Abstrak
Pertambangan sangat rentan terhadap peningkatan prevalensi kelelahan dibanding pekerjaan pada industri lain, disebabkan banyaknya faktor di lingkungan pertambangan yang dapat mempengaruhi kelelahan. Penelitian ini mengkaji kelelahan pekerja tambang bawah tanah di PT XYZ, Indonesia, menggunakan pendekatan kuantitatif cross-sectional. Tujuannya adalah mendapatkan gambaran kelelahan dan hubungan antara kelelahan (variabel dependen) dengan faktor individu, pekerjaan, dan lingkungan fisik (variabel independen). Sampel terdiri dari 119 responden dari total 300 pekerja bagian development, dengan data primer diperoleh melalui kuesioner IFRC dan data sekunder dari literatur serta data pendukung perusahaan. Hasil menunjukkan kelelahan berhubungan signifikan dengan waktu perjalanan (p value=0.042 (pelemahan aktivitas)); (p value=0.043 (pelemahan motivasi)); (p value=0.012 (pelemahan fisik)), kuantitas tidur (p value=0.000 (kelelahan umum)); (p value=0.001 (pelemahan aktivitas)); (p value=0.000 (pelemahan motivasi)); (p value=0.016 (pelemahan fisik)), shift kerja (p value=0.033 (kelelahan umum)), lama jam kerja (p value=0.023 (pelemahan aktivitas)); (p value=0.049 (pelemahan motivasi)), dan suhu (p value=0.016 (pelemahan fisik)), namun tidak berhubungan dengan usia, IMT, status perkawinan, masa kerja, kebisingan, pencahayaan, dan kelembaban. Peneliti merekomendasikan peninjauan terhadap kebijakan perusahaan dalam mengelola faktor-faktor yang berhubungan dengan kelelahan untuk meminimalkan risiko kelelahan kerja.
Mining is highly susceptible to increased prevalence of fatigue compared to other industries due to numerous factors in the mining environment that can affect fatigue. This study examines the fatigue of underground mine workers at PT XYZ, Indonesia, using a quantitative cross-sectional approach. The objective is to obtain an overview of fatigue and analyze the relationship between fatigue (dependent variable) and individual factors, job-related factors, and physical environmental factors (independent variables). The sample consists of 119 respondents out of a total of 300 development workers, with primary data obtained through IFRC subjective questionnaires and secondary data from literature and company supporting data. The results show that fatigue significantly correlates with travel time (p value=0.042 (reduce activity)); (p value=0.043 (reduce motivation)); (p value=0.012 (physical fatigue)), sleep quantity (p value=0.000 (general fatigue)); (p value=0.001 (reduce activity)); (p value=0.000 (reduce motivation)); (p value=0.016 (physical fatigue)), shift work (p value=0.033 (general fatigue)), long working hours (p value=0.023 (reduce activity)); (p value=0.049 (reduce motivation)), and temperature (p value=0.016 (physical fatigue)), but not with age, BMI, marital status, length of service, noise, lighting, and humidity. The researchers recommend reviewing company policies to manage fatigue-related factors to minimize the risk of work fatigue.