PENGARUH DETEKSI MATA MENGANTUK MENGGUNAKAN KACAMATA ATAU TIDAK BERKACAMATA DENGAN METODE ARSITEKTUR YOLO

Putra, Arif Farhan Mahardika (2024) PENGARUH DETEKSI MATA MENGANTUK MENGGUNAKAN KACAMATA ATAU TIDAK BERKACAMATA DENGAN METODE ARSITEKTUR YOLO. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (984kB)
	Text (BAB I) BAB I.pdf Download (1MB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (425kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (184kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (759kB)
	Text (BAB V) BAB V.pdf Download (95kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (147kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3702.zip Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (618kB)

Abstract

Keselamatan berkendara adalah masalah penting dalam lalu lintas modern. Kecelakaan yang disebabkan oleh pengemudi yang mengantuk merupakan ancaman serius. Oleh karena itu, penelitian ini memperkenalkan sistem inovatif yang memanfaatkan arsitektur pendeteksi objek YOLOv8 (You Only Look Once versi 8) untuk mengidentifikasi mata mengantuk pada pengemudi saat mengemudi. Prosesnya diawali dengan pengumpulan dataset yang mencakup berbagai kondisi berkendara, termasuk saat pengemudi dalam keadaan mengantuk. Data ini kemudian dianotasi untuk melatih model YOLOv8 mengenali tanda-tanda mata mengantuk, seperti mata tertutup dan gerakan mata lambat. Setelah model dilatih, sistem diimplementasikan pada kendaraan dengan kamera yang memantau mata pengemudi secara real-time dan akurat. Sistem ini mampu mendeteksi mata mengantuk dengan akurasi tinggi dan memberikan peringatan kepada pengemudi. Jika mata mengantuk terdeteksi, tindakan pencegahan seperti peringatan terdengar atau mengurangi kecepatan kendaraan dapat dilakukan. Dengan demikian, deteksi mata mengantuk menggunakan YOLOv8 dapat meningkatkan keselamatan berkendara dan mengurangi risiko kecelakaan akibat pengemudi mengantuk. Deteksi mata mengantuk dengan arsitektur YOLO menunjukkan hasil yang sangat akurat dalam berbagai kondisi. Pada siang hari dengan kacamata, sistem mencapai mAP 99,3%, precision 99,0%, recall 97,5%, dan accuracy 99,28%. Di malam hari dengan kacamata, kinerjanya juga sangat baik dengan mAP 97,8%, precision 92,8%, recall 94,8%, dan accuracy 99,07%. Pada siang hari tanpa kacamata, hasilnya tetap sangat baik, dengan mAP 98,8%, precision 98,0%, recall 97,5%, dan accuracy 98,97%. Hasil terbaik diperoleh pada siang hari tanpa kacamata (set kedua), dengan mAP 99,4%, precision 97,3%, recall 98,7%, dan accuracy 98,94%.

Actions (login required)

View Item