Deteksi Penggunaan Safety Helmet Menggunakan YOLOv5
Main Article Content
Abstract
Abstrak— Keselamatan kerja di industri konstruksi merupakan hal yang sangat penting untuk mencegah kecelakaan dan cedera. Namun, masih sering terjadi pelanggaran dalam penggunaan helm keselamatan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi penggunaan helm keselamatan di area konstruksi menggunakan metode YOLO (You Only Look Once). Dataset yang digunakan dalam penelitian ini terdiri dari 694 gambar yang diambil menggunakan smartphone dan sumber internet. Gambar-gambar tersebut menampilkan orang-orang yang menggunakan berbagai jenis penutup kepala dan model rambut, baik yang menggunakan helm keselamatan maupun yang tidak. Metode yang digunakan dalam penelitian ini adalah YOLO (You Only Look Once), sebuah teknologi deteksi objek real-time yang menggunakan deep neural network. YOLO digunakan untuk melakukan anotasi pada setiap gambar dataset dengan gambar objek, diikuti oleh beberapa lapisan yang terhubung sepenuhnya. Selanjutnya, kinerja model diukur menggunakan beberapa metode, yaitu Recall, Precision, F1, Intersection over Union, mean Average Precision, dan Accuracy. Hasil penelitian menunjukkan bahwa sistem deteksi penggunaan safety helmet yang dikembangkan dapat mencapai tingkat akurasi yang tinggi, dengan nilai Precision sebesar 0,95 dan Recall sebesar 0,93. Dengan demikian, sistem ini dapat membantu meningkatkan keselamatan kerja di area konstruksi dengan memberikan pengawasan yang lebih efektif terhadap penggunaan safety helmet oleh para pekerja.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Submission of an original manuscript to the journal will be taken to mean that it represents originality work not previously published. Please see JIEET (Journal of Information Engineering and Educational Technology) originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred IEEE style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Thurnitin software for checking the originality of submissions received.