Jasa Skripsi Tesis Disertasi Python YOLO ~ Deteksi Helm Keselamatan pada Pekerja Konstruksi Menggunakan YOLO

Berikut adalah silabus 10 sesi (masing-masing 1,5 jam) untuk topik “Deteksi Helm Keselamatan pada Pekerja Konstruksi Menggunakan YOLO”. Kursus ini cocok untuk mahasiswa tingkat akhir atau peserta yang memiliki dasar Python dan computer vision dasar.

Silabus 10x Sesi (1.5 Jam per Sesi)

Judul: Deteksi Helm Keselamatan pada Pekerja Konstruksi Menggunakan YOLO

Sesi 1: Pengenalan Computer Vision dan YOLO

• Konsep dasar computer vision

• Pengenalan deteksi objek: bounding box, confidence, IoU

• Evolusi YOLO (v1 – v8): perbedaan dan kelebihan

• Studi kasus deteksi helm

Sesi 2: Instalasi dan Persiapan Lingkungan YOLO

• Persiapan Python environment (conda/venv)

• Instalasi YOLOv5/YOLOv8 dan dependensinya

• Struktur direktori proyek

• Uji coba deteksi menggunakan model pre-trained

Sesi 3: Dataset Deteksi Helm

• Sumber dataset: Open Images, Kaggle, atau kustom

• Struktur dataset YOLO (train, val, test, label)

• Teknik labeling menggunakan LabelImg/Roboflow

• Evaluasi kualitas dataset

Sesi 4: Preprocessing dan Augmentasi Data

• Resize, normalisasi, augmentasi (flip, rotate, brightness)

• Automasi augmentasi dengan Albumentations/Roboflow

• Split dataset untuk training dan validasi

• Praktik: augmentasi 1 kelas helm & non-helm

Sesi 5: Training YOLOv5 untuk Deteksi Helm

• Konfigurasi file .yaml dan train.py

• Menyesuaikan parameter training (batch size, epochs, lr)

• Monitoring training dengan TensorBoard

• Menyimpan model hasil training

Sesi 6: Evaluasi Model dan Metrik

• Metrik evaluasi: Precision, Recall, mAP

• Membaca confusion matrix

• Visualisasi hasil prediksi vs label asli

• Praktik evaluasi model hasil training

Sesi 7: Optimasi dan Fine-Tuning Model

• Perbaikan label & augmentasi tambahan

• Fine-tuning pretrained weights (transfer learning)

• Penggunaan teknik early stopping

• Eksperimen batch size, learning rate

Sesi 8: Integrasi Deteksi Helm ke Video atau CCTV

• Streaming video real-time dengan OpenCV

• Deteksi live dari webcam atau rekaman video

• Tampilkan bounding box dan status “Helm/Tidak Helm”

• Simpan log data deteksi ke file

Sesi 9: Implementasi pada Proyek Mini

• Studi kasus lapangan konstruksi (mock video or real)

• Uji model dalam berbagai kondisi (siang, malam, kabur)

• Logging pekerja tanpa helm

• Pengujian performa real-time (FPS, akurasi)

Sesi 10: Presentasi dan Dokumentasi Proyek

• Presentasi hasil proyek setiap peserta/kelompok

• Penulisan laporan: latar belakang, metode, hasil, kesimpulan

• Diskusi tantangan dan solusi

• Evaluasi dan umpan balik akhir