ARFINIA, Aqsya Oclibel (2024) Deteksi Helm Pengaman Menggunakan Algoritma You Only Look Once Versi 8 (YOLOV8). Undergraduate thesis, Fakultas Sains dan Matematika Undip.
|
Text
1. COVER.pdf Download (32kB) |
|
|
Text
3. HALAMAN PENGESAHAN.pdf Download (172kB) |
|
|
Text
4. KATA PENGANTAR.pdf Download (73kB) |
|
|
Text
6. ABSTRAK.pdf Download (8kB) |
|
|
Text
7. ABSTRACT.pdf Download (6kB) |
|
|
Text
8. DAFTAR ISI.pdf Download (105kB) |
|
|
Text
11. BAB I.pdf Download (46kB) |
|
|
Text
16. DAFTAR PUSTAKA.pdf Download (169kB) |
Abstract
Kecelakaan kerja di sektor konstruksi sering kali mengakibatkan cedera serius bahkan
kematian. Salah satu langkah penting dalam mencegah cedera kepala adalah dengan
memastikan penggunaan helm pengaman yang tepat oleh pekerja. Penelitian ini bertujuan
untuk mengembangkan sistem deteksi helm pengaman menggunakan teknologi deep
learning yaitu algoritma You Only Look Once Versi 8 (YOLOv8) sebagai upaya pencegahan
kecelakaan kerja di sektor konstruksi. Pendekatan ini memanfaatkan dataset dengan dua
kelas (helm dan kepala) yang telah mengalami augmentasi untuk meningkatkan
keberagaman dan jumlah sampel. Model deteksi dilatih menggunakan pre-trained model
dengan hyperparameter tuning terhadap batch size, learning rate, dan optimizer. Proses
tuning ini bertujuan untuk meningkatkan akurasi dan kecepatan deteksi helm pengaman.
Hasil eksperimen menunjukkan bahwa model yang dilatih berhasil mencapai nilai presisi
0,936, recall sebesar 0,901, dan nilai Mean Average Precision (MAP) sebesar 0,96 dengan
pengaturan batch size 16, learning rate 0,001, dan optimizer SGD. Pengujian model
menghasilkan mAP sebesar 0,95, presisi sebesar 0,905, dan recall sebesar 0,927.
Kata kunci : Deteksi Objek, Helm Pengaman, YOLOv8
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Sciences and Mathemathic |
| Divisions: | Faculty of Science and Mathematics > Department of Informatics |
| Depositing User: | Yemima Laras Sekarsari |
| Date Deposited: | 04 Mar 2026 02:29 |
| Last Modified: | 04 Mar 2026 02:29 |
| URI: | https://eprints2.undip.ac.id/id/eprint/46496 |
Actions (login required)
![]() |
View Item |
