DETEKSI DEVIASI DENGAN RULES PERIMETER AREA SECARA STREAMING MENGGUNAKAN ALGORITMA SIFT DAN HEURISTIK UNTUK MENINGKATKAN KESELAMATAN KERJA

Rahmat Syarif Azhari, - (2023) DETEKSI DEVIASI DENGAN RULES PERIMETER AREA SECARA STREAMING MENGGUNAKAN ALGORITMA SIFT DAN HEURISTIK UNTUK MENINGKATKAN KESELAMATAN KERJA. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

PT Berau Coal adalah perusahaan pertambangan di Indonesia yang berfokus pada
penambangan dan penjualan batubara. Perusahaan tersebut memiliki area high risk
atau area yang memiliki tingkat risiko tinggi terjadinya potensi bahaya bahkan
sampai terjadinya kecelakaan. Maka dari itu diperlukan adanya pengawasan untuk
mengawasi semua aktivitas operasional dan support yang berada di area operasional
agar tidak terjadinya bahaya atau kecelakaan. Perusahaan telah memiliki
pengawasan berjarak menggunakan teknologi CCTV (mining eyes) tetapi kurang
optimal karena satu orang pengawas control room mengamati objek pada maksimal
6 fleet CCTV memungkinkan terjadinya potensi bahaya yang tidak terpantau.
Perusahaan juga telah mengembangkan aplikasi early warning system yaitu mining
eyes analytics tetapi masih terbatas dan belum dapat digunakan di segala area high
risk. Mengatasi hal tersebut peneliti tertarik mengembangkan perangkat lunak yang
dapat digunakan untuk pengawasan di segala area high risk dengan optimal dan
mewujudkan fokus perusahaan pada K3 (kesehatan dan keselamatan kerja). Peneliti
menggunakan Computer Vision dibangun menggunakan algoritma image matching
yaitu algoritma SIFT. SIFT digunakan karena dapat mendeteksi objek dengan cara
mengekstrak fitur dan descriptor. Peneliti juga membuat heuristik untuk tracking
pergerakan objek untuk mengurangi beban komputasi agar sistem berjalan realtime.
Terakhir peneliti menggabungkan SIFT dan heuristik serta menerapkan rules
perimeter area sehingga mudah digunakan dalam segala area. Arah penelitian ini
untuk membuat early warning system tetapi pada penelitian ini belum sampai ke
hal tersebut. Hasil penelitian setelah dilakukan eksperimen ke 5 video dengan frame
rate 30fps area pertambangan menunjukkan perangkat lunak yang dibangun
memiliki tingkat akurasi sebesar 61,14%. Waktu analitik setiap satu frame ketika
menggunakan SIFT rata-rata 0.6second dan heuristik rata-rata 0.3second. Hasil
tersebut menentukan analitik dilakukan setiap 3 frame dalam satu detik agar sistem
nantinya dapat berjalan secara realtime Heuristik memiliki batasan 5000 error
menggunakan perhitungan euclidan distance agar objek tetap akurat. Diharapkan
perangkat lunak ini dapat membantu pengawasan di segala area high risk untuk K3
(kesehatan dan keselamatan kerja).

PT Berau Coal is a mining company in Indonesia that focuses on coal mining and
sales. The company has a high risk area or an area that has a high level of risk for
potential hazards and even accidents. Therefore, supervision is needed to oversee
all operational and support activities in the operational area so that hazards or
accidents do not occur. The company already has surveillance using CCTV
technology (mining eyes) but it is less than optimal because one control room
supervisor observes objects on a maximum of 6 CCTV fleets, allowing potential
hazards to occur that are not monitored. The company has also developed an early
warning system application, namely mining eyes analytics, but it is still limited and
cannot be used in all high risk areas. Overcoming this, researchers are interested
in developing software that can be used for supervision in all high risk areas
optimally and realize the company's focus on K3 (occupational health and safety).
Researchers use Computer Vision built using image matching algorithms, namely
the SIFT algorithm. SIFT is used because it can detect objects by extracting features
and descriptors. Researchers also create heuristics for tracking object movement
to reduce the computational burden so that the system runs realtime. Finally, the
researcher combines SIFT and heuristics and applies perimeter area rules so that
it is easy to use in all areas. The direction of this research is to create an early
warning system but this research has not yet reached that point. The results of the
research after experimenting with 5 videos with a frame rate of 30fps in the mining
area show that the software has an accuracy rate of 61,14%. The analytic time for
each frame when using SIFT averages 0.6second and heuristics averages
0.3second. These results determine that analytics are carried out every 3 frames in
one second so that the system can later run in realtime. Heuristics have a 5000
error limit using the euclidan distance calculation so that objects remain accurate.
It is hoped that this software can help supervision in all high risk areas for K3
(occupational health and safety).

[thumbnail of S_KOM_1905106_Title.pdf] Text
S_KOM_1905106_Title.pdf

Download (372kB)
[thumbnail of S_KOM_1905106_Chapter1.pdf] Text
S_KOM_1905106_Chapter1.pdf

Download (145kB)
[thumbnail of S_KOM_1905106_Chapter2.pdf] Text
S_KOM_1905106_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[thumbnail of S_KOM_1905106_Chapter3.pdf] Text
S_KOM_1905106_Chapter3.pdf

Download (113kB)
[thumbnail of S_KOM_1905106_Chapter4.pdf] Text
S_KOM_1905106_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[thumbnail of S_KOM_1905106_Chapter5.pdf] Text
S_KOM_1905106_Chapter5.pdf

Download (41kB)
[thumbnail of S_KOM_1905106_Appendix.pdf] Text
S_KOM_1905106_Appendix.pdf
Restricted to Staf Perpustakaan

Download (220kB)
Official URL: https://repository.upi.edu/
Item Type: Thesis (S1)
Additional Information: ID SINTA Dosen Pembimbing: Lala Septem Riza : 5975668 Rani Megasari : 5992674
Uncontrolled Keywords: pengawasan, Computer Vision, algoritma SIFT, perimeter area, bahasa pemrograman Python supervision, Computer Vision, SIFT algorithm, perimeter area, Python programming language
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: RAHMAT SYARIF AZHARI
Date Deposited: 02 Jan 2024 06:51
Last Modified: 02 Jan 2024 06:51
URI: http://repository.upi.edu/id/eprint/113983

Actions (login required)

View Item View Item