Pemodelan Faktor Ergonomi terhadap Produktivitas Kerja Pengolahan Tanah dengan Jaringan Syaraf Tiruan

Pemodelan Faktor Ergonomi terhadap Produktivitas Kerja Pengolahan Tanah dengan Jaringan Syaraf Tiruan (Modeling of Ergonomic Factors on Working Productivity in Soil Tillage with Artificial Neural Network) Arief RM Akbar, Bambang Pramudya, Sam Herodian, I Wayan Astika

Abstract The working productivity measurement of hand tractor in soil tillage of paddy field has not been performed precisely. Two models have been developed to study the relationship between ergonomic factors and working productivity in primary tillage. The first model (A) was applied to soil tillage by hand tractor with gelebeg implement and the second model (B) was applied to soil tillage by hand tractor with rotary implement. Ergonomic factors analyzed in the model were optimal temperature of working environmental. Artificial neural network was used to formulate the non linear relationship among the analyzed parameters. The models, which are A and B, have accuracy of calibration 97% and 93% respectively, as well as accuracy of validation 89% and 87%. The outputs models are productivity and workload. The models were also used to determine the optimum temperature of working environmental in order to minimize work load. The results showed that the optimum temperature for model A was in a range of 31.50C and 33.50C and the optimum temperature for model B was in a range of 31.50C and 320C. Key words: ergonomic factor, productivity, heart rate, artificial neural network Abstrak Permasalahan produktivitas kerja traktor tangan dalam pengolahan tanah di areal sawah selama ini belum terukur secara tepat. Untuk mendekati hal tersebut, dua buah model dikembangkan dalam rangka mempelajari hubungan faktor‐faktor ergonomi dan produktivitas kerja pada pengolahan tanah. Model A adalah pengolahan tanah traktor tangan dengan implemen gelebeg, sedangkan model B adalah pengolahan tanah traktor tangan dengan implemen rotary. Jaringan syaraf tiruan digunakan untuk memformulasikan hubungan non linear di antara parameter‐ parameter yang dianalisis. Model A dan B masing‐masingnya memiliki ketepatan kalibrasi sebesar 97% dan 93% serta ketepatan validasi sebesar 89% dan 87%. Keluaran model adalah produktivitas kerja dan beban kerja. Model tersebut juga digunakan untuk menentukan suhu optimum lingkungan kerja sehubungan dengan minimalisasi beban kerja. Hasil penelitian menunjukkan bahwa suhu optimum untuk model A adalah berada pada selang 31,50C dan 33,50C, sedangkan untuk model B adalah pada selang 31,50C dan 320C. Kata kunci: faktor ergonomi, produktivitas, denyut jantung, jaringan syaraf tiruan

Pendahuluan Perkembangan jumlah traktor tangan di Indonesia dalam kurun waktu 5 tahun terakhir (1995–2000) rata‐rata mengalami pertumbuhan sekitar 13,36% per tahun, sedangkan traktor roda 4 mengalami penurunan sebesar 5,75% per

tahun. Luas penggunaan lahan di Indonesia pada tahun 2001 mengalami peningkatan sekitar 11,29% dibandingkan dengan tahun sebelumnya yaitu sebesar 75,9 juta ha (yang didominasi lahan perkebunan sebesar 26,2%) dengan total luas lahan sawah produktif mengalami

38

Buletin Agricultural Engineering BEARING • Vol. 1 • No. 2 • Desember 2005

D a y a M o to r

A sp ek E rg o n o m i : a n th ro p o m e tri k e b is in g a n g e ta ra n u s ia o p e r a t o r b e ra t b a d a n o p e ra to r lin g k u n g a n

B e b a n K e rja O p e ra to r (h e a rt ra te )

