Sistem Ekstraksi Video Deteksi Mata Kantuk Pengemudi Bus AKAP (Antar Kota Antar Provinsi) Menggunakan Metode Landmarks Machine Learning

Mochamad Sahlul Chamdi, Fawaidul Badri, Sugiono Sugiono

Sari


Abstraksi

Sarana umum yang sering digunakan adalah transportasi bus. Pada transportasi bus terdapat pengemudi bus yang mengemudikan kendaraan bus, pengemudi akan  terasa lelah dan kantuk apabila faktor  yang menyebabkan rasa kantuk dan lelah diantaranya jarak tempuh yang jauh, waktu perjalanan yang lama, faktor usia, dan faktor pola tidur. Permasalahan dapat ditemukan pada pengemudi bus AKAP (Antar Kota Antar Provinsi) dengan studi kasus pada pengemudi Po. 27 Trans Java dengan rute Malang-Bandung dan Malang-Jakarta. Akibat yang dapat ditimbulkan apabila pengemudi lelah dan kantuk salah satunya adalah kecelakaan, tujuan dari penelitian ini adalah untuk mengatasi dan membantu permasalahan pengemudi bus pada saat merasa lelah dan kantuk. Dalam hal ini yang digunakan adalah metode penggunaan landmarks machine learning mampu mendeteksi pengemudi kantuk melalui klasisfikasi mata, cara penggunaan metode landmarks ini adalah menginsialisasi titik koordinat menggunakan nilai regression tree untuk objek yang akan dideteksi. Data yang digunakan dalam penelitian ini adalah pengambilan video diambil dari dari pengemudi bus 27 Trans Java dengan banyaknya data 30 video dari 4 orang, waktu 1 video 30 detik kemudian diekstraksi dengan tujuan menemukan histogram deteksi wajah dan diklasifikasikan pada mata pengemudi untuk mengetahui mata berkedip dengan durasi waktu yang ditentukan. Hasil pengujian penelitian ini memiliki presentase akurasi 81%, untuk nilai error 19% untuk 10 jarak dengan skenario 10 percobaan. Dan untuk pengujian dengan sampel data percobaan berupa 30 file video yang memiliki nilai akurasi dan nilai MSE (Mean Squared Error) rata-rata keseluruhan 30 percobaan adalah 89,073%  untuk akurasi deteksi, dan 8,213% untuk nilai MSE.

Kata Kunci—Machine Learning, Python, Numpy, Mediapipe.



Teks Lengkap:

PDF

Referensi


Jurnal, Rizki Belia (2018) Faktor-Faktor Yang Mempengaruhi Kelelaha Kerja Pada Pengemudi Bus Primajasa Traye Balaraja – Kampung RambutanTahun 2018 (esaunggul.ac.id)

Jurnal, Endang Retnoningsih, Rully Pramudita (2020) View of Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python (ejournal-binainsani.ac.id)

Nurdin, Muhammad Amin, Randy Cahya Wihandika, and Fitri Utaminingrum. "Deteksi Pergerakan Arah Mata menggunakan Convolution Neural Network berdasarkan Facial Landmark." Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN 2548: 964X.Vol 4, No. 10, Oktober 2020

CHALIK, Amanda Muchsin, et al. Mouse Tracking Tangan dengan Klasifikasi Gestur Menggunakan OpenCV dan Mediapipe. Jurnal Ilmiah Teknik Informatika dan Komunikasi, 2021, 1.2: 10-18.

Letelay, Kornelis. "Perbandingan Kinerja Metode Deteksi Tepi Pada Citra." Jurnal Komputer dan Informatika 7.1 (2019): 1-8.

Syahputra, Rahmad Eko. "PERANCANGAN APLIKASI PERBANDINGAN DETEKSI TEPI DALAM CITRA DIGITAL DENGAN METODE EDGE DETECTION LINKING DAN SOBEL." Pelita Informatika: Informasi dan Informatika 7.3 (2019): 323-329.

IMANUDDIN, Imanuddin, et al. Deteksi Mata Mengantuk pada Pengemudi Mobil Menggunakan Metode Viola Jones. MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 2019, 18.2: 321-329.

HARTIANSYAH, Bagus. Deteksi Dan Identifikasi Kondisi Kantuk Pengendara Kendaraan Bermotor Menggunakan Eye Detection Analysis. JATI (Jurnal Mahasiswa Teknik Informatika), 2019, 3.1: 59-64.

RABBANI, Muhammad Fauzan; WAHIDDIN, Deden; RAHMAT, Rahmat. Haarcascade Classifier Dan Eye Aspect Ratio Untuk Mengidentifikasi Mata Kantuk Pada Pengemudi Mobil. In: Conference on Innovation and Application of Science and Technology (CIASTECH). 2021. p. 437-444.

SUGIARTO, William; KRISTIAN, Yosi; SETYANINGSIH, Eka Rahayu. Estimasi Arah Tatapan Mata Menggunakan Ensemble Convolutional Neural Network. Teknika, 2018, 7.2: 94-101.


Refbacks

  • Saat ini tidak ada refbacks.