Detail Tugas Akhir

SISTEM DETEKSI ALAT PELINDUNG DIRI MENGGUNAKAN METODE YOLO V5 BERBASIS WEB (STUDI KASUS: PT PLN PONOROGO)

Wahyu Firmansyah, Fahryan (2025) SISTEM DETEKSI ALAT PELINDUNG DIRI MENGGUNAKAN METODE YOLO V5 BERBASIS WEB (STUDI KASUS: PT PLN PONOROGO). S1 thesis, Universitas Muhammadiyah Ponorogo.

Berkas Tugas Akhir

PDF
Text (SURAT PERSETUJUAN UNGGAH KARYA ILMIAH)
SURAT PERSETUJUAN UNGGAH KARYA ILMIAH.pdf
Baca PDF Ukuran File (178kB)
PDF
Text (HALAMAN DEPAN)
HALAMAN DEPAN.pdf
Baca PDF Ukuran File (4MB)
PDF
Text (BAB I)
BAB I.pdf
Baca PDF Ukuran File (597kB)
PDF
Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (1MB)
PDF
Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (1MB)
PDF
Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (2MB)
PDF
Text (BAB V)
BAB V.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (554kB)
PDF
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf
Baca PDF Ukuran File (722kB)
PDF
Text (SKRIPSI FULL TEXT)
SKRIPSI FULL TEXT.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (8MB)

Abstract

Pelanggaran penggunaan Alat Pelindung Diri (APD) di lingkungan kerja sering kali menjadi penyebab utama kecelakaan kerja yang dapat dihindari. Penelitian ini bertujuan untuk mengembangkan sistem deteksi pelanggaran APD meliputi helm, masker, rompi, dan sepatu menggunakan metode algoritma YOLO v5 berbasis web. Sistem ini dirancang untuk mengidentifikasi jenis pelanggaran APD secara real-time melalui gambar yang diunggah ke server. Data pelanggaran, termasuk jenis pelanggaran, waktu, dan tanggal, disimpan dalam database untuk keperluan analisis. Metode YOLO v5 dipilih karena memiliki kemampuan deteksi objek yang cepat dan akurat. Proses pengembangan sistem melibatkan pelatihan model YOLO v5 menggunakan dataset gambar pekerja dengan dan tanpa APD. Selain itu, sistem ini terintegrasi dengan server FTP untuk pengunggahan gambar dan database MySQL untuk manajemen data pelanggaran. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi pelanggaran APD dengan akurasi deteksi mencapai 75%. Sistem ini memberikan solusi yang efektif untuk memonitor kepatuhan penggunaan APD secara otomatis dan mendukung peningkatan keselamatan kerja di lingkungan industri.

Informasi Item

Item Type Thesis (S1)
Uncontrolled Keywords Keamanan Kerja, Deteksi APD, YOLOv5, Sistem Berbasis Web
Subjects T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions Faculty of Engineering > Department of Informatic Engineering
Date Deposited 24 Mar 2025 01:14
Last Modified 10 Nov 2025 03:51
URI https://eprints.umpo.ac.id/id/eprint/16225

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?