dan jawaban yang tertata rapi dapat mempermudah responden untuk memahami dan menjawab kuesioner
• Jenis pertanyaan tertutup digunakan dalam kuesioner job security dan penyusunan struktur kalimat menggunakan aturan yang baku untuk menghindari kesalahan pemahaman responden
• Masing-masing pilihan jawaban dilengkapi dengan deskripsi penilaian sehingga responden mampu 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 (butuh

  perbaikan)

• Kategori health, perbaikan dapat dilakukan dengan penambahan peralatan dan ruang kesehatan untuk perawatan ringan jika terjadi kecelakaan kerja
• Kategori safety, perbaikan dapat dilakukan dengan penyusunan prosedur evakuasi jika terjadi nyala 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 untuk memudahkan akses perpindahan antar stasiun kerja

3. Analisis Model dan Output ANFIS

• Jumlah train data lebih sedikit daripada jumlah parameter yang mampu diubah oleh fungsi ANFIS dapat menghasilkan model ANFIS dengan nilai MAPE yang

• • Berdasarkan hasil pengujian model ANFIS, jenis inference method yang berpengaruh terhadap

  perubahan nilai MAPE adalah AND method

• Apabila dalam model ANFIS digunakan nilai epoch yang semakin besar maka hasil estimasi yang didapatkan memiliki nilai error (selisih dengan data aktual) yang lebih kecil
• Faktor yang menyebabkan munculnya outlier operator sebagai berik>Operator kurang memahami standar keselamatan kerja
• Operator tidak menjawab pertanyaan dalam kuesioner dengan jujur karena takut akan mendapat 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 tingkat beban 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 kinerja operator

SIMPULAN DAN SARAN

• Simpulan
• Terdapat empat variabel input yang digunakan dalam kuesioner penilaian keamanan kerja, pada variabel health digunakan kriteria penilaian durasi waktu istirahat, ketersediaan peralatan medis, dan kebijakan perawatan kebersihan. Pada variabel safety digunakan kriteria penilaian potensi nyala api di area kerja, penggunaan APD, dan sosialisasi keselamatan kerja. Pada variabel environment digunakan kriteria penilaian kondisi intensitas cahaya, suhu udara dan tingkat kebisingan di area kerja. Pada variabel ergonomics digunakan kriteria penilaian pengaturan layout stasiun kerja, ketersediaan fasilitas yang dapat disesuaikan dengan postur tubuh, dan keluhan sakit / nyeri di bagian punggung setelah aktifitas kerja
• Berdasarkan data kuesioner maka dapat diketahui pencapaian nilai untuk masing-masing variabel, pada variabel 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 pada model ANFIS dengan fungsi input GaussMF, empat MF, operator AND (min), dan fungsi output

  Linear

• Berdasarkan hasil pengolahan data dengan metode ANFIS, terdapat 30 % responden yang menyatakan sangat puas terhadap kondisi keamanan kerja, 50 % responden memberikan respon puas, dan 20 % responden memberikan jawaban tidak puas kondisi keamanan kerja atau butuh perbaikan
Saran
• Untuk mendapatkan gambaran yang lebih luas mengenai kondisi keamanan kerja maka dapat ditambahkan variabel input yang lain dan juga dapat digunakan variabel yang sama namun

  dengan penambahan indikator atau kriteria penilaian di setiap variabel

• Perlu dilakukan penelitian lebih lanjut untuk mengetahui pengaruh tipe parameter fungsi keanggotaan terhadap akurasi ANFIS

  Daftar Pustaka , pp. 247-259.

• Abou-Ali, M. &amp; Khamis, M., 2003. An integrated intelligent defect diagnostic system for tire production and service. Expert Systems with Applications • 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. &amp; 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. &amp; 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. &amp; 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. &amp; 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. &amp; Holsapple, C. W., 2001. Supporting manager's internal control evaluations : an expert systems and experimental results. Decision Support Systems,

  pp. 437-449.
• Cooper, D. &amp; 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. &amp; Diehl, P., 1992. Research Methods for Business and Management. New York: McMillan Publishing Company.

  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. &amp; Mizutani, E., 1997. Neuro Fuzzy and Soft Computing : A Computational Approach and Machine Intelligence. New Jersey USA: Prentice-Hall

  Inc.
• Kusumadewi, S., 2002. Analisis &amp; Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Graha Ilmu.
• Kusumadewi, S. &amp; Hartati, S., 2006. Neuro Fuzzy : Integrated Sistem Fuzzy &amp; Jaringan Syaraf. Yogyakarta: Graha Ilmu.
• Makridakis, S., Wheelwright, S. &amp; 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. &amp; 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&amp;D). Bandung: Alfabeta.

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 lain sehingga menimbulkan konflik dalam dirinya (Muchinsky, 1987). Faktor tersebut diantaranya adalah menghemat waktu dan usaha, merasa lebih nyaman, menarik perhatian, mendapat kebebasan, dan diterima dalam lingkungan.

