Heat Stress 2.0: Ketika AI dan Wearable Mendeteksi Kelelahan Akibat Panas

Bayangkan seorang pekerja konstruksi sedang bekerja di bawah terik matahari. Suhu lingkungan semakin tinggi, kelembapan membuat tubuh sulit melepaskan panas, detak jantung mulai meningkat, dan suhu tubuh perlahan naik. Dari luar, pekerja tersebut mungkin masih terlihat baik-baik saja.

Namun, di balik kondisi tersebut, tubuh sebenarnya sedang memberikan sinyal bahwa kemampuan untuk mempertahankan suhu normal mulai terbebani.

Inilah tantangan besar dalam keselamatan dan kesehatan kerja (K3): heat stress tidak selalu terlihat sebelum kondisinya menjadi serius.

Selama ini, pengendalian heat stress banyak mengandalkan pengukuran suhu lingkungan, heat index atau WBGT, pengaturan waktu kerja-istirahat, penyediaan air minum, serta pengawasan oleh supervisor. Semua pendekatan tersebut tetap penting. Namun, perkembangan artificial intelligence (AI), Internet of Things (IoT), sensor fisiologis, dan wearable technology membuka pendekatan baru.

Bukan hanya mengukur seberapa panas lingkungan kerja, tetapi juga mencoba memahami bagaimana panas tersebut sedang memengaruhi tubuh pekerja secara real-time.

Inilah yang dapat disebut sebagai Heat Stress 2.0.

Dari Mengukur Lingkungan Menjadi Memantau Kondisi Pekerja

Heat stress terjadi ketika tubuh menerima atau menghasilkan panas lebih besar daripada kemampuan tubuh untuk melepaskan panas tersebut. Risiko dapat meningkat akibat kombinasi temperatur tinggi, kelembapan, paparan radiasi matahari, aktivitas fisik berat, pakaian atau alat pelindung tertentu, serta kurangnya waktu untuk melakukan pemulihan.

OSHA menyebut temperatur dan kelembapan tinggi, paparan matahari langsung, pekerjaan fisik berat, kurangnya aklimatisasi, dehidrasi, serta pakaian yang berat atau tidak memungkinkan pelepasan panas sebagai faktor risiko penting terhadap penyakit akibat panas.

Pendekatan konvensional biasanya menjawab pertanyaan:

“Seberapa panas lingkungan kerja?”

Heat Stress 2.0 mencoba menjawab pertanyaan yang lebih personal:

“Seberapa berat panas tersebut sedang membebani tubuh pekerja ini?”

Perbedaan tersebut sangat penting karena dua pekerja yang berada di lokasi dan melakukan pekerjaan yang sama belum tentu mengalami heat strain yang sama.

Usia, kondisi fisik, tingkat kebugaran, aklimatisasi, pakaian kerja, beban pekerjaan, dan respons fisiologis individu dapat memengaruhi bagaimana tubuh menghadapi panas.

Karena itu, sistem keselamatan masa depan tidak hanya membutuhkan environmental monitoring, tetapi juga personal physiological monitoring.

Wearable sebagai “Mata Kedua” Sistem K3

Wearable technology memungkinkan berbagai parameter tubuh dikumpulkan secara terus-menerus selama pekerja melakukan aktivitas.

Perangkatnya dapat berbentuk smartwatch, smart band, chest strap, smart vest, patch sensor, atau perangkat khusus yang terintegrasi dengan pakaian kerja dan PPE.

Beberapa parameter yang dapat dipantau antara lain:

1. Detak jantung

Ketika tubuh mengalami tekanan panas dan aktivitas fisik, detak jantung dapat meningkat. Karena itu, heart rate dapat menjadi salah satu indikator heat strain.

Penelitian NIOSH mengenai pekerja utilitas menunjukkan bahwa detak jantung dapat menjadi indikator yang berguna dalam pemantauan heat strain, termasuk dengan melihat perubahan dari baseline individual pekerja.

Artinya, sistem tidak selalu hanya melihat:

“Apakah detak jantung mencapai angka tertentu?”

Tetapi juga:

“Apakah detak jantung pekerja ini meningkat jauh dibandingkan kondisi normalnya?”

Pendekatan berbasis baseline tersebut berpotensi membuat pemantauan menjadi lebih personal.

2. Suhu tubuh

Suhu tubuh merupakan parameter penting karena risiko heat strain berkaitan dengan meningkatnya beban panas internal tubuh.

