Kursus 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