SISTEM MONITORING DAN PERINGATAN MAHASISWA TERTIDUR DI KELAS SAAT JAM PEMBELAJARAN BERBASIS OBJECT DETECTION

Hakim, Ikhwanul (2025) SISTEM MONITORING DAN PERINGATAN MAHASISWA TERTIDUR DI KELAS SAAT JAM PEMBELAJARAN BERBASIS OBJECT DETECTION. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (402kB)
	Text (BAB I Pendahuluan) BAB I Pendahuluan.pdf - Published Version Download (461kB)
	Text (BAB V Penutup) BAB V Penutup.pdf - Published Version Download (288kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (312kB)
	Text (Skripsi full text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Mahasiswa yang tertidur selama jam pembelajaran merupakan masalah yang dapat mengganggu suasana belajar, menurunkan motivasi, dan mengurangi efektivitas transfer ilmu. Untuk mengatasi hal ini, sebuah "Sistem Monitoring dan Peringatan Mahasiswa Tertidur di Kelas Berbasis Object Detection" telah dirancang dan diimplementasikan. Sistem ini bertujuan memberikan teguran tidak langsung serta melakukan pendataan untuk membantu dosen dalam mengevaluasi proses pembelajaran. Sistem ini menggunakan Nvidia Jetson Nano sebagai unit pemrosesan utama yang terhubung dengan dua webcam. Metode deteksi mengandalkan model YOLOv5n yang dilatih secara khusus menggunakan custom dataset berbagai pose mahasiswa tertidur. Untuk mencapai kinerja optimal pada perangkat edge, model ini dioptimalkan menggunakan NVIDIA TensorRT. Ketika sistem mendeteksi mahasiswa tertidur, notifikasi real-time berupa gambar dikirimkan ke channel bot Telegram dengan delay kurang dari 10 detik. Secara bersamaan, data hasil deteksi seperti gambar, waktu, dan durasi dicatat (logging) ke database Firebase. Data ini kemudian divisualisasikan dalam bentuk grafik dan tabel pada sebuah aplikasi web analitik yang dapat diakses oleh dosen. Hasil pengujian menunjukkan sistem mampu beroperasi stabil dengan kecepatan rata-rata 25 FPS, berhasil mendeteksi pose dengan akurasi di atas 80%, dan berfungsi efektif dalam berbagai kondisi pencahayaan kelas.

Actions (login required)

View Item