<![CDATA[Keselamatan dan Kesehatan Kerja (K3) pada sektor konstruksi masih menghadapi permasalahan rendahnya kepatuhan penggunaan alat pelindung diri, khususnya helm keselamatan, yang berkontribusi terhadap meningkatnya risiko kecelakaan kerja. Pengawasan manual dinilai kurang efektif dalam memantau penggunaan helm secara berkelanjutan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penggunaan helm keselamatan berbasis computer vision menggunakan algoritma YOLOv11 yang terintegrasi dengan aplikasi monitoring berbasis web. Sistem dikembangkan menggunakan metode Rapid Application Development (RAD). Dataset diperoleh dari platform Roboflow sebagai dataset publik yang terdiri dari 19.745 citra dan ditingkatkan menjadi 31.579 citra melalui proses augmentasi, serta tahapan pre-processing, anotasi, dan pembagian data. Model dilatih selama 40 epoch dengan citra 640×640 piksel dan batch size 32, serta dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil penelitian menunjukkan bahwa model memperoleh precision sebesar 0,881, recall sebesar 0,865, dan mAP@0.5 sebesar 0,905, serta mAP@0.5–0.95 sebesar 0,549 yang menunjukkan performa deteksi yang baik. Sistem mampu melakukan deteksi secara real-time pada video streaming berbasis RTSP serta menampilkan hasil deteksi secara langsung pada setiap frame. Pengujian black-box menunjukkan seluruh fungsi sistem berjalan dengan baik dan mampu memproses video streaming secara kontinu selama monitoring berlangsung. Hasil evaluasi confusion matrix menunjukkan model masih berpotensi menghasilkan false negative pada kondisi tertentu, khususnya pada objek tanpa helm dengan pencahayaan atau sudut pengambilan gambar yang kurang optimal. Oleh karena itu, pengembangan lebih lanjut diperlukan untuk meningkatkan robustness sistem terhadap variasi kondisi lingkungan.]]>
