Keselamatan kerja di lingkungan industri merupakan aspek penting yang harus diperhatikan untuk mencegah kecelakaan dan kerugian. Salah satu upaya pencegahan adalah memastikan pekerja menggunakan Alat Pelindung Diri (APD) dengan benar. Penelitian ini merancang dan merealisasikan prototipe alat deteksi dan peringatan pelanggaran APD berbasis Machine Learning menggunakan Raspberry Pi 4, kamera USB, speaker, dan LCD TFT. Sistem ini memanfaatkan algoritma You Only Look Once (YOLO) untuk mendeteksi dua jenis APD utama, yaitu helm dan sepatu safety, secara real-time. Ketika pelanggaran terdeteksi, sistem akan memberikan peringatan suara melalui speaker dan mengirimkan notifikasi beserta bukti gambar melalui bot Telegram. Model YOLO bekerja dengan membagi gambar ke dalam grid, membuat prediksi bounding box dan klasifikasi objek (helm, sepatu, atau pelanggaran), lalu menghasilkan keputusan akhir dengan confidence score tertentu. Dataset yang digunakan terdiri dari ribuan citra helm dan sepatu, baik kondisi lengkap maupun tanpa APD, yang dilatih menggunakan Google Colab dengan GPU untuk mempercepat proses training. Setelah model selesai, bobot (weights) dipindahkan ke Raspberry Pi untuk menjalankan deteksi secara mandiri tanpa server tambahan. Pengujian dilakukan dalam kondisi pencahayaan stabil di laboratorium dengan jarak deteksi efektif 1–3 meter. Hasil pengujian menunjukkan tingkat akurasi deteksi sebesar 81,53% dan rata-rata waktu respon sistem sebesar 4,11 detik dari deteksi pelanggaran hingga notifikasi terkirim. Hasil ini menunjukkan bahwa sistem mampu bekerja sesuai rancangan dan dapat diandalkan untuk mendeteksi pelanggaran APD secara otomatis. Meski demikian, akurasi masih dapat ditingkatkan melalui perluasan dataset dan optimasi model agar lebih adaptif terhadap kondisi lingkungan yang bervariasi.

Kata Kunci: Deteksi Pelanggaran, APD, YOLO, Raspberry Pi, Kamera, Telegram, Keselamatan Kerja