PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI KACAMATA SAFETY DI PERUSAHAAN MANUFAKTUR

Abstract

Keselamatan dan kesehatan kerja merupakan aspek penting dalam industri manufaktur, terutama dalam mencegah kecelakaan kerja. Penelitian ini bertujuan untuk membangun sistem deteksi penggunaan kacamata safety berbasis algoritma Convolutional Neural Network (CNN) dengan arsitektur YOLO-V8. Dataset yang digunakan terdiri atas 100 citra, dengan pembagian 80 citra untuk pelatihan dan 20 citra untuk validasi, masing-masing berukuran 640x640 piksel. Proses pelatihan dilakukan menggunakan platform Google Colab dengan 250 epoch untuk mencapai efisiensi dan akurasi model. Hasil penelitian menunjukkan bahwa model mampu mendeteksi penggunaan kacamata safety dengan tingkat akurasi 85%, yang dihitung berdasarkan pengujian menggunakan confusion matrix. Model ini menunjukkan performa yang baik dalam mengklasifikasikan dua kelas, yaitu "Glasses" dan "No-Glasses." Selain itu, sistem deteksi secara real-time berhasil diimplementasikan melalui sebuah aplikasi sederhana yang mencatat hasil deteksi, waktu, dan lokasi.