Implementasi Algoritma YoloV5 untuk Kantuk Detektor pada Pengemudi Kendaraan Bermotor secara Realtime
:
https://doi.org/10.32409/jikstik.22.4.3488Keywords:
Deep Learning, YOLOv5, Algoritma, Deteksi Kantuk, RealtimeAbstract
Kendaraan bermotor memberikan manfaat bagi manusia, namun disamping banyaknya manfaat kendaraan bermotor juga memiliki dampak negatif, salah satunya adalah memiliki tingkat kecelakaan yang tinggi. Faktor manusia (human error) yaitu mengantuk menjadi salah satu faktor penyebab kecelakaan terbanyak. Beberapa faktor yang menyebabkan timbulnya rasa kantuk bagi pengemudi, seperti kurang istirahat, mengemudi di malam hari, jarak tempuh panjang dengan keheningan sehingga timbul rasa bosan lalu mengantuk. Upaya mengurangi angka kecelakaan karena mengantuk, penelitian ini dibuat dengan deteksi objek menggunakan deep learning dengan algoritma YOLOv5 yang dapat mengenali tanda-tanda kantuk pada pengemudi. Dataset training yang digunakan berjumlah 247 data citra. Berdasarkan hasil evaluasi menggunakan confusion matrix, didapatkan hasil tingkat akurasi sebesar 84%. Aplikasi dapat mendeteksi kantuk pada pengemudi secara realtime diimplentasikan pada aplikasi desktop dengan akurat pada siang hari sedangkan pada malam hari, pengemudi harus menggunakan sumber cahaya tambahan seperti lampu mobil atau lampu jalan. Selain itu, akurasi juga dipengaruhi oleh resolusi kamera webcam yang digunakan.Downloads
References
Arya Putranto Saptohutomo, “Korlantas Polri Catat 94.617 Kecelakaan pada Januari-September 2022”, diakses daring pada https://nasional.kompas.com/read/2022/11/20/15200561/korlantas-polri-catat-94617-kecelakaan-pada-januari-september-2022, 01 Agustus 2023.
Oktopianto, Y., & Pangesty, S., “Analisis Daerah Lokasi Rawan Kecelakaan Jalan Tol Tangerang-Merak. Jurnal Keselamatan Transportasi Jalan”, Indonesian Journal of Road Safety, Vol. 8, No. 1, pp. 26-37, Juni 2021.
Eric Suni & Dr. Anis Rehman, “Drowsy Driving”, diakses daring pada https://www.sleepfoundation.org/drowsy-driving, 01 Agustus 2023.
Maslikah, S., Alfita, R., & Ibadillah, A. F., “Sistem Deteksi Kantuk pada Pengendara Roda Empat Menggunakan Eye Blink Detection”, SinarFe7, Vol. 2, No. 1, pp. 123-128, Mei 2019.
Jupiyandi et al., “Pengembangan deteksi citra mobil untuk mengetahui jumlah tempat parker menggunakan cuda dan modified yolo”, Jurnal Teknologi Informasi dan Ilmu Komputer, Vol. 6, No. 4, pp. 413-419, Agustus 2019.
Karlina, O.E. & Indarti, D., “Pengenalan objek makanan cepat saji pada video dan real time webcam menggunakan metode you look only once (yolo)”, Jurnal Ilmiah Informatika Komputer, Vol. 24, No. 3, pp. 199-208, 2020.
Liu, C., Tao, Y., Liang, J., Li, K., & Chen, Y., “Object detection based on yolo network”, In 2018 IEEE 4th information technology and mechatronics engineering conference (ITOEC), pp. 799-803. 2018.
Hidayatulloh, M. S., “TA: Sistem Pengenalan Wajah Menggunakan Metode YOLO (You Only Look Once), PhD Thesis, Dinamika University, 2021.
Sinha, A., Aneesh, R., & Gopal, S. K., “Drowsiness detection system using deep learning”, Seventh International conference on Bio Signals, Image, and Instrumentation (ICBSII) IEEE, pp. 1-6, 2021.
Mulyana, D. I., & Rofik, M. A., “Implementasi deteksi real time klasifikasi jenis kendaraan di Indonesia menggunakan metode yolov5”, Jurnal Pendidikan Tambusai, Vol. 6, No 3, pp. 13971-13982, 2022.