Deteksi Alat Pelindung Diri Menggunakan Metode Yolo V11

Abstract

Penggunaan Alat Pelindung Diri (APD) merupakan faktor krusial dalam menjamin keselamatan kerja di lingkungan industri, namun pengawasan secara manual masih rentan terhadap faktor kesalahan manusia (human error). Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis penggunaan APD berbasis visi komputer dengan mengimplementasikan metode terbaru, yaitu YOLOv11. Sistem dirancang untuk mendeteksi berbagai jenis APD, meliputi helm keselamatan, rompi/wearpack, masker, goggles, gloves, dan boots secara real-time. Penelitian ini menggunakan 1.500 data yang bersumber dari Kaggle, yang selanjutnya melalui tahap preprocessing dan augmentasi untuk meningkatkan kemampuan generalisasi model dalam berbagai kondisi lapangan. Evaluasi kinerja dilakukan menggunakan metrik confusion matrix, precision, recall, F1-score, dan mean Average Precision (mAP). Hasil analisis menunjukkan bahwa model YOLOv11 memberikan performa dengan nilai mAP mencapai 97,3%, serta tingkat presisi yang tinggi pada hampir seluruh kelas APD, bahkan mencapai 100% pada beberapa kategori tertentu. Meskipun masih menghadapi tantangan pada kondisi pencahayaan rendah dan objek yang terhalang (occlusion), secara keseluruhan sistem ini terbukti sebagai solusi cerdas dalam mendukung optimalisasi pengawasan keselamatan kerja di industri