Ayu Asriati Lestari

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Hasbi Setiawan

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Muzhaffarah Al Mujaddidah

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

DOI: https://doi.org/10.19184/jei.v3i2.60025

ABSTRAK 

Penggunaan jas laboratorium merupakan bagian penting dalam penerapan keselamatan kerja di laboratorium. Namun, pengawasan penggunaan jas laboratorium masih banyak dilakukan secara manual sehingga kurang efektif pada lingkungan dengan aktivitas tinggi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penggunaan jas laboratorium berbasis YOLOv8 secara real-time untuk membantu meningkatkan kepatuhan terhadap standar keselamatan laboratorium. Metode penelitian menggunakan pendekatan eksperimental kuantitatif dengan dataset berupa citra individu yang menggunakan dan tidak menggunakan jas laboratorium. Dataset yang digunakan dalam penelitian ini yaitu 275, dengan pembagian dataset menjadi 89% data training, 8% data validation, dan 3% data testing. Dataset diproses melalui tahapan pelabelan menggunakan bounding box, augmentasi data, preprocessing citra, pembagian dataset menjadi training, validation, dan testing, serta training model menggunakan framework Ultralytics YOLOv8 berbasis Python. Proses training dilakukan selama 50 epoch dengan dua kelas objek, yaitu person dan lab-coat. Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mendeteksi objek manusia dan jas laboratorium dengan baik pada berbagai posisi dan sudut pandang. Nilai validation box loss mengalami penurunan hingga 0.4 selama proses training yang menunjukkan berkurangnya kesalahan prediksi model dan nilai mAP50 mendekati 1,0 yang menandakan tingkat akurasi deteksi yang tinggi. Pengujian sistem secara real-time menunjukkan bahwa sistem mampu membedakan pengguna yang memakai jas laboratorium dan yang tidak memakai jas laboratorium melalui tampilan bounding box, confidence score, status keamanan, serta indikator alarm. Hasil uji sistem menunjukkan kemampuan deteksi multiobjek masih terbatas karena dataset pelatihan sebagian besar hanya memuat satu objek utama dalam setiap citra. Hasil penelitian ini menunjukkan YOLOv8 efektif digunakan untuk sistem monitoring penggunaan jas laboratorium secara real-time dengan performa deteksi yang baik.

KATA KUNCI: Computer vision, Jas laboratoriumi, Object detection, real-time, YOLOv8