Implementasi Sistem Embedded Computer Vision dan Random Forest untuk Deteksi Kantuk Pengemudi Berdasarkan Analisis Wajah dan Posisi Kepala

Robbani, Fahmi
Primananda, Rakhmadhany
Setiawan, Eko

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Vol 10 No 7 (2026): Juli 2026

Kantuk saat berkendara merupakan salah satu penyebab utama kecelakaan lalu lintas. Penelitian ini mengimplementasikan sistem deteksi kantuk pengemudi berbasis Random Forest pada perangkat embedded Raspberry Pi 4 Model B menggunakan pendekatan computer vision. Sistem memanfaatkan kamera USB beresolusi 2K untuk mengakuisisi citra wajah secara real-time dan mengekstraksi enam fitur, yaitu Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), Mouth-over-Eye (MoE), serta sudut yaw, pitch, dan roll menggunakan MediaPipe FaceMesh. Model dilatih menggunakan 17.915 sampel dengan GridSearchCV dan class_weight balanced, menghasilkan akurasi training 94,20% dan AUC-ROC 98,60%. Pengujian dilakukan pada enam skenario terhadap subjek tanpa kacamata dan berkacamata. Hasil implementasi pada perangkat embedded menunjukkan accuracy 75,00%, precision 66,67%, recall 100,00%, dan F1-score 80,00%, dengan rata-rata waktu respons 2,868 detik. Tingkat false alarm sebesar 50,00% dipengaruhi oleh tingginya nilai MoE saat menguap dan nilai roll yang ekstrem pada pengguna berkacamata. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi seluruh kondisi kantuk pada skenario pengujian dan berpotensi mendukung peningkatan keselamatan berkendara melalui pemantauan pengemudi secara real-time.