Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Conference on Innovation and Application of Science and Technology (CIASTECH)
Muhammad Fauzan Rabbani
Teknik Informatika, Universitas Buana Perjuangan, Karawang
Agriculture, Biological Sciences & Forestry Education Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
HAARCASCADE CLASSIFIER DAN EYE ASPECT RATIO UNTUK MENGIDENTIFIKASI MATA KANTUK PADA PENGEMUDI MOBIL Muhammad Fauzan Rabbani; Deden Wahiddin; Rahmat Rahmat
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global"
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di Indonesia jumlah angka kecelakaan semakin meningkat. Pengemudi yang mengantuk merupakan salah satu penyebab kecelakaan, karena pada saat mengantuk pengemudi akan kehilangan konsentrasi dan kontrol atas kendaraannya. Belum banyak produksi otomotif pada kendaraan roda empat membuat sistem pendeteksi kantuk. Sistem yang biasa dibuat adalah teknologi Airbag yang hanya berfungsi ketika sudah terjadi kecelakaan tetapi tidak ada pendeteksi sebelum kecelakaan terjadi. Berdasarkan permasalahan tersebut, perlu adanya suatu sistem untuk mengidentifikasi pengemudi yang mengantuk. Karena sangatlah penting untuk keamanan dalam berkendara. Penulis membuat suatu sistem yang dapat mengidentifikasi kantuk pada pengemudi dan dapat segera diberikan berupa peringatan. Sistem yang dijalankan pada sebuah mini computer (Raspberry) dengan menggunakan OpenCV dengan metode haarcascade classifier dilengkapi dengan webcame. Metode haarcascade classifier dan eye aspect ratio akan membaca bagian mata, sistem membaca jika mata terbuka maka pengemudi tidak mengantuk, tetapi jika mata tertutup dalam waktu yang telah ditentukan maka sistem membaca pengemudi mengantuk dan akan mengeluarkan sebuah notifikasi berupa suara. Penelitian ini dilakukan 30 kali pengujian dalam 2 kondisi: 20 kali pengujian dalam kondisi normal dan 10 kali pengujian kondisi tidak normal. Pada kondisi normal mendapatkan tingkat akurasi sebesar 90% sementara pada kondisi tidak normal mendapatkan akurasi 40%.
Co-Authors Deden Wahiddin Rahmat Rahmat