<![CDATA[Kelelahan dan rasa mengantuk merupakan faktor utama yang berkontribusi terhadap kecelakaan lalu lintas dan insiden kerja yang berbahaya. Deteksi kondisi mengantuk pada individu, terutama pengemudi, menjadi hal yang krusial dalam meningkatkan keselamatan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi mengantuk menggunakan Convolutional Neural Network (CNN) berbasis citra wajah. Algoritma CNN memiliki kemampuan unggul dalam mengenali pola visual, termasuk perubahan ekspresi wajah dan pola mata yang menjadi indikator utama kondisi mengantuk. Penelitian ini menggunakan dataset citra wajah yang mencakup kondisi mata terbuka, mata tertutup, menguap, dan tidak menguap sebagai indikator mengantuk. Model CNN yang dikembangkan dilatih dengan menggunakan teknik preprocessing dan augmentasi data guna meningkatkan akurasi dalam mendeteksi kondisi mengantuk dalam berbagai situasi pencahayaan dan sudut wajah. Model diuji menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-score untuk mengukur efektivitas deteksi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi kondisi mengantuk dengan akurasi mencapai 96% pada dataset uji. Implementasi model menggunakan TensorFlow Lite juga memungkinkan inferensi berjalan lebih cepat dan efisien pada perangkat dengan spesifikasi terbatas. Sistem ini memiliki potensi untuk diterapkan dalam berbagai aplikasi, seperti Driver Monitoring System (DMS) atau sistem pemantauan kerja yang memerlukan deteksi kewaspadaan pengguna.]]>
