Archive
Lagging – Kuantitatif dalam Kepdirjen 10.K/2023
Melanjutkan tulisan saya terkait Leading-Lagging dalam Kepdirjen 10.K/2023 (klik disini), Terdapat 38 item (dari 194 item, 20%) yang merupakan data lagging-kuantitatif, artinya item ini didapatkan dari output data histori yang tidak bisa kita kendalikan karena sudah berlalu. Berikut adalah 38 item tersebut,
| Indikator | Item |
|---|---|
| Partisipasi Pekerja Tambang | 1.2.24 Efektivitas Partisipasi Pekerja |
| Tanggung Jawab Pimpinan Unit Kerja | 2.1.3 Efektivitas Kebijakan KP 2.2.4 Realisasi Anggaran KP dalam RKAB 2.2.8 Efektivitas Rapat Tinjauan Manajemen 2.3.2 Efektivitas Pemenuhan Ketentuan Peraturan Perundang-undangan dan Persyaratan Lainnya yang Terkait 2.3.6 Kepatuhan KTT dalam Pengelolaan Administrasi KP 2.4.7 Pelaksanaan Jumlah Tugas dan Tanggung Jawab Pengawas Operasional dan Pengawas Teknis 2.5.4 Efektivitas Pemantauan dan Pengukuran Kinerja Pengelolaan KP 2.6.18 Efektivitas Komunikasi KP 2.7.7 Kesesuaian Pemberian Izin Kerja Khusus 2.7.16 Efektivitas Inspeksi KP |
| Analisis dan Statistik Insiden | 3.2.7 Jumlah Kasus KP Serupa dan Berulang dalam 2 Tahun Terakhir 3.3.1 Pencapaian Accident Frequency Rate 3.3.2 Pencapaian Accident Severity Rate 3.3.3 Jumlah Kejadian Berbahaya 3.3.4 Pencapaian Morbidty Frequency Rate 3.3.5 Pencapaian Absence Severity Rate (termauk KAPTK) 3.3.6 Frekuensi PAK |
| Upaya Pengendalian yang telah dilakukan | 4.1.4 Efektifitas Manajemen Risiko KP 4.2.2 Realisasi Program Pokok Kesehatan Kerja 4.2.3 Efektivitas Program Kesehatan Kerja 4.3.2 Realiasi Program Pokok Lingkungan Kerja 4.3.3 Efektivitas Program Lingkungan Kerja 4.4.5 Efektivitas Perancangan dan Rekayasa Pertambangan 4.5.1 Pengadaan dan Pembelian Aset KP 4.5.9 Realisasi Program Pokok: keselamatan Operasi 4.5.10 Efektivitas Program Keselamatan Operasi 4.6.2 Efektivitas Seleksi dan Penempatan Pekerja 4.6.4 Efektivitas Pemenuhan Kompetensi Kerja 4.6.7 Efektivitas Pendidikan dan Pelatihan KP 4.7.4 Efektivitas Kajian Teknis Pertambangan 4.7.5 Efektivitas Manajemen Perubahan 4.8.1 Efektivitas Tim Tanggap Darurat 4.8.2 Efektivitas Manajemen Keadaan Darurat 4.9.1 Kesesuaian Persyaratan, Seleksi, dan Penetapan PJP 4.9.2 Kesesuaian Penetapan Tanggung Jawab PJP 4.9.3 Kesesuian Pemantauan dan Evaluasi Kinerja PJP 4.10.2 Efektivitas Dokumentasi |
Tembagapura – 29/03/2026 (FN)
Leading-Lagging dalam Kepdirjen 10.K/2023
Dalam tulisan saya sebelumnya terkait dengan indikator yang dikembangkan (klik disini), terdapat korelasi antara ISO 45004 – Performance Guideline dengan instrumen pengukuran kinerja KP (Kepdirjen 10.K/2023). Tulisan kali ini lebih memberikan contoh kategori (leading-lagging) dan tipe data (kuantitatif-kualitatif) dalam instrumen pengukuran kinerja KP (Kepdirjen 10.K/2023). Terdapat 194 item dalam instrumen yang dapat kita kelompokkan menjadi 3 bagian, yaitu leading-kuantitatif (37 item, 19%), leading – kualitatif (119 item, 61%), dan lagging – kuantitatif (38 item, 20%) dengan contoh sebagai berikut,
| Metode | Contoh |
|---|---|
