Analisis Tingkat Kantuk Pengemudi Berbasis Landmark Wajah dengan Mediapipe dan Algoritma Support Vector Machine (SVM)

Balva, Putri Balqis Ravina (2025) Analisis Tingkat Kantuk Pengemudi Berbasis Landmark Wajah dengan Mediapipe dan Algoritma Support Vector Machine (SVM). S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) COVER DAN ABSTRAK.pdf - Published Version Download (788kB)
	Text (BAB I Pendahuluan) BAB I.pdf - Published Version Download (417kB)
	Text (BAB V Penutup) BAB V PENUTUP.pdf - Published Version Download (397kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (373kB)
	Text (Skripsi Full Text) TA FULL TEXT_merged.pdf - Published Version Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Kantuk saat mengemudi merupakan salah satu penyebab utama kecelakaan lalu lintas yang dapat mengancam keselamatan pengemudi dan pengguna jalan lain. Untuk mengantisipasi hal tersebut, penelitian ini mengembangkan sistem deteksi kantuk berbasis analisis citra wajah dengan memanfaatkan parameter Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR) sebagai indikator fisiologis. Ekstraksi landmark wajah dilakukan menggunakan framework MediaPipe, sedangkan klasifikasi kondisi pengemudi dilakukan dengan algoritma Support Vector Machine (SVM). Sistem ini mengklasifikasikan pengemudi ke dalam empat kategori, yaitu normal, lelah, mengantuk, dan mengantuk ekstrem. Evaluasi performa sistem dilakukan menggunakan beberapa metrik, yaitu akurasi klasifikasi, precision, recall, F1-Score, serta waktu proses sebagai indikator efisiensi komputasi. Hasil pengujian menunjukkan bahwa penerapan SMOTE berhasil meningkatkan performa model pada kelas minoritas, di mana F1-Score kelas “Mengantuk Ekstrem” meningkat signifikan dari 0,86 menjadi 0,99. Selain itu, rata-rata waktu komputasi sistem sebesar 6,12 ms per frame membuktikan bahwa sistem mampu memproses lebih dari 160 frame per detik, sehingga sangat layak diimplementasikan secara real-time. Secara keseluruhan, sistem mampu mendeteksi tingkat kantuk dengan baik dengan capaian akurasi 92,3%, precision 92%, recall 92%, dan F1-Score 92%. Dengan demikian, penelitian ini berpotensi berkontribusi dalam peningkatan keselamatan berkendara melalui sistem pemantauan kantuk berbasis visi komputer yang non invasif, akurat, dan efisien.

Actions (login required)

View Item