<![CDATA[Industri konstruksi memiliki tingkat risiko kecelakaan kerja yang tinggi, dengan salah satu penyebab utamanya adalah kelalaian penggunaan Alat Pelindung Diri (APD) seperti helm dan rompi keselamatan. Penelitian ini bertujuan mengimplementasikan sistem deteksi otomatis penggunaan safety helmet dan safety vest menggunakan algoritma YOLOv8 yang diintegrasikan dengan framework Flask berbasis web. Metode pengembangan yang digunakan adalah CRISP-DM, mencakup pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Dataset terdiri dari 1.756 citra dengan dua kelas (helmet dan vest), dibagi menjadi data latih (80%) dan validasi (20%). Model dilatih selama 50 epoch dengan YOLOv8n. Evaluasi kelayakan sistem dilakukan melalui tiga aspek: (1) uji validitas oleh 2 orang ahli media dan 2 orang ahli materi menggunakan instrumen Likert, (2) uji praktikalitas oleh 10 responden (pengawas proyek dan pekerja konstruksi) melalui angket respons pengguna, serta (3) uji efektivitas dengan membandingkan waktu deteksi dan akurasi antara sistem otomatis versus pengawasan manual selama 5 hari uji coba. Hasil pengujian model menunjukkan performa sangat baik dengan nilai precision 0,911, recall 0,918, mAP50 0,951, dan mAP50-95 0,755. Hasil evaluasi kelayakan menunjukkan bahwa sistem dinyatakan valid (skor rata-rata 4,5 dari 5), praktis (skor 86,5%), dan efektif (peningkatan efisiensi deteksi sebesar 73% dibandingkan metode manual). Dengan demikian, aplikasi berbasis web ini layak digunakan sebagai alat bantu pengawasan keselamatan kerja di lingkungan konstruksi.]]>
Copyrights © 2026
