Sistem Pendeteksi Pekerja Untuk Pencegahan Kecelakaan Kerja Pada Robo Palletizer Menggunakan Metode Convolutional Neural Network

Farezhi, Agil Johan (2025) Sistem Pendeteksi Pekerja Untuk Pencegahan Kecelakaan Kerja Pada Robo Palletizer Menggunakan Metode Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2040211017-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Keselamatan kerja merupakan salah satu aspek yang sangat penting dalam operasional industri, terutama di area yang melibatkan robo palletizer Fuji di Phonska IV PT. Petrokimia Gresik. Aktivitas manusia di sekitar area tersebut memiliki potensi resiko kecelakaan kerja yang tinggi, sehingga diperlukan sistem yang mampu mendeteksi keberadaan manusia secara real-time untuk mencegah terjadinya kecelakaan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendeteksi manusia berbasis Convolutional Neural Network (CNN) guna meningkatkan tingkat keselamatan kerja. Sistem ini dirancang untuk mendeteksi keberadaan manusia dengan tingkat akurasi tinggi, memanfaatkan kemampuan CNN dalam pengenalan citra dan pengolahan data visual. Metode ini dipilih karena keunggulannya dalam menangkap pola kompleks dari data visual, yang sangat relevan untuk kebutuhan deteksi objek pada lingkungan industri. Pengembangan sistem dilakukan melalui beberapa tahap, mulai dari pengumpulan data citra di area robo palletizer Fuji, pelatihan model CNN, hingga integrasi sistem dengan perangkat keras yang relevan. Sistem yang dihasilkan diuji dalam berbagai skenario untuk mengevaluasi performa deteksi, termasuk akurasi, kecepatan, dan keandalannya dalam kondisi kerja nyata. Hasil dari penelitian ini menunjukkan bahwa sistem pendeteksi berbasis YOLOv8 memiliki potensi besar untuk diterapkan sebagai langkah preventif dalam mencegah kecelakaan kerja di area robo palletizer. Sistem ini mampu memberikan peringatan dini kepada operator saat keberadaan manusia terdeteksi di zona berbahaya. Dengan demikian, hasil implementasi teknologi ini dapat meningkatkan tingkat keselamatan kerja dan mendukung operasional yang lebih aman di PT. Petrokimia Gresik.
==================================================================================================================================
Work safety is a critical aspect of industrial operations, especially in areas involving the Fuji robo palletizer in Phonska IV, PT. Petrokimia Gresik. Human activities around these areas pose a high risk of workplace accidents, necessitating a real-time human detection system to prevent such incidents. This study aims to design and implement a human detection system based on Convolutional Neural Networks (CNN) to enhance workplace safety. The system is designed to accurately detect the presence of humans by leveraging CNN's capabilities in image recognition and visual data processing. CNN is chosen for its superior performance in capturing complex patterns from visual data, making it highly suitable for object detection in industrial environments. The system development process includes several stages, starting from collecting image data in the Fuji robo palletizer area, training the CNN model, and integrating the system with relevant hardware. The developed system is tested under various scenarios to evaluate its detection performance, including accuracy, speed, and reliability in real-world working conditions. The results of this study demonstrate that the CNN-based detection system has significant potential for implementation as a preventive measure to avoid workplace accidents in the robo palletizer area. The system provides early warnings to operators when human presence is detected in hazardous zones. Thus, the results of implementing this technology can increase the level of work safety and support safer operations at PT. Petrokimia Gresik.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kecelakaan Kerja, Pendeteksi Manusia, Robo Palletizer, Convolutional Neural Network (CNN), PT. Petrokimia Gresik.
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA401 Mathematical models. Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA9.58 Algorithms T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.585 TCP/IP (Computer network protocol)
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Agil Johan Farezhi
Date Deposited:	07 Aug 2025 08:30
Last Modified:	07 Aug 2025 08:30
URI:	http://repository.its.ac.id/id/eprint/127899

Actions (login required)

View Item