Sistem Pengawasan Penggunaan Alat Pelindung Diri Berbasis Internet of Things Menggunakan Algoritma YOLO Dengan Slicing Aided Hyper Inference
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Pramudya, Dimas
Subject
T Technology (General)
Datestamp
2025-01-09 06:01:50
Abstract :
Keselamatan dan Kesehatan Kerja (K3) merupakan aspek penting dalam dunia kerja untuk mencegah kecelakaan yang dapat membahayakan pekerja. Penggunaan Alat Pelindung Diri (APD) merupakan langkah utama dalam mitigasi risiko kecelakaan, namun kepatuhan pekerja terhadap penggunaannya masih menjadi tantangan. Penelitian ini mengembangkan sistem pengawasan penggunaan APD berbasis Internet of Things (IoT) dengan memanfaatkan algoritma YOLO dan metode Slicing Aided Hyper Inference (SAHI) dalam mendeteksi objek yang terlihat kecil. Sistem ini menggunakan Raspberry Pi sebagai perangkat yang menangkap dan memproses data video sebelum dikirim ke server untuk pendeteksian. Hasil penelitian menunjukkan bahwa model YOLO dengan SAHI mencapai peningkatan Mean Average Precision (mAP) hingga 57,6% dibandingkan model tanpa SAHI dalam mendeteksi objek APD yang terlihat kecil pada gambar. Sistem mampu mendeteksi pekerja yang sedang dan tidak sedang menggunakan APD. Raspberry Pi digunakan tidak hanya untuk menangkap data, tetapi juga untuk melakukan preprocessing dan pengelolaan pengiriman data secara efisien, menjadikannya perangkat IoT yang integral dalam sistem. Sistem ini diharapkan dapat menjadi solusi efektif untuk meningkatkan pengawasan kepatuhan terhadap K3 di berbagai lingkungan kerja, sekaligus membuka peluang pengembangan lebih lanjut untuk integrasi dengan teknologi IoT lainnya
Keselamatan dan Kesehatan Kerja (K3) merupakan aspek penting dalam dunia kerja untuk mencegah kecelakaan yang dapat membahayakan pekerja. Penggunaan Alat Pelindung Diri (APD) merupakan langkah utama dalam mitigasi risiko kecelakaan, namun kepatuhan pekerja terhadap penggunaannya masih menjadi tantangan. Penelitian ini mengembangkan sistem pengawasan penggunaan APD berbasis Internet of Things (IoT) dengan memanfaatkan algoritma YOLO dan metode Slicing Aided Hyper Inference (SAHI) dalam mendeteksi objek yang terlihat kecil. Sistem ini menggunakan Raspberry Pi sebagai perangkat yang menangkap dan memproses data video sebelum dikirim ke server untuk pendeteksian. Hasil penelitian menunjukkan bahwa model YOLO dengan SAHI mencapai peningkatan Mean Average Precision (mAP) hingga 57,6% dibandingkan model tanpa SAHI dalam mendeteksi objek APD yang terlihat kecil pada gambar. Sistem mampu mendeteksi pekerja yang sedang dan tidak sedang menggunakan APD. Raspberry Pi digunakan tidak hanya untuk menangkap data, tetapi juga untuk melakukan preprocessing dan pengelolaan pengiriman data secara efisien, menjadikannya perangkat IoT yang integral dalam sistem. Sistem ini diharapkan dapat menjadi solusi efektif untuk meningkatkan pengawasan kepatuhan terhadap K3 di berbagai lingkungan kerja, sekaligus membuka peluang pengembangan lebih lanjut untuk integrasi dengan teknologi IoT lainnya
File :
11211032_cover.pdf
11211032_statement_of_authenticity.pdf
11211032_chapter_1.pdf
11211032_chapter_2.pdf
11211032_chapter_3.pdf
11211032_chapter_4.pdf
11211032_conclusions.pdf
11211032_bibliography.pdf
11211032_enclosure.pdf
11211032_paper.pdf
11211032_presentation.pdf
11211032_Form. TA-020.pdf
11211032_publishing_agreement.pdf
11211032_approval_sheet.pdf
11211032_preface.pdf
11211032_abstract_id.pdf
11211032_asbtract_en.pdf
11211032_table_of_content.pdf
11211032_illustrations.pdf
11211032_tables.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
