Penerapan Data Mining Untuk Mendeteksi Penggunaan Helm Dan Kacamata Keselamatan Menggunakan Convolutional Neural Network

Penerapan alat keselamatan kerja seperti helm dan kacamata adalah langkah penting dalam industri konstruksi untuk meminimalkan risiko kecelakaan. Namun, pengawasan manual terhadap penggunaan alat keselamatan ini seringkali tidak efektif dan memakan waktu. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis penggunaan helm dan kacamata keselamatan menggunakan metode Convolutional Neural Network (CNN) yang diterapkan pada video pengawasan. Metode penelitian yang digunakan adalah pendekatan Data Mining dengan menerapkan algoritma YOLOv8, salah satu varian dari model CNN untuk deteksi objek. Dataset yang digunakan dalam penelitian ini dikumpulkan dan diannotasi menggunakan Roboflow, sementara proses pelatihan model dilakukan di Google Colaboratory. Sistem ini kemudian diintegrasikan ke dalam aplikasi berbasis web untuk mendeteksi penggunaan helm dan kacamata secara real-time.
Hasil penelitian menunjukkan bahwa model YOLOv8 yang dikembangkan mampu mendeteksi penggunaan helm dan kacamata dengan tingkat akurasi yang tinggi, mencapai mAP50 sebesar 98.5% dan mAP50-90 sebesar 91.7%. Sistem ini juga berhasil diimplementasikan pada aplikasi web dengan kinerja yang responsif. Kesimpulan dari penelitian ini adalah bahwa penerapan CNN khususnya menggunakan model YOLOv8, dapat menjadi solusi efektif untuk mendeteksi penggunaan alat keselamatan kerja di tempat konstruksi secara otomatis dan real- time, sehingga membantu meningkatkan keselamatan kerja.