DETEKSI PENGGUNAAN SAFETY HELMET MENGGUNAKAN YOLOV8 DAN BYTETRACK

Penerapan Keselamatan dan Kesehatan Kerja (K3) di lingkungan konstruksi masih menghadapi tantangan dalam pengawasan penggunaan safety helmet karena pemantauan manual kurang efektif pada kondisi pekerja yang bergerak dinamis dan mengalami occlusion. Penelitian ini bertujuan mengembangkan sistem deteksi penggunaan safety helmet pada video menggunakan YOLOv8s yang diintegrasikan dengan ByteTrack untuk mempertahankan identitas pekerja selama proses pelacakan. Dataset diperoleh dari Kaggle, diunggah oleh Litvinov Sergey, dengan 2.605 citra latih, 114 citra validasi, dan 82 citra uji. Penelitian difokuskan pada kelas Person, Hardhat, dan No-hardhat. Model dilatih menggunakan Google Colab dengan GPU NVIDIA T4 selama 300 epoch. Pengujian dilakukan menggunakan 82 citra testing dan 18 video eksternal yang diperoleh dari YouTube dan Kaggle untuk mengukur kemampuan sistem dalam melakukan deteksi dan pelacakan objek. Hasil pengujian memperoleh Precision 91,58%, Recall 82,22%, F1-Score 86,65%, mAP50 87,83%, dan mAP50-95 62,78%. Evaluasi ByteTrack menghasilkan MOTA hingga 97,7%, MOTP 98,7%, dan 0 ID Switches pada salah satu skenario pengujian. Hasil tersebut menunjukkan bahwa integrasi YOLOv8s dan ByteTrack mampu mendukung deteksi safety helmet serta mempertahankan identitas pekerja pada kondisi pergerakan dinamis dan occlusion.