DETEKSI KANTUK PENGENDARA MOBIL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS
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