5  Dashboard Interaktif

Dashboard adalah antarmuka visual yang menyajikan data kesehatan karyawan secara ringkas dan informatif agar pengambilan keputusan terkait kesehatan dan manajemen risiko lebih cepat dan akurat.

5.1 Desain Layout Dashboard

5.1.1 Prinsip Desain

  1. Tujuan Jelas
    • Apa yang ingin disampaikan? (Status kesehatan karyawan? Diagnosa utama? Tren penyakit? Angka kematian?)
  2. Tata Letak Hierarkis
    • Informasi utama seperti jumlah kasus diagnosa dan kematian diletakkan di bagian atas
    • Detail tambahan dan filter ditempatkan di samping atau bawah
  3. Pembagian Area Dashboard:
    • Header: Judul, filter periode tahun, unit kerja
    • Panel Kiri: Filter (unit kerja, jenis kelamin, usia, jabatan)
    • Panel Tengah: Visualisasi utama (grafik tren diagnosa, distribusi penyakit)
    • Panel Kanan: KPI Box dan insight cepat (jumlah kasus, biaya pengobatan)
  4. Gunakan Warna Konsisten
    • Hijau = sehat, Kuning = risiko sedang, Merah = kasus kritis atau kematian
    • Gunakan palet warna 2–4 warna agar mudah dibaca

5.2 Kombinasi Grafik

5.2.1 Grafik

  • Line chart → tren kasus penyakit atau diagnosis dari tahun ke tahun
  • Bar chart → perbandingan jumlah kasus per unit kerja atau jabatan
  • Pie chart → proporsi jenis penyakit utama
  • Boxplot → distribusi usia dan biaya pengobatan

5.2.2 KPI Box

KPI Box (Key Performance Indicator) adalah ringkasan angka penting terkait kesehatan karyawan:

KPI Contoh
Jumlah Karyawan Sehat 500 orang
Jumlah Kasus Diagnosa 2024 120 kasus
Kasus Kematian 2022-2024 5 kasus
Total Biaya Pengobatan Rp 75.000.000
Rata-rata Usia Karyawan 42 tahun

Gunakan angka besar dan jelas, sertakan simbol tren naik/turun jika ada perubahan

5.2.3 Filter Interaktif

  • Periode Tahun: 2022, 2023, 2024
  • Unit Kerja: Palopo, Banda Aceh, Jakarta, dll.
  • Jenis Kelamin: Laki-laki, Perempuan
  • Jabatan: Manajer, Supervisor, Petugas, Operator
  • Status Kesehatan: Sehat, Sakit, Meninggal

5.3 Studi Kasus

Membuat Dashboard Kesehatan Karyawan 2022–2024

5.3.1 Tujuan

Memantau status kesehatan, diagnosis utama, dan kematian karyawan berdasarkan unit kerja dan jabatan.

5.3.2 Data

  • Kode Pekerja, Nama, Jabatan, Unit Kerja
  • Diagnosa MCU 2022-2024
  • Riwayat habitual dan psikososial
  • Tanggal kematian dan penyebab
  • Berat badan, tinggi badan
  • Biaya pengobatan

5.3.3 Layout Dashboard:

  1. Header:
    • Judul: Dashboard Kesehatan Karyawan
    • Filter: [Tahun] [Unit Kerja] [Jabatan]
  2. KPI Box (atas):
    • Jumlah Karyawan Sehat per Tahun
    • Jumlah Kasus Diagnosa Utama
    • Kasus Kematian dan Penyebab
  3. Grafik Utama (tengah):
    • Line chart: Tren kasus diagnosa utama dari 2022-2024
    • Bar chart: Kasus per unit kerja dan jabatan
    • Pie chart: Proporsi jenis penyakit utama
  4. Detail Table (bawah):
    • Tabel data lengkap karyawan dengan kolom filter dan pencarian

5.3.4 Insight

  • Tren peningkatan atau penurunan kasus penyakit tertentu per tahun
  • Unit kerja atau jabatan dengan kasus penyakit tertinggi
  • Penyebab utama kematian dan potensi risiko kesehatan
  • Rata-rata biaya pengobatan dan pola distribusinya

5.3.5 Tools Visualisasi

  • Excel / Google Sheets: untuk dashboard statis dan cepat
  • Google Studio/ Power BI / Tableau: untuk dashboard interaktif dan visualisasi kompleks
  • R Shiny / Python Dash / Streamlit: untuk dashboard berbasis coding dan analisis lanjutan
  • Looker Studio / Metabase: untuk dashboard real-time terintegrasi dengan database

🎯 Tips Sukses:
- Buat dashboard mudah dipahami dengan layout bersih
- Fokus pada insight penting yang membantu pengambilan keputusan
- Sertakan anotasi untuk menjelaskan poin kritis data
- Perbarui data secara berkala agar dashboard tetap relevan

5.4 Grafik Esensial

Visualisasi membantu memahami pola, penyebaran, dan hubungan dalam data — penting dalam analisis kesehatan kerja, epidemiologi industri, serta evaluasi keselamatan kerja.

