<![CDATA[Deteksi kantuk merupakan langkah penting dalam meningkatkan keselamatan dan produktivitas, khususnya di sektor transportasi dan industri. Kantuk dapat memicu kecelakaan fatal, terutama bagi pengemudi dan pekerja industri. Penelitian ini mengembangkan sistem deteksi kantuk berbasis visi komputer menggunakan kombinasi metode Viola-Jones dan Convolutional Neural Network (CNN). Viola-Jones digunakan untuk mendeteksi wajah dan mata secara cepat sebagai langkah awal, sementara CNN dilatih untuk mengklasifikasikan kondisi mata (terbuka atau tertutup) yang menunjukkan kantuk. Sistem ini dirancang untuk berjalan secara real-time dan dapat diakses melalui website. Dataset yang digunakan terdiri dari 3.232 gambar, dibagi menjadi dua kelompok: 1.432 gambar kondisi fokus dan 1.800 gambar kondisi kantuk, dengan pembagian data 80% untuk training dan 20% untuk testing. Hasil menunjukkan bahwa sistem berhasil mencapai akurasi 91% dengan precision, recall, dan F1-score sebesar 0,91, mengindikasikan kinerja yang tinggi dalam mengklasifikasikan kondisi kantuk dan fokus. Pada saat pengujian, proses training berlangsung selama 22 menit 39 detik untuk 80 epoch dengan learning rate 0,001. Model ini memberikan deteksi kantuk yang akurat dan responsif dalam berbagai kondisi pencahayaan dan pose, sehingga dapat digunakan untuk meminimalisir risiko kecelakaan akibat kantuk.]]>
Copyrights © 2024
