SISTEM DETEKSI OTOMATIS HELM UNTUK PROYEK KESELAMATAN KERJA BERBASIS YOLOv8

Abstrak

Keselamatan kerja di industri konstruksi sangat bergantung pada kepatuhan penggunaan alat pelindung diri (APD), terutama helm keselamatan. Rendahnya tingkat kepatuhan serta keterbatasan pengawasan konvensional menjadi tantangan utama di lapangan. Penelitian ini mengembangkan sistem deteksi otomatis penggunaan helm berbasis algoritma YOLOv8n, yang mampu bekerja secara real-time melalui kamera CCTV dengan efisiensi tinggi pada perangkat komputasi terbatas. Dataset terdiri dari 1.000 gambar teranotasi (pekerja dengan dan tanpa helm), diproses menggunakan Roboflow dan dilatih di Google Colab dengan augmentasi data untuk meningkatkan generalisasi. Hasil pengujian menunjukkan akurasi deteksi sebesar 61,5% untuk pekerja berhelm dan 82% untuk yang tidak, dengan keunggulan pada kategori non-helm karena pola visual yang lebih seragam. Sistem juga dilengkapi pelacakan objek dan parameter confidence threshold 0,25. Hasil ini menunjukkan bahwa YOLOv8n memiliki potensi besar dalam mendukung sistem pengawasan K3 secara otomatis, serta dapat dikembangkan lebih lanjut untuk mendeteksi APD lainnya dan mengintegrasikan fitur notifikasi otomatis. Kata kunci: YOLOv8, deteksi helm, K3, CCTV, deep learning, APD, real-time.

Identifier

• OpenAlex: https://openalex.org/W4414357090
• DOI: https://doi.org/10.70248/jrsit.v3i1.3043