DETEKSI KELALAIAN ALAT PELINDUNG DIRI (APD) PADA PEKERJA KONTRUKSI BANGUNAN
PDF

Keywords

Alat Pelindung Diri
Deteksi
YOLO
Deeplearning

How to Cite

Nurfirmansyah, A. ., & Dijaya, R. . (2022). DETEKSI KELALAIAN ALAT PELINDUNG DIRI (APD) PADA PEKERJA KONTRUKSI BANGUNAN. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 6(1), 058–063. https://doi.org/10.29407/inotek.v6i1.2452

Abstract

APDi merupakani suatui alati yangi digunakani untuki melindungii dirii ataui tubuhi terhadapi bahaya-bahayai kecelakaani kerja,i dimanai tingkati kecelakaani kerjai yangi terjadii padai pekerjai masihi mengalamii peningkatani dii karenakani kesadarani pekerjai terhadapi keselamatani kerjai masihi kurang.i Salahi satui carai untuki mengontroli kecelakaani kerjai tersebuti yaitui penggunaani metodei pengenalani objeki APDi padai pekerjai bangunani dengani reali timei Webcami ataui CCTV.i Metodei yangi dapati digunakani untuki pengenalani objeki padai citrai APDi adalahi deepi learning.i Youi Looki Onlyi Oncei (YOLO)i merupakani salahi satui modeli deepi learningi yangi dapati digunakani untuki pengenalani objek.i Penelitiani inii bertujuani untuki pengenalani objeki padai citrai APDi pekerjai bangunani menggunakani YOLO.i Penelitiani inii terdirii darii beberapai tahapi yaitui pengumpulani data,i pra-prosesi data,i konfigurasii jaringani YOLO,i pelatihani modeli YOLOi dani pengujian.i Jumlahi datai citrai yangi digunakani dalami pelatihani yaitui 500i citrai yangi terdirii darii 5i jenisi APDi dani 10i calass.i Nilaii avgi lossi padai modeli akhiri yangi dibanguni dengani YOLOi yaitui 1,305%i dani nilaii validasii mAPi 99,99%.i Berdasarkani hasili pengujiani yangi dilakukani secarai reali timei Webcami ataui CCTV,i objeki padai citrai APDi berhasili dikenalii dengani akurasiirata-rata 80%i.

https://doi.org/10.29407/inotek.v6i1.2452
PDF

References

M. S. Adi, F. Harianto, dan D. Listiyaningsih, “Peringkat Penyebab Kecelakaan Kerja Pada Proyek Kontruksi Gedung Bertingkat di Sidoarjo,” Pros. STEPPLAN, hal. 169–176, 2021, [Daring]. Tersedia pada: https://ejournal.itats.ac.id/stepplan/article/view/1560/1354.

S. S. U. Panjaitan dan M. I. Silalahi, “Pengaruh Unsafe Action Terhadap Kecelakaan Kerja Pada Pekerja Konstruksi di PT . DAP Perumahan Citra Land Bagya City Kota Medan,” J. Prima Med. Sains, vol. 1, no. 1, hal. 1–6, 2019, [Daring]. Tersedia pada: http://jurnal.unprimdn.ac.id/index.php/JPMS/article/view/725/504.

Notoatmodjo, S. (2012). Pendidikan Dan Perilaku Kesehatan. Jakarta: Rineka Cipta.

Hutauruk, Junita Sri Wisna, Tekad Matulatan, dan Nurul Hayaty. 2020. “Deteksi Kendaraan secara Real Time menggunakan Metode YOLO Berbasis Android.” Jurnal Sustainable: Jurnal Hasil Penelitian dan Industri Terapan 9(1): 8–14.

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), 3(2), 49–56.

Thohari, A., & Hertantyo, G. B. (2018). Implementasi Convolutional Neural Network untuk Klasifikasi Pembalap MotoGP Berbasis GPU. Proceedings on Conference on Electrical Engineering, Telematics, Industrial Technology, and Creative Media, 50–55.

Bochkovskiy, A., Wang, C.-Y., & Liao, H.-Y. M. (2020). YOLOv4: Optimal Speed and Accuracy of Object Detection. http://arxiv.org/abs/2004.10934

Yolo-v, I. (2021). Face Mask Wearing Detection Algorithm Based on.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2022 Agustin Nurfirmansyah; Rohman Dijaya

Downloads

Download data is not yet available.