Penerapan Deep Learning dalam Prediksi Risiko Kerja pada Perusahaan Tambang Batu Bara

Abstract

Industri pertambangan batu bara memiliki tingkat risiko kerja yang tinggi akibat kompleksitas operasional, kondisi lingkungan ekstrem, serta keterlibatan alat berat. Penelitian ini bertujuan untuk mengembangkan model prediksi risiko kerja berbasis deep learning guna meningkatkan keselamatan dan efisiensi operasional. Data yang digunakan meliputi data historis kecelakaan kerja, kondisi lingkungan, data sensor alat berat, serta faktor manusia seperti kelelahan dan jam kerja. Metode yang diterapkan adalah arsitektur jaringan saraf dalam, seperti Artificial Neural Network (ANN) dan Long Short-Term Memory (LSTM), untuk mengidentifikasi pola dan hubungan kompleks antar variabel. Proses penelitian mencakup tahap pengumpulan data, praproses, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model deep learning mampu memberikan prediksi risiko kerja dengan tingkat akurasi yang tinggi serta mampu mendeteksi potensi kecelakaan secara dini. Implementasi sistem ini diharapkan dapat membantu perusahaan tambang dalam pengambilan keputusan preventif, mengurangi angka kecelakaan kerja, serta meningkatkan budaya keselamatan kerja secara berkelanjutan.