| Leading – Kuantitatif | 1.2.1 Kehadiran pekerja dalam pekerjaan di hari kerja 1 – kehadiran pekerja dalam pekerjaan di hari kerja (masuk kerja) 2 tahun terakhir rata rata < 50% dari jumlah pekerja yang seharusnya masuk 2 – kehadiran pekerja dalam pekerjaan di hari kerja (masuk kerja) 2 tahun terakhir rata rata 50-69% dari jumlah pekerja yang seharusnya masuk 3 – kehadiran pekerja dalam pekerjaan di hari kerja (masuk kerja) 2 tahun terakhir rata rata 70-79% dari jumlah pekerja yang seharusnya masuk 4 – kehadiran pekerja dalam pekerjaan di hari kerja (masuk kerja) 2 tahun terakhir rata rata 80-94% dari jumlah pekerja yang seharusnya masuk 5 – kehadiran pekerja dalam pekerjaan di hari kerja (masuk kerja) 2 tahun terakhir rata rata 95-100% dari jumlah pekerja yang seharusnya masuk |
| Leading – Kualitatif | 2.1.1 Upaya internalisasi Nilai-nilai inti (Core values) perusahaan oleh manajemen 1 – manajemen tidak melakukan upaya untuk internalisasi nilai-nilai inti perusahaan kepada pekerja 2 – manajemen telah melakukan upaya untuk internalisasi nilai-nilai inti perusahaan hanya kepada sebagian kelompok kerja 3 – manajemen telah melakukan upaya untuk internalisasi nilai-nilai inti perusahaan kepada seluruh pekerja 4 – manajemen telah melakukan upaya untuk internalisasi nilai-nilai inti perusahaan dan memasukkan kepada target kinerja pekerja 5 – manajemen telah memberikan contoh nyata aktualisasi nilai-nilai inti perusahaan kepada pekerja |
| Lagging – Kuantitatif | 4.10.2 Efektivitas Dokumentasi 1 – nilai rata rata hasil audit SMKP elemen VI dalam 2 tahun terakhir 0% 2 – nilai rata rata hasil audit SMKP elemen VI dalam 2 tahun terakhir 0.1-1% 3 – nilai rata rata hasil audit SMKP elemen VI dalam 2 tahun terakhir 1.1-2% 4 – nilai rata rata hasil audit SMKP elemen VI dalam 2 tahun terakhir 2.1-2.9% 5 – nilai rata rata hasil audit SMKP elemen VI dalam 2 tahun terakhir 3% |
Tembagapura – 28/3/2026 (FN)
Jenis Bukti Asesmen Kompetensi
Dalam tulisan saya sebelumnya terkait Metode dan Instrumen Asesmen terdapat 6 metode asesmen yang dapat dilakukan untuk mengumpulkan bukti asesmen kompetensi. Metode asesmen tersebut digunakan sesuai dengan jenis bukti yang dipersyaratkan. Terdapat 3 jenis bukti asesmen kompetensi yaitu bukti Langsung, Tidak Langsung, dan Tambahan (jika diperlukan sebagai pelengkap bukti langsung/tidak langsung) dengan penjelasan sebagai berikut,
- Bukti Langsung
- didapatkan dengan pengamatan langsung oleh asesor
- bisa menggunakan metode observasi langsung (psikomotorik lewat praktek/demontrasi di tempat kerja atau simulasi) atau kegiatan terstruktur (kognitif lewat skenario kegiata terstruktur/studi kasus)
- apabila dirasakan kurang dapat menggunakan bukti tambahan berupa tes tertulis atau tes lisan
- Bukti Tidak Langsung
- didapatkan dari verifikasi hasil karya/portofolio asesi oleh asesor
- bia menggunakan metode verifikasi portofolio atau review produk
- apabila dirasakan kurang dapat menggunakan bukti tambahan berupa pertanyaan wawancara atau verifikasi pihak ketiga
Tembagapura – FN (07/03/2026)
Bias Keinginan Sosial
Ada pertanyaan yang masuk ke inbox saya terkait dengan Bagaimana memastikan kuesioner/survei yang diisi oleh pekerja benar2 mencerminkan realitas di lapangan terutama terkait dengan skala likert dimana responden cenderung memilih hal-hal yang baik/diharapkan baik daripada memilih sebaliknya. Dalam konteks penelitian, hal ini disebut sebagai sampling error dimana hal ini disebabkan karena pemilihan responden yang tidak mewakili populasi dan/atau Bias Keinginan Sosial (Social Desirability Bias). Bias Keinginan Sosial adalah kecenderungan seseorang untuk memberikan jawaban yang menurut norma sosial dianggap baik meskipun itu tidak sesuai dengan realitas yang ada.
