Listia Anjani, mahasiswa Program Magister Teknik Industri UGM, mempresentasikan hasil seminar penelitiannya yang berjudul “Integrasi Deep Learning dan Analisis Video untuk Penilaian Risiko Ergonomis secara Real-Time Menggunakan Revised NIOSH Lifting Equation (RNLE)” pada Rabu (19/02), bertempat di Ruang M-11, Departemen Teknik Mesin dan Industri (DTMI) UGM. Seminar ini dimulai pada pukul 09.00 WIB dan membahas penerapan teknologi canggih dalam mengidentifikasi dan mengurangi risiko cedera akibat pengangkatan manual di tempat kerja.
Penelitian ini dikembangkan untuk mengatasi salah satu penyebab utama cedera di tempat kerja, yaitu manual lifting task. ”Dalam upaya untuk mengevaluasi dan mengurangi potensi risiko ergonomis yang terkait dengan kegiatan pengangkatan manual, penelitian ini mengintegrasikan deep learning dengan Revised NIOSH Lifting Equation (RNLE). Pendekatan ini bertujuan untuk memberikan solusi praktis dalam melakukan penilaian risiko ergonomis secara real-time,” papar Listia.
Seminar ini dibimbing oleh dosen pembimbing, Ir. Hilya Mudrika Arini, S.T., M.Sc., M.Phil., Ph.D., IPM., ASEAN Eng., dan akan melibatkan tiga penguji yang ahli di bidangnya. Penguji 1, Prof. Ir. Budi Hartono, S.T., M.Pm., Ph.D., IPM., ASEAN Eng., Penguji 2, Ir. Fitri Trapsilawati, S.T., Ph.D., IPM., ASEAN Eng., dan Penguji 3, Ir. Ardiyanto, S.T., M.Sc., Ph.D., AEP., yang akan memberikan penilaian dan masukan terhadap hasil penelitian ini.
Abstrak penelitian yang disampaikan oleh Listia menjelaskan dua fase utama dalam pengembangan model ini. Pada fase pertama, yaitu training phase, model hybrid CNN-LSTM dikembangkan menggunakan dataset yang terdiri dari 117 video aksi pengangkatan manual. Setiap video dianalisis dengan mengonversi 75.920 frame yang diberi label dan menerapkan teknik data augmentation serta class balancing untuk menangani ketidakseimbangan data. Hasilnya, model tersebut mencapai akurasi sangat tinggi sebesar 99% menggunakan metode 5-fold cross-validation.
Pada fase kedua, yaitu prediction phase, model ini digunakan untuk mengidentifikasi tahapan pengangkatan serta memperkirakan variabel-variabel dalam RNLE, seperti nilai horizontal (H), vertikal (V), jarak (D), dan sudut (A), yang semuanya diestimasi berdasarkan lokasi persendian tubuh yang diperoleh menggunakan MediaPipe pose landmarks. Model ini menunjukkan akurasi tinggi untuk estimasi nilai V (92%), D (86%), H (71%), dan A (91%). Kemudian, berdasarkan nilai-nilai tersebut, risiko dari setiap aksi pengangkatan diklasifikasikan sebagai low risk, moderate risk, atau high risk, menggunakan lifting index (LI). ”Hasilnya menunjukkan bahwa klasifikasi risiko rendah memiliki akurasi yang sangat baik, sementara klasifikasi risiko sedang dan tinggi masih dapat ditingkatkan,” terang Listia.
Penelitian ini memiliki potensi besar untuk digunakan dalam lingkungan kerja, memberikan solusi praktis dalam otomatisasi penilaian risiko ergonomis dan meningkatkan keselamatan pekerja dengan mengurangi cedera akibat pengangkatan manual. Temuan ini sangat relevan dengan tujuan Sustainable Development Goals (SDGs), khususnya dalam hal keselamatan kerja dan kesejahteraan pekerja, yang menjadi prioritas penting dalam menciptakan tempat kerja yang aman dan berkelanjutan. Seminar ini terbuka untuk umum dan diharapkan dapat menjadi kontribusi signifikan dalam pengembangan teknologi kesehatan dan keselamatan kerja, serta memberikan wawasan baru mengenai penerapan deep learning dalam penilaian risiko ergonomis secara real-time.
Kontributor: Maryanti, A.Md.
Editor: Gusti Purbo Darpitojati, S.I.Kom.