<![CDATA[Penelitian ini bertujuan untuk mendeteksi pengemudi yang terdistraksi menggunakan arsitektur DenseNet-169, di mana salah satu penyebab utama kecelakaan lalu lintas adalah gangguan pada pengemudi. Hal ini dapat menyebabkan kerugian materi maupun kehilangan nyawa. Dataset yang digunakan adalah State Farm Distracted Driver Detection, yang terdiri dari 19.000 gambar dalam 10 kelas berbeda. DenseNet-169 dipilih karena kemampuannya yang unggul dalam menangani dataset yang besar dan kompleks dengan efisiensi parameter yang tinggi. Model dilatih menggunakan pre-trained weights dari ImageNet dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa DenseNet-169 memberikan performa yang baik dalam mengklasifikasikan kondisi pengemudi yang terdistraksi dengan akurasi 97,50% pada data uji. Diharapkan teknologi ini dapat berkontribusi pada keselamatan jalan raya dengan mendeteksi pengemudi yang terdistraksi.]]>
Copyrights © 2025
