<![CDATA[Pengawasan penggunaan Alat Pelindung Diri (APD) merupakan aspek penting dalam penerapan Keselamatan dan Kesehatan Kerja (K3), khususnya pada lingkungan kerja berisiko tinggi. Namun, proses pengawasan masih banyak dilakukan secara manual sehingga berpotensi menimbulkan kelalaian dan meningkatkan risiko kecelakaan kerja. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web yang mampu mendeteksi kelengkapan APD secara otomatis serta menyediakan edukasi K3 secara interaktif. Sistem yang diusulkan memanfaatkan pendekatan Computer Vision menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk mendeteksi enam jenis APD, yaitu helm, kacamata pelindung, wearpack, full body harness, sarung tangan, dan sepatu keselamatan. Pendekatan klasifikasi multilabel digunakan karena dalam satu citra pekerja dapat mengenakan lebih dari satu jenis APD secara bersamaan. Dataset yang digunakan terdiri dari 200 citra pekerja yang dibagi menjadi data pelatihan, validasi, dan pengujian dengan rasio 70%, 15%, dan 15%. Hasil pelatihan menunjukkan performa model yang stabil dengan nilai akurasi pelatihan sebesar 0,8861 dan akurasi validasi sebesar 0,8656. Evaluasi menggunakan metrik precision, recall, dan F1-score menghasilkan nilai micro-average sebesar 0,92 dan macro-average sebesar 0,91. Hasil deteksi visual kemudian diproses menggunakan metode Forward Chaining untuk menentukan status kelengkapan APD secara otomatis berdasarkan aturan keselamatan kerja. Selain itu, sistem dilengkapi dengan chatbot berbasis Natural Language Processing (NLP) sebagai media edukasi interaktif. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efektivitas pengawasan serta memberikan edukasi keselamatan kerja secara lebih akurat, konsisten, dan interaktif.]]>
Copyrights © 2026
