Article Sidebar
Main Article Content
Abstract
Menurut data International Labour Organization, hampir 380.000 pekerja meninggal setiap tahunnya dan 374 juta pekerja mengalami cedera akibat kecelakaan kerja. Hazardous area adalah area berbahaya di industri yang mewajibkan penggunaan APD secara lengkap. Namun, seringkali pekerja kurang disiplin dalam penggunaan APD saat bekerja, yang dapat meningkatkan risiko kecelakaan kerja. Penelitian ini bertujuan untuk membuat sistem pendeteksian jenis APD yang digunakan pekerja pada hazardous area. metode yang digunakan penulis dalam penelitian ini yakni YOLOV5. Karena YOLOV5 mampu mendeteksi secara realtime dan lebih akurat dibadingkan dengan versi sebelumnya. Dataset yang digunakan 2600 gambar yang terbagi pada kelas lengkap, tidak lengkap, helm, kacamata masker, penutup telinga, sarung tangan, rompi, sepatu, tanpa helm, tanpa kacamata tanpa masker, tanpa penutup telinga, tanpa sarung tangan, tanpa rompi, tanpa sepatu, Pada penelitian ini, akurasi yang didapat dengan menggunakan metode YOLOV5 yang dihitung dengan persamaan yang ada dihasilkan 87%. Didapat nilai pressicion terhadap recall seluruh kelas sebesar 89%, recall terhadap confidence seluruh kelas ebesar 96%.
Keywords
Article Details
Copyright (c) 2024 Nur Zafira Arya Ar Rahmah, Adianto, Rini Indarti, Zindhu Maulana Ahmad Putra, Edy Setiawan, Afif Zuhri Arfianto
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
- A. Surya Aldini, M. Sunaryo, M. Nourma Rhomadhoni, R. Ayu Ratriwardhani, dan K. dan Kesehatan, “GAMBARAN PERILAKU TENAGA LABORATORIUM DALAM PENGGUNAAN APD (ALAT PELINDUNG DIRI) DI PT. XZ KOTA SURABAYA DESCRIPTION OF THE BEHAVIOR OF LABORATORY POWER IN THE USE OF PPE (PERSONAL PROTECTION EQUIPMENT) AT PT. XZ CITY SURABAYA,” vol. 13, no. 2, hlm. 190–198, 2022.
- S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, dan I. Cholissodin, “PENGEMBANGAN DETEKSI CITRA MOBIL UNTUK MENGETAHUI JUMLAH TEMPAT PARKIR MENGGUNAKAN CUDA DAN MODIFIED YOLO,” vol. 6, no. 4, hlm. 413–419, 2019, doi: 10.25126/jtiik.201961275.
- F. Romadloni dkk., “Identifikasi Warna Buoy Menggunakan Metode You Only Look Once Pada Unmanned Surface Vehicle,” JURNAL TEKNIK ELEKTRO DAN KOMPUTER TRIAC, vol. 10, no. 1, hlm. 23–29, 2023, [Daring]. Tersedia pada: https://journal.trunojoyo.ac.id/triac
- T. A. K. Pratama, “PENGEMBANGAN SISTEM IDENTIFIKASI ALAT PELINDUNG DIRI (APD) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” 2021.
- D. I. Mulyana dan M. A. Rofik, “Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5,” Jurnal Pendidikan Tambusai, vol. 6, no. 3, hlm. 13971–13982, 2022.
- L. Susanti, N. K. Daulay, dan B. Intan, “Sistem Absensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Algoritma YOLOv5,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 2, hlm. 640, Apr 2023, doi: 10.30865/jurikom.v10i2.6032.
- C. Ding, S. Wang, N. Liu, K. Xu, Y. Wang, dan Y. Liang, “REQ-YOLO: A resource-aware, efficient quantization framework for object detection on FPGAS,” dalam FPGA 2019 - Proceedings of the 2019 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays, Association for Computing Machinery, Inc, Feb 2019, hlm. 33–42. doi: 10.1145/3289602.3293904.
