ANALISIS ASPEK RASIO MATA DAN MULUT UNTUK DETEKSI KANTUK MENGGUNAKAN ALGORITMA MULTI TASK CASCADED CONVOLUTIONAL NEURAL NETWORK

• Main Author: Fahri Admana Budi, - (Author)
• Format: Book
• Published: 2023-08-23.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/101651/1/S_RPL_1908452_Title.pdf; http://repository.upi.edu/101651/2/S_RPL_1908452_Chapter%201.pdf; http://repository.upi.edu/101651/3/S_RPL_1908452_Chapter%202.pdf; http://repository.upi.edu/101651/4/S_RPL_1908452_Chapter%203.pdf; http://repository.upi.edu/101651/5/S_RPL_1908452_Chapter%204.pdf; http://repository.upi.edu/101651/6/S_RPL_1908452_Chapter%205.pdf; http://repository.upi.edu/101651/7/S_RPL_1908452_Appendix.pdf
• Keywords: Q Science (General); QA75 Electronic computers. Computer science; QA76 Computer software; T Technology (General)

Pada tahun 2022, lebih 94 ribu kasus kecelakaan lalu lintas di Indonesia yang salah satu penyebabnya adalah human error atau kesalahan dari diri manusia. Salah satu kesalahan dari diri manusianya itu yakni memaksakan diri bekerja atau berkendara dalam kondisi kantuk terjadi. Penelitian ini memberikan wawasan tentang bagaimana kita dapat mendeteksi rasa kantuk pada pengemudi. Model yang digunakan dalam penelitian ini adalah model deteksi kantuk dengan algoritma Multi Task Cascaded Convolution Neural Network (MTCNN). Pemanggilan model deteksi kantuk, menggunakan proses pemanggilan library python dalam pembelajaran mesin. Temuan hasil penelitian pada analisis judul Analisis Aspek Rasio Mata dan Mulut untuk Deteksi Kantuk Menggunakan Algoritma Multi Task Cascaded Convolution Neural Network dapat diketahui bahwa model MTCNN dasar mencapai akurasi yang baik sebesar 94% terhadap studi kasus dataset yang diberikan. Berdasarkan skor perhitungan didapatkan nilai rata-rata Eye Aspect Ratio (EAR) pada kelas mata menutup hingga tetbuka adalah 0,2 hingga 0,6 dan nilai rata-rata Mouth Aspect Ratio (MAR) pada kelas mulut tertutup hingga terbuka adalah 0,18 hingga 0,82 terhadap dataset studi kasus yang diambil. Pada eksperimen yang dilakukan terdapat beberapa parameter dari kantuk apabila membuka mulut, menutup salah satu mata atau berkedip kedua mata secara terus menerus selama atau lebih dari 4 detik akan dideteksi kantuk apabila melebihi ambang batas dari salah satu parameternya. Hasil penelitian ini diharapkan dapat memberi masukan dalam pengembangan ilmu pengetahuan terutama dalam pengembangan pendeteksi kantuk dan dalam pengembangan modelnya ------------- In 2022, more than 94 thousand cases of in Indonesia, one of which is caused by human error. An example of human error is forcing oneself to work or drive while drowsy. This research provides insight into how we can detect drowsiness in drivers. The model used in this research is a drowsiness detection model with the Multi Task Cascaded Convolution Neural Network (MTCNN) algorithm. Calling the drowsiness detection model, using the python library calling process in machine learning. The findings of the research on the analysis of the title Eye and Mouth Ratio Aspect Analysis for Drowsiness Detection Using the Multi Task Cascaded Convolution Neural Network Algorithm can be seen that the basic MTCNN model achieves good accuracy of 94% against the given dataset case study. Based on the calculation score of ratio aspect, the average value of EAR in the closed to open eye class is 0.2 to 0.6 and the average value of MAR in the closed to open mouth class is 0.18 to 0.82 against the case study dataset taken. In the experiments conducted, there are several parameters of drowsiness when opening the mouth, closing one eye or blinking both eyes continuously for or more than 4 seconds will be detected drowsiness if it exceeds the threshold of one of the parameters. The results of this research are expected to provide input in the development of science, especially in the development of drowsiness detection and in the development of its model.