Perancangan Sistem Pengawasan Penggunaan Safety Helmet pada PT. Semen Padang Berbasis Computer Vision dengan Metode Faster R-CNN

Azizi, Sandy (2025) Perancangan Sistem Pengawasan Penggunaan Safety Helmet pada PT. Semen Padang Berbasis Computer Vision dengan Metode Faster R-CNN. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) cover dan abstrak fix.pdf - Published Version Download (1MB)
	Text (BAB 1) BAB 1.pdf - Published Version Download (1MB)
	Text (BAB akhir) BAB akhir.pdf - Published Version Download (1MB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (615kB)
	Text (Tugas Akhir Fulltext) Tugas Akhir Fulltext.pdf - Published Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Kecelakaan kerja menimbulkan kerugian bagi orang yang dikenai dan atau bagi perusahaan pertambangan. Alat Pelindung Diri (APD) adalah alat yang digunakan untuk melindungi pekerja dari luka atau penyakit yang diakibatkan oleh adanya kontak dengan bahaya ditempat kerja, baik yang bersifat kimia, biologis, radiasi, fisik, elektrik, mekanik dan lain-lain. APD merupakan salah satu bentuk upaya dalam menanggulangi resiko akibat kerja. Penggunaan alat pelindung diri seringkali dianggap kurang penting ataupun remeh oleh para pekerja, terutama pada pekerja yang bekerja pada ruang lingkup kerja yang dianggap aman. Dengan perkembangan teknologi, pengawasan dapat dilakukan dengan menggunakan computer vision. Pada penelitian ini, peneliti menggunakan metode Faster R-CNN dan berfokus pada penggunaan helm. Faster R-CNN memiliki kemampuan untuk mengklasifikasikan objek, mendeteksi lokasi objek, waktu pendeteksian yang cepat, serta mendeteksi lebih dari satu objek dalam satu waktu. Sistem yang telah dibuat mampu melakukan pengawasan terhadap penggunaan alat pelindung diri berupa helm. Sistem mampu mendeteksi pada Siang dan Malam hari serta dengan jumlah empat orang pada suatu ruangan. Pengujian dilakukan dengan menguji kemampuan deteksi sistem pada singa dan malam serta berbagai variasi jumlah orang pada suatu ruangan. Berdasarkan data pengujian yang didapatkan akurasi pengujian siang yaitu sebesar 90% untuk kelas helm, dan kelas tanpa helm sebesar 87%. Pendeteksian pada malam hari menggunakan Faster R-CNN didapatkan akurasi sebesar 97% untuk kelas, sedangkan untuk pengujian kelas tanpa helm didapatkan akurasi sebesar 91%. Waktu komputasi yang dibutuhkan sebanyak 0.1 detik sehingga sistem dapat mendeteksi sebanyak 10 kali dalam satu detik.

Actions (login required)

View Item