EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Implementasi YOLOv8n untuk Deteksi Penggunaan APD Helm dan Rompi Keselamatan pada Aplikasi Web DETEKTA

Vellisya Afifa Qonita, Silvia Ariani Daulay, Hotniel Diasi Sianturi, Mayanda Mega Santoni, Dodik Ariyanto, Faldiena Marcelita

Journal of Informatics and Communication Technology (JICT) · 24.06.2026 · 8 (1) · 225-236

DOI: 10.52661/jict.v8i1.522 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Informatics and Communication Technology (JICT), online erschienen am 24.06.2026. Verfasst von Vellisya Afifa Qonita und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Keselamatan dan kesehatan kerja (K3) merupakan aspek fundamental dalam pengelolaan lingkungan kerja, terutama pada sektor industri dengan risiko kecelakaan tinggi seperti konstruksi, pertambangan, dan manufaktur. Pengawasan kepatuhan penggunaan alat pelindung diri (APD) secara manual masih memiliki keterbatasan, antara lain ketidakkonsistenan pemantauan, keterbatasan sumber daya manusia pengawas, serta rendahnya efektivitas pada area kerja yang luas. Penelitian ini bertujuan mengembangkan sistem deteksi APD berbasis web untuk mendukung pemantauan kepatuhan keselamatan pekerja, khususnya dalam mendeteksi penggunaan helm dan rompi keselamatan. Sistem dirancang dengan mengintegrasikan model deteksi objek YOLOv8n berbasis ONNX, backend FastAPI, serta frontend React. Deteksi dilakukan melalui dua mekanisme, yaitu unggahan gambar menggunakan REST API dan input kamera secara real-time menggunakan komunikasi WebSocket. Sistem diuji dengan melakukan deployment frontend dan backend pada platform cloud, kemudian dievaluasi kemampuannya dalam memproses gambar dan frame kamera melalui antarmuka web dengan konfigurasi 80 epoch, batch size 16, dan ukuran citra 640×640 piksel. Hasil pengujian menunjukkan nilai precision sebesar 85,95%, recall 82,46%, mAP50 88,93%, dan mAP50-95 sebesar 66,10%. Sistem mampu mendeteksi beberapa kondisi APD, yaitu penggunaan helm dan rompi lengkap, tidak menggunakan helm, tidak menggunakan rompi, serta tidak menggunakan helm dan rompi. Meskipun demikian, pengujian dengan dataset yang lebih besar masih diperlukan untuk meningkatkan keandalan sistem pada lingkungan kerja nyata.

Zitieren

APA

Qonita, V. A., Daulay, S. A., Sianturi, H. D., Santoni, M. M., Ariyanto, D., & Marcelita, F. (2026). Implementasi YOLOv8n untuk Deteksi Penggunaan APD Helm dan Rompi Keselamatan pada Aplikasi Web DETEKTA. Journal of Informatics and Communication Technology (JICT), 8(1), 225-236. https://doi.org/10.52661/jict.v8i1.522

Vancouver

Qonita VA, Daulay SA, Sianturi HD, Santoni MM, Ariyanto D, Marcelita F. Implementasi YOLOv8n untuk Deteksi Penggunaan APD Helm dan Rompi Keselamatan pada Aplikasi Web DETEKTA. Journal of Informatics and Communication Technology (JICT). 2026;8(1):225-236. doi:10.52661/jict.v8i1.522

BibTeX
@article{Qonita2026,
  author = {Qonita, Vellisya Afifa and Daulay, Silvia Ariani and Sianturi, Hotniel Diasi and Santoni, Mayanda Mega and Ariyanto, Dodik and Marcelita, Faldiena},
  title = {Implementasi YOLOv8n untuk Deteksi Penggunaan APD Helm dan Rompi Keselamatan pada Aplikasi Web DETEKTA},
  journal = {Journal of Informatics and Communication Technology (JICT)},
  year = {2026},
  volume = {8},
  number = {1},
  pages = {225--236},
  doi = {10.52661/jict.v8i1.522}
}
Kostenlos starten →