P r o d u k t iv it a s K er ja P e n g o la h a n Tanah

J e n is I m p le m e n

Gambar 1. Faktor‐faktor yang Mempengaruhi Produktivitas Kerja Traktor Tangan dalam Pengolahan Tanah di Areal Padi Sawah faktor‐faktor apa saja yang mempengaruhinya penurunan sekitar 0,81% menjadi 10,37 juta ha, dalam pengolahan tanah di areal sawah selama ini sedangkan jumlah tenaga kerja pertanian pada belum terukur secara tepat. Produktivitas kerja tahun 2001 mengalami penurunan sebesar 6,2% traktor tangan sangat dipengaruhi oleh (Deptan 2003). Jika luas panen padi 11.45 juta ha kemampuan dan keahlian dari operator yang dihubungkan dengan jumlah traktor tangan menjalankan. Aspek desain yang berhubungan yang ada maka perbandingan populasi traktor dan menentukan tingkat kemampuan dan dengan lahan adalah 1 traktor per 118 ha lahan kenyamanan operator dalam menjalankan padi, hal ini menunjukkan bahwa prospek traktor tangan adalah aspek ergonomi. Oleh pengembangan traktor tangan di Indonesia masih karena itu perlu dikaji seberapa besar pengaruh sangat besar. kesesuaian desain dari segi ergonomi terhadap Dari hasil survei yang dilakukan kemampuan operator dalam menjalankan traktor terhadap tenaga kerja menunjukkan bahwa tangan sehingga diperoleh produktivitas kerja dengan penerapan peralatan yang ergonomis yang optimal. Parameter yang berpengaruh (serasi) dengan ukuran tubuh pekerja dapat terhadap produktivitas kerja traktor tangan dalam memperbaiki sikap kerja serta meningkatkan pengolahan tanah ditampilkan pada Gambar 1. konsentrasi dalam bekerja (Riyadina 2002). Penelitian ini bertujuan untuk Aspek ergonomi yang berhubungan dengan mempelajari dan menentukan hubungan ukuran atau dimensi tubuh pekerja adalah parameter ergonomi yang meliputi aspek antropometri, yang dapat digunakan untuk kebisingan, getaran, kesesuaian anthropometri, menentukan dimensi benda atau alat yang usia operator, berat badan dan suhu lingkungan optimal, yang sering digunakan oleh manusia terhadap produktivitas kerja pengolahan tanah di untuk mendesain alat dan mesin agar operator lahan sawah dan secara khusus menentukan suhu dapat mengoperasikan dengan nyaman, efisien, optimum bagi operator dalam pengolahan tanah. dan aman (Nasir 2001). Aspek lain yang tak kalah pentingnya dalam desain yang Metodologi Penelitian berpengaruh terhadap produktivitas kerja, keselamatan kerja, dan kesehatan pekerja adalah A. Waktu dan Lokasi Penelitian faktor kebisingan (noise), getaran (vibrasi) dan beban kerja (biomekanik) serta faktor Pengambilan data dilaksanakan mulai lingkungan di pekerjaan yang dilakukan. bulan November 2003 sampai dengan Juni Permasalahan mengenai produktivitas 2004 di Kecamatan Rengasdengklok, kerja (kapasitas kerja) traktor tangan serta

39

Arief RM Akbar, Bambang Pramudya, Sam Herodian, I Wayan Astika: Pemodelan Faktor Ergonomi terhadap Produktivitas Kerja Pengolahan Tanah dengan Jaringan Syaraf Tiruan

D ATA AW AL L in g k u n g a n : S u h u u d a r a d a n k e le m b a b a n S a w a h : P a n ja n g d a n L e b a r P e ta k a n

D A Y A & D IM E N S I T R A K T O R K A L IB R A S I H e a r t R a t e S te p T e s t

PEN G U K U R AN K e b is in g a n d a n g e t a r a n

J E N IS IM P L E M E N PEN G U K U R AN A n th o p o m e tri O p e ra to r

O P E R AS I T R AK T O R ( P e n g o la h a n T a n a h )

