AI Ergonomics: Kamera dan Sensor untuk Mencegah Cedera Muskuloskeletal

Selama bertahun-tahun, edukasi ergonomi di tempat kerja sering disampaikan melalui kalimat sederhana: “Angkat barang dengan posisi yang benar.” Pekerja kemudian diajarkan untuk menekuk lutut, menjaga punggung tetap tegak, menggunakan alat bantu, atau menghindari posisi tubuh yang terlalu lama.

Namun, persoalannya adalah satu hal: bagaimana kita mengetahui bahwa posisi tersebut benar-benar aman ketika dilakukan berulang kali selama berjam-jam?

Seorang pekerja mungkin mengangkat barang dengan posisi yang terlihat benar pada satu kesempatan. Tetapi setelah melakukan gerakan yang sama ratusan kali, tubuhnya dapat mengalami akumulasi beban fisik. Punggung dapat terus membungkuk, lutut berulang kali menekuk, tangan melakukan gerakan repetitif, dan otot bekerja tanpa waktu pemulihan yang cukup.

Di sinilah kecerdasan buatan (Artificial Intelligence/AI) mulai menawarkan pendekatan baru dalam ergonomi.

Alih-alih hanya memberikan instruksi mengenai postur yang benar, AI dapat membantu mengamati, mengukur, dan menganalisis bagaimana tubuh pekerja bergerak selama melakukan pekerjaannya.

Dari “Postur yang Benar” Menuju Pengukuran Risiko Secara Real-Time

Cedera atau gangguan muskuloskeletal akibat pekerjaan (work-related musculoskeletal disorders/WRMSDs) dapat berkaitan dengan berbagai faktor, seperti postur tubuh yang tidak sesuai, gerakan repetitif, penggunaan tenaga berlebihan, getaran, maupun paparan beban fisik dalam jangka panjang.

Metode ergonomi konvensional biasanya mengandalkan observasi manusia dan instrumen penilaian ergonomi. Pendekatan tersebut tetap penting, tetapi memiliki keterbatasan karena pengamatan manusia dapat bersifat subjektif dan tidak selalu mampu menangkap seluruh aktivitas pekerja secara kontinu.

Penelitian mengenai wearable technology menunjukkan bahwa sensor yang dikenakan pada tubuh dapat memberikan data biomekanik secara lebih objektif dan bahkan memungkinkan pemantauan serta umpan balik secara real-time.

Perkembangan AI kemudian membuat data tersebut menjadi jauh lebih bermakna.

Kamera dapat melihat gerakan tubuh. Sensor dapat mengukur pergerakan dan aktivitas otot. AI kemudian dapat mengolah data tersebut untuk menemukan pola yang berpotensi menunjukkan risiko ergonomi.

Dengan demikian, sistem tidak hanya bertanya:

“Apakah posisi pekerja salah?”

Tetapi dapat berkembang menjadi:

“Seberapa sering posisi berisiko tersebut terjadi, berapa lama pekerja berada dalam posisi tersebut, seberapa berat bebannya, dan apakah pola tersebut berulang sepanjang shift?”

1. Kamera AI untuk Menganalisis Posisi Punggung

Bayangkan sebuah kamera ditempatkan di area kerja.

Kamera tidak hanya merekam video seperti CCTV biasa. Dengan teknologi computer vision dan human pose estimation, sistem dapat mendeteksi titik-titik tubuh manusia seperti kepala, bahu, siku, pinggul, lutut, dan pergelangan kaki.

Dari titik-titik tersebut, AI dapat memperkirakan posisi tubuh pekerja.

Misalnya, ketika seorang pekerja mengambil kardus dari lantai, sistem dapat mendeteksi bahwa:

• punggung mengalami fleksi,
• lutut berada dalam posisi tertentu,
• tubuh condong ke depan,
• tangan menjangkau ke bawah,
• kemudian pekerja kembali berdiri.

Teknologi human pose estimation berbasis computer vision bahkan menjadi salah satu bidang penelitian aktif pada keselamatan kerja. Sebuah systematic review tahun 2026 yang menganalisis 35 studi menunjukkan bahwa teknologi ini dapat digunakan untuk melacak postur dan pergerakan sendi, meskipun masalah seperti pencahayaan, occlusion, dan validasi di lingkungan industri nyata masih menjadi tantangan.

Artinya, kamera di masa depan bukan sekadar alat untuk mengetahui apa yang terjadi, tetapi dapat membantu memahami bagaimana tubuh pekerja bergerak ketika kejadian tersebut berlangsung.

