DETEKSI ALAT PELINDUNG DIRI SECARA REAL-TIME MENGGUNAKAN ALGORITMA YOLO

Niky Ardiansyah Afnur, Ryan Agus Setiawan, Saharani Zahra, Dwi Astharini

Sari


Pada lingkungan industri penggunaan Alat Pelindung Diri atau yang biasa disebut APD sangat penting untuk keselamatan pekerja. Metode tradisional untuk memantau kepatuhan penggunaan APD sering kali dilakukan secara manual, memakan waktu dan rentan terhadap kesalahan manusia. Makalah ini menyajikan sistem deteksi real-time untuk memantau penggunaan APD, dengan fokus khusus pada pembukaan gerbang otomatis bagi pekerja yang mengenakan APD yang diperlukan, diolah menggunakan algoritma YOLO (You Only Look Once). Sistem ini menggunakan model YOLOv8, yang terkenal karena kecepatan dan akurasinya dalam tugas deteksi objek, untuk mengidentifikasi berbagai item APD seperti helm, rompi keselamatan, dan masker. Kamera yang dipasang di pintu masuk menangkap rekaman video secara real-time yang kemudian diproses oleh model YOLO untuk mendeteksi keberadaan APD. Setelah deteksi APD yang diperlukan berhasil, sistem akan memicu pembukaan gerbang secara otomatis, sehingga hanya pekerja yang mematuhi aturan yang dapat mengakses area pabrik. Pendekatan ini tidak hanya meningkatkan keselamatan dengan memastikan kepatuhan penggunaan APD tetapi juga meningkatkan efisiensi dengan mengotomatisasi proses masuk. Sistem yang diusulkan akan diuji di lingkungan pabrik, menunjukkan akurasi dan responsivitas yang tinggi, menjadikannya solusi yang layak untuk meningkatkan keselamatan kerja di lingkungan industri.


Teks Lengkap:

PDF

Referensi


Ahmed, T., Hoque, A. S. M., Karmaker, C. L., & Ahmed, S. (2023). Integrated approach for occupational health and safety (OHS) risk Assessment: An Empirical (Case) study in Small enterprises. Safety Science, 164, 106143. https://doi.org/https://doi.org/10.1016/j.ssci.2023.106143

L. Rahma, H. Syaputra, A. H. Mirza, and S. D. Purnamasari, “Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once),” J. Nas. Ilmu Komput., vol. 2, no. 3, pp. 213–232, 2021.

Ramadah, F., Wibawa, I. G. P. D., & Rizal, A. (2022). Sistem Deteksi Api Menggunakan Pengolahan Citra Pada Webcam Dengan Metode Yolov3. E-Proceeding of Engineering, 9(2), 226–23.

N. A. Dzaky, A. G. Rio, A. Dimas, S. Muhammad Adi and R. Perani “Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis,” J. Artificial Inteligent dan Sistem Penunjang Keputusan Volume 1, No. 1 Juni 2023 Hal 54-63.

H. Wang, X. Xu, Y. Liu, D. Lu, B. Liang, and Y. Tang, “Real-Time Defect Detection for Metal Components: A Fusion of Enhanced Canny–Devernay and YOLOv6 Algorithms,” Appl. Sci., vol. 13, no. 12, p. 6898, 2023.

A. N. Sugandi and B. Hartono, “Implementasi Pengolahan Citra pada Quadcopter untuk Deteksi Manusia Menggunakan Algoritma YOLO,” in Prosiding Industrial Research Workshop and National Seminar, 2022, vol. 13, no. 01, pp. 183–188.

S. S. Sindarto, D. E. Ratnawati, and I. Arwani, “Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) dengan Metode Convolutional Neural Network pada Perangkat Lunak berbasis Android,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 6, no. 5, pp. 2129–2138, 2022.




DOI: https://doi.org/10.47007/komp.v9i02.8993

Refbacks

  • Saat ini tidak ada refbacks.


VISITOR COUNTER:

gerEGGe

 

Web Analytics Made Easy - Statcounter View My Stats