Perpustakaan Digital ITB

Temperatur efektif merupakan parameter penting dalam menentukan tingkat kenyamanan termal dan keselamatan kerja di lingkungan tambang bawah tanah. Estimasi yang tidak akurat terhadap parameter ini dapat memicu heat stress dan penurunan produktivitas pekerja, khususnya dalam kondisi lingkungan yang panas dan lembab. Penelitian ini menyajikan pendekatan pemodelan prediktif dengan memanfaatkan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk memprediksi temperatur efektif berdasarkan parameter lingkungan tambang bawah tanah, yaitu dry-bulb temperature, wet-bulb temperature, kelembaban relatif, dan kecepatan udara rata-rata. Model ANFIS dikembangkan menggunakan fuzzyinference system tipe Sugeno, dilatih dan diuji dengan pendekatan hybrid optimization menggunakan 200 data sekunder. Setelah model berhasil dibuat, dilakukan prediksi terhadap nilai temperatur efektif pada 20 data baru dengan hasil prediksi yang kemudian dibandingkan dengan hasil perhitungan menggunakan persamaan empiris yang dikembangkan oleh Li dan Chan (2000) dan dievaluasi berdasarkan Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), R-Square (R²), dan Variance Accounted For (VAF). Model yang dikembangkan menunjukkan performa prediktif yang kuat dengan nilai RMSE 0,29, MAE 0,25, MAPE 0,98%, R² 0,98, dan VAF 97,12%. Hasil ini membuktikan bahwa ANFIS merupakan salah satu pendekatan yang dapat digunakan untuk memprediksi temperatur efektif, serta berpotensi mendukung pemantauan sistem ventilasi guna meningkatkan kenyamanan termal dalam kegiatan operasional tambang bawah tanah