Analisis Kesehatan Karyawan Pada Kerja Remote Berbasis Multinomial Naive Bayes

Abstract

Pandemi COVID-19 mendorong perubahan signifikan dalam sistem kerja dengan meningkatnya penerapan kerja jarak jauh di berbagai sektor. Meskipun model kerja ini menawarkan fleksibilitas, dampaknya terhadap kesehatan mental dan fisik karyawan masih memerlukan kajian empiris. Penelitian ini bertujuan menganalisis hubungan antara model kerja remote, hybrid, dan onsite dengan keluhan kesehatan karyawan berdasarkan data narasi menggunakan pendekatan text mining. Metode klasifikasi Multinomial Naive Bayes digunakan untuk mengelompokkan keluhan kesehatan mental dan fisik. Hasil penelitian menunjukkan bahwa distribusi keluhan kesehatan relatif merata pada seluruh model kerja. Tingkat akurasi klasifikasi berada pada rentang 72% hingga 98%, dengan akurasi tertinggi pada klasifikasi keluhan fisik. Hal ini menunjukkan bahwa pola keluhan fisik lebih konsisten dibandingkan keluhan mental yang cenderung bersifat subjektif. Analisis kata kunci mengindikasikan bahwa keluhan dominan, seperti nyeri punggung, ketegangan mata, dan nyeri bahu, muncul pada seluruh model kerja. Penelitian ini berkontribusi dalam memberikan bukti empiris bahwa model kerja tidak menjadi satu-satunya faktor penentu keluhan kesehatan karyawan. Temuan ini menunjukkan perlunya pendekatan kebijakan kerja yang mempertimbangkan faktor ergonomi, beban kerja, dan keseimbangan kehidupan kerja dalam mendukung kesehatan karyawan pada era kerja fleksibel.