<![CDATA[Kecelakaan kerja di Indonesia menunjukkan tren peningkatan signifikan, khususnya pada sektor konstruksi. Rendahnya kepatuhan pekerja dalam menggunakan Alat Pelindung Diri (APD) menjadi salah satu penyebab utama tingginya angka kecelakaan kerja di Indonesia. Penelitian ini merancang sistem pendeteksi kepatuhan APD berbasis visi komputer menggunakan algoritma YOLOv8 untuk mendeteksi objek human, helmet, dan vest secara realtime. Sistem diintegrasikan dengan Gamma Correction guna meningkatkan kualitas citra pada kondisi pencahayaan redup dan silau. Saat pelanggaran terdeteksi, sistem secara otomatis mengirimkan foto bukti melalui WhatsApp Web API (Baileys) serta memberikan peringatan suara di area kerja menggunakan DF Player Mini MP3. Pemilihan WhatsApp didasarkan pada durasi penggunaan global yang tinggi, yaitu 17 jam 6 menit per bulan, sehingga peluang pesan terbaca oleh supervisor lebih besar. Hasil pengujian menunjukkan performa deteksi tinggi dengan nilai Precision 0.898, Recall 0.974, F1-Score 0.934, dan mAP@0.5 0.981 pada pencahayaan normal, serta Precision 0.899, Recall 0.997, F1-Score 0.945, dan mAP@0.5 0.953 pada kondisi gelap. Gamma Correction berhasil meningkatkan intensitas piksel hingga 55.29% pada kondisi redup dan menurunkannya sebesar 10.9% pada kondisi silau, sementara sistem peringatan suara mencapai success rate 100% pada jarak 3–4 meter dan 81,25% pada jarak 5 meter.Kata Kunci— YOLOv8, Alat Pelindung Diri (APD), Gamma Correction, WhatsApp Notification, Peringatan Suara Real-time.]]>
