Implementasi Algoritma Deep Learning Untuk Sistem Deteksi Kantuk Pada Pengemudi Menggunakan Yolo
Abstract
Mengemudi dalam keadaan mengantuk merupakan salah satu tindakan berbahaya yang
dapat menjadi salah satu penyebab terjadinya kecelakaan yang dapat mengakibatkan
cedera hingga meregang nyawa. Pencegahan kecelakaan yang diakibatkan kantuk pada
pengemudi dapat dilakukan dengan cara melakukan deteksi kantuk sejak dini secara
akurat. Seiring berkembangnya teknologi, dalam beberapa dekade terakhir kecerdasan
buatan untuk melakukan deteksi kantuk pada pengemudi menjadi subjek banyak
penelitian dan berbagai metode telah dikembangkan. Mengimplementasikan arsitektur
convolutional neural network (CNN) dengan algoritma you only look once (YOLO)
menjadi salah satu langkah yang dapat digunakan untuk melakukan analisis deteksi
kantuk pada pengemudi yang dapat diterapkan melalui cuplikan video maupun secara
realtime. Pada penelitian ini kategori kelas deteksi dibagi menjadi dua yaitu pengemudi
yang terdeteksi mengantuk akan diberi label drowsy sedangkan pengemudi yang
terdeteksi terjaga atau dalam kondisi normal akan diberi label awake sesuai dengan
bounding box yang sudah dibuat sebelumnya. Selain itu dengan melakukan konfigurasi
parameter model dengan batch size 64, network size 416x416, subdivisions 16, max batch
4000, filters 21, dengan empat skenario training data dan testing data dengan learning rate
0.00261 dan 0.001 dengan split dataset 90%:10% dan 80%:10% diperoleh nilai IoU
terbesar pada konfigurasi menggunakan split dataset 80%:20% dengan learning rate
0.00261.
Collections
- Industrial Engineering [2230]