DETEKSI KANTUK PENGEMUDI RODA EMPAT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR VGG16

Fiardin, Tsintani Tisaga (2024) DETEKSI KANTUK PENGEMUDI RODA EMPAT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR VGG16. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (213kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (709kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (241kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (642kB)
	Text (BAB V) BAB V.pdf Download (84kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (128kB)
	Archive (SOURCE CODE) Sourcecode - Tsintani Tisaga Fiardin.zip Restricted to Repository staff only Download (43MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (632kB)

Abstract

Salah satu penyebab kecelakaan yaitu salah satunya diakibatkan kelalaian seorang pengendara atau pengemudi tersebut salah satunya yaitu mengemudi ketika keadaan mengantuk, yang mana biasa disebut dengan istilah human error. Kecelakaan tidak hanya berdampak pada kehilangan materi, akan tetapi kecelakaan juga dapat berdampak pada kehilangan nyawa seseorang. Oleh karena itu pada kali penulis akan membuat rancangan sistem yang bisa mengenali wajah seorang pengendara baik itu ekspresi mengantuk atau tidak. Apabila pengendara terdeteksi tanda-tanda sedang mengantuk maka sistem akan memperingatinya untuk beristirahat terlebih dahulu. Pembuatan sistem pada kali ini menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG16 untuk melakukan deteksi antara wajah mengantuk dan tidak mengantuk. Hasil dari penelitian ini adalah salah satunya sistem dapat mengenali wajah pengendara yaitu ketika normal atau tidak mengantuk dan juga disaat pengendara mengantuk. Nantinya sistem ini diharapkan dapat meningkatkan keselamatan dalam berkendara dan juga mengurangi kecelakaan lalu lintas yang disebabkan oleh kesalahan pengemudi atau human error, salah satunya mengantuk. Pada penelitian ini menggunakan sampel sebanyak 2800 citra, yang mana citra tersebut dibagi menjadi 3 kelas yaitu kelas training, validation, dan test. Dari hasil proses training yang dilakukan terdapat beberapa perbandingan model salah satunya yaitu menggunakan epochs 50 dengan learning rate 0.001 menggunakan optimizer Adam mendapatkan nilai akurasi yang tinggi yaitu 96.07%. Dan yang kedua diikuti epochs 50 dengan learning rate 0.001 menggunakan optimizer Adam mendapat akurasi 95.36%. Hasil perbandingan pengujian yang sudah dilakukan dalam klasifikasi menggunakan keseluruhan data testing 280 citra.

Actions (login required)

View Item