PENGENALAN WAJAH DAN DETEKSI KANTUK MENGGUNAKAN METODE HAAR CASCADE DAN CONVOLUTIONAL NEURAL NETWORK

Farel, Hariesugama (2023) PENGENALAN WAJAH DAN DETEKSI KANTUK MENGGUNAKAN METODE HAAR CASCADE DAN CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Universitas Mataram.

	Text Laporan Tugas Akhir_Farel Hariesugama_F1D018074.pdf Restricted to Repository staff only Download (1MB)
Preview	Text Jurnal_Farel Hariesugama_F1D018074.pdf Download (930kB) | Preview
Preview	Text Poster Tugas Akhir_Farel Hariesugama.pdf Download (321kB) | Preview

Abstract

Mengantuk adalah suatu tindakan yang dirasakan saat ingin tertidur. Mengantuk atau rasa ingin tertidur disebabkan oleh kelelahan atau keletihan yang dirasakan oleh tubuh dan hal ini dapat merusak semua kegiatan yang ingin dijalani. Mengantuk merupakan perubahan psikologis dan fisiologis yang dialami seseorang saat melakukan tugas yang membutuhkan konsentrasi tingkat tinggi dan perhatian khusus untuk jangka waktu yang cukup lama. Pada penelitian ini bertujuan untuk mengimplementasikan algoritma machine learning dalam sistem pengenalan wajah dan deteksi kantuk. Tahapan yang dilakukan untuk mengembangkan sistem pada penelitian ini terdiri dari dua tahap. Tahapan pertama, pengolahan data dan pembuatan model terhadap kondisi mata yang terbuka dan tertutup menggunakan Convolutional Neural Network (CNN). Tahapan kedua mendeteksi wajah menggunakan Haar Cascade dengan menggunakan model yang sudah dikembangkan. Hasil ujicoba menggunakan dropout mendapatkan nilai yang tinggi yaitu 0,97 akurasi dan tidak ditemukan adanya overfitting dan model Convolutional Neural Network (CNN) yang dipilih mampu melakukan deteksi kantuk secara realtime dengan akurasi yang cukup bagus berdasarkan kondisi wajah dan ciri wajah yang berbeda yaitu pada pendeteksian koresponden pertama hingga keempat, nilai akurasi paling rendah didapatkan pada koresponden keempat pada jarak 50 cm dengan nilai akurasi 30% dan nilai akurasi paling tinggi didapatkan pada semua koresponden pada jarak 30 cm dengan nilai akurasi 80%.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Mengantuk, Pengenalan Wajah, Deteksi Kantuk, Haar Cascade, CNN.
Subjects:	T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	23 Nov 2023 05:19
Last Modified:	23 Nov 2023 05:19
URI:	http://eprints.unram.ac.id/id/eprint/43567

Actions (login required)

View Item