Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Ambary, Ahmad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGEMBANGAN MODEL MULTI-STAGE OBJECT DETECTION MENGGUNAKAN YOLOV11 UNTUK DETEKSI KEPATUHAN PEMAKAIAN ALAT PELINDUNG DIRI DI LINGKUNGAN KERJA BERISIKO TINGGI Ambary, Ahmad; Yudistira, Novanto; Rahman, Muh. Arif
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemantauan kepatuhan penggunaan Alat Pelindung Diri (APD) merupakan aspek kritis dalam Keselamatan dan Kesehatan Kerja (K3) di lingkungan industri berisiko tinggi. Pengawasan manual dinilai tidak efisien dari sisi konsistensi dan cakupan area, sehingga diperlukan solusi otomatis berbasis computer vision. Penelitian ini mengusulkan dan membandingkan empat pendekatan deteksi APD, yaitu: (1) model deteksi bounding box, (2) model segmentasi dengan konversi bounding box, (3) model bounding box dengan Pose-Guided Anchoring (PGA), dan (4) model segmentasi dengan konversi bounding box dan PGA. PGA memanfaatkan informasi keypoint pose manusia dari YOLOv11 untuk membangkitkan Region of Interest (ROI) anatomis sehingga deteksi APD lebih terfokus pada area tubuh yang relevan. Model dilatih dan dievaluasi pada dataset industri migas dengan 14 kelas APD menggunakan metrik mAP@50, mAP@75, dan mAP@50–95. Hasil pengujian menunjukkan bahwa model segmentasi dengan konversi bounding box secara konsisten mengungguli model deteksi langsung, mengindikasikan bahwa pelatihan berbasis target segmentasi mendorong pembelajaran fitur spasial yang lebih kaya. Integrasi PGA menunjukkan potensi pada skenario terkontrol, namun performanya menurun pada dataset yang lebih beragam akibat variasi sudut kamera dan kegagalan deteksi pose. Secara keseluruhan, model segmentasi dengan konversi bounding box tanpa PGA menjadi solusi paling andal untuk sistem deteksi APD berskala umum di lingkungan industri nyata.
Co-Authors Muh. Arif Rahman Novanto Yudistira