Teknologi sensor suhu tubuh terus berkembang. Dalam penelitian occupational heat stress, NIOSH telah menggunakan berbagai metode untuk mengukur core body temperature bersama heart rate dan parameter lingkungan.

Dalam konteks wearable masa kini, pengukuran suhu kulit atau estimasi suhu inti tubuh dapat dikombinasikan dengan data fisiologis lainnya untuk memperkirakan kondisi pekerja.

Namun, penting untuk dipahami bahwa suhu kulit tidak sama dengan core body temperature. Karena itu, hasil sensor wearable harus diinterpretasikan dengan tepat dan tidak boleh dianggap sebagai diagnosis medis secara otomatis.

3. Suhu dan kelembapan lingkungan

Wearable juga dapat bekerja bersama sensor lingkungan.

Sensor yang ditempatkan pada area kerja dapat mengukur:

• temperatur udara,
• kelembapan relatif,
• radiasi panas,
• kecepatan angin,
• dan parameter lain yang diperlukan untuk menghitung indeks paparan panas.

WBGT (Wet Bulb Globe Temperature), misalnya, merupakan salah satu pendekatan yang digunakan dalam evaluasi paparan panas di tempat kerja. OSHA juga membahas pengukuran WBGT sebagai salah satu pilihan pemantauan kondisi lingkungan kerja.

Dengan menggabungkan data lingkungan dan data fisiologis, sistem dapat menghasilkan gambaran yang jauh lebih lengkap.

AI: Dari Data Menjadi Prediksi

Wearable sendiri sebenarnya hanya menghasilkan data.

Masalahnya adalah: siapa yang membaca ribuan data tersebut secara real-time?

Di sinilah AI mulai memainkan peran.

Bayangkan sebuah sistem menerima data:

Suhu lingkungan: 36°C
Kelembapan: tinggi
Heart rate: meningkat
Aktivitas fisik: berat
Suhu kulit: meningkat
Durasi paparan: 90 menit

Daripada hanya menampilkan angka-angka tersebut, algoritma AI dapat mencari pola hubungan antara berbagai parameter.

Misalnya, sistem menemukan bahwa:

“Heart rate pekerja meningkat 25% dari baseline, suhu lingkungan tinggi, aktivitas fisik meningkat, dan pola fisiologis menunjukkan peningkatan heat strain.”

Sistem kemudian dapat memberikan peringatan kepada pekerja atau supervisor.

Dengan demikian, AI berfungsi sebagai lapisan analisis di atas sensor.

Secara sederhana:

Sensor → Data → AI → Analisis Risiko → Peringatan → Tindakan K3

Inilah salah satu perbedaan utama antara sistem monitoring konvensional dan konsep Heat Stress 2.0.

AI Tidak Hanya Mendeteksi, tetapi Mencari Pola

Salah satu perkembangan menarik adalah penggunaan machine learning untuk memperkirakan heat strain berdasarkan kombinasi data fisiologis.

Sebuah penelitian yang tercatat dalam database NIOSH pada 2024 mengembangkan pendekatan berbasis wearable biosensor dan ensemble learning untuk memperkirakan risiko heat strain pekerja. Penelitian tersebut melaporkan akurasi prediksi lebih dari 93% pada kerangka penelitian yang dikembangkan.

Angka tersebut menarik, tetapi tidak boleh diartikan bahwa semua perangkat wearable yang ada di pasaran otomatis memiliki akurasi 93%.

Akurasi model AI sangat bergantung pada dataset, jenis sensor, karakteristik pekerja, lingkungan, aktivitas fisik, dan metode validasi.

Justru salah satu tantangan terbesar adalah perbedaan fisiologi antarindividu.

Model yang bekerja baik pada satu kelompok pekerja belum tentu memiliki performa yang sama pada kelompok lain.

Karena itu, perkembangan berikutnya bukan hanya membuat AI semakin pintar, tetapi membuat AI semakin personalized.

Menuju Personal Heat Stress Score

Bayangkan setiap pekerja memiliki profil fisiologisnya sendiri.

Sistem mengetahui baseline ketika pekerja sedang dalam kondisi normal. Ketika bekerja, AI terus membandingkan kondisi terbaru dengan baseline tersebut.

