Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Nur Wahyu Melliano Hariyanto
Fakultas Ilmu Komputer, Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Deteksi Mata Pengemudi Mobil menggunakan Ekstraksi Fitur DeepVOG dengan Metode Random Forest Nur Wahyu Melliano Hariyanto; Fitra Abdurrachman Bachtiar
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 14 (2023): Antrian Publikasi
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pada tahun 2017 jumlah kecelakaan di Indonesia telah mencapai 104.327 dengan jumlah korban jiwa sebanyak 30.694 jiwa. Jumlah tersebut terus meningkat di tahun-tahun berikutnya, seperti pada tahun 2018 meningkat sebesar 0.04% dan di tahun 2019 meningkat lagi sebesar 0.06%. Penyebab kecelakaan dapat disebabkan oleh banyak hal, namun faktor utama penyebabnya adalah dari pengemudi itu sendiri. Tercatat 3.735 jumlah kecelakaan lalu lintas di jalan tol karena kurangnya fokus pengemudi setiap tahunnya menunjukkan bahwa fokus ketika mengemudi itu sangatlah penting. Dari kejadian sebelumnya, maka dibutuhkan sebuah sistem yang dapat mendeteksi fokus pengemudi dalam berkendara. Saat ini, terdapat banyak sistem pendeteksi mata yang sudah diimplementasikan untuk mendeteksi kantuk pengemudi. Namun, sistem pendeteksi kantuk masih memiliki kekurangan, salah satunya adalah hanya berfokus pada frekuensi kedip mata sehingga tidak dapat mendeteksi faktor lain yang dilakukan oleh pengemudi ketika melihat hal lain disekelilingnya. Penelitian ini akan membuat sistem deteksi fokus mata dengan mengimplementasikan model ekstraksi fitur DeepVOG dan metode Random Forest dalam melakukan klasifikasi. Dalam tahap pemrosesan data akan menggunakan Principal Component Analysis (PCA) dikarenakan dapat membuat sistem berjalan dengan baik dan waktu komputasinya kecil. Pada model Random Forest, dilakukan pencarian hyperparameter terbaik dengan waktu komputasi yang dihasilkan sebesar 0,02 detik untuk rata-rata setiap data yang diuji. Nilai akurasi yang diperoleh oleh model Random Forest pada penelitian ini sebesar 93,25%.
Co-Authors Fitra Abdurrachman Bachtiar