Klasifikasi Wajah Kantuk Menggunakan Parameter Wajah Dengan Algoritma Long Short Term Memory

Subekti, Mohamad Rafli Agung Subekti (2024) Klasifikasi Wajah Kantuk Menggunakan Parameter Wajah Dengan Algoritma Long Short Term Memory. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (COVER) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (428kB)
	Text (BAB II) BAB II.pdf Restricted to Repository staff only until 24 July 2026. Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Repository staff only until 24 July 2026. Download (659kB)
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only until 24 July 2026. Download (2MB)
	Text (BAB V) BAB V.pdf Download (252kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (189kB)

Abstract

Kantuk merupakan salah satu faktor utama yang mempengaruhi kinerja dan keselamatan, terutama dalam aktivitas berkendara dan tingkat produktifitas. Penelitian ini mengembangkan sistem klasifikasi wajah kantuk menggunakan parameter wajah seperti Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR), serta algoritma Long Short-Term Memory (LSTM). Data dikumpulkan melalui video wajah subjek dan parameter wajah dihitung dari landmark wajah yang diekstraksi menggunakan pustaka dlib. Model LSTM dipilih karena kemampuannya dalam menangkap pola temporal penting dalam mendeteksi perubahan kondisi kantuk dari waktu ke waktu. Dengan urutan data lima frame sebagai input, dataset dibagi menjadi 80% data pelatihan dan 20% data uji serta validasi. Hasil eksperimen menunjukkan bahwa model LSTM mampu mendeteksi kantuk dengan akurasi yang tinggi, memperlihatkan bahwa kombinasi EAR dan MAR efektif dalam mengidentifikasi kondisi kantuk. Sistem ini diharapkan dapat diterapkan dalam sistem peringatan dini untuk pengemudi dan pemantauan karyawan, memberikan kontribusi signifikan dalam bidang deteksi kantuk dengan menggunakan algoritma LSTM dan parameter wajah. Kata kunci: Deteksi Kantuk, Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), Long Short-Term Memory (LSTM), Klasifikasi Wajah.

Item Type:

Thesis (Undergraduate)

Contributors: