ISRAK FARADILA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2025

Skripsi

Tingkat kepatuhan penggunaan Alat Pelindung Diri (APD) di lingkungan kerja PT. PLN, masih menjadi tantangan serius yang berdampak langsung terhadap keselamatan tenaga kerja. Pengawasan secara manual dinilai tidak efektif karena bersifat subjektif dan terbatas dalam cakupan waktu serta ruang. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem deteksi otomatis penggunaan APD berbasis deep learning yang mampu mengenali lima objek utama, yaitu helm, rompi, sarung tangan, sepatu, dan orang. Sistem ini dirancang untuk mendeteksi keberadaan APD secara real-time dan mencatat status keselamatan kerja tenaga lapangan secara otomatis. Penelitian ini dilakukan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur YOLOv11 varian nano karena keunggulannya dalam efisiensi dan kecepatan inferensi. Dataset yang digunakan berasal dari citra primer PT. PLN dan citra sekunder dari Roboflow Universe, dengan total 7.310 gambar setelah augmentasi. Model dilatih selama 150 epoch, lalu diimplementasikan pada Raspberry Pi 4 B. Hasilnya, sistem mampu mencapai akurasi rata-rata 90%, precision sebesar 91,8%, dan recall 82%. Sistem juga berhasil dijalankan secara efisien di perangkat terbatas dengan kecepatan 5–8 FPS dan dapat mencatat status safety dan non-safety ke dalam laporan Excel secara otomatis, menjadikannya solusi yang aplikatif untuk pemantauan keselamatan kerja. Kata Kunci: Alat Pelindung Diri (APD), Convolutional Neural Networks (CNN), YOLOv11, Roboflow, Raspberry Pi. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 163073 2025-07-17 22:18:07 2025-07-18 11:26:58 machine generated