DETEKSI PENGGUNAAN ALAT PELINDUNG DIRI (APD) PADA PEKERJA BERBASIS WEB BROWSER MENGGUNAKAN YOLOV8 DAN TENSORFLOW.JS

Abstract

Abstract

Personal Protective Equipment (PPE) plays an important role in ensuring worker safety in the workplace by reducing the risk of accidents. Early detection of PPE use through a sophisticated technology-based system can improve compliance with safety protocols and reduce potential accident risks. This study aims to develop a web-based PPE detection system by utilizing computer vision and deep learning techniques. The YOLOv8 (You Only Look Once) detection model is used as the main basis, and its integration with TensorFlow.js allows for real-time implementation and testing of the model on a web browser. The PPE dataset was collected from the Roboflow platform, covering various types of PPE such as protective helmets, face shields, vests, dust masks, goggles, gloves, and protective shoes. The YOLOv8 model was trained using Google Colab to detect objects in real time in images and videos. The training results showed that the system was able to detect eight classes of PPE with an average accuracy of 91.7%, mean Average Precision (mAP) of 91.7% for mAP50 and 66.4% for mAP50-95. Confusion matrix analysis showed 91.5% precision and 87.5% recall from 647 test data, ensuring the system's ability to recognize various types of PPE with a high level of accuracy, even in varying environmental conditions. The optimized model was then exported to TensorFlow.js format to support real-time object detection implementation in a web browser. This implementation opens up new opportunities for occupational safety monitoring by offering a flexible and easily accessible solution from various devices. This research makes a significant contribution to the development of occupational safety monitoring technology by integrating a YOLOv8-based detection model in a web environment, which is expected to increase awareness and compliance with the use of PPE, reduce the risk of accidents, and improve worker safety. 

Keywords: Personal Protective Equipment (PPE), YOLOv8, Computer Vision, Object Recognition, TensorFlow.js.

Abstrak

Alat Pelindung Diri (APD) memiliki peran penting dalam memastikan keselamatan pekerja di tempat kerja dengan mengurangi risiko kecelakaan. Deteksi dini penggunaan APD melalui sistem berbasis teknologi canggih dapat meningkatkan kepatuhan terhadap protokol keselamatan dan mengurangi potensi risiko kecelakaan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi APD berbasis web dengan memanfaatkan teknik computer vision dan deep learning. Model deteksi YOLOv8 (You Only Look Once) digunakan sebagai dasar utama, dan integrasinya dengan TensorFlow.js memungkinkan implementasi dan pengujian model secara real-time di web browser. Dataset APD dikumpulkan dari platform Roboflow, mencakup berbagai jenis APD seperti helm pelindung, pelindung wajah, rompi, masker debu, kacamata, sarung tangan, dan sepatu pelindung. Model YOLOv8 dilatih menggunakan Google Colab untuk mendeteksi objek secara realtime pada gambar dan video. Hasil pelatihan menunjukkan bahwa sistem mampu mendeteksi delapan kelas APD dengan akurasi rata-rata 91,7%, mean Average Precision (mAP) sebesar 91,7% untuk mAP50 dan 66,4% untuk mAP50-95. Analisis confusion matrix menunjukkan presisi 91,5% dan recall 87,5% dari 647 data uji, memastikan kemampuan sistem dalam mengenali berbagai jenis APD dengan tingkat akurasi yang tinggi, meskipun dalam kondisi lingkungan yang bervariasi. Model yang sudah dioptimalkan kemudian diekspor ke format TensorFlow.js untuk mendukung implementasi deteksi objek secara real-time di browser web. Implementasi ini membuka peluang baru untuk pengawasan keselamatan kerja dengan menawarkan solusi yang fleksibel dan mudah diakses dari berbagai perangkat. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi pemantauan keselamatan kerja dengan mengintegrasikan model deteksi berbasis YOLOv8 di lingkungan web, yang diharapkan dapat meningkatkan kesadaran dan kepatuhan terhadap penggunaan APD, mengurangi risiko kecelakaan, dan meningkatkan keselamatan pekerja.

Kata Kunci: Alat Pelindung Diri (APD), YOLOv8, Computer Vision, Pengenalan Objek, TensorFlow.js.