eProceedings of Engineering
Vol. 11 No. 6 (2024): Desember 2024

Implementasi Convolutional Neural Network (CNN) dengan Arsitektur VGG-19 untuk Deteksi Kelelahan Tubuh Melalui Kondisi Mata

Pratama , M Hidayatullah (Unknown)
Purnamasari, Rita (Unknown)
Eliskar, Yulinda (Unknown)



Article Info

Publish Date
01 Dec 2024

Abstract

Kelelahan merupakan kondisi di mana ketika tubuh seseorang sudah kekurangan kapasitas yang dimiliki, sehingga akan berdampak pada produktifitas kerja. Ada banyak cara atau metode untuk mengetahui kondisi seseorang yang sedang mengalami kelelahan, salah satunya yaitu dengan cara melakukan sesi tanya jawab seperti yang dilakukan pada masinis di PT Kereta Api Indonesia setiap kali ingin bertugas. Meskipun metode ini sudah cukup baik, namun kurang fleksibel jika terus menerus harus dilakukan sesi tanya jawab di setiap sebelum para masinis bekerja. Penelitian ini menerapkan Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk membuat sistem yang dapat melakukan deteksi kelelahan tubuh melalui kondisi mata. Dataset yang digunakan terdiri dari 2 kelas, data sakit yang berisi gambar-gambar kondisi mata seseorang yang sedang kelelahan dan data sehat yang berisi gambar-gambar kondisi mata seseorang yang tidak sedang kelelahan. Hasil pengujian yang dilakukan menunjukkan bahwa model yang dibuat mempunyai akurasi %. Model dapat melakukan deteksi tubuh yang lelah dengan akurasi % dan tubuh yang tidak lelah dengan akurasi %. Kata kunci—CNN, kelelahan, PT Kereta Api Indonesia, VGG-19.

Copyrights © 2024






Journal Info

Abbrev

engineering

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Description

Merupakan media publikasi karya ilmiah lulusan Universitas Telkom yang berisi tentang kajian teknik. Karya Tulis ilmiah yang diunggah akan melalui prosedur pemeriksaan (reviewer) dan approval pembimbing ...