Penerapan Klasifikasi Citra pada Identifikasi Objek dengan Pakaian Safety Menggunakan Convolutional Neural Network di PT Jayatama Safetindo

Nababan, David Caslan (2025) Penerapan Klasifikasi Citra pada Identifikasi Objek dengan Pakaian Safety Menggunakan Convolutional Neural Network di PT Jayatama Safetindo. Skripsi thesis, Prodi Sistem Informasi.

[img] Text
cover.pdf - Submitted Version

Download (2MB)
[img] Text
bab I.pdf - Submitted Version

Download (1MB)
[img] Text
bab II.pdf - Submitted Version

Download (9MB)
[img] Text
bab III.pdf - Submitted Version

Download (2MB)
[img] Text
bab IV.pdf - Submitted Version
Restricted to Registered users only

Download (6MB) | Request a copy
[img] Text
bab V.pdf - Submitted Version

Download (274kB)
[img] Text
daftar pustaka.pdf - Submitted Version

Download (769kB)
[img] Text
lampiran.pdf - Submitted Version
Restricted to Registered users only

Download (2MB) | Request a copy

Abstract

Pekerja konstruksi memainkan peran penting dalam melaksanakan kegiatan konstruksi, tetapi mereka menghadapi risiko dan kecelakaan yang tinggi. Penelitian menunjukkan bahwa faktor manusia secara signifikan berkontribusi terhadap kecelakaan di tempat kerja. Perkembangan kecerdasan buatan, khususnya dalam pemrosesan gambar, menawarkan peluang untuk meningkatkan akurasi deteksi pakaian keselamatan. Saat ini, banyak perusahaan yang secara manual memeriksa kepatuhan pakaian keselamatan, yang tidak efisien. Alat pelindung diri (APD) sangat penting untuk melindungi pekerja dari potensi bahaya dan kecelakaan. Namun, pekerja konstruksi sering kali lupa atau sengaja tidak mengenakan pakaian keselamatan karena merasa tidak nyaman. Deteksi pakaian keselamatan telah mendapatkan perhatian dalam beberapa tahun terakhir, yang dianggap penting untuk mengatur keselamatan dan produktivitas pekerja, dan memantau operasi yang tidak aman untuk mengantisipasi kecelakaan. Penelitian ini berfokus pada penerapan klasifikasi gambar dalam mengidentifikasi objek dengan pakaian keselamatan menggunakan algoritma Convolutional Neural Network (CNN) untuk meningkatkan akurasi pengenalan objek. Sistem ini bertujuan untuk memverifikasi apakah pekerja mengenakan pakaian keselamatan yang lengkap di lokasi konstruksi dengan menggunakan input gambar awal. Pakaian keselamatan mencakup barang- barang seperti sarung tangan, sepatu keselamatan, pakaian pelindung, helm, kacamata, dan masker, yang dirancang untuk melindungi bagian tubuh dari risiko di tempat kerja. Penelitian sebelumnya oleh Jonathan Adiwibowo menggunakan metode Faster R-CNN mencapai hasil yang memuaskan, dengan akurasi TensorFlow sebesar 72,83% dan Faster R-CNN sebesar 88,07%. Penelitian ini menggunakan arsitektur CNN, yang terinspirasi dari konektivitas neuron pada otak manusia, untuk memproses informasi yang berhubungan dengan spasial seperti gambar. Proses ini melibatkan lapisan convolutional untuk ekstraksi fitur dan lapisan pooling untuk pengurangan dimensi, diikuti oleh lapisan yang terhubung sepenuhnya untuk klasifikasi akhir. Penelitian ini bertujuan untuk menerapkan deep learning menggunakan CNN dengan TensorFlow dalam mengidentifikasi pakaian kerja yang aman dan tidak aman, serta menganalisa hasil identifikasi tersebut. Penelitian dilakukan di PT JAYATAMA SAFETINDO, menggunakan pemrograman Python dengan Framework TensorFlow dan dataset sebanyak 200 gambar pakaian keselamatan dan non-keselamatan. Temuan penelitian ini diharapkan dapat berkontribusi pada pengembangan sistem deteksi pakaian keselamatan yang lebih akurat dan efisien, yang bermanfaat bagi berbagai bidang seperti keamanan, identifikasi pribadi, dan kemajuan teknologi AI.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Deep Learning, TensorFlow, Cnn: Deep Learning, TensorFlow, CNN
Subjects: 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan
Divisions: Fakultas Teknik dan Komputer > Sistem Informasi
Depositing User: Susila Novmbrita
Date Deposited: 05 Jun 2025 07:33
Last Modified: 05 Jun 2025 07:33
URI: http://repository.upbatam.ac.id/id/eprint/6664

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year