P E N G U K U R AN H e a rt R a te

P E N G U K U R AN P r o d u k t iv it a s K e r ja

Gambar 2. Skema Kerja Pengambilan Data di Lapangan arm) (cm), lebar bahu (cm), panjang lengan bagian Telagasari dan Cilamaya Kabupaten Karawang bawah (forearm) (cm), tinggi bahu (cm), – Jawa Barat dan di Laboratorium Lapang kedalaman kaki dalam tanah (cm), tinggi siku Departemen Teknik Pertanian – Fakultas (cm), lebar kemudi (cm), tinggi kemudi dari Teknologi Pertanian, IPB. permukaan tanah (cm) dan kedalaman roda besi B. Peralatan Penelitian pada tanah sawah (cm). Peralatan yang digunakan dalam Penentuan Posisi Optimum Tinggi Kemudi penelitian ini adalah : (1) Traktor tangan dan Posisi berdiri optimum operator dapat implemen (gelebeg dan rotari), (2) dicapai pada kondisi tangan operator memberikan Anthropolometer, (3) Heart rate monitor (4) ruang bebas antara operator dan traktor tangan Vibration meter, (5) Sound level meter, (6) (clearance) terbesar. Posisi ini diperoleh pada saat Komputer, (7) Termometer, (8) Meteran (tape) lengan bawah berada pada posisi horisontal (sejajar dan (9) Tachometer. siku), sedangkan posisi lengan bawah di atas siku akan memberikan efek pengurangan gaya atau C. Pengambilan Data dan Analisis kekuatan genggam jari tangan (Nurmianto 1991). Dengan memperhatikan arah dan besar gaya yang Pengambilan data dan analisis secara bekerja pada stang kemudi terhadap operator di skematis ditampilkan pada Gambar 2. mana gaya terbesar yang dilakukan oleh operator Pengambilan data dilakukan pada dua jenis adalah gaya ke atas untuk menahan laju implemen implemen pengolahan tanah pertama yang masuk ke dalam tanah ( Dhafir 2002) serta melihat berbeda yaitu pengolahan tanah dengan posisi sudut siku (elbow angle) yang memberikan menggunakan gelebeg dan rotari yang dibagi kekuatan tekan ke bawah dan kekuatan tarik ke menjadi beberapa aspek berikut : atas maksimum terjadi pada sudut 120o (Woodson et al. 1992) maka posisi optimum dapat ditentukan Aspek Anthropometri sebagai berikut (Kastaman 1999) : Pengambilan data anthropometri operator dilakukan bersama dengan pengukuran dimensi traktor tangan yang digunakan dalam pengolahan tanah. Data anthropometri dan dimensi traktor yang diukur terdiri dari ; panjang pangkal lengan (upper

TK maks = TB − PLBA * Cos (30) ; TK min = TS − PLBB * Cos ( 40)

40


T in g g i k e m u d i Lebar K em udi P r o d u k tiv ita s k e r ja

U s ia o p e r a to r K e b is in g a n

B e b a n K e r ja

G e ta ra n S u h u L in g k u n g a n B erat b ad an

Gambar 3. Model JST yang Dikembangkan pada Tiap Jenis Implemen Aspek Kebisingan dan Getaran di mana : TKmaks = Tinggi kemudi maksimum (cm) Pengukuran tingkat kebisingan pada saat operator sedang TKmin = Tinggi kemudi minimum (cm) dilakukan melakukan pengolahan tanah dengan PLBA = Panjang lengan bagian atas (cm) TB menggunakan sound level meter. Tingkat = Tinggi bahu (cm) PLBB = Panjang lengan bagian bawah (cm) TS kebisingan diukur di engine dan operator pada = Tinggi siku (cm) pada posisi disamping (dekat) telinga kiri dan kanan. Penentuan Lebar Optimum Jangkauan Pengukuran getaran dilakukan dengan Kemudi menggunakan portable vibration meter pada Lebar kemudi berhubungan dengan kondisi stasioner maupun saat operator kenyamanan operator dalam menjalankan atau melakukan kerja pengolahan tanah, pada mengoperasikan traktor tangan. Lebar optimum berbagai tingkat kecepatan putaran motor/ engine berhubungan dengan sudut antara lengan atas berdasarkan nilai kisaran yang tercatat pada alat dengan badan. Posisi alami sudut lengan atas ukur (tachometer). Tingkat getaran yang diukur dengan badan antara 0‐300 (Zander 1972; adalah percepatan getaran pada sumbu x, sumbu y, dan sumbu z. Kastaman 1999).

LJK Maks = LB + (2xPLBAxSin(30) ) ; LJK Min = LB

D. Pemodelan

Untuk melihat pengaruh dan perilaku dari setiap parameter terhadap produktivitas di mana : kerja pengolahan tanah dilakukan dengan LJKMaks = Lebar kemudi maksimum (cm) menggunakan model Jaringan Syaraf Tiruan LJKMin = Lebar kemudi minimum (cm) (JST) pada Gambar 3. Model JST yang PLBA = Panjang lengan bagian atas (cm) LB dikembangkan terdiri dari 2 model berdasarkan = Lebar bahu (cm) jenis implemen yang digunakan yaitu model A (gelebeg) dan B (rotari). Masing‐masing model Aspek Denyut Jantung yang dikembangkan menggunakan multi layer Pengukuran denyut jantung operator yang terdiri dari tiga lapisan : dilakukan melalui tahapan, yaitu pemasangan

1. heart rate monitor pada operator kemudian dilanjutkan dengan melakukan kalibrasi menggunakan metode step test, setelah operator istirahat selama 10 menit pengukuran denyut jantung dilakukan selama pengolahan tanah.

