PENGEMBANGAN SISTEM PERINGATAN DINI PELANGGARAN K3 MELALUI INTEGRASI KAMERA PINTAR BERBASIS CNN-YOLOV8 DI GUDANG BETON KIG

MAGHFUR, Maula Aringga (2026) PENGEMBANGAN SISTEM PERINGATAN DINI PELANGGARAN K3 MELALUI INTEGRASI KAMERA PINTAR BERBASIS CNN-YOLOV8 DI GUDANG BETON KIG. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (COVER) 22032010047-cover.pdf Download (2MB)
	Text (BAB I) 22032010047-bab1.pdf Download (353kB)
	Text (BAB II) 22032010047-bab2.pdf Restricted to Repository staff only until 24 February 2029. Download (2MB) \| Request a copy
	Text (BAB III) 22032010047-bab3.pdf Restricted to Repository staff only until 24 February 2029. Download (857kB) \| Request a copy
	Text (BAB IV) 22032010047-bab4.pdf Restricted to Repository staff only until 24 February 2029. Download (4MB) \| Request a copy
	Text (BAB V) 22032010047-bab5.pdf Download (265kB)
	Text (DAFTAR PUSTAKA) 22032010047-daftarpustaka.pdf Download (259kB)
	Text (LAMPIRAN) 22032010047-lampiran.pdf Restricted to Repository staff only until 24 February 2029. Download (11MB) \| Request a copy

Abstract

Keselamatan dan Kesehatan Kerja (K3) merupakan aspek krusial dalam operasional gudang industri yang memiliki tingkat risiko kerja tinggi, khususnya terkait kepatuhan penggunaan Alat Pelindung Diri (APD). Penelitian ini bertujuan mengembangkan sistem peringatan dini pelanggaran K3 melalui integrasi kamera pintar berbasis Convolutional Neural Network (CNN) dan algoritma You Only Look Once (YOLOv8) untuk mendeteksi pelanggaran penggunaan APD secara otomatis dan real time di Gudang Beton KIG. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan tahapan analisis kebutuhan, desain sistem, penulisan kode program, pengujian, serta penerapan dan pemeliharaan sistem. Objek deteksi mencakup kelas kepatuhan dan ketidakpatuhan penggunaan APD (hardhat, mask, dan safety vest) serta objek netral, yaitu person, safety cone, vehicle, dan machinery. Hasil pengujian menunjukkan peningkatan performa model yang signifikan, dengan nilai precision meningkat dari sekitar 0,6 menjadi 0,9, recall dari 0,3 menjadi 0,7, mAP@0.5 dari 0,3 menjadi 0,8, serta mAP@0.5–0.95 dari 0,1 menjadi 0,5 pada epoch ke-100. Hasil ini menunjukkan bahwa sistem mampu mendeteksi pelanggaran APD secara andal pada kondisi lingkungan kerja yang dinamis serta mendukung penyusunan regulasi internal dan mekanisme sanksi K3 yang lebih terukur.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Tranggono, Tranggono	NIDN0022128601	tranggono.ti@upnjatim.ac.id
Thesis advisor	Islami, Mega Cattleya Pramewari Annissa	NIDN0012119204	mega.cattleya.ti@upnjatim.ac.id

Uncontrolled Keywords:

Sistem Peringatan Dini, Keselamatan dan Kesehatan Kerja, Alat Pelindung Diri, Kamera Pintar, YOLOv8

Subjects:

H Social Sciences > HD Industries. Land use. Labor > HD61 Risk Management
T Technology > T Technology (General) > T55.4-60.8 Industrial engineering. Management engineering
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105 Computer Network

Divisions:

Faculty of Engineering > Departement of Industrial Engineering

Depositing User:

Maula Aringga Maghfur

Date Deposited:

24 Feb 2026 05:40

Last Modified:

24 Feb 2026 05:40