<![CDATA[Kantuk pada pengemudi merupakan salah satu faktor utama penyebab kecelakaan lalu lintas, sehingga diperlukan sistem deteksi kantuk yang andal pada berbagai kondisi pencahayaan. Penelitian ini bertujuan untuk mengimplementasikan sistem deteksi kantuk real-time berbasis aplikasi mobile menggunakan MediaPipe Face Mesh serta menganalisis pengaruh teknik peningkatan kualitas pencahayaan terhadap akurasi deteksi kantuk menggunakan fitur Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR). Teknik preprocessing yang digunakan meliputi Gamma Correction (GC), Histogram Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE), dan Brightness Preserving Dynamic Histogram Equalization (BPDHE). Preprocessing cahaya citra digunakan sebagai tahap awal untuk meningkatkan kontras fitur wajah sebelum ekstraksi fitur. Sistem mendeteksi kondisi kantuk berdasarkan nilai EAR dan MAR yang dihitung dari jarak titik landmark pada wajah pengemudi. Pengujian dilakukan pada kondisi pencahayaan rendah (low-light), normal (normal-light), dan terang (bright-light) dengan skenario kantuk terkontrol. Hasil pengujian menunjukkan bahwa penerapan preprocessing citra dapat meningkatkan akurasi sistem deteksi kantuk dibandingkan tanpa preprocessing. Pada kondisi low-light, metode HE menghasilkan akurasi tertinggi sebesar 85,29%, pada kondisi normal-light, CLAHE memperoleh akurasi tertinggi sebesar 83,51%, serta pada kondisi bright-light, BPDHE menghasilkan akurasi tertinggi sebesar 84,54%. Hasil penelitian menunjukkan bahwa tidak terdapat satu metode preprocessing yang optimal untuk seluruh kondisi pencahayaan, melainkan efektivitas setiap metode bergantung pada kondisi pencahayaan yang dihadapi.]]>
Copyrights © 2026