2. Sudut Lutut Dapat Dianalisis oleh AI

Ketika mengangkat barang, posisi lutut merupakan salah satu aspek yang penting diperhatikan.

AI dapat menggunakan data dari kamera atau sensor untuk memperkirakan sudut antara paha dan tungkai bawah.

Misalnya, sistem menemukan pola bahwa seorang pekerja:

mengambil barang dengan lutut hampir tidak menekuk sementara punggung sangat membungkuk.

Sistem dapat menandai aktivitas tersebut sebagai gerakan yang perlu dievaluasi.

Sebaliknya, jika pekerja menggunakan pola gerakan yang lebih sesuai, sistem dapat mencatatnya sebagai gerakan dengan risiko yang lebih rendah.

Yang menarik bukan hanya satu gerakan.

AI dapat menganalisis ribuan gerakan selama satu shift dan menemukan pola yang mungkin sulit terlihat melalui observasi manual.

3. Gerakan Tangan dan Bahu Juga Dapat Dipantau

Risiko ergonomi tidak hanya berasal dari punggung.

Pekerjaan tertentu mengharuskan pekerja melakukan gerakan tangan secara berulang, misalnya:

• memasang komponen,
• mengemas produk,
• menggunakan perkakas,
• mengetik,
• memindahkan barang,
• atau melakukan pekerjaan perakitan.

Jika gerakan tangan dilakukan terus-menerus dalam frekuensi tinggi, terutama dalam posisi tertentu, maka beban pada otot dan persendian dapat meningkat.

AI dapat menganalisis posisi bahu, siku, dan pergelangan tangan serta menghitung pola gerakan yang terjadi.

Dengan demikian, perusahaan dapat memperoleh informasi yang lebih detail daripada sekadar mengatakan:

“Pekerjaan ini bersifat repetitif.”

Sistem dapat memberikan gambaran kuantitatif mengenai seberapa sering gerakan tertentu dilakukan dan kapan paparan tersebut mencapai tingkat yang perlu dievaluasi.

4. IMU: Sensor Kecil yang Mengikuti Gerakan Tubuh

Selain kamera, pendekatan lain adalah menggunakan Inertial Measurement Unit (IMU).

IMU merupakan sensor yang dapat mengukur karakteristik gerakan, seperti percepatan dan orientasi. Sensor dapat ditempatkan pada bagian tubuh tertentu, misalnya punggung, bahu, lengan, atau kaki.

Ketika pekerja bergerak, sensor menghasilkan data yang menggambarkan pola pergerakan tubuh.

Misalnya:

IMU pada punggung → mendeteksi perubahan orientasi batang tubuh.

IMU pada lengan → mengukur pola gerakan lengan.

IMU pada kaki → membantu memahami pergerakan tungkai.

Data dari beberapa sensor dapat kemudian digabungkan untuk membangun gambaran mengenai gerakan seluruh tubuh.

Review penelitian mengenai wearable motion capture menunjukkan bahwa teknologi ini memungkinkan pengukuran berbagai segmen tubuh secara kontinu dan dapat mendukung analisis otomatis serta real-time feedback dalam ergonomi.

5. EMG: AI Tidak Hanya Melihat Gerakan, tetapi Juga Aktivitas Otot

Salah satu perkembangan yang menarik adalah penggunaan Electromyography (EMG).

Jika kamera melihat bagaimana tubuh bergerak, EMG dapat memberikan informasi mengenai aktivitas listrik otot.

Sensor EMG dapat ditempatkan pada kelompok otot tertentu. Ketika otot bekerja, sensor menangkap sinyal yang kemudian dapat dianalisis.

Bayangkan seorang pekerja mengangkat benda berkali-kali.

Dari luar, dua pekerja mungkin terlihat melakukan gerakan yang sama. Namun, pola aktivasi otot mereka belum tentu sama.

Dengan menggabungkan EMG dengan AI, sistem dapat mempelajari pola aktivitas otot dan membantu mengidentifikasi kondisi ketika otot bekerja dengan beban tinggi atau pola kerja yang berpotensi menjadi masalah.

Review wearable sensor untuk penilaian risiko biomekanik yang diterbitkan pada 2025 membahas penggunaan berbagai sensor, termasuk IMU, pressure sensor, dan EMG, untuk penilaian ergonomi dan pencegahan WRMSDs.

6. Pressure Sensor: Mengukur Beban pada Kaki

Teknologi lain yang tidak kalah menarik adalah pressure sensor, termasuk sensor yang ditempatkan pada alas kaki atau insole.

