SISTEM MONITORING BERBASIS KAMERA UNTUK KESELAMATAN KERJA DI KAPAL MENGGUNAKAN DEEP LEARNING

Lingkungan kerja kapal memiliki risiko keselamatan yang tinggi sehingga memerlukan mekanisme pengawasan yang cepat dan konsisten untuk menjamin kepatuhan penggunaan Alat Pelindung Diri (APD) serta respons darurat. Penelitian ini bertujuan untuk mengembangkan sistem monitoring visual yang mampu mendeteksi kelengkapan APD, mengidentifikasi kejadian jatuh, serta mencatat absensi secara otomatis sebagai upaya peningkatan keselamatan operasional di lingkungan kerja kapal. Penelitian ini merancang sistem monitoring berbasis kamera yang mengintegrasikan deteksi objek dan pengenalan identitas. Sistem menggunakan tiga model YOLOv11 yang bekerja secara terpisah, yaitu model YOLO untuk deteksi APD (helmet, vest, dan shoes), model YOLO untuk analisis postur dan identifikasi potensi jatuh berbasis 7 keypoints, serta model YOLO untuk deteksi wajah yang kemudian diproses lebih lanjut menggunakan FaceNet untuk menghasilkan embedding wajah dan melakukan pengenalan identitas. Pengujian dilakukan dalam 20 sesi dengan total 330 sampel deteksi. Sistem mencapai tingkat keberhasilan keseluruhan sebesar 93%, dengan tingkat keberhasilan 84% pada deteksi wajah, 93% pada deteksi helmet, 100% pada deteksi vest, 93% pada deteksi sepatu kiri, 91% pada deteksi sepatu kanan, dan 95% pada deteksi postur. Hasil penelitian menunjukkan bahwa integrasi kamera dengan kombinasi tiga model YOLOv11 dan FaceNet efektif digunakan untuk pemantauan keselamatan secara real-time di lingkungan kerja kapal. Sistem mampu memberikan deteksi yang konsisten terhadap pelanggaran keselamatan, kondisi darurat berupa kejadian jatuh, serta identifikasi pekerja berdasarkan karakteristik wajah.