Berikut adalah contoh instrumen yang telah saya sesuaikan untuk digunakan bersama-sama dengan instrumen kuesioner/survei yang ada untuk melihat korelasi dan sejauh mana responden memberikan jawaban yang jujur/berpura-pura jujur.
| Pertanyaan | B (Benar) / S (Salah) |
|---|---|
| Saya selalu melaporkan setiap insiden yang saya lihat tanpa terkecuali | B / S |
| Saya tidak pernah merasa malas untuk menggunakan APD | B / S |
| Saya selalu mengikuti seluruh langkah dalam prosedur kerja | B / S |
| Saya tidak pernah merasa kesal/marah ketika ditegur oleh pengawas/petugas keselamatan | B / S |
| Saya selalu memeriksa keselamatan area/peralatan kerja sebelum dan sesudah melakukan pekerjaan | B / S |
| Saya tidak pernah mengabaikan satu pun instruksi/rambu keselamatan | B / S |
| Saya selalu jujur mengakui jika saya merasa lelah/fatigue | B / S |
| Saya tidak pernah bicara negatif tentang pimpinan/manajemen | B / S |
| Saya tidak pernah absen dalam setiap pertemuan keselamatan | B / S |
| Saya selalu menindaklanjuti rekomendasi temuan dengan senang hati | B / S |
Intepretasi Nilai: Jika Jumlah Benar (0 – 3): Bias Rendah, (4 – 7): Bias Menengah, (8 – 10): Bias Tinggi
Tembagapura – FN (28/2/2026)
Pengukuran Maturitas Pengelolaan Data
Melanjutkan tulisan saya sebelumnya terkait dengan maturitas data KP , berikut adalah kuesioner yang dapat digunakan untuk mengukur sejauh mana persepsi pengelolaan data di sebuah perusahaan. Sebagaimana kita lihat Gartner Analytics Asecandancy Model (2012) di atas, data menjadi lebih tinggi nilainya ketika dikelola untuk dapat memprediksi apa yang akan terjadi di masa depan dan tindakan apa yang dapat dilakukan untuk meningkatkan kinerja. Berikut adalah penjelasan singkat dari setiap tingkatan,
- Descriptive
- digunakan untuk mendeskripsikan apa yang terjadi (What happened/When it happened)
- Metode: Data Aggregation, Dashboard, ..
- Tools: Excel, Tableau, Power BI, …
- Diagnostic
- digunakan untuk menggali apa yang terjadi (Why Did it happened)
- Metode: Quantitative-Qualitative Data Analysis, …
- Tools: Hypothesis Testing, Root Cause Analysis, Fish Bone Diagram, FMEA, 5 Why, ..
- Predictive
- digunakan untuk meramalkan apa yang akan terjadi (What/When will happen)
- Metode: Forecasting, Risk Modeling, Customer Segmentation, Sentiment Analysis, Regression, Correlation, …
- Tools: R, SPPS, Stata, ..
- Prescriptive
- digunakan untuk membuat rekomendasi (How can we make it happen/What should I do)
- Metode:Machine learning, Algorithms, Data Modelling, …
- Tools: Alteryx, Python, Rapid Miner, …
| Pernyataaan | Sangat Tidak Setuju (1) – Tidak Setuju (2) – Netral (3) – Setuju (4) – Sangat Setuju (5) |
|---|---|
| Metode pengambilan data dan formulir pelaporan sudah seragam. | 1 – 2 – 3 – 4 – 5 |
| Data dikategorikan dengan tepat, akurat, dan sesuai kenyataan. | 1 – 2 – 3 – 4 – 5 |
| Ada proses validasi dan pengambilan data primer yang memadai. | 1 – 2 – 3 – 4 – 5 |
| Data dapat diakses secara real-time, mutakhir, dan lengkap. | 1 – 2 – 3 – 4 – 5 |
| Analisis dilakukan secara terintegrasi untuk seluruh kasus yang ada. | 1 – 2 – 3 – 4 – 5 |
| Analisis berhasil menemukan hubungan/korelasi antar variabel data. | 1 – 2 – 3 – 4 – 5 |
| Data historis digunakan untuk membuat model prediksi masa depan. | 1 – 2 – 3 – 4 – 5 |
| Hasil analisis memberikan rumusan rekomendasi tindakan yang tepat. | 1 – 2 – 3 – 4 – 5 |
| Ada simulasi hubungan antara tindakan dan hasil untuk solusi tepat. | 1 – 2 – 3 – 4 – 5 |
| Data mencakup perbandingan historis, benchmarking, dan literatur. | 1 – 2 – 3 – 4 – 5 |
| Data pre-kondisi tersedia untuk mendukung operasional di berbagai kondisi. | 1 – 2 – 3 – 4 – 5 |
Interpretasi nilai: Maturitas Risiko Tinggi (44 – 55); sedang (33 – 43); rendah (11 – 32)
Tembagapura – FN (14/2/2026)
Safety Insight with Fendy Novento 