  Kebisingan

• Kebisingan merupakan gangguan yang berpotensi mempengaruhi kenyamanan dan kesehatan

  terutama yang berasal dari kegiatan operasional

  pabrik

• Operator merupakan komponen lingkungan yang terpengaruh 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 sebesar 85 dBA Suhu Ruangan

• Berdasarkan
_{Pengaturan waktu kerja setiap jam Beban Kerja} 51/MEN/1999 yang mengatur _{Waktu Kerja Waktu Istirahat Ringan Sedang Berat}

  ISBB (°C) KepMen No.

  mengenai nilai ambang batas Iklim _{Bekerja terus}

  Kerja Indeks Suhu Basah dan Bola _{menerus (8 jam per 30 - 26.7 25} (ISBB) _{75% Kerja 25% Istirahat hari) 30.6 28 25.9 25% Kerja 75% Istirahat} 50% Kerja 50% Istirahat _32.2 ^31.4 _32.1 ^{29.4 27.9} ₃₀ Keterangan :

  1. Beban kerja ringan, dibutuhkan kalori sebesar 100-200 kkal/jam

  2. Beban kerja sedang, dibutuhkan kalori sebesar 200-350 kkal/jam

  3. Beban kerja berat, dibutuhkan kalori sebesar 350-500 kkal/jam

  Tingkat Pencahayaan _{Minimal (Lux) Keterangan dan ruang peralatan / Ruang penyimpanan} Pekerjaan kasar dan 100 instalasi yang

  Pencahayaan _{Pekerjaan kasar dan Pekerjaan dengan tidak terus menerus memerlukan kontinyu pekerjaan yang} terus menerus 200 mesin dan perakitan

• Pencahayaan yang baik memungkinkan tenaga
_{Ruang administrasi, kasar} kerja dapat melihat objek yang dikerjakannya _{ruang kontrol,}

  secara jelas, tepat, dan tanpa usaha yang tidak _{Pekerjaan rutin 300 pekerjaan mesin dan perakitan /}

  perlu (Suma'mur, 2009) _{Pembuatan gambar penyusunan} • Berdasarkan Keputusan Menteri Kesehatan No. _{Pekerjaan agak halus 500 mesin, kantor, atau bekerja dengan} 1405 Tahun 2002, tentang Persyaratan _{pekerja pemeriksaan} Lingkungan Kerja Industri, standar minimal _{dengan mesin} ^{atau pekerjaan} pencahayaan di ruangan kerja sebesar 300 Lux _{Pekerjaan halus 1000 pekerjaan mesin Pemilihan warna, pemrosesan tekstil,}

• Tingkat penerangan berdasarkan jenis pekerjaan
_{halus dan perakitan} dimana diatur dalam Keputusan Menteri _halus Kesehatan No. 1405 Tahun 2002 _{Pekerjaan amat halus menimbulkan pekerjaan mesin dan 1500 (tidak tangan, pemeriksaan bayangan) perakitan yang sangat} ^{Mengukir dengan}

  halus

  Soft Computing

• Soft computing merupakan suatu metode komputasi yang sejajar dengan kehebatan pikiran manusia dalam menalar dan belajar pada lingkungan yang penuh dengan ketidakpastian dan

  ketidaktepatan (Jang, Sun, &amp; Mizutani, 1997)

• Menurut Jang, Sun &amp; Mizutani (1997) komponen utama dari soft computing adalah neural

  networks (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 &amp; Hartati, Neuro Fuzzy : Integrated Sistem Fuzzy &amp; Jaringan Syaraf, 2006) Jaringan Adaptif (Adaptive Network)

• Jaringan adaptif merupakan suatu struktur jaringan yang terdiri dari beberapa node dan beberapa penghubung yang menghubungkan node satu dengan node yang lainnya
• Penggunaan lambang node yang berbentuk lingkaran dan persegi menunjukkan kemampuan adaptif yang berbeda
• Jaringan adaptif dapat dibedakan menjadi dua kategori berdasarkan jenis hubungan dan arsitekturnya yaitu feedforward dan recurrent

  Sistem Inferensi Fuzzy (Fuzzy Inference System)

• Sistem Inferensi Fuzzy Mam>Pada sistem inferensi fuzzy Mamdani, himpunan fuzzy input (antesenden) dan himpunan fuzzy output (konsekuen) merupakan himpunan fuzzy (Kusumadewi, 2>Sistem Inferensi Fuzzy Sugeno (TSK, Takagi-Sugeno-K>Pada sistem inferensi fuzzy Sugeno, himpunan fuzzy berupa konstanta atau persamaan li>Sistem Inferensi Fuzzy Tsuka
• Himpunan fuzzy pada daerah konsekuen harus bersifat monoton baik monoton naik maupun monoton turun (Kusumadewi &amp; 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 derajat keanggotaan yang mempunyai rentang nol hingga >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 dari

  ∗ output aktual

  ( ) dan error yang berasal dari output optimum ( ) selama periode

  ( ) penilaian yang dilakukan terhadap objek amatan (Azadeh, Rouzahman, Saberi, &amp; Valianpour,

  2014)

• Skor efisiensi dari operator yang berhubungan dengan faktor HSEE dan job security bernilai antara 0 hingga 1 dan selanjutnya hasil penilaian diurutkan untuk mendapatkan peringkat dari keseluruhan operator

  Anderson-Darling Test

• Metode Anderson-Darling digunakan untuk melakukan pengujian terhadap sampel data yang berasal dari suatu populasi dengan distribusi tertentu (Azadeh, Rouzahman, Saberi, &amp; Valianpour,

  2014)

• Kelebihan yang dimiliki metode Anderson-Darling adalah proses uji data dapat lebih sensitif namun nilai kritisnya harus dihitung untuk setiap distribusi