Perpustakaan Digital ITB

Penggunaan deteksi objek untuk pengawasan pemakaian APD secara digital telah diteliti sebelumnya. Akan tetapi, penelitian yang dilakukan hanya berputar pada fine-tuning model pra-latih untuk pengenalan manusia, helm, atau rompi saja. Tidak hanya itu, model deteksi objek berbeda tidak dipertimbangkan sebagai alternatif solusi. Pada Tugas Akhir ini, sejumlah model pra-latih deteksi objek dilakukan fine-tuning untuk pengenalan objek manusia dan enam tipe objek APD. Tipe objek APD yang dimaksud yaitu safety-glasses, safety-gloves, safety- helmet, safety-mask, safety-shoes, dan safety-vest. Model YOLOv8, RT-DETR, dan YOLO- NAS dipilih sebagai alternatif model deteksi objek untuk pengembangan sistem pengawasan. Selain itu, dua alternatif pengembangan sistem juga dikembangkan: alternatif pengembangan sistem one-step dan two-steps. Berdasarkan nilai mean precision dan mean average precision dari pengujian, model terbaik untuk deteksi seluruh objek APD yang dipelajari yaitu model YOLO-NAS (0,827; 0,663), disusul oleh model YOLOv8 (0,791; 0.660) dan RT-DETR (0,778; 0,615). Apabila model hanya digunakan untuk prediksi objek person, safety-mask, safety-helmet, dan safety-vest, model YOLOv8 adalah yang terbaik (0,870; 0,791), disusul oleh model RT-DETR (0,863; 0,782) dan YOLO-NAS (0,855; 0,710). Di lain pihak, alternatif two- steps selalu lebih lambat dari one-step apabila terdapat objek manusia yang terdeteksi. Oleh sebab itu, alternatif one-step lebih cocok untuk digunakan. Berdasarkan evaluasi, didapatkan bahwa alternatif sistem one-step dengan model YOLO-NAS lebih cocok untuk pengawasan APD dengan tipe yang lebih lengkap, sementara alternatif sistem one-step dengan model YOLOv8 lebih cocok untuk pengawasan APD dengan tipe masker, helm konstruksi, atau rompi konstruksi saja. Pranala Tugas Akhir: https://github.com/Stefanus1235/IF4092-13519175