Koleksi Pustaka
Rancang Bangun Sistem Monitoring Kebisingan Berbasis ESP32 Menggunakan Metode Time Weighted Average (TWA) Untuk Evaluasi Kesehatan dan Keselamatan Kerja (K3) (Studi Kasus: Stasiun Kereta Pondok Cina)

Kebisingan yang berlebihan di lingkungan kerja dapat berdampak pada kesehatan pekerja, terutama gangguan pendengaran. Oleh karena itu, diperlukan sistem yang mampu memantau tingkat kebisingan secara realtime dan memberikan informasi tingkat paparan kebisingan selama jam kerja. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring kebisingan berbasis Internet of Things (IoT) menggunakan ESP32 dan sensor INMP441 di Hall Atas Stasiun Pondok Cina. Data hasil pengukuran diolah menggunakan metode Recursive Moving Average (RMA) untuk mengurangi fluktuasi akibat noise pada sensor. Selanjutnya, sistem menghitung nilai Time Weighted Average (TWA) berdasarkan standar National Institute for Occupational Safety and Health (NIOSH) untuk mengetahui tingkat paparan kebisingan selama 8 jam kerja. Data hasil pengukuran disimpan ke database dan dapat dipantau secara realtime. Pengujian dilakukan selama lima hari dengan durasi pengamatan 8 jam kerja setiap hari. Hasil pengujian menunjukkan bahwa sistem berhasil mengumpulkan 2400 data pengukuran. Rata-rata tingkat kebisingan yang diperoleh sebesar 52,23 dB dengan nilai TWA rata-rata sebesar 40,57 dB. Nilai tersebut masih berada di bawah batas paparan kebisingan 85 dB sesuai standar Permenaker No 5 Tahun 2018 dan National Institute for Occupational Safety and Health (NIOSH). Selain itu, sistem dilengkapi mekanisme notifikasi sebagai pendukung penerapan Keselamatan dan Kesehatan Kerja (K3) apabila nilai TWA melebihi batas aman yang ditentukan.

Daftar File
  • 2207421026_Herdiansyah Ramadhana
    Maaf file hanya dapat di unduh oleh pihak yang mempunyai akses file private
  • 2207421026_Herdiansyah Ramadhana
    Maaf file hanya dapat di unduh oleh pihak yang mempunyai akses file private
  • Kata Kunci
    Internet of Things, Kebisingan, ESP32, INMP441, Recursive Moving Average, Time Weighted Average.