Industri modern semakin mengandalkan teknologi canggih untuk mengelola keselamatan kerja. Antonio Javier Nakhal Akel, Nicola Paltrinieri, dan Riccardo Patriarca (2023) dalam penelitian mereka menyoroti bagaimana Business Analytics (BA) dapat digunakan untuk meningkatkan manajemen keselamatan di sektor industri yang berisiko tinggi. Dengan menggunakan data dari sistem pelaporan kecelakaan industri seperti eMARS (Major Hazardous Event Reporting System), penelitian ini menunjukkan bagaimana analisis berbasis data dapat membantu dalam mengidentifikasi pola bahaya dan meningkatkan mitigasi risiko.
Peran Business Analytics dalam Keselamatan Industri
1. Transformasi Data Menjadi Keputusan Keselamatan
- Business Analytics (BA) memungkinkan perusahaan untuk mengubah data kecelakaan menjadi wawasan yang dapat ditindaklanjuti.
- Penggunaan model prediktif berbasis data membantu mengidentifikasi faktor risiko sebelum kecelakaan terjadi.
2. Penerapan eMARS sebagai Basis Data Keselamatan
- eMARS berisi lebih dari 1.000 laporan kecelakaan industri sejak 1979-2018, memberikan wawasan berharga dalam pencegahan insiden berulang.
- Sistem ini dikembangkan berdasarkan Seveso Directive Eropa, yang bertujuan untuk meningkatkan keselamatan di industri bahan berbahaya.
Studi Kasus dan Data Statistik
- Sejak penerapan Seveso Directive II (1996-2012), terjadi 543 insiden besar, dibandingkan dengan 389 pada periode Seveso I (1982-1996).
- Implementasi Seveso Directive III (2012-sekarang) berhasil mengurangi jumlah insiden menjadi 78, menandakan efektivitas regulasi keselamatan berbasis data.
- Industri manufaktur bahan kimia menyumbang 26,02% dari total kecelakaan dalam database eMARS, menjadikannya sektor dengan risiko tertinggi.
Pendekatan Business Analytics dalam Manajemen Keselamatan
1. Descriptive Analytics (Analisis Deskriptif)
- Digunakan untuk mengidentifikasi tren insiden dan faktor penyebab utama.
- Sebanyak 72,62% kecelakaan terkait dengan kesalahan operator, menunjukkan perlunya peningkatan pelatihan keselamatan kerja.
2. Predictive Analytics (Analisis Prediktif)
- Menggunakan teknik machine learning untuk memperkirakan risiko kecelakaan berdasarkan data historis.
- Prediksi berdasarkan laporan eMARS membantu mengidentifikasi kemungkinan kejadian berulang dan penyebab utama.
3. Prescriptive Analytics (Analisis Preskriptif)
- Menentukan tindakan optimal untuk mengurangi risiko kecelakaan di masa depan.
- Dapat digunakan dalam perancangan kebijakan keselamatan industri yang lebih adaptif.
Tantangan dalam Implementasi Business Analytics
- Kurangnya Standarisasi Data Keselamatan
- Sebanyak 406 laporan dalam eMARS tidak memiliki informasi lengkap tentang jenis pelepasan zat berbahaya, menunjukkan perlunya sistem pencatatan yang lebih baik.
- Keterbatasan Infrastruktur Teknologi
- Banyak perusahaan belum memiliki sistem Internet of Things (IoT) dan big data untuk mendukung analisis keselamatan secara real-time.
- Resistensi terhadap Perubahan
- Adopsi teknologi baru sering kali menghadapi hambatan dari karyawan yang sudah terbiasa dengan sistem manual.
Rekomendasi untuk Optimalisasi Business Analytics dalam Keselamatan Industri
- Integrasi BI (Business Intelligence) dengan Sistem Keselamatan
- Menggunakan dashboard interaktif untuk pemantauan real-time terhadap data keselamatan.
- Peningkatan Pelatihan Keselamatan Berbasis Data
- Mengembangkan simulasi berbasis VR dan AR untuk meningkatkan pemahaman pekerja terhadap risiko kerja.
- Peningkatan Kolaborasi dengan Otoritas Regulasi
- Menggunakan analisis data untuk memberikan rekomendasi kebijakan keselamatan berbasis bukti.
Kesimpulan
Penelitian ini menunjukkan bahwa Business Analytics dapat secara signifikan meningkatkan keselamatan industri dengan menganalisis data kecelakaan secara sistematis. Dengan pendekatan yang lebih proaktif melalui descriptive, predictive, dan prescriptive analytics, perusahaan dapat mengurangi risiko kecelakaan dan meningkatkan kepatuhan terhadap regulasi keselamatan.
Sumber: Nakhal, A. J., Paltrinieri, N., & Patriarca, R. (2023). ‘Business Analytics to Advance Industrial Safety Management’. In Engineering Reliability and Risk Assessment, Chapter 11, Elsevier.