Claim Missing Document
Check
Articles

Found 32 Documents
Search

Sistem Deep-Learning Yolov8 untuk Deteksi Penggunaan APD Secara Real-Time Langi, Nelson Mandela Rande; Fadllullah, Arif
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 11 No. 1 (2026): January 2026
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.5051

Abstract

Although workplace safety regulations in construction are clear, many workers are still reluctant to use Personal Protective Equipment (PPE) due to a lack of awareness, work pressure, and limited facilities. As a result, the risk of serious accidents increases. Conventional approaches such as verbal warnings or CCTV monitoring are considered less effective for early detection and prevention of violations. This study proposes an automatic detection system for PPE usage in construction areas using YOLOv8. The model was trained on a secondary dataset of 3,569 images for 100 epochs, with a 60% training, 20% validation, and 20% test split. Testing on 90 real-time frames showed good performance in detecting 8 PPE classes, with an average precision of 0.935, recall of 0.806, and F1-measure of 0.862. The results indicate that the system can classify PPE usage with high accuracy. However, a recall below 1 suggests that some objects, particularly "not wearing glasses" and "not wearing shoes," failed to be detected. The F1-measure of 0.862 reflects a good balance between precision and recall.
Perhitungan Indeks Massa Tubuh Less Contact Berbasis Computer Vision dan Regresi Linear Aji Bijaksana Abadi; Arif Fadllullah; Sumardi Sumardi; Sultan Mahdi; Audrey Nauffal Juniar
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1512

Abstract

Indeks massa tubuh dapat dilakukan dengan membandingkan tinggi badan dan berat badan seseorang. Pengukurantinggi dan berat badan manusia umumnya menggunakan cara manual dan kurang efisien terutama jika terdapat banyak manusia yang akan diukur dan pada saat masa pandemi yang mengharuskan untuk dapat saling menjaga jarak. Oleh sebab itu, pada penelitian ini dirancang suatu bangun sistem perhitungan Indeks Massa Tubuh (IMT) dengan Computer Vision dan regresi linier yang dapat menjadi alternatif dalam pengembangan sistem perhitungan IMT secara otomatis berbasis sensor kamera yang efektif, efisien, dan mampu mengurangi kontak langsung (less contact). Tahapan awal berupa pengambilan citra depan dan samping tubuh manusia menggunakan kamera yang kemudian masuk ke tahapan pengolahan citra berupa grayscale, blur, deteksi tepi, dan bounding box untuk memperoleh tinggi dan lebar badan sampel dalam piksel yang dilanjutkan dengan operasi regresi linier untuk menkonversi nilai piksel tersebut menjadi centimeter (cm) sehingga diperoleh data tinggi badan dan lebar badan sistem, sedangkan untuk berat badan digunakan metode Body Surface Area (BSA) yaitu perhitungan luas area tubuh manusia dengan memodelkan tubuh manusia sebagai tabung elips dan ditambahkan faktor pengali untuk meningkatkan perhitungan sistem. Hasil penelitian menunjukan bahwa sistem dapat memperkirakan tinggi serta berat badan. Diperoleh akurasi sebesar 98,96% pada perhitungan tinggi badan, 88,54% pada perhitungan berat badan, 88,24% untuk skor Indeks Masa Tubuh (IMT), serta nilai akurasi kategori IMT sebesar 60%.