Pengembangan Model Penentuan Waktu Istirahat Berbasis Lingkungan Kerja di UMKM Tahu Menggunakan Jaringan Saraf Tiruan

ROSA AMALIA, Dr. Mirwan Ushada, STP, M.App.Life.Sc.; Dr. Agung Putra Pamungkas, STP, M.Agr.

2020 | Tesis | MAGISTER TEKNOLOGI INDUSTRI PERTANIAN

UMKM (Usaha Mikro, Kecil, dan Menengah) memiliki sifat padat karya, yaitu melibatkan banyak orang untuk kegiatan produksinya, seperti pada UMKM berbasis agroindustri. UMKM berbasis agroindustri cenderung memiliki proses yang kompleks dalam menghasilkan produknya. Lingkungan kerja yang mendukung dapat meningkatkan produktivitas kerja. Penentuan waktu istirahat dilakukan untuk memberikan recovery time pada pekerja. Terdapat hubungan yang nonlinier antara denyut nadi dan lingkungan kerja UMKM. Dengan demikian, komputasi JST (Jaringan Saraf Tiruan) dilakukan untuk mengutilisasi kondisi tersebut. Set data yang digunakan pada penelitian ini berjumlah 180 data. Data pelatihan dan verifikasi dibagi dengan perbadingan 80% (n=144) dan 20% (n=36). Model waktu istirahat pekerja dengan JST disusun dengan inisiasi bobot dari jaringan JST dengan melakukan rancangan percobaan terhadap jumlah neuron dan hidden layer yang diperlukan. Algoritma pelatihan yang digunakan adalah Backpropagation, di mana algoritma ini menggunakan nilai error pada luaran untuk mengubah nilai bobot dengan perambatan mundur (backward) yang sebelumnya harus dilakukan perambatan maju (forward propagation). Hasil dari pelatihan JST menunjukkan struktur jaringan terbaik adalah 4-4-2 yaitu dengan 4 neuron di hidden layer. Fungsi aktivasi yang digunakan antara input layer dengan hidden layer dan hidden layer dengan output layer keduanya adalah sigmoid. Laju pembelajaran terbaik yang digunakan sebesar 0,01. Struktur tersebut menghasilkan nilai SSE training 0,113 dan SSE testing 0,037. Nilai R2 antara perhitungan dan prediksi waktu istirahat adalah sebesar 0,989, sedangkan untuk nilai R2 antara perhitungan dan prediksi ISBB adalah sebesar 0,968. Model dinyatakan dapat memenuhi prediksi yang dilakukan.

Food SMEs (Small and Medium Enterprises) was an example of labor intensive industry, which involved many labors to execute the production activities. Food SMEs required complex process in production activities. A support to increase the work productivity and reduce ergonomic risks of the activities was needed. Determination of rest period could be developed to give some recovery times to labors. Moreover, WBGT (Wet Bulb Globe Temperature) was estimated to assist the amount of rest period. Rest period was determined by workstation environment and workload labor. There was a nonlinear relationship between them, therefore ANN (Artificial Neural Network) was carried out to provide on that condition. ANN was used to store the information from data set and predict the amount of rest period and WBGT. ANN was employed using backpropagation. Backpropagation learning algorithm in ANN used the error value to change the weight with forward propagation then backward propagation. There were 180 data sets from tofu SMEs. The results showed the optimal network structure that was 4-4-2, with 4 neurons in hidden layer. The activation function was sigmoid for both layers. SSE (Sum of Squared Error) was used to obtain the best structure. The value of R2 for rest period was 0.989 and for WBGT was 0,968. Thus, the values were equal to above 0,900 which was the model fit the performance.

Kata Kunci : pekerja, beban kerja, waktu istirahat, ISBB, JST