Pengembangan dan Perbandingan Model Deteksi APD K3 pada Pekerja Industri Berbasis Computer Vision = Development and Comparison of PPE Detection Models in Industrial Workers Based on Computer Vision

Latar belakang. Tingginya angka kecelakaan kerja di Industri diakibatkan oleh kelalaian penggunaan dan pemantauan alat pelindung diri (APD) kesehatan dan keselamatan kerja (K3) pada pekerja. Tujuan. Penelitian ini bertujuan untuk mengembangkan dan membandingkan model deteksi APD K3 pada pekerja industri menggunakan algoritma YOLOv8. Metode. Metode yang digunakan adalah metode eksperimen kunantitatif dengan melibatkan pengembangan dua model deteksi, yaitu YOLOv8 object detection dan YOLOv8 instance segmentation. Kedua model ini dilatih dengan 7.000 data train dan 2.000 data validation. Evaluasi performa dilakukan menggunakan metrics berupa accuracy, precision, recall, dan f1-score. Hasil. Hasil penelitian menunjukkan bahwa model YOLOv8 object detection memiliki performa dengan accuracy 88,5%, precision 90%, recall 86,5% dan f1-score 88,2%. Sedangkan, model YOLOv8 instance segmentation memiliki performa accuracy 88,4%, precision 85,5%, recall 84,2% dan f1-score 84,8%. Kesimpulan. Model YOLOv8 object detection dipilih sebagai model terbaik. Model terbaik ini kemudian diimplementasikan sebagai engine aplikasi web berupa dashboard menggunakan framework Streamlit dan di-hosting di Streamlit Cloud. Dashboard ini dapat memantau penggunaan APD pada pekerja industri dengan tujuan untuk meningkatkan keselamatan dan mengurangi angka kecelakaan pekerja industri.