Langsung ke konten utama

Persentil ke-95

Perhatikan ilustrasi berikut ini untuk memahami apa yang dimaksud dengan persentil ke-95.

Misalkan: setiap tahun, seorang pekerja bekerja 100 hari. Berapa hari yang dapat diterima untuk pajanan melebihi NAB tanpa respirator jika kita mengumpulkan data pemantauan personal pada pekerja tersebut selama 100 hari? 

Kita tentu mengharapkan bahwa selama 100 hari bekerja tersebut, pajanan yang melebihi NAB tanpa respirator adalah 0 hari. Target jumlah hari dengan pajanan yang melebihi NAB tanpa respirator berdasarkan konsensus profesional adalah tidak lebih dari 5 hari dari 100 hari, yaitu persentil ke-95. Jadi 5/100 (5 hari dari 100 hari) di atas NAB dan 95/100 (95 hari dari 100 hari) di bawah NAB. 

Dari keterangan di atas:

  • Persentil ke-95 adalah persentase hari di mana pajanan berada di bawah NAB
  • Exceedance fraction 5% adalah persentase hari di mana pajanan berada di atas NAB
Dalam praktik sehari-hari tidak mungkin kita melakukan pengukuran pajanan personal setiap hari. Dari berbagai penelitian terkait hasil pengukuran pajanan di lingkungan kerja didapatkan pengetahuan bahwa data hasil pengukuran pajanan di lingkungan kerja umumnya terdistribusi lognormal.  

Umumnya hanya dilakukan beberapa kali pengukuran saja dalam 1 tahun. Berdasarkan data hasil pengukuran yang sedikit (data beberapa hari dari 100 hari bekerja) kita dapat melakukan perhitungan secara statistik untuk mendapatkan nilai persentil ke-95 tersebut. Tetapi perhitungan secara statistik tersebut harus dilakukan berdasarkan distribusi lognormal bukan distribusi normal. 

Rumus untuk menghitung persentil ke-95 tersebut adalah:

di mana 









Komentar

Posting Komentar

Postingan populer dari blog ini

Interpretasi hasil analisis statistika pajanan lingkungan kerja

Dalam postingan Statistik data hasil pemantauan pajanan lingkungan kerja (professional-hse.blogspot.com)  sudah disampaikan statistik yang harus dihitung saat menganalisis data hasil pengukuran pajanan di lingkungan kerja.  Di bawah ini adalah contoh interpretasi hasil pengukuran pajanan benzene dengan passive sampler pada 12 pekerja dengan level of detection 0,033 ppm. Kita lihat bahwa statistik rerata aritmatika dan rerata aritmatika dengan pendekatan maximum likelihood estimation (MLE) tidak berbeda jauh, akan tetapi jika diperhatikan rentang nilai minimum - maksimum (0,034 - 0,507 ppm) lebih besar dibandingkan rentang nilai batas bawas - atas (0,124 - 0,395). Rerata geometris, yang tidak terpengaruh oleh pencilan, lebih kecil dibandingkan kedua rerata aritmatika.  Variabilitas pajanan dapat dinilai dengan statistik simpang baku geometris. Pada contoh di atas terlihat bahwa nilai simpang baku geometris di atas 1,5 tetapi lebih kecil dari 2,5 dengan demikian vari...
Posting Komentar
Baca selengkapnya

Variabilitas pajanan bahan kimia di tempat kerja

Pajanan bahan kimia pada pekerja di lingkungan kerja sangat bervariasi: dari hari ke hari dari satu pekerja ke pekerja lain dari satu kelompok pekerja ke kelompok pekerja lain.  Bahkan dalam satu shift kerja, pajanan bervariasi dari menit ke menit. Variasi ini terjadi akibat perubahan dalam faktor seperti: laju pembentukan kontaminan tingkat ventilasi aktivitas yang dilakukan oleh pekerja.  Variabilitas ini memengaruhi jumlah sampel yang dibutuhkan untuk sepenuhnya mengkarakterisasi variasi tersebut di atas dan kemampuan skema penilaian yang ada untuk membandingkan kelompok pekerja yang berbeda atau membandingkan pajanan terhadap nilai ambang batas (NAB).  Satu pendekatan yang dilakukan untuk menangani masalah variabilitas dalam pajanan pekerja adalah dengan mengelompokkan pekerja ke dalam similarly exposure groups (SEGs) , yang dapat dilakukan dengan: Pendekatan kualitatif Pendekatan kuantitatif Pendekatan kualitatif Pengelompokkan pekerja ke dalam SEGs dilakukan denga...
Posting Komentar
Baca selengkapnya

Kelebihan berat badan dan obesitas

Untuk mengetahui apakah individu mengalami kelebihan berat badan adalah dengan menghitung indeks massa tubuh (IMT) menggunakan rumus berat badan (kg) dibagi dengan tinggi badan (m) kwadrat , sehingga satuan IMT adalah  kg/m 2 . Terdapat dua jenis penggolongan hasil perhitungan IMT, yaitu menurut WHO ( World Health Organization ) dan asia pasifik .  Pada 2018, penduduk dewasa Indonesia yang memiliki IMT kelebihan berat badan adalah 13,6 dan obesitas adalah 21,8%, sehingga total penduduk dewasa yang memiliki IMT kelebihan berat badan dan obesitas adalah 35,4%, artinya sekitar 1 dari 3 penduduk dewasa mengalami masalah kelebihan gizi .  Kecenderungan individu untuk mengalami kelebihan berat badan dan obesitas berkaitan dengan beberapa faktor sosio-demografi seperti: Lebih umum dijumpai di perkotaan daripada pedesaan Pekerjaan yang tak menuntut banyak gerak  Aktivitas fisik yang lebih rendah pada waktu luang Perempuan Tingkat kesejahteraan rumah tangga Jenis industri te...
Posting Komentar
Baca selengkapnya