JUSTITIAN, EKA RESTU (2022) ANALISIS EKSPRESI WAJAH UNTUK DETEKSI KELELAHAN PENGEMUDI SECARA REAL-TIME MENGGUNAKAN METODE YOU ONLY LOOK ONCE (YOLOV4). Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (COVER)
18081010153.-cover.pdf Download (275kB) | Preview |
|
|
Text (BAB 1)
18081010153.-bab1.pdf Download (83kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
18081010153.-bab2.pdf Restricted to Registered users only until January 2024. Download (493kB) |
|
|
Text (BAB 3)
18081010153.-bab3.pdf Restricted to Registered users only until January 2024. Download (271kB) |
|
|
Text (BAB 4)
18081010153.-bab4.pdf Restricted to Registered users only until January 2024. Download (918kB) |
|
|
Text (BAB 5)
18081010153.-bab5.pdf Download (8kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
18081010153.-daftarpustaka.pdf Download (75kB) | Preview |
|
|
Text (LAMPIRAN)
18081010153.-lampiran.pdf Restricted to Registered users only until January 2024. Download (17kB) |
Abstract
Kecelakaan lalu lintas merupakan hal yang tidak diinginkan oleh siapapun. Karena kecelakaan lalu lintas sangat merugikan, baik untuk diri sendiri, orang lain, bahkan negara. Kecelakaan lalu lintas dapat terjadi karena berbagai macam faktor, seperti: kesalahan manusia (human error), kesalahan kendaraan (vehicle error), dan kesalahan lalu lintas (traffic error). Kesalahan manusia (human error) menjadi salah satu penyebab paling sering terjadinya kecelakaan lalu lintas, yang biasanya diakibatkan oleh faktor kelelahan. Untuk mengatasi permasalahan tersebut, pemerintah berusaha untuk meminimalisir kecelakaan, dengan cara perbaikan jalan, membangun jalan tol, dan membangun rest area. Namun, kecelakaan lalu lintas akibat kesalahan kelelahan masih sering terjadi. Oleh karena itu, perlu dibangun sistem deteksi kelelahan pengendara untuk mengingatkan pengendara agar tetap mengutamakan keselamatan apabila mereka telah terdeteksi sedang kelelahan. Munculnya trending Machine Learning dan Deep Learning menciptakan berbagai riset untuk menemukan metode–metode baru dan arsitektur mutakhir seperti YOLO (You Only Look Once). YOLO merupakan arsitektur jaringan untuk detektor objek yang diklaim sebagai “fastest deep learning object detector” yang mengutamakan akurasi dan kecepatan. Dengan menggunakan YOLOv4, deteksi kelelahan wajah pada pengendara secara real-time dapat dibangun dan mendeteksi apakah pengendara yang terekam secara langsung oleh kamera sedang kelelahan atau sedang terjaga. Tingkat keakuratan terbaik yang didapatkan untuk mendeteksi kelelahan pada pengendara dengan YOLOv4 secara real-time, memiliki nilai mAP atau keakuratan deteksi hingga mencapai 98.3%. Kata kunci: YOLOv4, Deep Learning, Darknet, Kelelahan, Kecelakaan
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76.6 Computer Programming |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Eka Restu Justitian | ||||||||||||
| Date Deposited: | 24 Jan 2022 07:34 | ||||||||||||
| Last Modified: | 24 Jan 2022 07:34 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/4707 |
Actions (login required)
 |
View Item |