Keselamatan kerja adalah aspek penting yang diatur oleh Undang-Undang, yang mewajibkan penggunaan Alat Pelindung Diri (APD) di lingkungan kerja yang berisiko tinggi. Pasal 14 Undang-Undang Kesehatan dan Keselamatan Kerja (K3) mengharuskan pengurus untuk memenuhi syarat keselamatan, menempatkan tanda-tanda keselamatan, dan menyediakan perlindungan bagi pekerja serta pengunjung. Namun, tingkat kepatuhan dalam penggunaan APD masih di bawah 100%. Penelitian ini bertujuan untuk beralih dari sistem pemantauan deteksi penggunaan APD secara manual ke sistem berbasis komputer dengan menggunakan model YOLO (You Only Look Once). Hasilnya menunjukkan bahwa penerapan model YOLOv8 secara signifikan meningkatkan efektivitas pengawasan penggunaan APD di area yang berisiko tinggi, dengan nilai Precision 0.81 dan Recall 1.0, serta mean Average Precision (mAP) sebesar 72.15% pada ambang batas 0.5, yang menunjukkan kemampuan model dalam mendeteksi objek dengan tingkat keyakinan yang tinggi. Evaluasi juga menunjukkan hasil deteksi yang baik untuk kelas subkontraktor dan pekerja, meskipun ada tantangan dalam mendeteksi glove dan sepatu safety. Penelitian ini menyimpulkan bahwa sistem deteksi otomatis dapat meningkatkan kepatuhan terhadap penggunaan APD serta keselamatan kerja.

Occupational safety is an important aspect regulated by law, which requires the use of Personal Protective Equipment (PPE) in high-risk work environments. Article 14 of the Occupational Health and Safety (OHS) Act requires administrators to fulfill safety requirements, place safety signs, and provide protection for workers and visitors. However, the compliance rate in the use of PPE is still below 100%. This study aims to switch from a manual PPE usage Detection monitoring system to a computer-based system using the YOLO (You Only Look Once) model. The results show that the application of the YOLOv8 model significantly improves the effectiveness of monitoring PPE use in high-risk areas, with a Precision value of 0.81 and Recall of 1.0, as well as a mean Average Precision (mAP) of 72.15%at a threshold of 0.5, which indicates the ability of the model to detect objects with a high level of confidence. The evaluation also showed good Detection results for the subcontractor and worker classes, although there were challenges in detecting glove and safety shoes. This research concludes that an automated Detection system can improve compliance with PPE usage as well as work safety.