Contohnya:

Worker A

Baseline heart rate: 75 bpm
Saat bekerja: 105 bpm

Worker B

Baseline heart rate: 60 bpm
Saat bekerja: 105 bpm

Angka akhirnya sama, tetapi respons fisiologis relatifnya berbeda.

AI dapat mempertimbangkan konteks tersebut bersama temperatur lingkungan, kelembapan, intensitas aktivitas, durasi paparan, serta data historis.

Hasil akhirnya bukan sekadar:

“Temperature: 35°C.”

Tetapi bisa menjadi:

Heat Strain Risk: HIGH

atau:

Recovery Recommended

Konsep seperti ini dapat membuat sistem K3 bergerak dari monitoring berbasis lingkungan menuju monitoring berbasis individu.

Ketika Wearable Memberikan Peringatan Real-Time

Salah satu manfaat terbesar wearable adalah kemampuan memberikan feedback secara langsung.

Misalnya seorang pekerja mulai mengalami peningkatan heat strain.

Smartwatch atau smart vest dapat memberikan getaran:

PERINGATAN: Heat strain meningkat. Pertimbangkan istirahat dan pendinginan.

Pada saat yang sama, supervisor dapat menerima notifikasi pada dashboard:

Worker #17 — Heat Risk: High

Sistem bahkan dapat memberikan informasi tambahan:

• lokasi pekerja,
• durasi paparan panas,
• tren heart rate,
• perubahan suhu tubuh,
• kondisi lingkungan,
• waktu sejak istirahat terakhir,
• dan rekomendasi tindakan.

Dalam sistem yang lebih maju, data tersebut dapat terhubung dengan IoT workplace platform sehingga kondisi pekerja dan kondisi lingkungan dapat dipantau dalam satu dashboard.

Dari Alert Menjadi Preventive Action

Di sinilah Heat Stress 2.0 mulai menjadi menarik dari perspektif K3.

Tujuan teknologi bukan sekadar memberikan alarm.

Tujuan utamanya adalah mencegah pekerja mencapai kondisi berbahaya.

Misalnya:

Level 1 — Normal

Kondisi fisiologis dan lingkungan masih berada dalam batas yang dapat diterima.

Level 2 — Warning

AI mendeteksi peningkatan heat strain.

Sistem mengingatkan pekerja untuk melakukan hidrasi dan memantau kondisinya.

Level 3 — High Risk

Parameter fisiologis dan lingkungan menunjukkan risiko yang meningkat.

Supervisor mendapatkan notifikasi dan pekerja diarahkan untuk melakukan recovery.

Level 4 — Critical

Sistem mendeteksi pola yang mengindikasikan kondisi serius.

Prosedur tanggap darurat harus segera dijalankan sesuai heat illness prevention plan perusahaan.

Dengan demikian, AI menjadi bagian dari early warning system, bukan pengganti manusia.

Mengapa Teknologi Ini Penting?

Heat exhaustion dan heat stroke dapat berkembang menjadi kondisi serius. OSHA mencatat gejala heat exhaustion antara lain sakit kepala, pusing atau pingsan, kelemahan, kulit berkeringat, iritabilitas atau kebingungan, rasa haus, mual, dan muntah. Heat stroke dapat ditandai antara lain dengan kebingungan, kehilangan kesadaran, kolaps, atau kejang.

Masalahnya, pekerja sendiri belum tentu menyadari bahwa kondisinya sudah memburuk.

Dalam situasi seperti ini, sistem monitoring otomatis dapat menjadi lapisan perlindungan tambahan.

Namun, teknologi tidak boleh menggantikan pengendalian bahaya di sumbernya.

Jika lingkungan kerja terlalu panas, solusi utamanya tetap harus mencakup pengendalian engineering dan administrative, seperti pendinginan, ventilasi, pengurangan beban kerja, penjadwalan ulang pekerjaan, waktu istirahat, akses terhadap air, area teduh atau dingin, serta proses aklimatisasi.

OSHA menekankan pentingnya program pencegahan heat illness yang mencakup monitoring, aklimatisasi, work/rest schedule, buddy system, pelatihan, dan prosedur tanggap darurat.

Tantangan: AI Tidak Selalu Benar

Meskipun terlihat futuristik, penerapan AI dan wearable untuk K3 memiliki sejumlah tantangan.

Akurasi sensor

Sensor wearable dapat dipengaruhi oleh posisi perangkat, keringat, gerakan, pakaian, kualitas kontak dengan kulit, dan kondisi lingkungan.

