AI Mampu Prediksi Jenis Cedera Konstruksi dari Laporan Tertulis dengan Akurasi 79 Persen
Sebuah studi terbaru yang dipublikasikan tahun 2026 di Internasional Journal of Integrative Sciences menunjukkan bahwa kecerdasan buatan mampu memprediksi jenis cedera kerja hanya dari analisis laporan kecelakaan tertulis. Penelitian ini dilakukan oleh Kimberly Long Holt, MS, dari Health and Safety Concepts – Environmental Health & Safety. Dengan menganalisis 16.878 laporan kecelakaan konstruksi periode 2018–2022 menggunakan Natural Language Processing (NLP) dan machine learning, Holt menemukan bahwa sistem AI dapat mengubah laporan naratif menjadi alat prediksi risiko yang akurat dan proaktif. Temuan ini penting karena membuka peluang pencegahan cedera sebelum kecelakaan serius terjadi.
Penelitian berjudul “Predictive Risk Modeling via Natural Language Processing of Industrial Safety Reports” tersebut memperlihatkan bagaimana data teks yang selama ini jarang dimanfaatkan dapat menjadi sumber intelijen keselamatan yang bernilai tinggi.
Masalah Besar di Balik Laporan Kecelakaan
Kecelakaan kerja masih menjadi persoalan sosial dan ekonomi di berbagai sektor industri. Cedera non-fatal menyebabkan hilangnya produktivitas, peningkatan biaya asuransi, denda regulasi, serta dampak jangka panjang bagi pekerja dan keluarganya.
Di industri konstruksi, laporan kecelakaan biasanya sangat detail. Petugas keselamatan mencatat kronologi kejadian, kondisi lingkungan, alat yang digunakan, hingga perilaku pekerja. Namun sebagian besar organisasi hanya menganalisis data terstruktur seperti tanggal, lokasi, atau kategori biaya. Bagian naratif yang panjang sering kali tidak dianalisis secara sistematis.
Padahal, menurut Holt, justru di dalam teks bebas itulah tersimpan pola-pola risiko yang penting.
Perkembangan teknologi NLP memungkinkan komputer memahami dan mengolah bahasa manusia dalam jumlah besar. Teknologi ini sudah digunakan di sektor penerbangan, kesehatan, dan industri kimia. Kini pendekatan yang sama diterapkan pada keselamatan konstruksi.
Cara Penelitian Dilakukan
Penelitian ini menggunakan desain kuantitatif berbasis data sekunder. Total 16.878 laporan kecelakaan konstruksi dianalisis. Setiap laporan memuat data terstruktur dan deskripsi naratif.
Proses analisis dilakukan dalam empat tahap utama:
Model ini dilatih untuk memprediksi tiga jenis cedera:
- Cedera anggota tubuh atas
- Cedera anggota tubuh bawah
- Cedera kepala dan leher
Hasil Utama Penelitian
Model Random Forest menunjukkan performa yang kuat:
- Akurasi: 79,3 persen
- Presisi: 77,1 persen
- Recall: 78,0 persen
- F1-score: 78,5 persen
- AUROC: 0,98
Nilai AUROC 0,98 menunjukkan kemampuan hampir sempurna dalam membedakan jenis cedera.
Artinya, hampir 4 dari 5 kasus cedera dapat diprediksi dengan benar berdasarkan isi laporan naratif.
Faktor Paling Berpengaruh
Analisis menunjukkan bahwa:
- Mekanisme kecelakaan dan sifat cedera menjadi prediktor terkuat.
- Faktor waktu (hari atau shift kerja) tidak terlalu berpengaruh.
- Faktor ekonomi seperti biaya proyek juga bukan penentu utama jenis cedera.
Temuan ini menegaskan bahwa detail fisik kejadian lebih menentukan hasil cedera dibanding faktor administratif.
Dampak bagi Industri dan Kebijakan
Penelitian ini menandai pergeseran dari pendekatan keselamatan yang reaktif menjadi proaktif.
Selama ini, indikator keselamatan seperti tingkat kecelakaan hanya menggambarkan kejadian masa lalu. Model berbasis NLP memungkinkan perusahaan memanfaatkan data historis untuk memprediksi risiko di masa depan.
Beberapa manfaat praktisnya antara lain:
- Mengidentifikasi pola berisiko tinggi dalam laporan nyaris celaka (near miss)
- Mengarahkan pelatihan keselamatan pada risiko paling dominan
- Mengalokasikan sumber daya pengawasan secara lebih tepat
- Mendukung pengambilan keputusan manajemen berbasis data
Kimberly Long Holt dari Health and Safety Concepts – Environmental Health & Safety menegaskan bahwa laporan naratif mengandung sinyal prediktif yang selama ini terabaikan. Dengan analisis yang tepat, organisasi dapat melakukan intervensi lebih awal sebelum cedera serius terjadi.
Model ini tidak menggantikan peran profesional keselamatan kerja. Sebaliknya, AI berfungsi sebagai alat pendukung keputusan yang membantu analisis dalam skala besar secara konsisten.
Potensi Pengembangan Lintas Industri
Metode yang digunakan dalam studi ini bersifat replikatif dan dapat diterapkan pada sektor lain seperti:
- Manufaktur
- Pertambangan
- Minyak dan gas
- Kesehatan
- Penerbangan
Selama organisasi memiliki sistem pelaporan insiden yang terdokumentasi dengan baik, teknologi NLP dapat diintegrasikan untuk meningkatkan intelijen risiko.
Namun, implementasi tetap memerlukan tata kelola data yang baik dan perlindungan privasi pekerja. Holt menekankan bahwa sistem prediktif harus digunakan untuk perlindungan keselamatan, bukan sebagai alat pengawasan yang merugikan pekerja.
0 Komentar