Implementasi Arsitektur Yolo V8 Dalam Mendeteksi Alat Pelindung Diri (APD) Di Sektor Konstruksi Dan Industri

Abstract

Kecelakaan kerja di sektor konstruksi dan industri terus meningkat, dengan salah satu penyebab utamanya adalah kelalaian dalam penggunaan alat pelindung diri (APD), seperti helm keselamatan. Pemantauan manual yang dilakukan oleh petugas sering kali kurang efektif dan rentan terhadap kesalahan manusia. Untuk mengatasi masalah ini, penelitian ini mengembangkan sistem deteksi otomatis penggunaan helm dengan algoritma YOLOv8, yang dilatih menggunakan dataset dari Roboflow di platform Google Colab. Hasil pelatihan model kemudian diimplementasikan dalam aplikasi Streamlit untuk pemantauan real- time. Pengujian menggunakan metode black box testing menunjukkan bahwa semua skenario berhasil dijalankan, dan model mencapai nilai mean Average Precision (mAP50) sebesar 0.779, menunjukkan akurasi tinggi dalam berbagai kondisi. Dengan hasil ini, sistem yang dikembangkan dapat menjadi solusi efektif dalam meningkatkan keselamatan kerja di lingkungan konstruksi dan industri.