Sistem Pendeteksi Kantuk Berbasis Metode Haar Cascade Untuk Aplikasi Computer Vision

Andi Aqsha Ramadana Lubis; Sevia Indah Purnama; Mas Aly Afandi

doi:10.33633/tc.v22i3.8464

Sistem Pendeteksi Kantuk Berbasis Metode Haar Cascade Untuk Aplikasi Computer Vision

Andi Aqsha Ramadana Lubis, Sevia Indah Purnama, Mas Aly Afandi

Abstract

Setiap orang memerlukan istirahat yang cukup agar dapat menjalankan aktivitas sehari-hari dengan optimal. Istirahat yang tidak cukup memicu kondisi kantuk seseorang. Rasa kantuk dapat mengganggu aktivitas karena adanya penurunan konsentrasi. Kondisi yang berbahaya terjadi ketika pengemudi mengantuk saat mengemudi. Kondisi tersebut dapat dihindari dengan membuat sistem alarm berbasis computer vision. Penelitian ini memanfaatkan kamera dan kecerdasan buatan untuk mendeteksi apakah pengemudi dalam keadaan mengantuk atau tidak. Penelitian ini melakukan perancangan sistem untuk mendeteksi kantuk melalui kondisi mata pada citra wajah berbasis metode Haar Cascade. Sistem dibangun menggunakan total 1.600 dataset citra dan 200 kali pengujian. Hasil dari pengujian menunjukkan bahwa sistem memiliki tingkat accuracy sebesar 92,5%, tingkat precision sebesar 89,71%, dan tingkat recall sebesar 96%. Penelitian ini membuktikan bahwa metode haar cascade dapat digunakan untuk mendeteksi kondisi mata kantuk berdasarkan masukan gambar dari kamera.

Keywords

Kantuk, Kondisi Mata, Computer Vision, Haar Cascade

Full Text:

PDF

References

G. Guritnaningsih, T. Tjahjono, and D. Maulina, “Kelalaian Manusia (Human Error) dalam Kecelakaan Lalu Lintas: Analisis Berdasarkan Pemrosesan Informasi,” J. Indones. Road Saf., vol. 1, no. 1, p. 30, Apr. 2018, doi: 10.19184/korlantas-jirs.v1i1.14772.

E. Buchari, D. D. A. Putranto, D. Asmoro, and L. D. Saribu, “Analisis Perubahan Kecepatan Terhadap Risiko Kecelakaan Lalu Lintas,” J. Indones. Road Saf., vol. 2, no. 2, p. 76, Aug. 2019, doi: 10.19184/korlantas-jirs.v2i2.15027.

P. Hardini, N. Hidayati, and E. W. I, “Studi Komparasi Pemilihan Angka Kecepatan Kendaraan di Purwokerto dan Semarang,” J. Indones. Road Saf., vol. 2, no. 2, p. 87, Aug. 2019, doi: 10.19184/korlantas-jirs.v2i2.15038.

F. P. Makalew, B. Widodo, and M. I. Ramli, “Pengaruh Perilaku Pengendara Terhadap Kecelakaan Pejalan Kaki-Sepeda Motor,” J. Indones. Road Saf., vol. 2, no. 1, p. 32, Apr. 2019, doi: 10.19184/korlantas-jirs.v2i1.15028.

T. C. A.-S. Zulkhaidi, E. Maria, and Y. Yulianto, “Pengenalan Pola Bentuk Wajah dengan OpenCV,” J. Rekayasa Teknol. Inf., vol. 3, no. 2, p. 181, Jun. 2020, doi: 10.30872/jurti.v3i2.4033.

Lukman Priyambodo et al., “Klasifikasi Kematangan Tanaman Hidroponik Pakcoy Menggunakan Metode SVM,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 1, pp. 153–160, Feb. 2022, doi: 10.29207/resti.v6i1.3828.

M. A. Afandi, I. Hikmah, and C. Agustinah, “Microcontroller-based Artificial Lighting to Help Growth the Seedling Pakcoy,” J. Nas. Tek. ELEKTRO, vol. 10, no. 3, Nov. 2021, doi: 10.25077/jnte.v10n3.943.2021.

M. Jannah, “Tomato Maturity Detection System Using Color Histogram Method and Nearest Neighbor,” JAICT, vol. 7, no. 1, p. 63, Mar. 2022, doi: 10.32497/jaict.v7i1.3074.

M. A. Afandi, S. I. Purnama, and R. F. Crisianti, “Implementasi Metode Deteksi Tepi Laplacian dan Jarak Euclidean untuk Identifikasi Tanda Tangan,” J. Nas. Tek. ELEKTRO, vol. 9, no. 1, p. 34, Mar. 2020, doi: 10.25077/jnte.v9n1.756.2020.

Octavian Ery Pamungkas et al., “Classification of Rupiah to Help Blind with The Convolutional Neural Network Method,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 2, pp. 259–268, Apr. 2022, doi: 10.29207/resti.v6i2.3852.

J. Jumadi, Y. Yupianti, and D. Sartika, “Pengolahan Citra Digital untuk Identifikasi Objek Menggunakan Metode Hierarchical Agglomerative Clustering,” JST (Jurnal Sains dan Teknol., vol. 10, no. 2, pp. 148–156, Nov. 2021, doi: 10.23887/jstundiksha.v10i2.33636.

F. Zaini aryatama, “Analisis Penyebab Kecelakaan Lalu Lintas di Jalan Empunala Kota Mojokerto,” J. Tek. Sipil Ranc. Bangun, vol. 8, no. 2, pp. 150–155, Oct. 2022, doi: 10.33506/rb.v8i2.1805.

L. A. Septiandi, E. M. Yuniarno, and A. Zaini, “Deteksi Kedipan dengan Metode CNN dan Percentage of Eyelid Closure (PERCLOS),” J. Tek. ITS, vol. 10, no. 1, Aug. 2021, doi: 10.12962/j23373539.v10i1.61174.

M. Zulfikri, K. A. Latif, H. Hairani, A. Ahmad, R. Hammad, and M. Syahrir, “Deteksi dan Estimasi Kecepatan Kendaraan dalam Sistem Pengawasan Lalu Lintas Menggunakan Pengolahan Citra,” Techno.Com, vol. 20, no. 3, pp. 455–467, Aug. 2021, doi: 10.33633/tc.v20i3.4588.

R. P. H. Sejati and R. Mardhiyyah, “Deteksi Wajah Berbasis Facial Landmark Menggunakan OpenCV Dan Dlib,” J. Teknol. Inf., vol. 5, no. 2, pp. 144–148, Dec. 2021, doi: 10.36294/jurti.v5i2.2220.

T. Susim and C. Darujati, “Pengolahan Citra untuk Pengenalan Wajah (Face Recognition) Menggunakan OpenCV,” J. Heal. Sains, vol. 2, no. 3, pp. 534–545, Mar. 2021, doi: 10.46799/jsa.v2i3.202.

DOI: https://doi.org/10.33633/tc.v22i3.8464