Sensor ini dapat membantu mengukur distribusi tekanan pada kaki ketika seseorang berdiri, berjalan, atau melakukan aktivitas tertentu.

Informasi tersebut dapat memberikan gambaran mengenai bagaimana beban tubuh didistribusikan selama bekerja.

Misalnya, pekerja yang berdiri selama berjam-jam dapat menghasilkan pola tekanan tertentu pada kaki. Jika data tersebut dikombinasikan dengan data gerakan dari IMU dan informasi aktivitas dari kamera, AI dapat memperoleh gambaran yang lebih lengkap mengenai beban fisik pekerja.

Dengan kata lain:

kamera melihat gerakan, IMU mengukur pergerakan, EMG melihat aktivitas otot, dan pressure sensor membantu melihat distribusi tekanan.

Ketika semuanya digabungkan, terbentuklah sistem pemantauan ergonomi yang jauh lebih kaya.

7. Menghitung Repetisi: Karena Satu Gerakan Tidak Selalu Berbahaya

Salah satu konsep penting dalam ergonomi adalah repetisi.

Sebuah gerakan mungkin tidak terlalu bermasalah jika dilakukan beberapa kali. Namun, ketika gerakan yang sama dilakukan ratusan atau ribuan kali, situasinya menjadi berbeda.

AI dapat membantu menghitung:

• jumlah gerakan,
• frekuensi gerakan,
• durasi gerakan,
• kecepatan gerakan,
• waktu istirahat,
• dan pola gerakan selama satu shift.

Misalnya, AI menemukan bahwa seorang pekerja melakukan gerakan membungkuk sebanyak ratusan kali dalam satu shift.

Informasi tersebut jauh lebih berguna dibandingkan sekadar hasil observasi yang mengatakan:

“Pekerja sering membungkuk.”

Data kuantitatif dapat digunakan sebagai dasar untuk mengevaluasi kembali desain pekerjaan.

8. AI Dapat Menggabungkan Banyak Data Sekaligus

Kekuatan terbesar AI dalam ergonomi bukan hanya terletak pada satu sensor.

Potensinya justru muncul ketika berbagai sumber data digabungkan.

Misalnya:

Kamera

↓
Mendeteksi postur dan gerakan tubuh

IMU

↓
Mengukur orientasi dan pergerakan tubuh

EMG

↓
Menganalisis aktivitas otot

Pressure sensor

↓
Mengukur distribusi tekanan

Data aktivitas kerja

↓
Mengetahui jenis pekerjaan dan durasi

AI / Machine Learning

↓
Menganalisis pola dan memperkirakan tingkat risiko ergonomi

Pendekatan seperti ini sering disebut sensor fusion, yaitu menggabungkan informasi dari berbagai sensor untuk menghasilkan pemahaman yang lebih komprehensif.

Review terbaru mengenai wearable sensor untuk penilaian risiko biomekanik menempatkan sensor fusion, miniaturisasi, dan integrasi dengan APD sebagai salah satu arah pengembangan teknologi berikutnya.

9. Dari Deteksi Menjadi Peringatan Real-Time

Salah satu manfaat paling menarik dari AI ergonomics adalah kemampuan memberikan feedback secara langsung.

Misalnya seorang pekerja sedang melakukan pekerjaan pengangkatan.

Sistem mendeteksi:

• punggung terlalu membungkuk,
• posisi lutut kurang sesuai,
• gerakan tersebut dilakukan berulang kali,
• dan pekerja sudah melakukan aktivitas tersebut dalam waktu yang cukup lama.

Sistem kemudian dapat memberikan peringatan melalui:

• getaran pada wearable,
• suara,
• lampu indikator,
• smartwatch,
• aplikasi smartphone,
• atau dashboard supervisor.

Contohnya:

“Postur berisiko terdeteksi. Pertimbangkan untuk mengubah posisi tubuh.”

Dengan pendekatan tersebut, intervensi dapat dilakukan ketika risiko sedang terjadi, bukan setelah pekerja mengalami cedera.

10. AI Tidak Menggantikan Ahli K3

Meskipun terdengar sangat canggih, AI bukan berarti dapat menggantikan ahli K3 atau ergonomi.

AI sebaiknya diposisikan sebagai alat bantu pengambilan keputusan.

Hasil analisis AI tetap perlu diinterpretasikan dalam konteks pekerjaan yang sebenarnya.

Misalnya, sistem mendeteksi bahwa pekerja sering membungkuk. Namun, penyebabnya mungkin bukan karena pekerja tidak memahami ergonomi.