41

Lapisan input dengan parameter ; lebar kemudi, tinggi kemudi, usia operator, berat badan, kebisingan, getaran, dan suhu lingkungan.


l a p is a n m asu kan

la p is a n te rse m b u n y i

la p is a n k e lu a r a n

Hj

x1

V ij

H1

I1 W kj

z1

y1

I2 z2

x2

y2

x3

I3 z3

H2

Gambar 4. Ilustrasi pembelajaran backpropagation 2.

3.

Lapisan tersembunyi, sebagai lapisan pemrosesan atau pembanding antara lapisan input dan lapisan output yang menghasilkan nilai pembobot diantara lapisan‐lapisan tersebut. Lapisan output terdiri dari 2 unit keluaran yaitu produktivitas kerja pengolahan tanah dan tingkat beban fisik berdasarkan nilai laju denyut jantung.

sehingga persamaan keseluruhan output pada lapisan keluaran ke k dengan masukan nilai input x adalah :

= f( ∑ W kj y j )

z k = f(I k )

= f( ∑ W kj f(H j ))

j

j

= f( ∑ W kj f( ∑V ji xi )) j

i

Proses pembelajaran model JST

Data sampel hasil pengukuran digunakan sebagai bahan pada proses pembelajaran (training), dengan menggunakan metode back propagation (Patterson 1996). Mekanisme pembelajaran dilakukan melalui ilustrasi Gambar 4 serta tahapan dan persamaan‐persamaan berikut : −

Input pada lapisan masukan merupakan input bagi lapisan tersembunyi

H j = ∑Vij x i

j = 1, 2, .......h

I k = ∑ W kj y j

k = 1, 2, ......m

dan

i

i

di mana : Hj = input lapisan tersembunyi node jIk = input lapisan keluaran (output) node k h = jumlah node lapisan tersembunyi m = jumlah node lapisan keluaran (output)

fungsi (f) yang digunakan pada proses pembelajaran merupakan fungsi aktivasi log‐ sigmoid : f(H j ) =

1 − β(H )

j 1+e 1 f(I k ) = 1 + e − β(Ik )

di mana : β = konstanta fungsi sigmoid - Prinsip backpropagation adalah mengoptimalkan nilai fungsi dengan memperkecil nilai galat (error) hingga mencapai minimum global, melalui perbaikan nilai pembobot dengan membandingkan nilai output jaringan dengan nilai target yang diberikan dengan menggunakan persamaan jumlah kuadrat galat :

E=

1 (t kp − z kp )2 ∑ 2

- Perhitungan nilai output node j pada lapisan tersembunyi dan output node k pada lapisan keluaran dengan persamaan berikut :

y j = f(H j )

j = 1, 2, ....k dan

z k = f(I k )

k = 1, 2, ....m

di mana :

t = target dan z = keluaran JST - Perbaikan nilai pembobot dilakukan untuk memperkecil nilai galat dengan menggunakan metode delta rule :

42


ΔW kj = ηδ k y j

dan

ΔV ji = ηδ j x i

di mana :

model dilakukan sebagai pengujian ketepatan (akurasi) prediksi model JST.

Hasil dan Pembahasan

η

= konstanta laju pembelajaran ΔW kj = perubahan nilai pembobot Wkj

δk

= galat output ke k = fungsi log‐sigmoid

yj

Dari persamaan‐persamaan di atas maka nilai pembobot dapat dirumuskan melalui persamaan berikut: Wkjbaru = Wkjlama + ΔWkj = Wkjlama + ηy j (t k − z k )f' (I k )

V jibaru = V jilama + ΔV ji = V jilama + ηx j f' (H j )∑ k δ k Wkj - Semua proses di atas dilakukan secara berulang‐ulang melalui pemberian nilai input‐ output, proses aktivasi dan perubahan nilai pembobot. Kinerja jaringan dievaluasi melalui nilai Root Mean Square Error (RMSE), hal ini untuk melihat tingkat ketelitian model yang telah dibangun.

RMSError =

∑ (Y

k

− Tk )

2

n

di mana : Yk = nilai prediksi jaringan Tk = nilai target yang diberikan n = jumlah contoh data Pola data masukan (input) model JST Untuk melihat pola sebaran data yang digunakan dalam JST dilakukan dengan menggunakan metode Box Plot yang dikembangkan oleh J.W. Tukey (Koopmans 1987). Metode ini memungkinkan untuk mendapatkan informasi diskriptif dan analisis mengenai sampel data dalam bentuk tampilan diagram.

