Deteksi Kantuk Pengendara Roda Empat Menggunakan Haar Cascade Classifier Dan Convolutional Neural Network

• Main Authors: Cahya AJi Saputra, Danang Erwanto, Putri Nur Rahayu
• Format: Article
• Language: Indonesian
• Published: LP3M Universitas Nurul Jadid 2021-04-01
• Series: Journal of Electrical Engineering and Computer
• Subjects: microsleep, pengolahan citra digital, haar cascade classifier, convolutional neural network
• Online Access: https://ejournal.unuja.ac.id/index.php/jeecom/article/view/1510

Salah satu masalah kesehatan yang termasuk dalam penyakit tidak menular adalah kecelakaan lalu lintas. Kecelakaan lalu lintas memiliki dampak negatif seperti kerugian materi, cacat fisik, dan kematian sehingga dapat mempengaruhi derajat kesehatan masyarakat. Rasa kantuk saat berkendara merupakan salah satu kondisi yang tidak jarang diabaikan oleh para pengendara kendaraan bermotor dan merupakan salah satu hal yang menyebabkan terjadinya kecelakaan, terutama ketika berkendara dalam jarak yang cukup jauh. Kejadian mengantuk atau tertidur dalam waktu beberapa detik tersebut adalah microsleep. Pengemudi kendaraan bermotor sangan sensitif terhdap microsleep karena faktor kelelahan fisik selama mengemudi. Durasi microsleep sangat singkat yaitu diantara 3 detik hingga 5 detik, justru ada yang memiliki durasi sampai 10 detik. Penelitian ini mengembangkan pengolahan citra digital untuk mendeteksi kantuk pada pengendara mobil menggunakan metode pengenalan obyek Haar Cascade Classifier dan klasifikasi menggunakan Convolutional Neural Network. Masukan citra secara real-time pada sistem didapat dari kamera yang dipasang didepan pengemudi. Keluaran dari sistem terdapat suara alarm untuk peringatan bahwa pengendara sedang berada pada posisi mengantuk atau tertidur. Sistem dapat mendeteksi berbagai jenis-jenis mata dengan tingkat keberhasilan sebesar 100%. Akurasi rata-rata yang diperoleh untuk mendeteksi mata terbuka dan tertutup dengan jarak 30 – 50 Cm adalah 95,4%. Sedangkan akurasi rata-rata untuk mendeteksi kantuk adalah 93.9%. Rata-rata waktu komputasi sistem ini adalah 0.1069 detik yang akan mempercepat dalam pendeteksian kantuk.