<![CDATA[Keselamatan kerja merupakan aspek krusial dalam industri manufaktur untuk mencegah kecelakaan dan melindungi pekerja. Penggunaan Alat Pelindung Diri (APD) seperti helm dan rompi keselamatan adalah kewajiban yang sering diabaikan, sementara metode monitoring manual oleh HSE officer memiliki keterbatasan dalam cakupan area dan waktu pengawasan. Penelitian ini mengembangkan sistem monitoring keselamatan kerja berbasis web yang mampu mendeteksi penggunaan APD secara real-time menggunakan Convolutional Neural Network (CNN). Sistem ini menggunakan dataset sebanyak 9. 074 gambar dengan 4 kelas deteksi (Helmet, NOHelmet, Vest, NOVest) yang diperoleh dari kombinasi dataset mandiri dan Roboflow. Model CNN dibangun menggunakan TensorFlow dan diintegrasikan dengan aplikasi web berbasis Flask yang dilengkapi dengan fitur dashboard monitoring real-time, sistem pelaporan, dan notifikasi otomatis melalui Telegram bot. Sistem mengimplementasikan MediaPipe untuk deteksi wajah guna mengoptimalkan performa komputasi, serta menerapkan mekanisme threshold confidence score (>50%) dan cooldown alert (10 detik) untuk mengurangi false positive. Hasil pelatihan menunjukkan model mencapai validation accuracy sebesar 94,06% pada epoch ke-14. Sistem berhasil diimplementasikan dengan fitur lengkap mencakup live camera feed, violations distribution chart, export laporan PDF, dan integrasi voice alert. Penelitian ini membuktikan bahwa sistem monitoring berbasis CNN dapat menjadi solusi efektif untuk meningkatkan kepatuhan penggunaan APD dan mengurangi risiko kecelakaan kerja di lingkungan industri manufaktur]]>
