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
Outline Presentasi
1
• PENDAHULUAN2
• TINJAUAN PUSTAKA3
• METODOLOGI PENELITIAN4
• PENGUMPULAN dan PENGOLAHAN DATA5
• ANALISIS DATA6
Latar Belakang (1)
• Konsep HSE (health, safety, environment) telah dipahami sebagai satu entitas dan digunakan di banyak perusahaan (Deng, 1999)
• 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 METALINDO
• Mulai beroperasi pada tahun 2003 • Kompetensi : sheet metal processing • Didukung dengan 52 karyawan
• Proses produksi : laser cutting, punching,
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
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
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
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
METODOLOGI PENELITIAN
Tahap Persiapan START
IDENTIFIKASI DAN PERUMUSAN MASALAH
PENETAPAN TUJUAN PENELITIAN
OBSERVASI OBJEK PENELITIAN STUDI LITERATUR
- Unsafe behaviour - Bahaya / hazard
- ANFIS - Efisiensi operator
- Identifikasi proses bisnis - Identifikasi faktor HSEE (kondisi
eksisting)
• Digunakan metode Cronbach’s Alpha untuk melakukan uji reliabilitas pada kuisioner
• Uji validitas pada kuisioner dilakukan dengan metode factor analysis
Tahap Pengumpulan Data
• Pertanyaan pada kuisioner dibagi menjadi dua jenis, kategori input yaitu HSEE (Health, Safety,
Environment, Ergonomics) dan satu kategori output yaitu job security
• Masing – masing pertanyaan memiliki nilai bobot / weight antara 1 – 4 (nilai 4 menunjukkan evaluasi yang sangat baik)
• Data kuisioner dibagi menjadi dua bagian, yaitu
training data (S1) dan validation data (S2).
• Jumlah train data (S1) terdiri dari 70-90 % dari jumlah keseluruhan data, sedangkan sisanya sebesar 10-30 % data digunakan pada kategori data 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)
• 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 model 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 operator
dengan nilai efisiensi satu (1) maka perlu dilakukan langkah koreksi (Azadeh, Ghaderi, Anvari, & Saberi, 2007)
• Jika data konsisten dengan distribusi normal maka akan mengikuti garis lurus, semakin jauh posisi data atau titik dari garis tersebut maka 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 yaitu
health (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 memiliki
3. Penentuan Train dan Test Data
• 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 er ce n ta g e Data Responden
4. Estimasi Hubungan Input dengan Output
• Hubungan input dengan output pada model ANFIS berdasarkan aturan membership function dan inference
method
• Digunakan 24 model dengan aturan probabilitas yang berbeda untuk mendapatkan struktur model ANFIS terbaik (nilai MAPE paling minimum)
• Hasil perhitungan train data dengan ANFIS didapatkan nilai 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
5. Perhitungan Output Data ANFIS dan Efisiensi Operator
• 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 ai E fi si en si Operator
HASIL PERHITUNGAN EFISIENSI OPERATOR
6. Uji Normalitas Data dan Perbaikan Outlier Operator
• 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 (> 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 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 sama
• 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 berikut : • Operator kurang memahami standar keselamatan kerja
• Operator tidak menjawab pertanyaan dalam kuesioner dengan jujur karena takut akan mendapat sanksi dari perusahaan
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
• 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.
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.
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 KepMen No. 51/MEN/1999 yang mengatur
mengenai nilai ambang batas Iklim
Kerja Indeks Suhu Basah dan Bola (ISBB)
Pengaturan waktu kerja setiap jam ISBB (°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/jam 2. Beban kerja sedang, dibutuhkan kalori sebesar 200-350 kkal/jam 3. Beban kerja berat, dibutuhkan kalori sebesar 350-500 kkal/jam
Pencahayaan
• Pencahayaan yang baik memungkinkan tenaga kerja dapat melihat objek yang dikerjakannya
secara jelas, tepat, dan tanpa usaha yang tidak
perlu (Suma'mur, 2009)
• Berdasarkan Keputusan Menteri Kesehatan No. 1405 Tahun 2002, tentang Persyaratan Lingkungan Kerja Industri, standar minimal pencahayaan di ruangan kerja sebesar 300 Lux • Tingkat penerangan berdasarkan jenis pekerjaan
dimana diatur dalam Keputusan Menteri Kesehatan 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 pikiran manusia dalam menalar dan belajar pada lingkungan yang penuh dengan ketidakpastian dan
ketidaktepatan (Jang, Sun, & Mizutani, 1997)
• Menurut Jang, Sun & 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 & 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 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 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 monoton turun (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 derajat keanggotaan 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)
Perhitungan Efisiensi Data
• Perhitungan efisiensi dilakukan untuk mengetahui perbedaan nilai error yang dihasilkan dari
output aktual (𝑃𝑟𝑒𝑎𝑙(𝑖)) dan error yang berasal dari output optimum (𝑃𝐴𝑁𝐹𝐼𝑆∗ 𝑖 ) selama periode
penilaian yang dilakukan terhadap objek amatan (Azadeh, Rouzahman, Saberi, & 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, & Valianpour,
2014)
• Kelebihan yang dimiliki metode Anderson-Darling adalah proses uji data dapat lebih sensitif namun nilai kritisnya harus dihitung untuk setiap distribusi
