<![CDATA[Tingginya angka kecelakaan kerja akibat ketidakpatuhan penggunaan Alat Pelindung Diri (APD) mendorong kebutuhan sistem monitoring otomatis yang dapat menghasilkan interpretasi bermakna bagi petugas Keselamatan dan Kesehatan Kerja (K3). Penelitian ini mengembangkan sistem monitoring keselamatan kerja yang mengintegrasikan model You Only Look Once (YOLO) dengan Large Language Model (LLM) dalam satu pipeline sistematis. YOLO bertugas mendeteksi delapan kelas APD dari citra masukan, kemudian hasilnya diteruskan sebagai masukan kontekstual kepada LLM untuk menghasilkan penjelasan tekstual berbahasa Indonesia yang dapat ditindaklanjuti. Dataset PPE-Dataset-for-Workplace-Safety ditingkatkan melalui augmentasi untuk mengatasi ketidakseimbangan kelas. Sebanyak 16 varian model YOLO dari tiga generasi (YOLOv8, YOLOv10, YOLOv11) dievaluasi menggunakan metrik Precision, Recall, mAP, dan latency, sementara enam varian LLM dievaluasi menggunakan Feasibility Score berbasis skala Likert pada lima aspek. Hasil menunjukkan seluruh 16 model YOLO mencapai mAP ≥99,39% tanpa overfitting signifikan, dengan YOLOv8m sebagai model terbaik yang menawarkan keseimbangan optimal antara akurasi (mAP50-95 98,13%) dan efisiensi komputasi. Seluruh enam varian LLM menghasilkan nilai kelayakan di atas 4,00, dengan Bahasa-4b-chat meraih skor tertinggi sebesar 4,51, mengonfirmasi bahwa pipeline YOLO-LLM yang dikembangkan layak sebagai komponen interpretasi otomatis dalam sistem monitoring K3 berbasis kecerdasan buatan.]]>
Copyrights © 2026