Kalibrasi dan Validasi model JST Kalibrasi model dilakukan untuk melihat hasil ketelitian pada proses pembelajaran (training) JST, sedangkan validasi

Pengembangan model faktor ergonomi terhadap produktivitas kerja pengolahan tanah pertama di areal padi sawah dibangun menggunakan bahasa pemrograman Delphi‐5 dengan batasan model sebagai berikut: Pengolahan tanah dilakukan di areal persawahan dengan kedalaman olah seragam untuk setiap implemen (gelebeg dan rotari). Cara pengoperasian traktor berbeda berdasarkan implemen yang digunakan, operator naik di atas papan yang ditarik traktor (implemen gelebeg) dan operator berjalan di sawah selama mengolah tanah (implemen rotari). Lebar pengolahan untuk implemen gelebeg dan rotari masing‐masing adalah 120 cm dan 66 cm dengan daya traktor yang sama yaitu 8,5 HP. Pengolahan tanah yang dilakukan mengikuti pola sirkulasi. Pengolahan tanah Pada tanah sawah, pengolahan tanah dimaksudkan untuk membuat tanah menjadi lumpur yang lunak untuk mempermudah penanaman dan mengurangi perkolasi. Data‐ data di lapangan yang digunakan dalam pemodelan adalah; jenis tanah sawah di lokasi penelitian adalah alluvial, berpengairan teknis (air dari waduk jatiluhur), setiap traktor dijalankan oleh dua orang operator, pada penggunaan implemen gelebeg operator saling berganti setelah mengolah 2‐3 petakan sedangkan penggunaan implemen rotari pergantian operator dilakukan setelah istirahat siang (sekitar jam 1 siang), luas petakan sawah antara 500 – 2250 m2. Gelebeg merupakan alat pengolahan tanah sawah yang dipasang pada alat

Tabel 1. Sebaran Data Input – Output Model JST Data input

43

Sebaran Data

Data output

Sebaran Data


Usia operator Berat badan Lebar kemudi Tinggi kemudi Suhu lingkungan Getaran Kebisingan

18 – 45 tahun 43 – 69 kg 70 – 83 cm 101 – 120 cm 29,5o – 35,5o C 0.34 – 2.07 m/dtk2 77 – 91 dB

Produktivitas kerja Denyut jantung operator

gandeng traktor yang digunakan baik pada pengolahan tanah sekunder maupun primer terutama pada saat mengejar waktu tanam. Tahanan antara bilah pisau (plat besi) gelebeg dengan permukaan tanah membuat silinder berputar di mana perputaran ini mampu mendorong dan menenggelamkan rumput‐ rumput dan gulma kedalam lumpur. Pengolah tanah rotari merupakan alat yang efisien karena mampu melakukan pemecahan dan perataan tanah dalam satu proses, di mana pemotongan tanah dan penggaruan dilakukan dalam 1 lintasan (Sakai 1998). Jenis implemen yang digunakan oleh petani sangat dipengaruhi oleh konsistensi tanah pada saat pengolahan akan dilakukan. Oleh Kohnke (1968) konsistensi tanah merupakan ikatan material tanah yang dinyatakan dalam derajat kohesi dan adhesi tanah atau ketahanan terhadap perubahan bentuk (deformasi) atau patah (rupture), sehingga pada kondisi tanah sawah basah dan sangat basah pengolahan tanah lebih sesuai dilakukan dengan gelebeg karena penggunaan bajak singkal tidak memungkinkan.

Sebaran Data Aplikasi model dengan menggunakan jaringan syaraf tiruan (JST) sangat dipengaruhi oleh pola sebaran data yang digunakan dalam proses training pembelajaran), aplikasi model JST tidak akan memberikan hasil yang baik jika fenomena yang diamati berada di luar sebaran data yang digunakan pada proses training (Yang et al. 1998). Ada tujuh parameter yang dijadikan sebagai data input dan dua parameter output pada model JST dengan sebaran data pada Tabel 1. Analisis Model

