Gambaran Tingkat Risiko Musculoskeletal Disorders (MSDs) Pada Pekerja Di PT. SUCOFINDO Cabang Surabaya
Bibliographic record
Abstract
Dalam aktivitas kerjanya karyawan PT Sucofindo mengalami berbagai pajanan potensi bahaya, salah satunya faktor ergonomi. Bahaya ergonomi dapat mengakibatkan produktivitas dan kualitas pekerja menurun serta dapat menimbulkan penyakit akibat kerja. tujuan penelitian ini untuk mengetahui gambaran tingkat risiko keluhan musculoskeletal disorders (MSDs) pada pekerja PT. Sucofindo Surabaya Metode yang digunakan dalam penelitian ini adalah observasional deskriptif dengan desain cross sectional menggunakan metode Alberta (heavy frequent awkward lifting), Rapid Upper Limb Assessment (RULA), Rapid Office Strain Assessment (ROSA) dan Nordic Body Map (NBM) variabel yang diukur yaitu postur kerja karyawan PT Sucofindo. karyawan PT Sucofindo yang menjadi responden mengalami musculoskeletal disorders (MSDs) tinggi. Sebagian besar responden mengalami gangguan musculoskeletal disorders (MSDs) di kantor cabang Kalibutuh mempunyai keluhan nyeri otot di daerah leher dan bahu sebesar (15%), laboratorium A.Yani mempunyai keluhan nyeri otot di daerah leher dan bahu sebesar (40%), dan KUP Gresik tidak ditemukan keluhan pada semua responden. Responden dari kantor cabang Kalibutuh dan laboratorium A.Yani juga sebagian besar (40%) mengalami keluhan di bagian punggung bawah (lower back) sedangkan KUP Gresik tidak ditemukan keluhan pada semua responden. Sebagian besar responden (80%) merasakan keluhan tersebut 12 bulan terakhir, dan sisanya baru merasakan 7 bulan terakhir (40%).akibat posisi kerja dan stasiun kerja yang tidak ergonomi. Dapat disimpulkan bahwa karyawan PT Sucofindo yang menjadi responden dalam penelitian ini sebagian besar mengalami musculoskeletal disorders (MSDs) tinggi. Sebagian besar responden pada kajian ergonomi ini mengalami gangguan musculoskeletal disorders (MSDs) di daerah leher, punggung atas, dan punggung bawah akibat posisi kerja dan stasiun kerja yang tidak ergonomis. Perusahaan disarankan untuk mengadakan program tiap 10-15 menit melakukan istirahat dan peregangan, melakukan penilaian postur kerja dan stasiun kerja pada seluruh karyawan Sucofindo agar bisa dilakukan perencanaan ergonomi untuk mencegah gangguan MSDs pada seluruh karyawan, mengadakan ergonomic awareness training pada karyawan.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".