False alarm

Jika sistem terlalu sensitif, pekerja dapat menerima terlalu banyak peringatan.

Jika sistem terlalu longgar, risiko justru dapat terlewat.

Perbedaan individu

Respons tubuh terhadap panas berbeda-beda. Penelitian terbaru mengenai physiological monitoring juga menunjukkan bahwa temperatur inti tubuh, heart rate, dan fatigue dapat menjadi alasan yang berbeda dalam menentukan heat strain yang tidak dapat diterima.

Privasi data

Wearable menghasilkan data fisiologis yang sangat personal.

Perusahaan harus memiliki kebijakan yang jelas mengenai:

• data apa yang dikumpulkan,
• siapa yang dapat mengaksesnya,
• berapa lama data disimpan,
• bagaimana data digunakan,
• dan bagaimana melindungi data pekerja.

Teknologi K3 seharusnya meningkatkan keselamatan, bukan berubah menjadi alat pengawasan pekerja yang berlebihan.

Teknologi Harus Tetap Berpusat pada Manusia

Kesalahan terbesar dalam implementasi Heat Stress 2.0 adalah menganggap AI sebagai “hakim” yang menentukan apakah pekerja boleh bekerja atau tidak.

AI seharusnya menjadi decision-support system.

Ketika sistem memberikan peringatan, supervisor tetap perlu melihat konteks:

Apakah pekerja baru kembali setelah lama tidak bekerja?

Apakah pekerjaan sedang sangat berat?

Apakah PPE menyebabkan pelepasan panas menjadi lebih sulit?

Apakah pekerja memiliki akses terhadap air dan area pendinginan?

Apakah sensor mengalami error?

Dengan kata lain, AI memberikan informasi, manusia mengambil keputusan berdasarkan prosedur K3 yang telah ditetapkan.

Masa Depan K3: Digital, Prediktif, dan Personal

Heat Stress 2.0 menunjukkan bagaimana teknologi mengubah pendekatan terhadap keselamatan kerja.

Dulu, perusahaan bertanya:

“Apakah lingkungan kerja terlalu panas?”

Kemudian berkembang menjadi:

“Apakah pekerja menunjukkan tanda-tanda heat strain?”

Dan ke depan, pertanyaannya dapat berubah menjadi:

“Bisakah kita memprediksi kapan pekerja mulai berisiko sebelum gejalanya menjadi serius?”

Kombinasi wearable sensor + IoT + AI + environmental monitoring + data analytics memungkinkan sistem K3 bergerak menuju pendekatan yang lebih prediktif.

Pekerja bukan lagi sekadar objek yang dipantau dari jauh. Sistem dapat memberikan informasi real-time mengenai kondisi lingkungan sekaligus respons tubuh pekerja.

Namun, teknologi hanyalah salah satu bagian dari sistem keselamatan.

Air minum, pendinginan, ventilasi, pengurangan beban kerja, work-rest schedule, aklimatisasi, pelatihan, pengawasan, dan prosedur tanggap darurat tetap menjadi fondasi utama.

Pada akhirnya, tujuan Heat Stress 2.0 bukanlah membuat pekerja semakin bergantung pada smartwatch atau AI.

Tujuannya adalah membuat sistem K3 mampu mengenali bahaya lebih cepat, memahami kondisi pekerja secara lebih personal, dan memberikan kesempatan untuk bertindak sebelum heat stress berkembang menjadi kecelakaan atau penyakit akibat kerja.

Karena dalam keselamatan kerja, peringatan terbaik bukanlah yang datang setelah pekerja jatuh, tetapi yang datang beberapa menit sebelum kondisi tersebut terjadi.

Kesimpulan

AI dan wearable membuka babak baru dalam pengelolaan heat stress di tempat kerja. Dengan menggabungkan data suhu tubuh, detak jantung, suhu dan kelembapan lingkungan, aktivitas fisik, serta durasi paparan, sistem AI dapat membantu memperkirakan peningkatan heat strain secara real-time.

Namun, teknologi harus ditempatkan sebagai lapisan perlindungan tambahan, bukan sebagai pengganti prinsip dasar K3.

Masa depan pengendalian heat stress bukan sekadar mengetahui seberapa panas lingkungan kerja, tetapi memahami bagaimana panas tersebut memengaruhi setiap pekerja.

Itulah esensi dari Heat Stress 2.0: dari mengukur panas menjadi memahami manusia yang terpapar panas.