1000 – 2700 m2/ jam 97 – 164 denyut per menit

Analisis model dilakukan dengan mengkalibrasi dan validasi terhadap model JST pada dua implemen yang berbeda yaitu model A (implemen gelebeg) dan model B (implemen rotari). Model JST yang dibangun diuji coba dengan beberapa variasi jumlah node pada lapisan tersembunyi. Semakin banyak jumlah node pada lapisan tersembunyi akan menyebabkan semakin kecil nilai error, yang mencerminkan tingkat ketelitian model (Gambar 5). Hal ini disebabkan jumlah bobot yang digunakan pada jaringan semakin banyak dengan bertambahnya jumlah node. Pola yang sama terlihat juga dengan banyaknya iterasi, semakin banyak iterasi yang dilakukan pada saat proses training (pembelajaran) maka nilai errornya akan semakin kecil. Pada proses kalibrasi model A dan B (Gambar 6) terlihat bahwa semakin banyak iterasi yang dilakukan pada saat proses training, nilai r2 akan semakin besar. Kalibrasi model dilakukan untuk melihat kesesuaian antara data output yang digunakan pada proses training dengan data output yang dihasilkan model. Nilai r2 pada kalibrasi model berkorelasi dengan nilai error model, semakin kecil nilai error model maka kalibrasi model akan semakin baik, hal ini dikarenakan nilai error model merupakan selisih dari nilai output dugaan (model) dengan output yang diberikan sebagai data training. Validasi model dilakukan dengan membandingkan hasil keluaran model dengan data baru diluar data yang digunakan pada proses training, untuk melihat ketepatan model dalam melakukan

44


7 node

0.008

8 node

0.007

9 node

0.006

10 node

RMSE

0.005 0.004 0.003 0.002 0.001 0 0

20000

40000

60000 Iterasi

80000

100000 120000

node 9

0.01

node 8

RMSE

0.009 0.008

node 7

0.007 0.006 0.005 0.004 0.003 0.002 0.001 0 0

20000

40000 60000 Iterasi

80000

100000

Gambar 5. Pengaruh Jumlah Iterasi dan Jumlah Node pada Hidden Layer terhadap Nilai Error (Tingkat Ketelitian) Model A dan B

Kalibrasi-training (R^2)

1 0.95 produktivitas kerja - 9 node HR - 9 node

0.9 0.85 0.8 0.75 0.7 0.65 0

20000

40000

60000

80000

100000

120000

Iterasi

Kalibrasi-Training (R^2)

1 0.95 produktivitas kerja - 9 node

0.9 0.85

HR - 9 node

0.8 0.75 0.7 0.65 0.6 0.55 0

20000

40000

60000

80000

100000

Iterasi

Gambar 6. Pengaruh Jumlah Iterasi terhadap Nilai r2 Kalibrasi/Training (Model A dan B dengan 9 Node pada Hidden Layer)

45


Model-A y = -16.683x + 2384.4 R2 = 0.0026

Produk tivitas Ke rja (m 2/jam )

3500 3000 2500 2000 1500 1000 500 28

29

30

31

32

33

34

35

36

Suhu Lingkungan (celcius)

Model-B Produktivitas Kerja (m 2/jam )

3000

y = 2.182x + 1993.8 R2 = 0.0002

2500 2000 1500 1000 500 28

29

30

31

32

33

34

35

36

Suhu Lingkungan (celcius)

Gambar 7. Data Produktivitas Kerja pada Beberapa Tingkatan Suhu Lingkungan pendugaan atau prediksi terhadap parameter‐ parameter yang digunakan dalam model. Dari hasil validasi diperoleh model terbaik dengan jumlah node 9 pada hidden layer, dengan bobot yang digunakan pada model A adalah hasil training pada iterasi ke 60000 dengan nilai validasi 89,28% untuk produktivitas kerja dan 83,09% untuk nilai laju denyut jantung (hr). Sedangkan pada model B menggunakan hasil training pada iterasi ke 35000 dengan nilai validasi 86,68% untuk produktivitas kerja dan 84,79% untuk laju denyut jantung (hr). Berbeda dengan hasil kalibrasi model, pengaruh banyaknya iterasi terhadap validasi model tidak menunjukkan hubungan yang linier. Perbedaan ini dikarenakan terjadinya overfitting pada saat dilakukannya training data (Patterson, 1996). Overfitting menyebabkan adanya kesalahan dalam pengklasifikasian data karena tidak digunakannya pola pada proses training (pembelajaran) model.

Prediksi Model terhadap Pengaruh Suhu Lingkungan Kerja Data hubungan suhu lingkungan kerja selama pengolahan tanah terhadap produktivitas kerja pada kedua model yang diperoleh dari hasil pengukuran di lapangan mempunyai nilai r2 yang sangat kecil (Gambar 7). Hal ini menunjukkan bahwa kedua parameter input‐output tersebut tidak dapat dihubungkan secara linier karena dalam prediksinya keenam parameter input yang lain dianggap konstan atau ceteris paribus. Pada selang suhu lingkungan 31,50– 0 33,5 celcius, prediksi model A memberikan pengaruh peningkatan produktivitas kerja pada ketiga tingkatan usia operator (Gambar 8) sedangkan terhadap laju denyut jantung operator relatif tetap, hanya pada usia termuda mengalami penurunan (Gambar 9). Peningkatan produktivitas kerja pada selang suhu tersebut menunjukkan bahwa dengan cara kerja (pengoperasian traktor).

