Implementasi Algoritma YoloV5 untuk Kantuk Detektor pada Pengemudi Kendaraan Bermotor secara Realtime

Abstract

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.