Kemampuan koneksi matematis merupakan salah satu kemampuan yang sangat penting dan merupakan salah satu standar proses pembelajaran matematika yang dirumuskan oleh NCTM. Apabila siswa tersebut mampu mengaitkan ide-ide yang ada dalam matematika maka pemahaman terhadap matematikanya akan bertahan lama dan semakin mendalam. Begitu pentingnya kemampuan koneksi matematis terhadap suatu pembelajaran, maka dilakukanlah sebuah penelitian dengan tujuan untuk mengetahui kemampuan koneksi matematis siswa serta kesalahan apa saja yang sering dilakukan oleh siswa terkait soal koneksi matematis terhadap materi trigonometri. Penelitian ini menggunakan metode deskriptif kualitatif dengan subjek penelitiannya adalah siswa kelas X OTKP 3 SMK Bunga Persada Cianjur sebanyak 29 orang. Bentuk pengambilan datanya yaitu dengan pemberian soal tes uraian tertulis sebanyak 5 butir soal. Berdasarkan hasil analisisnya, didapatkan bahwa kemampuan koneksi matematis siswa di jenjang sekolah menengah kejuruan (SMK) Bunga Persada Cianjur kelas X OTKP 3  pada materi trigonometri tergolong rendah. Hal ini terlihat dari rata-rata kemampuan koneksi matematis siswa dari setiap indikatornya. Rendahnya kemampuan koneksi matematis tersebut karena ada beberapa kesalahan yang sering dilakukan oleh siswa diantaranya yaitu kesalahan konsep, kesalahan keterampilan komputasi, dan kesalahan interpretasi bahasa.

Menurut ILO, setiap tahun ada lebih dari 250 juta kecelakaan di tempat kerja. Penyebab kecelakaan sebanyak 80% dikarenakan kelalaian yang dilakukan oleh pekerja yaitu perilaku tidak aman seperti tidak memakai APD. Perlunya pengawasan terhadap pekerja merupakan hal penting dalam mengurangi kecelakaan kerja. Namun pengawasan tersebut masih manual, sehingga akan memakan waktu lama. Metode yang dapat digunakan untuk pengenalan objek pada citra helmet dan vest keselamatan adalah deeplearning. YOLOv2 merupakan salah satu model deep learning yang dapat digunakan untuk pengenalan objek. Mengingatnya permasalahan tersebut, maka perlu dibuat sistem deteksi helmet dan vest secara realtime berbasis web flask. Tahapan pada penelitian ini diantara lain data acquisition atau pengumpulan data citra. selanjutnya data exprolation atau anotasi data citra, selanjutnya dilakukan Modelling atau training data, dan proses terakhir yaitu deployment menggunakan flask. sistem yang telah dibuat berhasil mendeteksi tidak menggunakan helmet dan vest keselamatan dengan bounding box merah dan menggunakan helmet dan vest keselamatan dengan bounding box hijau dengan akurasi rata rata 81.60% dan memiliki nilai avg loss 0.173 dan nilai validasi mAP (mean Average Precision) 76.68%