| dc.description.abstract | Keselamatan kerja merupakan aspek penting dalam industri yang memerlukan kepatuhan terhadap penggunaan Alat Pelindung Diri (APD). Namun, pengawasan penggunaan APD secara manual masih memiliki keterbatasan dalam hal efisiensi dan konsistensi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penggunaan APD secara otomatis berbasis kecerdasan buatan menggunakan model YOLOv8s serta mengintegrasikannya ke dalam aplikasi web untuk mendukung proses monitoring pekerja. Dataset yang digunakan merupakan dataset opensource SH17 yang kemudian dilakukan proses pemilahan ulang, anotasi ulang, serta augmentasi data berupa flip. Selain itu, dilakukan pengujian terhadap beberapa metode resize gambar, di mana metode resize fit within with white edges menghasilkan performa terbaik.
Sistem yang dikembangkan mampu mendeteksi penggunaan APD melalui input gambar dan mengklasifikasikan kondisi penggunaan APD menjadi tiga kategori, yaitu Lengkap dan Benar, Lengkap tetapi Salah, serta Tidak Lengkap, pada dua lingkungan kerja yang berbeda, yaitu lingkungan aman dan lingkungan berbahaya. Hasil pengujian menunjukkan bahwa model YOLOv8s mampu mencapai nilai mAP@0.5 sebesar 99,16% dan mAP@0.5:0.95 sebesar 93,75%. Selain itu, model memperoleh nilai precision sebesar 0,9939, recall sebesar 0,9938, dan F1-score sebesar 0,9939. Berdasarkan hasil penelitian, sistem yang dikembangkan mampu meningkatkan efektivitas monitoring penggunaan APD serta memberikan solusi pengawasan keselamatan kerja yang lebih efisien dan terintegrasi. | en_US |
