Deteksi Penggunaan Helm Keselamatan Kerja Pada Area Kontruksi Menggunakan YOLOv12-N
Abstract
Keselamatan dan Kesehatan Kerja merupakan hal yang harus diperhatikan dalam sektor industri, terutama di bidang konstruksi yang tingkat risiko kecelakaannya termasuk tinggi. Berdasarkan data LSP KATIGA PASS, sekitar 29% kecelakaan kerja di Indonesia pada awal tahun 2025 terjadi di sektor konstruksi, dengan penyebab utama berupa penggunaan alat perlindungan diri yang tidak tepat serta kelalaian terhadap prosedur K3. Seiring dengan kemajuan teknologi computer vision dan deep learning, deteksi otomatis terhadap pelanggaran K3 kini dapat diimplementasikan untuk meningkatkan efektivitas pengawasan di lapangan.
Penelitian ini mengimplementasikan algoritma You Only Look Once versi terbaru, yaitu YOLOv12-N, yang dirilis pada Februari 2025. Model ini menawarkan peningkatan performa dari segi kecepatan dan akurasi dibandingkan versi sebelumnya seperti YOLOv8, berkat arsitektur yang lebih efisien dan terintegrasi dengan mekanisme area attention serta FlashAttention. Tujuan penelitian ini adalah untuk membangun sistem deteksi penggunaan helm keselamatan kerja melalui analisis citra digital. Sistem ini dibuat dengan menggunakan bahasa pemrograman Python pada Google Colaboratory (Google Colab).
Hasil dari penelitian ini diharapkan dapat tercipta sistem yang mampu mendeteksi pelanggaran penggunaan helm secara otomatis, sehingga dapat mendukung peningkatan budaya keselamatan kerja serta memperkuat pengawasan di area konstruksi.
Kata Kunci: Keselamatan dan Kesehatan Kerja (K3), Deteksi Helm, Computer Vision, Deep Learning, YOLOv12-N, Konstruksi.
References
M. T. Sofyan, “Hubungan Alat Pelindung Diri Terhadap Kecelakaan Kerja: Literature Review,” Journal Scientific of Mandalika (JSM), vol. 4, no. 5, pp. 71–75, 2023.
F. Ramadhani and S. Dewi, “Identifikasi Kendaraan Bermotor pada Dashcam Mobil Menggunakan Algoritma YOLO. Jurnal Ilmu Komputer,” Jurnal Ilmu Komputer, pp. 199–206, 2024.
R. Sapkota et al., “YOLOv12 to Its Genesis: A Decadal and Comprehensive Review of The You Only Look Once (YOLO) Series,” 2025.
M. A. . R. Alif and M. Hussain, “YOLOv12: A Breakdown of the Key Architectural Features,” 2025.
S. Aprilia, A. Wahyudi, W. T. Setyawan, E. Ashar, and H. Kurnia, “Peninjauan Keselamatan Dan Kesehatan Kerja (K3) Terhadap Aktifitas Kerja Karyawan Di Berbagai Perusahaan Secara Kajian Sistematik.,” Jurnal Industri Xplore, vol. 8, no. 2, 2023.
Y. Li, J. Chen, and H. Zhang, “Automatic detection of safety helmet wearing on construction sites using deep learning,” Journal of Occupational Safety and Health Engineering, vol. 8, pp. 45–53, 2021.
M. R. S. Alfarizi, M. Z. Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING.,” vol. 2, no. 1, 2023.
F. T. Hidayat and A. K. Whardana, “Deteksi Pelanggaran Sepeda Motor Menggunakan Algoritma Yolo Dan Mean Average Precision.,” Jurnal Sistem Komputer Dan Kecerdasan Buatan, vol. 8, no. 1, pp. 71–79, 2024.
K. M. Azhar, I. Santoso, and Y. A. A. Soetrisno, “IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN ALGORITMA YOLO DALAM SISTEM PENDETEKSI UANG KERTAS RUPIAH BAGI PENYANDANG LOW VISION.,” Jurnal Ilmiah Teknik Elektro, vol. 10, no. 3, pp. 502–509, 2021, doi: https://doi.org/10.14710/transient.v10i3.502-509.
J. Zophie and H. H. Triharminto, “Implemetasi Algoritma You Only Look Once (YOLO) menggunakan Web Camera untuk Mendeteksi Objek Statis dan Dinamis.,” vol. 1, no. 1, pp. 98–109, 2022.
Y. Ye. Q. Tian and D. Doermann, “YOLOv12: Attention-Centric Real-Time Object Detectors.,” 2025.
S. Choiriyah and A. Supriyanto, “Perbandingan Deep Learning YOLOv5 dan YOLOv8 Untuk Deteksi Penyakit Daun Tanaman Tomat.,” Jurnal Ilmiah Teknologi Siswa Informasi (Jitsi), vol. 6, no. 1, pp. 56–65, 2025.
