<![CDATA[Kecelakaan lalu lintas akibat kantuk merupakan ancaman signifikan bagi keselamatan pengemudi, terutama pada perjalanan jarak jauh. Kondisi ini dapat diidentifikasi melalui perubahan fisiologis seperti keterbukaan mata, frekuensi menguap, dan orientasi kepala. Penelitian ini mengembangkan sistem deteksi kantuk berbasis analisis wajah menggunakan Raspberry Pi 5 dengan kombinasi parameter Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), dan Head Pose Estimation via MediaPipe Face Mesh. Metode Exponential Moving Average (EMA) diterapkan untuk menstabilkan data dan mengurangi false alarm. Sistem menggunakan kamera infrared untuk memastikan performa optimal dalam berbagai kondisi pencahayaan. Pengujian simulasi terhadap partisipan berusia 20–22 tahun menunjukkan sistem beroperasi realtime dengan waktu komputasi 0,2637 detik. Penerapan EMA berhasil meningkatkan akurasi dari 87,5% menjadi 94,64% dan menurunkan false alarm sebesar 37,53%. Kamera infrared juga terbukti efektif mendeteksi wajah dalam kondisi minim cahaya maupun saat penggunaan kacamata hitam, di mana kamera biasa sering mengalami kegagalan. Sistem ini diharapkan menjadi solusi efisien, robust, dan non-invasif untuk membantu pengemudi mengatasi kantuk.]]>
Copyrights © 2026