46


- M o de l A 3000

2500

2000 Usia 23 th

1500

Usia 31 th Usia 36 th 1000 31

31.5

32

32.5

33

33.5

34

S uhu Lingk unga n ( C ) Usia 23 th

- M o de l B -

Usia 31 th

2450

Usia 36 th

2250 2050 1850 1650 1450 1250 31

31.5

32

32.5

33

33.5

34

S uhu Lingk unga n ( C )

Gambar 8. Pengaruh Perubahan Suhu Lingkungan terhadap Produktivitas Kerja pada Beberapa Tingkatan Usia Operator (Model A dan B) Usia 23 th

- M o de l A -

Usia 31 th

150

Usia 36 th 140 130 120 110 100 31

31.5

32

32.5

33

33.5

34


Usia 23 th

- M o de l B -

Usia 31 th

160

Usia 36 th

150 140 130 120 110 100 31

31.5

32

32.5

33

33.5

34


Gambar 9. Pengaruh Perubahan Suhu Lingkungan terhadap Laju Denyut Jantung Operator pada Beberapa Tingkatan Usia (Model A dan B)

47


_ _

kenyamanan kerja

suhu suhu lingkungan kenyamanan lingkungan kerja luas lahan usia + kemampuan/daya tahan berjalan di luas lahan + sawah usia + _ + kemampuan + lama kerja mengendalikan tingkat traktor + kelelahan _ Kecepatan jalan + maksimum + lama kerja + _ tingkat + + kelelahan kecepatan + kecepatan jalan traktor + jalan traktor beban kerja + beban kerja laju denyut jantung + Produktivitas laju denyut kerja Produktivitas + _ _ jantung kerja + + Model Model Gambar 10. Diagram Sebab‐Akibat Suhu Lingkungan terhadap Produktivitas Kerja dan Laju Denyut Jantung (Model A dan B) Melalui diagram sebab‐akibat (Gambar sedemikian rupa (operator tidak berjalan di 10) terlihat bahwa produktivitas kerja yang sawah) masih dapat menerima atau bertoleransi dipengaruhi oleh kecepatan jalan traktor akan sehingga tidak memberikan dampak terhadap ditentukan oleh kemampuan operator untuk pengurangan rasa kenyamanan maupun mengendalikan traktor, di mana kemampuan menambah rasa letih selama melakukan operator ini sangat dipengaruhi oleh kenyaman pengolahan tanah. selama bekerja. Selama peningkatan suhu Pada model B kenaikan suhu lingkungan masih dapat diterima oleh operator lingkungan menyebabkan penurunan maka hal ini tidak akan mempengaruhi tingkat produktivitas kerja (Gambar 8). Berbeda dengan kenyaman yang dirasakan maupun tingkat penggunaan implemen gelebeg di mana keletihan yang diterima. Kelembaban udara pada operator lebih banyak naik di atas pijakan yang rentang suhu di atas bervariasi antara 57% ‐ dikaitkan pada traktor (operator tidak berjalan 91%. di sawah), pada penggunaan implemen rotari operator melakukan pengolahan tanah dengan berjalan mengikuti jalannya traktor sehingga Simpulan dan Saran kenaikan suhu lingkungan selama bekerja memberikan pengaruh yang besar terhadap Simpulan penurunan produktivitas kerja. Dari dua model yang dikembangkan Ketidaknyamanan selama bekerja akibat dengan JST mempunyai ketelitian (error) hingga kenaikan suhu lingkungan memberikan 10‐4 (model A) dan 10‐3 (model B). Nilai r2 dampak kenaikan tingkat kelelahan yang kalibrasi model A adalah 0.97 (produktivitas dirasakan oleh operator, yang mengakibatkan kerja) dan 0,95 (laju denyut jantung), sedangkan terjadinya peningkatan beban kerja bagi untuk model B adalah 0.93 (produktivitas kerja) operator terlihat dengan naiknya laju denyut dan 0,94 (laju denyut jantung). Nilai r2 untuk jantung (Gambar 9). validasi model A adalah 0,89 (produktivitas

