<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="111790">
 <titleInfo>
  <title>EVALUASI PERFORMA ARSITEKTUR DEEP LEARNING DALAM PENGKLASIFIKASIAN CITRA HELM PENGAMAN (HARDHAT)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Akmal Yafi</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Komputer</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Penggunaan safety helmet atau yang biasanya disebut sebagai helm pengaman merupakan sebuah kewajiban yang berlaku di setiap lokasi kerja yang berpotensi terjadi kecelakaan kerja. Helm pengaman berfungsi untuk melindungi kepala pemakai dari bahaya yang berada di lingkungan kerja. Meskipun begitu masih banyak pekerja yang tidak menggunakan helm pengaman ketika sedang berada di lingkungan pekerjaan. Kurangnya pengawasan dan luasnya lokasi kerja juga menjadi beberapa kendala yang ada pada perusahaan berskala besar sehingga berpotensi meningkatkan jumlah kecelakaan. Oleh karena itu, banyak penelitian yang mengusulkan teknik otomasi dalam hal pengawasan regulasi kerja. Visi Komputer atau Computer Vision merupakan bidang kecerdasan buatan atau Artificial Intelligence yang dibuat untuk menafsirkan dunia visual. Visi Komputer bekerja menyerupai mata manusia, dimana komputer dilatih untuk memahami suatu citra kemudian mengklasifikasikannya. Banyak sistem pendeteksi helm pengaman yang sudah dibangun menggunakan berbagai algoritma Convolutional Neural Network (CNN), namun masih sedikit informasi mengenai perbandingan performa dari arsitektur yang digunakan. Dari masalah tersebut, dilakukan penelitian untuk melakukan evaluasi performa terhadap arsitektur yang sudah dibangun sebelumnya seperti YOLO (You Only Look Once), EfficientNet, ResNet, dan VGG. Setelah dilakukan penelitian ini, didapati bahwa model yang dibangun mampu mengklasifikasikan citra helm pengaman dengan Hasil yang didapat dari penelitian ini adalah YOLOv5x memiliki akurasi yang lebih baik dibandingkan dengan arsitektur lain yaitu sebesar 99,5% diikuti oleh YOLOv5l sebesar 99%, YOLOv5m sebesar 99%, EfficientNet sebesar 98,9%, YOLOv5s sebesar 98,5%, YOLOv5n sebesar 98,5%, ResNet50 sebesar 96,1%, dan VGG11 sebesar 95,5%.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>111790</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-06-22 17:27:23</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-06-23 10:34:48</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>