PT. Bumi Siak Pusako (BSP) menerapkan standar Keselamatan dan Kesehatan Kerja (K3) yang ketat, namun pengawasan kepatuhan Alat Pelindung Diri (APD) secara manual melalui CCTV memiliki keterbatasan, terutama dalam mendeteksi objek kecil seperti sepatu keselamatan (safety boots) pada sudut pandang luas (wide view). Penelitian ini bertujuan mengatasi permasalahan tersebut dengan mengembangkan sistem deteksi otomatis berbasis Deep Learning menggunakan algoritma YOLOv8 yang dimodifikasi. Modifikasi dilakukan dengan menambahkan detection head ke-4 pada lapisan P2 (high-resolution feature map), yang disebut YOLOv8_P2, guna meningkatkan sensitivitas terhadap objek berskala kecil tanpa mengorbankan kecepatan. Hasil pengujian menunjukkan model YOLOv8_P2 berhasil mendeteksi kelengkapan APD (Helmet, Coverall, dan Boots) dengan performa tinggi, mencapai rata-rata mAP50 sebesar 0.812 dan mAP50-95 sebesar 0.445. Secara spesifik, model ini mampu mengatasi tantangan deteksi sepatu keselamatan dengan mAP50 sebesar 0.782 dan Recall 0.721. Implementasi sistem terbukti dapat memberikan peringatan dini pelanggaran secara real-time dan akurat, sehingga mendukung optimalisasi pengawasan K3 di wilayah kerja PT. Bumi Siak Pusako.