<![CDATA[Kecelakaan lalu lintas merupakan salah satupenyebab utama kematian di dunia dan kantuk saatmengemudi menjadi salah satu faktor penyebab yangsignifikan. Kondisi kantuk dapat memicu microsleep, yaitukeadaan tidur singkat yang terjadi secara tiba-tiba selamabeberapa detik. Meskipun berlangsung singkat, microsleepsangat berbahaya karena pengemudi kehilangan kesadarandan kendali atas kendaraan yang dapat berujung kecelakaanfatal. Salah satu indikator utama untuk mendeteksi microsleepadalah perilaku mata, khususnya durasi kedipan. Dalamkondisi normal, manusia berkedip antara 100 hingga 400milidetik. Kedipan mata yang berlangsung lebih dari 400milidetik dapat mengindikasikan microsleep. Penelitian inibertujuan untuk mengembangkan sistem deteksi microsleepberbasis Raspberry Pi yang mampu memantau kondisi matapengemudi secara real-time menggunakan algoritmaConvolutional Neural Network (CNN). Sistem ini dirancanguntuk mendeteksi mata tertutup dalam durasi tidak normaldan memberikan peringatan dini guna mencegah kecelakaan.Kamera akan merekam wajah pengemudi, kemudian sistemakan mengekstrak citra mata dan mengklasifikasikan kondisimata (terbuka atau tertutup) menggunakan model CNN.Dengan pengukuran durasi penutupan mata dan evaluasilatency sistem, deteksi microsleep dapat dilakukan secara cepatdan akurat. Hasil penelitian menunjukkan bahwa sistem yangdikembangkan memiliki performa yang sangat baik, denganaccuracy model CNN mencapai 93% dalam mengklasifikasikankondisi mata. Selain itu, sistem mampu bekerja dengan end-toend latency rata-rata hanya sekitar 27 milidetik,menjadikannya responsif dan layak diterapkan untukpemantauan kondisi pengemudi secara real-time. Kinerja inimenunjukkan bahwa sistem deteksi microsleep yang diusulkanefektif dalam meningkatkan keselamatan berkendara dandapat menjadi solusi teknologi yang terjangkau serta aplikatif.Kata kunci – Pengemudi, microsleep, CNN, Raspberry Pi.]]>
Copyrights © 2025
