Sistem Pendeteksi Kantuk pada Mata Pengendara Roda Empat dengan Algoritma Convolutional Neural Network
Main Article Content
Abstract
Mengantuk merupakan sifat alamiah manusia dikarenakan mengantuk menandakan manusia membutuhkan waktu istirahat yang cukup, namun mengantuk pada waktu dan tempat yang tidak tepat sangat dapat menjadi sumber kecelakaan, salah satunya mengantuk pada saat berkendara. Karena itu dirancang sebuah sistem untuk mendeteksi kantuk dengan cara mendeteksi mata manusia dengan model YOLO yang akan diklasifikasi dengan model CNN apakah kedua mata pengguna sedang tertutup atau terbuka, jika kedua mata tertutup maka akan mengeluarkan output berupa alaram yang diharapkan membangunkan pengguna yang terdeteksi mengantuk. Hasil kalkulasi AP terhadap model pendeteksian dengan akurasi sebesar 100% dan hasil pengujian confusion matrix terhadap model klasifikasi memiliki akurasi sebesar 96% pada nilai presisi, 97% pada nilai recall, dan 97% pada F1-Score
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.
References
Owens, J. M., Dingus, T. A., Guo, F., Fang, Y., Perez, M., McClafferty, J., Tefft, B. Prevalence of Drowsy Driving Crashes: Estimates from a Large-Scale Naturalistic Driving Study. (Research Brief.) Washington, D.C.: AAA Foundation for Traffic Safety. February, 2018.
Pranav, A. Pratibha, R., Manoj, K., 2000 YOLO v3-Tiny: Object Detection and Recognition using one stage improved model, 2020 6th International Conference on Advanced Computing & Communication Systems (ICACCS), hal. 691
Ildar, R. Increasing FPS for single board computers and embedded computers in 2021 (Jetson nano and YOVOv4-tiny). Practice and review, Journal of National Institutes of Health, Hal 4.