IDENTIFIKASI MENGANTUK MENGGUNAKAN ALGORITMA CNN

Islanmiyati, Adinne (2025) IDENTIFIKASI MENGANTUK MENGGUNAKAN ALGORITMA CNN. Bachelor thesis, Universitas Nasional.

	Text cover.pdf Download (919kB)
	Text BAB I .pdf Download (224kB)
	Text BAB II .pdf Download (249kB)
	Text BAB III.pdf Download (420kB)
	Text BAB IV.pdf Download (4MB)
	Text BAB V.pdf Download (128kB)
	Text Lampiran.pdf Download (276kB)

Abstract

Kelelahan dan rasa mengantuk merupakan faktor utama yang berkontribusi terhadap
kecelakaan lalu lintas dan insiden kerja yang berbahaya. Deteksi kondisi mengantuk pada
individu, terutama pengemudi, menjadi hal yang krusial dalam meningkatkan keselamatan.
Penelitian ini bertujuan untuk mengembangkan sistem deteksi mengantuk menggunakan
Convolutional Neural Network (CNN) berbasis citra wajah. Algoritma CNN memiliki
kemampuan yang unggul dalam mengenali pola visual, termasuk perubahan ekspresi wajah
dan pola mata yang menjadi indikator utama kondisi mengantuk.
Penelitian ini menggunakan dataset citra wajah yang mencakup kondisi mata terbuka, mata
tertutup, menguap, dan tidak menguap sebagai indikator mengantuk. Model CNN yang
dikembangkan dilatih dengan menggunakan teknik preprocessing dan augmentasi data guna
meningkatkan akurasi dalam mendeteksi kondisi mengantuk dalam berbagai situasi
pencahayaan dan sudut wajah. Model diuji menggunakan metrik evaluasi seperti akurasi,
presisi, recall, dan F1-score untuk mengukur efektivitas deteksi.
Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi
kondisi mengantuk dengan akurasi mencapai 96% pada dataset uji. Implementasi model
menggunakan TensorFlow Lite juga memungkinkan inferensi berjalan lebih cepat dan
efisien pada perangkat dengan spesifikasi terbatas. Sistem ini memiliki potensi untuk
diterapkan dalam berbagai aplikasi, seperti Driver Monitoring System (DMS) atau sistem
pemantauan kerja yang memerlukan deteksi kewaspadaan pengguna.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 03:05
Last Modified:	12 Sep 2025 03:05
URI:	http://repository.unas.ac.id/id/eprint/14074

Actions (login required)

View Item