View/Open

Author
Alfianri, Manihuruk

Advisor
Tirta Setiawan, S.Pd., M.Si
Riksa Meidy Karim, S.Kom., M.Si., M.Sc

Koleksi
Student Dissertations and Theses

Publisher

Kecelakaan lalu lintas yang diakibatkan oleh kelalaian manusia, seperti mengantuk saat mengemudi, menjadi masalah serius. Karena peristiwa ini melibatkan kendaraan lain atau pengemudi lain di jalan raya. Kelalaian manusia seperti kantuk dapat menyebabkan kecelakaan yang merugikan secara materi dan non materi. Banyak pengendara yang mengabaikan rasa kantuk, mereka tetap memaksakan dirinya untuk mengemudi padahal sudah seharusnya untuk beristirahat. Penelitian ini mengusulkan deteksi kantuk pengemudi berbasis Convolutional Neural Network (CNN) untuk mendeteksi kantuk. Digunakan parameter Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR) untuk menentukan kelasya. Terdapat tiga kelas yang dilatih menggunakan CNN untuk mengidentifikasi pola pengendara, seperti ’mengantuk dan menguap’, ’mengantuk tidak menguap’ dan ’menguap tidak mengantuk’. Ketiga kelas tersebut merupakan kombinasi antara parameter EAR & MAR. Hasil penelitian menunjukkan bahwa model ini mampu mendeteksi kantuk dengan akurasi tinggi. Pada penelitian ini didapatkan hasil terbaik yaitu dengan penggunaan parameter learning rate sebesar 0,0001, activation ReLU dan Optimizer SGD. Dengan performansi model untuk akurasi, precision, recall, dan F1-Score masing-masing sebesar 91.76%, 91.76%, 92.94%, dan 91.62%.

URI
https://repo.itera.ac.id/depan/submission/SB2406060109

Keyword
Convolutional Neural Network, Eye Aspect Ratio, Ka