5.4.1 Histogram

Definisi: Visualisasi distribusi data numerik dalam bentuk interval (bin).

Fungsi:

  • Menampilkan frekuensi data dalam kelompok
  • Mengidentifikasi bentuk distribusi (normal, skewed)

Contoh:

Distribusi kadar kolesterol pekerja:

Bin (mg/dL)      Frekuensi
150–170               2
171–190               5
191–210               8
211–230               3

📌 Interpretasi: Mayoritas pekerja memiliki kolesterol antara 191–210 mg/dL.

5.4.2 Bar Chart

Definisi:

Visualisasi data kategori menggunakan batang vertikal/horizontal.

Fungsi:

  • Membandingkan frekuensi antar kategori

Contoh:

Jumlah kasus cedera per jenis pekerjaan:

  • Operator: 15 kasus
  • Mekanik: 8 kasus
  • Administrasi: 3 kasus

📌 Interpretasi: Operator memiliki jumlah cedera tertinggi.

5.4.3 Pie Chart

Definisi:

Representasi persentase kategori dalam satu lingkaran.

Fungsi:

  • Menunjukkan proporsi relatif

Contoh:

Proporsi jenis penyakit:

  • Hipertensi: 40%
  • Diabetes: 35%
  • Asma: 25%

📌 Interpretasi: Hipertensi paling dominan (40%).

Hindari pie chart untuk kategori terlalu banyak (>5), lebih baik gunakan bar chart.

5.4.4 Line Chart

Definisi:

Visualisasi data berurutan waktu (time series).

Fungsi:

  • Melihat tren dari waktu ke waktu

Contoh: Jumlah kunjungan klinik per bulan:

Bulan      Jumlah
Jan        12
Feb        15
Mar        18
Apr        10

📌 Interpretasi: Terjadi peningkatan di Maret, kemungkinan karena musim atau paparan tinggi.

5.4.5 Boxplot

Definisi:

Visualisasi ringkasan statistik: median, kuartil, dan outlier

Fungsi:

  • Menilai penyebaran dan outlier
  • Bandingkan distribusi antar kelompok

Contoh:

Boxplot kadar hemoglobin antara dua shift kerja

📌 Interpretasi:

  • Median shift malam lebih rendah
  • Ada outlier kadar Hb rendah pada shift malam

5.5 Analisis Distribusi dan Outlier

Tujuan:

Menilai bentuk dan keanehan distribusi

Langkah:

  1. Gunakan histogram atau boxplot
  2. Cek simetri:
    • Simetris → distribusi normal
    • Miring kanan/kiri → skewed
  3. Identifikasi outlier:
    • Data jauh dari Q1 – 1.5 IQR atau Q3 + 1.5 IQR
    • Bisa jadi kesalahan input atau kondisi khusus

Contoh Outlier:

Seorang pekerja memiliki kadar kolesterol 300 mg/dL saat mayoritas < 220 mg/dL.

📌 Tindak Lanjut: Perlu diselidiki — mungkin ada faktor medis atau gaya hidup ekstrem.

5.6 Pengantar Korelasi dan Tren

5.6.1 Korelasi:

Menilai hubungan antar dua variabel numerik

Contoh:

  • Usia pekerja dan tekanan darah
  • Paparan zat berbahaya dan fungsi paru

Jenis Korelasi:

  • Positif: semakin X → Y meningkat (contoh: umur ↑ → tekanan darah ↑)
  • Negatif: semakin X → Y menurun
  • Nol: tidak ada hubungan

Visualisasi:

Gunakan scatter plot

5.6.2 Tren

Tren adalah pola perubahan data dalam waktu.

Contoh:

  • Kecenderungan peningkatan keluhan muskuloskeletal dari tahun ke tahun
  • Penurunan kadar hemoglobin setelah diterapkan program nutrisi

📌 Analisis lanjutan: Gunakan regresi linier untuk mengukur tren secara kuantitatif.

🎯 Tips Penting: - Gunakan histogram dan boxplot untuk data numerik. - Gunakan bar chart/pie chart untuk data kategori. - Gunakan scatter plot & line chart untuk hubungan dan tren.