Bisa jadi:

• meja kerja terlalu rendah,
• rak penyimpanan terlalu dekat dengan lantai,
• alat kerja tidak tersedia,
• desain mesin kurang ergonomis,
• atau target produksi membuat pekerja harus bergerak terlalu cepat.

Karena itu, solusi ergonomi tidak boleh berhenti pada:

“Pekerjanya harus memperbaiki postur.”

Pertanyaan yang lebih penting adalah:

“Mengapa pekerja harus menggunakan postur tersebut?”

Jika penyebabnya adalah desain tempat kerja, maka desain tersebutlah yang perlu diperbaiki.

Tantangan: Privasi, Akurasi, dan Penerimaan Pekerja

Penerapan AI ergonomics juga memiliki tantangan.

Kamera yang terus mengamati pekerja dapat menimbulkan pertanyaan mengenai privasi. Pekerja mungkin merasa sedang diawasi atau dinilai secara terus-menerus.

Selain itu, AI tidak selalu akurat.

Kamera dapat mengalami masalah ketika tubuh pekerja tertutup benda lain (occlusion), kondisi pencahayaan berubah, atau beberapa pekerja berada dalam satu area. Penelitian 2026 mengenai computer vision untuk keselamatan kerja juga menyoroti persoalan tersebut dan menekankan pentingnya validasi di lingkungan kerja nyata.

Wearable sensor pun mempunyai tantangan sendiri, seperti penempatan sensor, pemrosesan data, kenyamanan, daya tahan perangkat, dan penerimaan pekerja.

Karena itu, teknologi yang baik bukan hanya teknologi yang paling canggih, tetapi teknologi yang akurat, nyaman, aman, dan benar-benar dapat digunakan pekerja dalam kondisi nyata.

Masa Depan K3: Mencegah Sebelum Cedera Terjadi

Selama ini pendekatan K3 sering kali berfokus pada pencegahan melalui SOP, pelatihan, inspeksi, dan observasi.

Semua itu tetap penting.

Namun, AI memungkinkan munculnya pendekatan yang lebih data-driven.

Kita dapat membayangkan sebuah tempat kerja di masa depan di mana sistem terus mempelajari pola aktivitas pekerja dan memberikan informasi seperti:

“Pekerja A mengalami peningkatan frekuensi gerakan membungkuk.”

“Pekerja B melakukan gerakan tangan repetitif selama periode yang panjang.”

“Area produksi C menunjukkan tingkat paparan postur berisiko yang lebih tinggi.”

Data tersebut kemudian dapat digunakan oleh tim K3 dan manajemen untuk merancang intervensi.

Misalnya:

• mengubah ketinggian meja,
• memperbaiki layout,
• menggunakan alat bantu angkat,
• mengatur rotasi pekerjaan,
• menambah waktu pemulihan,
• mengurangi gerakan repetitif,
• atau mendesain ulang proses kerja.

Dengan demikian, AI tidak hanya membantu mendeteksi pekerja yang berisiko, tetapi juga membantu menemukan bagian dari sistem kerja yang menghasilkan risiko tersebut.

Kesimpulan

AI Ergonomics menunjukkan bagaimana teknologi dapat mengubah cara kita memandang keselamatan dan kesehatan kerja.

Kamera dapat mengenali postur. IMU dapat mengukur pergerakan. EMG dapat memberikan informasi mengenai aktivitas otot. Pressure sensor dapat membantu mengukur distribusi tekanan. Machine learning kemudian dapat menggabungkan berbagai data tersebut untuk menemukan pola risiko yang mungkin sulit terlihat oleh manusia.

Penelitian terbaru menunjukkan bahwa penggunaan AI untuk pengenalan postur dan wearable sensor untuk penilaian risiko biomekanik terus berkembang. Namun, teknologi tersebut masih membutuhkan validasi di lingkungan kerja nyata, standardisasi pengukuran, serta perhatian terhadap privasi dan penerimaan pekerja.

Pada akhirnya, tujuan AI dalam ergonomi bukanlah membuat pekerja “sempurna” dalam setiap gerakan.

Tujuannya jauh lebih besar:

menciptakan tempat kerja yang dirancang berdasarkan bagaimana tubuh manusia benar-benar bekerja.

Karena pencegahan cedera tidak seharusnya dimulai ketika pekerja sudah merasakan sakit.

Pencegahan seharusnya dimulai ketika data menunjukkan bahwa risiko sedang terbentuk.