Keselamatan Kerja adalah aspek penting yang sudah diatur dalam Undang – Undang guna menciptakan kondisi kerja yang aman dan sehat guna mencegah terjadinya kecelakaan akibat kerja. Peningkatan keselamatan kerja menjadi prioritas utama dalam lingkungan beresiko tinggi, termasuk di Pertamina EP – Field Poleng Surabaya. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis penggunaan Alat Pelindung Diri (APD) menggunakan model You Only Look Once version 8 small (YOLOv8s). Model dilatih menggunakan dua skenario pembagian data, yaitu 70:20:10 dan 80:10:10. Pada skenario 70:20:10, model mencapai precision 0,959, recall 0,951, mAP@50 sebesar 0,973, mAP@50–95 sebesar 0,681, dan F1-score 0,954, menunjukkan konsistensi deteksi pada berbagai ukuran dan posisi objek. Skenario 80:10:10 memberikan hasil lebih optimal dengan precision 0,971, recall 0,963, mAP@50 sebesar 0,976, mAP@50–95 sebesar 0,669, dan F1-score 0,966. Tingginya nilai mAP@50–95 mencerminkan konsistensi model dalam mendeteksi objek Alat Pelindung Diri pada berbagai variasi ukuran dan posisi. Penelitian ini menyimpulkan bahwa sisten deteksi otomatis secara real – time dapat mendukung pengawasan keselamatan kerja secara otomatis.

Occupational safety is a critical aspect regulated by law to ensure a safe and healthy work environment and prevent workplace accidents. Improving safety has become a top priority in high-risk environments, including at Pertamina EP – Field Poleng Surabaya. This study aims to develop an automatic detection system for the use of Personal Protective Equipment (PPE) using the You Only Look Once version 8 small (YOLOv8s) model. The model was trained using two data split scenarios: 70:20:10 and 80:10:10. In the 70:20:10 scenario, the model achieved a precision of 0.959, recall of 0.951, mAP@50 of 0.973, mAP@50–95 of 0.681, and an F1-score of 0.954, indicating consistent object detection across various sizes and positions. The 80:10:10 scenario produced slightly better performance, with a precision of 0.971, recall of 0.963, mAP@50 of 0.976, mAP@50–95 of 0.669, and an F1-score of 0.966. The high mAP@50–95 values reflect the model’s reliability in detecting PPE across different spatial variations. This study concludes that a real-time automatic detection system can effectively support workplace safety monitoring.