HAARCASCADE CLASSIFIER DAN EYE ASPECT RATIO UNTUK MENGIDENTIFIKASI MATA KANTUK PADA PENGEMUDI MOBIL
DOI:
https://doi.org/10.31328/ciastech.v0i0.3339Keywords:
Eye Aspect Ratio, Haarcascade Classifier, Kantuk, Mata, Pengemudi.Abstract
Di Indonesia jumlah angka kecelakaan semakin meningkat. Pengemudi yang mengantuk merupakan salah satu penyebab kecelakaan, karena pada saat mengantuk pengemudi akan kehilangan konsentrasi dan kontrol atas kendaraannya. Belum banyak produksi otomotif pada kendaraan roda empat membuat sistem pendeteksi kantuk. Sistem yang biasa dibuat adalah teknologi Airbag yang hanya berfungsi ketika sudah terjadi kecelakaan tetapi tidak ada pendeteksi sebelum kecelakaan terjadi. Berdasarkan permasalahan tersebut, perlu adanya suatu sistem untuk mengidentifikasi pengemudi yang mengantuk. Karena sangatlah penting untuk keamanan dalam berkendara. Penulis membuat suatu sistem yang dapat mengidentifikasi kantuk pada pengemudi dan dapat segera diberikan berupa peringatan. Sistem yang dijalankan pada sebuah mini computer (Raspberry) dengan menggunakan OpenCV dengan metode haarcascade classifier dilengkapi dengan webcame. Metode haarcascade classifier dan eye aspect ratio akan membaca bagian mata, sistem membaca jika mata terbuka maka pengemudi tidak mengantuk, tetapi jika mata tertutup dalam waktu yang telah ditentukan maka sistem membaca pengemudi mengantuk dan akan mengeluarkan sebuah notifikasi berupa suara. Penelitian ini dilakukan 30 kali pengujian dalam 2 kondisi: 20 kali pengujian dalam kondisi normal dan 10 kali pengujian kondisi tidak normal. Pada kondisi normal mendapatkan tingkat akurasi sebesar 90% sementara pada kondisi tidak normal mendapatkan akurasi 40%.References
Subdirektorat Statistik Transportasi, Statistik Transportasi Darat, I. Jakarta: BPS RI, 2019.
BPS Jawa Barat, “Jumlah Kecelakaan Lalu Lintas Menurut Polres dan Kendaraan yang Terlibat di Provinsi Jawa Barat,†BPS JABAR, 2019. https://jabar.bps.go.id/statictable/2018/03/19/396/jumlah-kecelakaan-lalu-lintas-menurut-polres-dan-kendaraan-yang-terlibat-di-provinsi-jawa-barat-2016.html (accessed Jan. 28, 2021).
Y. Efendi, A. N. Putri, Rahmaddeni, and S. Imardi, “Prototype Alarm Deteksi Mata Kantuk Menggunakan,†J. Inf. Syst. Informatics Eng., vol. 4, no. 2, pp. 77–83, 2020.
I. F. Faisal and S. Kharisma, Agi Putra, “Pengembangan Aplikasi Pendeteksi Kantuk Pada Pengendara Kendaraan Bermotor Dengan Menggunakan Sensor Detak Jantung Pada Smartwatch,†Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 10, pp. 9568–9578, 2019, [Online]. Available: http://j-ptiik.ub.ac.id.
N. Heryana, Rini Mayasari, and Kiki Ahmad Baihaqi, “Penerapan Haar Cascade Classification Model Untuk Deteksi Wajah, Hidung, Mulut, dan Mata Menggunakan Algoritma Viola-Jones,†Techno Xplore J. Ilmu Komput. dan Teknol. Inf., vol. 5, no. 1, pp. 21–25, 2020, doi: 10.36805/technoxplore.v5i1.1064.
S. Maslikah, R. Alfita, and A. F. Ibadillah, “Sistem Deteksi Kantuk Pada Pengendara Roda Empat Menggunakan Eye Blink Detection,†Ejournal.Fortei7.Org, pp. 123–128, 2020, [Online]. Available: http://ejournal.fortei7.org/index.php/Fortech/article/view/115.
B. Tryanto, M. Nasrun, and R. A. Nugrahaeni, “Detektor Kebohongan Dengan Analisa Gerakkan Mata Dan Perubahan Diameter Pupil Berbasis Video Kamera Dan Image Processing Menggunakan Metode Haar Cascade Classifier Dan Neural Network (Multilayer Perceptron) Lie,†e-Proceeding Eng., vol. 5, no. 3, pp. 6139–6145, 2018.
S. Mehta, S. Dadhich, S. Gumber, and A. Jadhav Bhatt, “Real-time driver drowsiness detection system using eye aspect ratio and eye closure ratio,†2019.
B. Hartiansyah, “Deteksi Dan Identifikasi Kondisi Kantuk Pengendara Kendaraan Bermotor Menggunakan Eye Detection Analysis,†JATI (Jurnal Mhs. Tek. Inform., vol. 3, no. 1, pp. 59–64, 2019, [Online]. Available: https://ejournal.itn.ac.id/index.php/jati/article/download/541/507.
