IMPLEMENTASI YOLOV11 DENGAN BYTETRACK UNTUK PENANGANAN OCCLUSION DETEKSI ALAT PELINDUNG DIRI (APD) PADA PEKERJA PROYEK

NADIA NURHALISA, . (2026) IMPLEMENTASI YOLOV11 DENGAN BYTETRACK UNTUK PENANGANAN OCCLUSION DETEKSI ALAT PELINDUNG DIRI (APD) PADA PEKERJA PROYEK. Skripsi thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text NadiaNurHalisa_123220189_cover - NADIA NURHALISA.pdf Download (879kB)
	Text NadiaNurHalisa_123220189_Abstrack - NADIA NURHALISA.pdf Download (604kB)
	Text NadiaNurHalisa_123220189_Pengesahan - NADIA NURHALISA.pdf Download (878kB)
	Text NadiaNurHalisa_123220189_DaftarIsi - NADIA NURHALISA.pdf Download (808kB)
	Text NadiaNurHalisa_123220189_DaftarPustaka - NADIA NURHALISA.pdf Download (998kB)
	Text Nadianurhalisa_1232220189_FullText - NADIA NURHALISA.pdf Restricted to Repository staff only Download (1MB)

Abstract

ABSTRAK

Keselamatan kerja merupakan aspek penting dalam lingkungan proyek konstruksi yang memerlukan pengawasan terhadap penggunaan Alat Pelindung Diri (APD). Proses pemantauan APD secara manual memiliki keterbatasan karena membutuhkan pengawasan secara terus-menerus dan rentan terhadap kesalahan manusia. Selain itu, kondisi occlusion yang terjadi akibat pekerja saling menutupi atau terhalang objek di lingkungan kerja dapat menyebabkan penurunan akurasi deteksi. Oleh karena itu, diperlukan sistem deteksi dan pelacakan APD yang mampu bekerja secara otomatis dan tetap mempertahankan kontinuitas pelacakan pada kondisi occlusion.
Penelitian ini bertujuan untuk mengimplementasikan algoritma YOLOv11 dan ByteTrack untuk mendeteksi serta melacak objek APD pada pekerja proyek. Dataset yang digunakan diperoleh dari Roboflow Universe dan melalui tahap preprocessing dengan mempertahankan tiga kelas objek, yaitu helmet, shoes, dan vest. Model YOLOv11 dilatih menggunakan 100 epoch dengan ukuran citra 640×640 piksel dan batch size 16. Hasil deteksi objek kemudian diintegrasikan dengan algoritma ByteTrack untuk melakukan pelacakan objek antar frame pada video.
Hasil penelitian menunjukkan bahwa model YOLOv11 memperoleh nilai Precision sebesar 80,4%, Recall sebesar 77,0%, mAP50 sebesar 80,4%, dan mAP50-95 sebesar 48,1%. Berdasarkan evaluasi per kelas, objek helmet memperoleh nilai mAP50 tertinggi sebesar 89,2%, diikuti oleh vest sebesar 86,1%, dan shoes sebesar 65,8%. Integrasi ByteTrack berhasil memberikan identitas unik (Track ID) pada setiap objek yang terdeteksi serta mampu mempertahankan kontinuitas pelacakan pada kondisi occlusion parsial. Hasil pengujian menunjukkan bahwa kombinasi YOLOv11 dan ByteTrack mampu digunakan untuk mendeteksi dan melacak APD secara otomatis pada video, sehingga berpotensi mendukung pengawasan keselamatan kerja secara lebih efektif.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Kata Kunci: YOLOv11, ByteTrack, Alat Pelindung Diri, Object Detection, Multi-Object Tracking, Occlusion.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	05 Nov 2026 04:30
Last Modified:	05 Nov 2026 04:30
URI:	http://eprints.upnyk.ac.id/id/eprint/50126

Actions (login required)

View Item