Implementasi Algoritma Yolo (You Only Look Once) Untuk Deteksi Rasa Kantuk Sebagai Fitur Keselamatan Tambahan Pada Pengoperasian Alat Crane Secara Real Time

Riza Adrian Maulana, . (2024) Implementasi Algoritma Yolo (You Only Look Once) Untuk Deteksi Rasa Kantuk Sebagai Fitur Keselamatan Tambahan Pada Pengoperasian Alat Crane Secara Real Time. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (246kB)
	Text BAB II.pdf Restricted to Registered users only Download (986kB)
	Text BAB III.pdf Restricted to Registered users only Download (269kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (219kB)
	Text Jurnal Skripsi Riza Adrian Maulana.pdf Restricted to Registered users only Download (965kB)

Abstract

Kecelakaan kerja, terutama di sektor konstruksi masih menjadi masalah serius, dengan kelelahan sebagai salah satu penyebab utama. Berdasarkan data dari satudata.kemnaker, penulis menyadari perlunya solusi pencegahan dini untuk mengurangi risiko kecelakaan akibat kelelahan. Salah satu pendekatan yang diajukan adalah pengembangan sistem deteksi otomatis untuk mengenali ekspresi wajah pekerja, khususnya dalam mendeteksi tingkat kesegaran dan kantuk. Kendala yang sering dihadapi adalah keterbatasan waktu dan skala dalam pemantauan secara manual, terutama pada proyek konstruksi berskala besar. Untuk mengatasi hal ini, digunakan algoritma You Only Look Once (YOLO), yang mampu mendeteksi objek dengan cepat dan akurat, guna memberikan pengawasan berkelanjutan terhadap kondisi pekerja. Penelitian ini berfokus pada penerapan model YOLOv8n dalam sistem deteksi ekspresi wajah segar dan kantuk secara otomatis. Model ini dilatih menggunakan dataset yang mencakup berbagai ekspresi wajah dalam situasi berbeda, memungkinkan sistem untuk mendeteksi kondisi pekerja secara real-time dan dalam skala besar. Hasil evaluasi pada penelitian ini menunjukkan performa yang sangat baik, dengan precision mencapai 99,9%, recall 100%, mAP50 99,5%, dan mAP50-90 97,9%. Meskipun model terkadang melakukan kesalahan dalam pengenalan kelas objek, hasil keseluruhan tetap menunjukkan tingkat akurasi yang sangat tinggi. Dengan sistem ini, diharapkan dapat meningkatkan keselamatan kerja melalui deteksi dini tanda-tanda kelelahan pada pekerja, sehingga potensi kecelakaan kerja dapat diminimalkan secara signifikan. Kata Kunci: Sistem Deteksi, YOLO, Ekspresi Wajah, kantuk, pekerja konstruksi.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sistem Deteksi, YOLO, Ekspresi Wajah, kantuk, pekerja konstruksi
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Agus Sugiarto
Date Deposited:	19 Dec 2024 08:10
Last Modified:	19 Dec 2024 08:10
URI:	http://repository.unpam.ac.id/id/eprint/16069

Actions (login required)

View Item