Electronic Theses and Dissertation

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%.

The use of a safety helmet or what is usually referred to as a hardhat is an obligation that applies in every work location where there is the potential for work accidents to occur. Safety helmets function to protect the wearer's head from hazards in the work environment. Even so, there are still many workers who do not use safety helmets when they are in the work environment. Lack of supervision and the size of the work location are also some of the obstacles that exist in large-scale companies that have the potential to increase the number of accidents. Therefore, many studies have proposed automation techniques in terms of supervising work regulations. Computer Vision or Computer Vision is a field of artificial intelligence or Artificial Intelligence created to interpret the visual world. Computer Vision works like the human eye, where the computer is trained to understand an image and then classify it. Many safety helmet detection systems have been built using various Convolutional Neural Network (CNN) algorithms, but there is still little information regarding the performance comparison of the architectures used. From these problems, research was conducted to evaluate the performance of architectures that had been built previously such as YOLO (You Only Look Once), EfficientNet, ResNet, and VGG. After conducting this research, it was found that the built model was able to classify safety helmet images with the results obtained from this study that YOLOv5x had better accuracy compared to other architectures, namely 99.5% followed by YOLOv5l of 99%, YOLOv5m of 99% , EfficientNet 98.9%, YOLOv5s 98.5%, YOLOv5n 98.5%, ResNet50 96.1%, and VGG11 95.5%.