Anggrhesta, Muhamad Surhes (2024) DETEKSI KANTUK PADA PENGEMUDI MOBIL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (565kB) |
|
Text (BAB I)
BAB I.pdf Download (185kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (726kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (597kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (653kB) |
|
Text (BAB V)
BAB V.pdf Download (97kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (48kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3365.zip Restricted to Repository staff only Download (16MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (612kB) |
Abstract
Masalah kantuk pada pengemudi merupakan ancaman serius terhadap keselamatan lalu lintas, meningkatkan risiko kecelakaan yang dapat berdampak fatal. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menggabungkan arsitektur deep learning dan metode haarcascade pada dataset MRL EYE dan. Pada tahap awal, fokus intisari adalah membuat deteksi kantuk menggunakan model deep learning dan Metode Haarcascade.Metodologi penelitian mencakup pengumpulan data dari MRL EYE. Pelatihan model menggunakan aristektur dari Deep Learning dan implementasi Metode Haarcascade untuk deteksi mata. Dalam eksperimen, model mampu mendeteksi tanda-tanda kantuk dengan akurasi yang memuaskan, bahkan dalam kondisi pencahayaan yang bervariasi. Hasil penelitian ini dapat memberikan kontribusi pada pengembangan sistem keamanan berkendara yang lebih canggih. Manfaatnya dapat dirasakan oleh produsen kendaraan, perusahaan teknologi otomotif, dan pengguna akhir yang dapat meningkatkan keamanan dan keselamatan mereka. Meskipun penelitian ini memberikan solusi yang efisien, rekomendasi untuk penelitian lebih lanjut termasuk eksplorasi variabel lingkungan yang lebih luas dan pengembangan model yang lebih kompleks untuk meningkatkan daya adaptasi dalam berbagai situasi berkendara.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Kantuk Pengemudi, Haarcascade, Dataset MRL EYE | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 26 Nov 2024 02:48 | ||
| Last Modified: | 26 Nov 2024 02:48 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/28396 |
Actions (login required)
 |
View Item |