ANALISIS RISIKO K3 PADA STRUKTUR ATAS GEDUNG BERTINGKAT MENGGUNAKAN METODE MACHINE LEARNING

Oleh :
Nauval Rizky Dimyati - I0122145 - Fak. Teknik

Nauval Rizky Dimyati, 2026. Analisis Risiko K3 pada Struktur Atas Gedung Bertingkat Menggunakan Metode Machine Learning. Skripsi Program Studi S1 Teknik Sipil, Fakultas Teknik Universitas Sebelas Maret, Surakarta.Meningkatnya angka kecelakaan kerja pada sektor konstruksi, khususnya pada pekerjaan struktur atas gedung bertingkat, menunjukkan pentingnya penerapan sistem keselamatan kerja yang mampu mendukung pengambilan keputusan secara lebih proaktif. Penelitian ini bertujuan merancang model machine learning untuk memprediksi tingkat risiko kecelakaan kerja, mengevaluasi performa algoritma yang digunakan, serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap tingkat risiko kecelakaan kerja.Penelitian menggunakan pendekatan kuantitatif dengan memanfaatkan sebanyak 860 data yang terdiri atas tujuh variabel masukan, yaitu kelengkapan Alat Pelindung Diri (APD), kondisi cuaca, alat berat, waktu shift, jenis pekerjaan, pengalaman kerja, dan ketinggian pekerjaan. Data diproses melalui tahap preprocessing meliputi One-Hot Encoding, pelabelan tingkat risiko menggunakan algoritma K-Means Clustering, pembagian data train-test sebesar 80:20, serta penyeimbangan kelas menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Selanjutnya dilakukan pelatihan dan evaluasi model menggunakan algoritma Random Forest dan Extreme Gradient Boosting (XGBoost). Model terbaik kemudian diimplementasikan ke dalam aplikasi berbasis Streamlit sebagai Decision Support System bagi praktisi Keselamatan dan Kesehatan Kerja (K3).Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan nilai accuracy sebesar 79,65%, precision sebesar 79,87%, recall sebesar 79,65%, dan F1-score sebesar 79,73%, lebih tinggi dibandingkan algoritma XGBoost. Analisis feature importance menunjukkan bahwa kelengkapan APD merupakan faktor yang paling berpengaruh terhadap tingkat risiko kecelakaan kerja, diikuti oleh pengalaman kerja dan ketinggian pekerjaan. Implementasi model ke dalam aplikasi Streamlit memungkinkan praktisi K3 memperoleh prediksi tingkat risiko secara cepat sebagai dasar pengambilan keputusan, sehingga dapat mendukung upaya pencegahan kecelakaan kerja secara lebih proaktif pada pekerjaan struktur atas gedung bertingkat.