Implementasi Implementasi Model YOLO11 untuk Deteksi Alat Pelindung Diri Berbasis Citra Statis

Tjoargen Christoper  Redja; Rini  Mayasari; Riza Ibnu  Adam

doi:10.37817/ikraith-informatika.v10i2.7211

Tjoargen Christoper Redja Universitas Singaperbangsa Karawang
Rini Mayasari Universitas Singaperbangsa Karawang
Riza Ibnu Adam Universitas Singaperbangsa Karawang

DOI: https://doi.org/10.37817/ikraith-informatika.v10i2.7211

Kata Kunci: YOLO11, Alat Pelindung Diri, Deteksi Objek, Computer Vision, Keselamatan Kerja, Deep Learning

Abstrak

Penggunaan Alat Pelindung Diri (APD) merupakan kewajiban utama dalam menjamin keselamatan kerja, khususnya di lingkungan industri kimia seperti PT Mustika Dipa Lestari. Namun, sistem pengawasan APD yang masih dilakukan secara manual memiliki keterbatasan signifikan dalam konsistensi, efisiensi, dan jangkauan area kerja yang luas. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis menggunakan model YOLO11 (You Only Look Once versi 11) berbasis citra statis untuk mendeteksi penggunaan APD pada pekerja di lingkungan industri. Dataset terdiri dari 406 citra yang dikumpulkan langsung dari PT Mustika Dipa Lestari dengan objek APD mencakup bouffant cap, jas laboratorium, masker, dan sarung tangan. Data dibagi dengan rasio 70:20:10 untuk training, validation, dan testing. Anotasi dilakukan menggunakan platform Roboflow dan model dilatih menggunakan framework PyTorch dengan optimizer Adam selama 150 epoch. Evaluasi menggunakan metrik Mean Average Precision (mAP@50), mAP@0.5:0.95, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model YOLO11 mencapai performa optimal dengan mAP@50 sebesar 96,91%, mAP@0.5:0.95 sebesar 86,68%, precision sebesar 98,30%, recall sebesar 97,05%, dan F1-score sebesar 97,67%, melampaui target bisnis minimum 85%. Perbandingan dengan YOLOv4 (mAP@50 = 66,47%) dan YOLOv5 (mAP@50 = 95,75%) membuktikan keunggulan YOLO11 pada dataset domain spesifik industri kimia.