Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebakaran merupakan peristiwa yang merugikan dan cukup sering terjadi, bahkan pemerintah mengeluarkan Undang-undang nomor 28 tahun 2002 tentang bangunan gedung untuk menetapkan pemasangan fire alarm system sebagai standar yang harus terpenuhi dalam pembangunan gedung dengan tujuan melakukan pengawasan dan pencegahan terhadap kebakaran. Fire alarm system pada umumnya menggunakan alat berupa sensor asap dan sensor panas untuk mendeteksi api. Sensor asap mendeteksi api ketika terdapat asap yang mengenai sensor, begitu juga dengan sensor panas yang mendeteksi api ketika terdapat panas atau suhu tinggi yang mengenai sensor. Karena perkembangan ilmu pengetahuan dan teknologi, selain menggunakan sensor, api juga bisa dideteksi menggunakan teknologi object detection melalui kamera pengawas, dimana api akan terdeteksi ketika api terlihat dari kamera pengawas. Terdapat penelitian sebelumnya yang menunjukkan bahwa waktu yang dibutuhkan sensor asap dan sensor panas dalam mendeteksi api lebih lama dibandingkan dengan menggunakan teknologi object detection. Hal tersebut dikarenakan asap dan panas dari api membutuhkan waktu untuk mengenai sensor. Algoritma YOLO (You Only Look Once) merupakan algoritma yang paling baik dalam penggunaan teknologi object detection saat penelitian ini dilakukan. Oleh karena itu, pada penelitian ini akan digunakan algoritma YOLO dalam membangun model pendeteksi api melalui kamera pengawas, dan akan dianalisis lebih lanjut bagaimana performa dari model tersebut.

---

Fires are detrimental events that occur quite frequently, prompting the Indonesia government to issue Law No. 28 of 2002 concerning building structures to mandate the installation of fire alarm systems as a standard requirement in building construction, with the aim of monitoring and preventing fires. Fire alarm systems generally use smoke detectors and heat sensors to detect fires. Smoke detectors sense a fire when smoke reaches the sensor, and heat sensors detect a fire when heat or high temperatures come into contact with the sensor. Due to advancements in science and technology, in addition to using sensors, fires can also be detected using object detection technology through surveillance cameras, where the fire will be detected immediately when it is visible to the camera. Previous research has shown that smoke and heat sensors take longer time to detect fires compared to using object detection technology. This is because smoke and heat from a fire take some time to reach the sensors. The YOLO (You Only Look Once) algorithm is the best algorithm for object detection at the time of this research. Therefore, this study will use the YOLO algorithm to develop a fire detection model through surveillance cameras and will further analyze the performance of this model."

"Issue keselamatan atau safety merupakan salah satu capaian yang paling penting di industri pertambangan. Hal ini dikarenakan adanya kecelakaan kerja dapat berakibat fatal bagi intensitas produksi yang dapat dilakukan hingga berpotensi untuk terjadinya pencabutan izin operasional perusahaan oleh pemerintah. Pada PT X sendiri, pelanggaran atau deviasi yang berisiko sangat tinggi untuk terjadinya kecelakaan kerja yang mengakibatkan kematian adalah terkait dengan adanya manusia di area operasional pertambangan tanpa izin dan jarak tidak aman dari kendaraan-kendaraan yang ada, khususnya kendaraan dengan muatan berat seperti HD (Heavy Duty Dump Truck). Oleh karena itu, pada penelitian ini akan diusulkan metode deteksi objek yang berbasis deep learning YOLOv4 untuk mendeteksi objek manusia dan HD beserta penggunaan jarak Euclidean untuk estimasi jarak tidak aman antar kendaraan HD. Dengan menggunakan sebanyak 2009 gambar sebagai data latih dan sebanyak 201 gambar sebagai data uji, dihasilkan nilai mAP terbaik selama proses pelatihan model sebesar 88,76% dan nilai recall objek manusia dan HD pada sebanyak 10 video uji masing-masing sebesar 56,96% dan 55,73%. Nilai recall tersebut dapat meningkat cukup signifikan manakala teknologi CCTV dilakukan proses zoom in. Adanya penelitian ini diharapkan dapat membantu pengawas untuk mendeteksi deviasi-deviasi yang terjadi di area operasional pertambangan, khususnya untuk deteksi objek manusia dan HD beserta prediksi jarak tidak aman antar HD.

---

The safety issue is one of the most important achievements in the mining industry. This is because work accidents can be fatal for the intensity of production that can be carried out and the government has the potential to revoke the company's operating license. At PT X itself, violations or deviations that pose a very high risk for work accidents resulting in death are related to the presence of humans in the mining operational area without a permit and an unsafe distance from existing vehicles, especially vehicles with heavy loads such as HD. Therefore, in this study, an object detection method based on deep learning YOLOv4 will be proposed to detect human and HD (Heavy Duty Dump Truck) objects along with the estimation of unsafe distances between HD vehicles using euclidean distance method. By using as many as 2009 images as training data and as many as 201 images as test data, the best mAP value during the model training process is 88.76% and the recall value of human and HD objects in 10 test videos are 56.96% and 55.73%. The recall value can increase significantly when CCTV technology is zoomed in. The existence of this research is expected to help supervisors to detect deviations that occur in the mining operational area, especially for the detection of human objects and HD along with predictions of unsafe distances between HD."