48


kerja) dan 0,83 (laju denyut jantung), untuk model B adalah 0,87 (produktivitas kerja) dan 0,85 (laju denyut jantung). Jumlah iterasi yang dilakukan pada proses training dan jumlah node pada hidden layer mempengaruhi tingkat ketelitian model (nilai error semakin kecil) dan kalibrasi model (r2 semakin besar), tetapi tidak mempengaruhi hasil validasi model. Untuk mendapatkan hasil validasi yang terbaik dilakukan dengan mencoba semua hasil iterasi yang dilakukan pada proses training model. Perbedaan cara mengoperasikan (menjalankan) traktor tangan dengan implemen yang berbeda memberikan pengaruh yang berbeda terhadap produktivitas kerja dan beban kerja yang diterima operator. Pada selang suhu lingkungan antara 31,50 – 33,50 C masih dapat diterima operator dengan menggunakan implemen gelebeg terlihat dengan peningkatan produkivitas kerja sebaliknya. Sebaliknya pada penggunaan implemen rotari kenaikan suhu lingkungan menyebabkan penurunan produktivitas kerja

Saran

Penyiapan Lahan Pada Pertanaman Padi. Jurnal Keteknikan Pertanian. 18(2): 86‐96. Departemen Pertanian, Pusat Data dan Informasi. 2003. Statistik Pertanian (Agricultural Statistics). Jakarta: Deptan. Herodian S. 1997. Work Load Calibration by Using Step Test Method. Di dalam: The XXVII International Congress on Work Science. Proceedings of XXVII CIOSTA‐ CIGR Congress. hlm 41‐46. Kastaman R. 1999. Pengembangan Metodologi Rekayasa Nilai (Value Engineering) Kasus Pemilihan dan Evaluasi Rancangan Traktor Tangan [disertasi]. Bogor : Program Pascasarjana, Institut Pertanian Bogor. Kohnke H. 1968. Soil Physics. New York : McGraw‐Hill Inc. Koopmans LH. 1987. Introduction to Contemporary Statistical Methods. Ed ke‐2. Boston: Duxbury Press.

Hasil keluaran model dapat digunakan untuk melakukan penyesuaian desain (redesain) traktor tangan sekaligus dilakukan pengujian di lapangan dengan kondisi lingkungan yang sesuai untuk melihat ketepatan model yang telah dikembangkan.

Daftar Pustaka

Akbar ARM, Herodian S. 2004. Model of Relation of Height dan Width of Hand Tractor Steer on The Work Load in Primary Tillage of Paddy Field. Di dalam: International Seminar on Advanced Agricultural Engineering and Work Operation. Proceedings of International Seminar on Advanced Agricultural Engineering and Work Operation; Bogor, 25‐26 August 2004. Bogor: Creata‐IPB. 10p. Akbar ARM, Pramudya B, Astika IW. 2004. Aplikasi Metode Optimasi Kriteria Jamak Pada Model Penyediaan Tenaga

49

Nasir F. 2001. Simulasi Penentuan Posisi Kerja Optimum Pada Traktor Tangan Menggunakan Program Komputer [tesis]. Bogor : Program Pascasarjana, Institut Pertanian Bogor. Patterson DW. 1996. Artificial Neural Networks‐ Theory and Applications. Singapore: Prentice hall. Riyadina W. 2002. Dampak Meja Kursi Sekolah Yang Tidak Ergonomi Terhadap Kesehatan Anak sekolah Dasar.6p.http://www.go.id/publikasi/bu letin/segjas/Edisi13../Dampak_Meja. ht.12/1/2002. [ 28 Juli 2003]. Sakai J. 1989. Traktor Roda 2. Sitompul RG, penerjemah; Bogor: IPB. Terjemahan dari: Two Wheel Tractors. Syuaib MF, Moriizumi S, Shimizu H. 2002. Ergonomic Study on the Process of Mastering Tractor Operation‐Rotary Tillage Operation Using Walking Type


for The Simulation and Analyses of Time Series Data in Subsurface Drainage Systems. Transactions of the ASAE. 41(4) : 1181‐1187.

Tractor. Journal of The Japanese Society of Agricultural Machinery. 64(4): 61‐67. Yadav R, Tewari VK, Prasad N. 2002. Tractor Workplace Design: An Application of Biomechanical and Engineering Anthropometri. Journal Agricultural Mechanization in Asia, Africa and Latin America. 31(3) : 69‐74. Yang CC, Lacroix R, Prasher SO. 1998. The Use of Back‐Propagation Neural Networks

Zander J. 1972. Ergonomics in Machine Design (a case studi of the self propelled combine harvester). Wageningen: Mededelingen Landbouwhogeschool.

50

Pemodelan Faktor Ergonomi terhadap Produktivitas Kerja Pengolahan Tanah dengan Jaringan Syaraf Tiruan

Recommend Documents