<![CDATA[Kondisi kantuk saat berkendara dapat menurunkan kewaspadaan pengemudi dan meningkatkan risiko kecelakaan lalu lintas. Sistem deteksi kantuk berbasis computer vision dapat menjadi solusi pemantauan non-intrusif, namun sebagian besar penelitian sebelumnya masih menggunakan static threshold pada Eye Aspect Ratio (EAR) dan mengasumsikan wajah selalu berada pada posisi frontal, sehingga akurasinya menurun ketika orientasi kepala berubah. Penelitian ini mengembangkan sistem deteksi kantuk pengemudi multi-angle berbasis MediaPipe Face Mesh yang mengintegrasikan EAR, PERCLOS, dan estimasi head pose dalam pendekatan hybrid, serta menerapkan dynamic threshold pada EAR yang disesuaikan dengan sudut yaw, pitch, dan roll. Sistem diuji pada empat subjek dengan empat orientasi wajah (frontal, kiri, kanan, dan menunduk) menggunakan perangkat Samsung A50s. Hasil pengujian menunjukkan bahwa dynamic threshold menurunkan false alarm total dari 14,2% menjadi 10,6% dengan recall terjaga pada 92,3% dan akurasi LOSO-CV rata-rata 90,6% (lebih tinggi dari 89,8% tanpa kompensasi). Dibandingkan static threshold, dynamic threshold memperoleh akurasi 87,75% dan F1-Score 79,73% (dibandingkan 83,97% dan 75,86%), dengan false positive turun sekitar 37% dan peningkatan F1-Score hingga 29,88 poin pada yaw ekstrem. Integrasi PERCLOS dalam pendekatan hybrid menurunkan false alarm pada orientasi menunduk dari 26,96% menjadi 9,16% (berkurang sekitar 66%). Sistem berjalan secara real-time dengan latensi rata-rata 149,00 ms dan frame rate sekitar 6,71 fps. Hasil ini menunjukkan bahwa kombinasi dynamic threshold berbasis head pose dan hybrid EAR-PERCLOS mampu meningkatkan akurasi dan keandalan deteksi kantuk pada kondisi multi-angle.]]>
Copyrights © 2026
