Implementasi Artificial Intelligence DanInternet Of Things Untuk Mendeteksi Penggunaan Helm Proyek
DOI:
https://doi.org/10.25126/jtiik.124Kata Kunci:
Artificial Intelligence, Internet of Things, CNN, YOLO, Agile, Helm ProyekAbstrak
BPJS Ketenagakerjaan mencatat bahwa jumlah kecelakaan kerja di Indonesia meningkat dari 221.740 kasus pada tahun 2020 menjadi 234.370 kasus pada tahun 2021, dan terus meningkat hingga mencapai 256.334 kasus pada November 2022. Berdasarkan data dari Kementerian Ketenagakerjaan Indonesia, pada tahun 2020, 57,5% dari total 126,51 juta pekerja di Indonesia memiliki tingkat pendidikan rendah, yang berkontribusi pada rendahnya kesadaran akan pentingnya budaya Keselamatan dan Kesehatan Kerja (K3) serta penggunaan Alat Pelindung Diri (APD) yang sesuai standar. Pemantauan penggunaan APD, termasuk helm proyek di area konstruksi, masih dilakukan secara manual, yang dirasa kurang efisien. Penelitian ini bertujuan untuk mengembangkan alat berbasis Artificial Intelligence (AI) dan Internet of Things (IoT) yang dapat memantau penggunaan helm proyek secara real-time dengan akurasi tinggi dan dapat dipantau melalui dashboard. Alat ini terbukti lebih efektif dalam meminimalisir kecelakaan kerja, dengan rata-rata akurasi deteksi sebesar 84,65% untuk pekerja yang memakai helm dan 71,5% untuk yang tidak memakai helm. Penelitian ini menggunakan metode Agile yang melibatkan observasi, identifikasi kebutuhan, perancangan, pembuatan sistem, implementasi, dan pengujian. Hasil penelitian ini menunjukkan bahwa sistem yang dikembangkan mampu memberikan kemudahan bagi petugas K3 dalam melakukan pengawasan, sehingga dapat mengurangi risiko kecelakaan kerja.
Abstract
The Workers Social Security Agency (BPJS Ketenagakerjaan) recorded that the number of work accidents in Indonesia increased from 221,740 cases in 2020 to 234,370 cases in 2021, and continued to rise, reaching 256,334 cases by November 2022. According to data from the Indonesian Ministry of Manpower, in 2020, 57.5% of the total 126.51 million workers in Indonesia had a low level of education, which contributed to a lack of awareness of the importance of Occupational Safety and Health (OSH) culture and the use of Personal Protective Equipment (PPE) that meets standards. The monitoring of PPE usage, including project helmets in construction areas, is still conducted manually, which is considered inefficient. This study aims to develop a tool based on Artificial Intelligence (AI) and the Internet of Things (IoT) that can monitor the use of project helmets in real-time with high accuracy and can be monitored through a dashboard. This tool has proven to be more effective in minimizing work accidents, with an average detection accuracy of 84.65% for workers wearing helmets and 71.5% for those not wearing helmets. The study utilized the Agile method, involving observation, needs identification, system design, system development, implementation, and testing. The results of this study show that the developed system can provide ease for OSH officers in conducting supervision, thereby reducing the risk of work accidents.
Downloads
Referensi
ALFIANSYAH, Y., KURNIAWAN, B. and EKAWATI, E., 2020. Analisis Upaya Manajemen K3 Dalam Pencegahan dan Pengendalian Kecelakaan Kerja Pada Proyek Konstruksi PT.X Semarang. Jurnal Kesehatan Masyarakat.
HERMAWAN, I., ARNALDY, D., AGUSTIN, M., WIDYONO, M.F., NATHANAEL, D. and MULYANI, M.T., 2021. Sistem Pengenalan Benih Padi Menggunakan Metodelight Convolutional Neural Networkpada Raspberry Pi 4B. Jurnal Teknologi Terpadu.
MANANJANG, D.J.P., SOMPIE, S.R.U. and JACOBUS, A., 2020. Implementasi Framework Tensorflow Object Detection API Dalam Mengklasifikasi Jenis Kendaraan Bermotor. Jurnal Teknik Informatika.
MUHARRAM, R.F. and SURYADI, A., 2022. Implementasi artificial intelligence untuk deteksi masker secara realtime dengan tensorflow dan ssdmobilenet Berbasis python. Jurnal Widya.
MURI, M.F.A., UTOMO, H.S. and SAYYIDATI, R., 2019. Application Programming Interface. Jurnal Sains dan Informatika.
SALAWAZO, V.M.P., GEA, D.P.J., GEA, R.F. and AZMI, F., 2019. Implementasi Metode Convolutional Neural Network (CNN) pada Peneganalan Objek Video CCTV. Indonesia Jalan Sekip Sikambing.
SALIHA, J., JOSEPH, W.B.S. and KALESARAN, A.F.C., 2018. Hubungan antara Pengetahuan dan Sikap dengan Kepatuhan Penggunaan Alat Pelindung Diri pada Pekerja PT. Hutama Karya Proyek Pembangunan Jalan Tol Manado-Bitung Tahun 2018. KESMAS: Jurnal Kesehatan Masyarakat Universitas Sam Ratulangi.
WARUWU, S. and YUAMITA, F., 2016. Analisis faktor kesehatan dan keselamatan kerja (K3) yang signifikan mempengaruhi kecelakaan kerja pada proyek pembangunan apartement student castle. Spektrum Industri.
WIDODO, B., ARMANTO, H. and SETYATI, E., 2021. Deteksi Pemakaian Helm Proyek Dengan Metode Convolutional Neural Network. Journal of Intelligent System and Computation.
YOLANDA, D., HERSYAH, M.H. and MAROZI, E., 2021. Implementasi Metode Unsupervised Learning Pada Sistem Keamanan Dengan Optimalisasi Penyimpanan Kamera IP. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi).
ZHANG, W., YANG, C.F., JIANG, F., GAO, X.Z. and ZHANG, X., 2020. Safety Helmet Wearing Detection Based on Image Processing and Deep Learning. Proceedings - 2020 International Conference on Communications, Information System and Computer Engineering, CISCE 2020.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).