Deteksi Penggunaan Kacamata Safety Berbasis Yolov8 untuk Peningkatan Keselamatan Kerja
DOI:
https://doi.org/10.33795/jip.v12i4.9769Keywords:
keselamatan kerja, alat pelindung diri (APD), deteksi kacamata safety, YOLOv8, deep learningAbstract
Penggunaan Alat Pelindung Diri (APD) seperti kacamata safety merupakan aspek penting dalam menjaga keselamatan kerja di lingkungan industri karena melindungi mata dari debu, serpihan material, dan zat berbahaya. Namun, tingkat kepatuhan pekerja terhadap penggunaan APD masih rendah dan pengawasan manual dinilai kurang efektif karena bergantung pada kemampuan observasi manusia serta berpotensi menimbulkan kelalaian. Penelitian ini bertujuan mengembangkan sistem deteksi penggunaan kacamata safety secara real-time menggunakan metode YOLOv8 berbasis deep learning. Dataset dikumpulkan secara mandiri sebanyak 857 citra yang dibagi ke dalam dua kelas, yaitu Safety dan No_Safety, dengan variasi sudut pengambilan gambar, jarak objek terhadap kamera, dan latar belakang. Pelabelan data dilakukan menggunakan platform Roboflow dengan metode bounding box sebanyak 1074 anotasi. Model dilatih pada Google Colab menggunakan parameter 100 epoch, ukuran citra 640×640 piksel, dan learning rate yang disesuaikan. Implementasi sistem dilakukan menggunakan Python dan Visual Studio Code melalui input webcam untuk mendeteksi objek secara langsung. Evaluasi kinerja model menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mendeteksi penggunaan kacamata safety dengan akurasi 78%, presisi 77%, recall 86%, dan F1-score 81%. Sistem juga mampu mendeteksi beberapa wajah dalam satu frame secara bersamaan. Secara keseluruhan, model menunjukkan performa cukup baik, namun masih diperlukan penambahan variasi dataset dan augmentasi data guna meningkatkan akurasi serta mengurangi kesalahan klasifikasi.
Downloads
References
Achmad, M. H. (2025). Analisis kinerja model deteksi objek YOLO, SSD, dan Faster R-CNN pada citra penglihatan malam untuk pengenalan tindak kejahatan. Jurnal Teknologi Informasi dan Ilmu Komputer, 12(1), 145–152. https://doi.org/10.25126/jtiik.2025128409
Alfarizi, D. N. (2023). Penggunaan metode YOLO pada deteksi objek: Sebuah tinjauan literatur sistematis. 1(1), 54–63.
Ayu Marsela. (2024). Grafik 1 data kecelakaan kerja. 6(1), 63–73.
Azzahra. (2024). Analisis kinerja deteksi gerakan dan pengenalan objek produk ritel berbasis YOLOv8. 11(1), 43–53.
Dennis. (2025). Deteksi otomatis penggunaan APD pada pekerja migas menggunakan deep learning dan computer vision. Techno.Com, 24(3), 834–842. https://doi.org/10.62411/tc.v24i3.13449
Djaohar, M. (2022). Rancang bangun pengecekan alat pelindung diri menggunakan algoritma You Only Look Once (YOLO).
Hikmi, N. (2022). Hubungan penggunaan APD dengan kejadian kecelakaan kerja pada pekerja bagian produksi PT. Kunango Jantan: The relationship between the use of personal protective equipment and work accidents in workers production at PT. Kunango Jantan. 36, 27–32.
Ihsan, M. A. (2025). Hubungan pengawasan terhadap kepatuhan penggunaan. 11(2), 400–407.
Ladys. (2025). Pengaruh lingkungan kerja dan keselamatan kerja terhadap kinerja karyawan bagian produksi di PT. Cahaya Murni Borneo Timur.
Mandela. (2025). APD multiobjek pada area konstruksi berbasis computer vision dengan deep learning.
Prasetyo, S. Y. (2023). [Judul artikel belum tersedia]. Jurnal Teknologi Terpadu, 9(1), 29–34.
Pristian. (2022). Komparasi metode pembelajaran mesin untuk implementasi pengambilan keputusan dalam menentukan promosi jabatan karyawan. 6(2), 622–628.
Rahma, G. M. (2024). Implementasi metode You Only Look Once (YOLO) v8 pada deteksi objek alat pelindung diri. Edu Research Indonesian Institute for Corporate Learning and Studies (IICLS), 5(1), 70–80.
Reza, T. (2025). [Judul artikel belum lengkap: “Terhadap akurasi sistem pengenalan wajah berbasis convolutional neural network (CNN)”].
Rishad. (2025). Intisari implementasi YOLOv8n untuk deteksi alat pelindung diri: Abstract implementation of YOLOv8n for personal protective equipment detection in automatic.
Sarbiah, A. (2023). Penerapan pelaksanaan keselamatan dan kesehatan kerja (K3) pada karyawan. 15(2), 1–11.
Swandaru, G. (2025). Deteksi penggunaan alat pelindung diri (APD) pada pekerja berbasis web browser menggunakan YOLOv8 dan TensorFlow.js. 1–9.
Syahrizal. (2021). Hubungan penggunaan alat pelindung diri (APD) dengan kesehatan mata pada pekerja pengelasan: Studi kasus di PT. X, Aceh Besar. Jurnal Sago Gizi dan Kesehatan, 3(1), 109–113.
Terven, J. (2023). A comprehensive review of YOLO architectures in computer vision: From YOLOv1 to YOLOv8 and YOLO-NAS. 1680–1716.
Wahiddin, D. (2025). Penerapan algoritma convolutional neural network (CNN) untuk deteksi kacamata safety di perusahaan manufaktur, 9(2), 97–106.
Yani, A. (2024). Efektivitas pelatihan keselamatan kerja di konstruksi dan peran manajemen dalam meningkatkan kepatuhan K3: Literatur review, 5(2), 57–66.
