Deteksi Kantuk Menggunakan Kombinasi Haar Cascade dan Convolutiona Neural Network
| Main Author: | Tiara Puteri, Rahma |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193555/1/RAHMA%20TIARA%20PUTERI.pdf http://repository.ub.ac.id/id/eprint/193555/ |
Daftar Isi:
- Tingkat kecelakaan lalu lintas semakin hari semakin bertambah. Salah satu faktor penyebab terjadinya kecelakaan lalu lintas yaitu kondisi pengemudi yang lelah dan mengantuk. Maka dari itu dari permasalahan ini akan dibuat sistem yang bisa digunakan untuk memberikan peringatan berupa tulisan dan alarm. Sistem ini menggunakan NUC untuk pemrosesannya, webcam sebagai sensor yang bertugas menerima input yang akan dipasang pada NUC serta Monitor yang akan digunakan untuk melihat citra yang ditangkap oleh kamera serta melihat informasi keadaan mata dan informasi mengantuk. Metode yang digagaskan yaitu haar cascade yang akan mendeteksi wajah pada awal program dan menandakan area wajah dengan persegi. Lalu untuk mendeteksi mata menggunakan kombinasi haar cascade dan convolutional neural network, hal ini dikarenakan haar cascade belum mampu untuk mendeteksi mata ketika keadaan mata sedang tertutup, maka dari itu digunakan convolutional neural network untuk membuat dataset mata baru dan membuat prediksi keadaan mata, dengan tingkat akurasi dari dataset yang dibuat sebesar 60%. Pendeteksian wajah dan kantuk ini dengan kamera yang diletakkan kurang lebih 30-50cm yang sejajar dengan bahu atau dada. Kamera yang digunakan yaitu yang dapat diposisikan berdiri sehingga lensanya bisa dimiringkan ke arah wajah untuk dapat menangkap gambar dengan jelas. Haar cascade yang digunakan untuk mendeteksi wajah memiliki akurasi rata-rata sebesar 100%. Convolutional Neural Network yang digunakan untuk mendeteksi mata terbuka dan tertutup serta mendeteksi kantuk mempunyai nilai rata-rata akurasi sebesar 97.23%. Dalam sistem ini juga terdapat penghitungan waktu komputasi agar dapat mengetahui kecepatan pemrosesan program untuk nantinya sistem ini dapat dimanfaatkan serta dikembangkan lagi. Rata-rata waktu komputasi yang didapat yaitu 0.2075 s yang termasuk dalam kategori cepat