Priambodo, Eggy (2025) IMPLEMENTASI METODE YOLO V8S UNTUK DETEKSI PENGGUNAAN MASKER DAN SARUNG TANGAN SECARA REAL-TIME. Skripsi thesis, UPN "Veteran" Yogyakarta.
![]() |
Text
2. Cover_123200083_Eggy Priambodo.pdf Download (160kB) |
![]() |
Text
3. Abstrak_123200083_Eggy Priambodo.pdf Download (304kB) |
![]() |
Text
4.Lembar Pengesahan_123200083_Eggy Priambodo.pdf Download (137kB) |
![]() |
Text
5.Daftar Isi_123200083_Eggy Priambodo.pdf Download (271kB) |
![]() |
Text
6. Daftar Pustaka_123200083_Eggy Priambodo.pdf Download (258kB) |
![]() |
Text
1.Skripsi Fulltext_123200083_Eggy Priambodo.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Penggunaan masker dan sarung tangan merupakan bagian penting dari protokol
keselamatan kerja dan kesehatan, terutama dalam bidang industri dan layanan kesehatan.
Namun, tingkat kepatuhan terhadap penggunaan Alat Pelindung Diri (APD) seperti masker dan
sarung tangan masih tergolong rendah. Hal ini dapat meningkatkan risiko penyebaran penyakit
dan kecelakaan kerja. Salah satu upaya yang dapat dilakukan untuk meningkatkan kesadaran
dan pengawasan adalah dengan menerapkan sistem deteksi otomatis berbasis teknologi.
Teknologi deteksi objek berbasis computer vision menjadi solusi alternatif untuk memantau
penggunaan APD secara real-time dan objektif. YOLOv8s sebagai model deteksi objek
mutakhir dipilih karena mampu mengidentifikasi banyak objek dalam satu citra secara cepat
dan efisien. Penerapan YOLOv8s diharapkan mampu menjawab kebutuhan deteksi multi
objek, khususnya dalam mendeteksi penggunaan masker dan sarung tangan secara bersamaan.
Penelitian ini bertujuan untuk mengimplementasikan metode You Only Look Once
versi 8 (YOLOv8s) untuk mendeteksi penggunaan masker dan sarung tangan secara real-time.
Dataset yang digunakan terdiri dari empat kelas, yaitu mask, no-mask, gloves, dan no-gloves,
dengan total sebanyak 4532 gambar. Proses pelabelan dan augmentasi data dilakukan
menggunakan platform Roboflow, kemudian model dilatih menggunakan 100 epoch dengan
ukuran gambar 640x640 piksel. Sistem dikembangkan menggunakan pendekatan Extreme
Programming agar proses perancangan hingga pengujian dapat dilakukan secara iteratif dan
fleksibel. Pengujian sistem dilakukan dalam berbagai kondisi jarak, yaitu 50 cm, 1 meter, dan
1,5 meter, untuk menguji kestabilan performa model secara real-time. YOLOv8s dipilih karena
memiliki arsitektur yang modern, dengan pendekatan anchor-free serta penggunaan fungsi
aktivasi SiLU dan struktur PANet yang mendukung deteksi objek dalam berbagai ukuran.
Sistem ini diimplementasikan menggunakan bahasa Python dan dijalankan melalui antarmuka
terminal Windows.
Hasil dari penelitian menunjukkan bahwa sistem deteksi penggunaan masker dan
sarung tangan menggunakan metode YOLOv8s berhasil diterapkan dengan baik. Model
mampu mencapai akurasi mAP@50 sebesar 84%, mAP@50–95 sebesar 36,5%, precision
sebesar 84,4%, dan recall sebesar 80,4%. Sistem menunjukkan performa yang stabil pada
berbagai jarak uji, meskipun sensitivitas terhadap pencahayaan tetap menjadi faktor penting.
Keberhasilan sistem menunjukkan bahwa metode YOLOv8s efektif dalam mendeteksi objek
APD dengan akurasi dan kecepatan tinggi. Dengan hasil ini, sistem dapat diterapkan dalam
berbagai lingkungan kerja yang membutuhkan pemantauan ketat terhadap penggunaan APD.
Penelitian ini juga membuka peluang pengembangan lebih lanjut dengan menambahkan
deteksi objek APD lain seperti helm dan pelindung wajah. Secara keseluruhan, penelitian ini
membuktikan bahwa YOLOv8s merupakan pilihan tepat dalam pengembangan sistem deteksi
objek real-time yang akurat dan efisien
Kata Kunci: YOLOv8s, Masker, Sarung Tangan, Real-Time
Item Type: | Tugas Akhir (Skripsi) |
---|---|
Additional Information: | Eggy Priambodo (Penulis - 123200083) ; Nur Heri Cahayana (Pembimbing) |
Uncontrolled Keywords: | YOLOv8s, Masker, Sarung Tangan, Real-Time |
Subjek: | Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
Divisions: | Fakultas Teknik Industri > (S1) Informatika |
Depositing User: | Indah Lestari |
Date Deposited: | 30 Jul 2025 04:09 |
Last Modified: | 30 Jul 2025 04:09 |
URI: | http://eprints.upnyk.ac.id/id/eprint/43314 |
Actions (login required)
![]() |
View Item |