Pendeteksian Alat Pelindung Diri dan Lokasi Pekerja Menggunakan Image Processing untuk Keselamatan di Lantai Pabrik

Mahendra Parayana, Dwijaya (2025) Pendeteksian Alat Pelindung Diri dan Lokasi Pekerja Menggunakan Image Processing untuk Keselamatan di Lantai Pabrik. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (354kB)
	PDF BAB_II.pdf Download (658kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (673kB)
	PDF BAB_V.pdf Download (223kB)
	PDF DAFTAR_PUSTAKA.pdf Download (228kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Dalam perkembangan teknologi, keselamatan kerja merupakan aspek yang sangat penting untuk mengurangi kecelakaan dalam pabrik. Faktor tingginya angka kecelakaan dalam bidang manufaktur dan konstruksi dibagi menjadi dua, yakni faktor manusia dan lingkungan. Penelitian ini berfokus kepada pengembangan sistem keamanan terhadap kelalaian penggunaan APD beserta lokasi seorang pekerja sehingga seorang pekerja berada area yang aman ketika mengoperasikan sistem pada pabrik. Untuk menyimulasikan area pabrik, sebuah maket dibuat sebagai area yang digunakan dalam pengetesan. Jika sistem mendeteksi bahwa seorang pekerja tidak menggunakan APD dan tidak berada di area operasi yang sudah ditentukan sebelumnya, maka mesin di lantai pabrik tidak dapat dioperasikan. Sistem dibuat menggunakan algoritma You Only Look Once version 11 (YOLOv11) yang sudah dilatih berdasarkan sebuah data set yang disesuaikan dengan kondisi maket serta model dari pekerja yang digunakan. Untuk menyesuaikan skala dari maket, hanya satu tipe APD untuk mendemonstrasikan kapabilitas sistem yakni topi pelindung. Region of Interest (ROI) digunakan untuk menentukan area pekerjaan. Algoritma tersebut dapat mendeteksi 3 kelas objek; `person', `no hat', `hat'. Sistem berhasil mendeteksi APD dan pekerja dengan akurasi F1 Score sebesar 0.80 yang dihitung secara manual. Selain itu, mean average precision (mAP) yang dihasilkan algoritma menunjukkan nilai mAP 50 sebesar 0.986, dan mAP 50-95 sebesar 0.916. Toleransi batas ROI yang dihasilkan adalah 3 milimeter. Performa sistem yang dibuat berhasil memproses gambar dan memberikan rata-rata respons sebesar 0.66 frame per second (FPS).

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Computer Vision, YOLOv11, Region of Interest
Divisions:	Faculty of Engineering & Informatics > Electrical Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	29 Jul 2025 11:01
Last Modified:	29 Jul 2025 11:01
URI:	https://kc.umn.ac.id/id/eprint/39398

Actions (login required)

View Item