- A. Nugroho dan M. R. A. Cahyono, “IMPLEMENTASI OBJECT RECOGNITION PADA RAMBU-RAMBU DAN LAMPU LALU LINTAS DENGAN RASPBERRY PI DENGAN ALGORITMA YOLOV5,” Sebatik, vol. 26, no. 2, hlm. 549–556, Des 2022, doi: 10.46984/sebatik.v26i2.2047.
- M. Nur dkk., “KLASIFIKASI PENYAKIT MATA BERDASARKAN CITRA FUNDUS MENGGUNAKAN YOLO V8,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 2, hlm. 1363, 2023.
- Hasbi Dawami, Ema Rachmawati, dan Mahmud Dwi Sulistiyo, “Deteksi Penggunaan Masker Wajah Menggunakan YOLOv5,” e-Proceesing of Engineering , vol. 10, no. 2, hlm. 1746–1764, 2023.
References
A. Surya Aldini, M. Sunaryo, M. Nourma Rhomadhoni, R. Ayu Ratriwardhani, dan K. dan Kesehatan, “GAMBARAN PERILAKU TENAGA LABORATORIUM DALAM PENGGUNAAN APD (ALAT PELINDUNG DIRI) DI PT. XZ KOTA SURABAYA DESCRIPTION OF THE BEHAVIOR OF LABORATORY POWER IN THE USE OF PPE (PERSONAL PROTECTION EQUIPMENT) AT PT. XZ CITY SURABAYA,” vol. 13, no. 2, hlm. 190–198, 2022.
S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, dan I. Cholissodin, “PENGEMBANGAN DETEKSI CITRA MOBIL UNTUK MENGETAHUI JUMLAH TEMPAT PARKIR MENGGUNAKAN CUDA DAN MODIFIED YOLO,” vol. 6, no. 4, hlm. 413–419, 2019, doi: 10.25126/jtiik.201961275.
F. Romadloni dkk., “Identifikasi Warna Buoy Menggunakan Metode You Only Look Once Pada Unmanned Surface Vehicle,” JURNAL TEKNIK ELEKTRO DAN KOMPUTER TRIAC, vol. 10, no. 1, hlm. 23–29, 2023, [Daring]. Tersedia pada: https://journal.trunojoyo.ac.id/triac
T. A. K. Pratama, “PENGEMBANGAN SISTEM IDENTIFIKASI ALAT PELINDUNG DIRI (APD) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” 2021.
D. I. Mulyana dan M. A. Rofik, “Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5,” Jurnal Pendidikan Tambusai, vol. 6, no. 3, hlm. 13971–13982, 2022.
L. Susanti, N. K. Daulay, dan B. Intan, “Sistem Absensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Algoritma YOLOv5,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 2, hlm. 640, Apr 2023, doi: 10.30865/jurikom.v10i2.6032.
C. Ding, S. Wang, N. Liu, K. Xu, Y. Wang, dan Y. Liang, “REQ-YOLO: A resource-aware, efficient quantization framework for object detection on FPGAS,” dalam FPGA 2019 - Proceedings of the 2019 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays, Association for Computing Machinery, Inc, Feb 2019, hlm. 33–42. doi: 10.1145/3289602.3293904.
A. Nugroho dan M. R. A. Cahyono, “IMPLEMENTASI OBJECT RECOGNITION PADA RAMBU-RAMBU DAN LAMPU LALU LINTAS DENGAN RASPBERRY PI DENGAN ALGORITMA YOLOV5,” Sebatik, vol. 26, no. 2, hlm. 549–556, Des 2022, doi: 10.46984/sebatik.v26i2.2047.
M. Nur dkk., “KLASIFIKASI PENYAKIT MATA BERDASARKAN CITRA FUNDUS MENGGUNAKAN YOLO V8,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 2, hlm. 1363, 2023.
Hasbi Dawami, Ema Rachmawati, dan Mahmud Dwi Sulistiyo, “Deteksi Penggunaan Masker Wajah Menggunakan YOLOv5,” e-Proceesing of Engineering , vol. 10, no. 2, hlm. 1746–1764, 2023.