Prediksi Tingkat Kesadaran Pengemudi Menggunakan Sistem Driver Drowsiness Detection dan Fuzzy Logic

Simatupang, Calvin Manuel Pandapotan (2023) Prediksi Tingkat Kesadaran Pengemudi Menggunakan Sistem Driver Drowsiness Detection dan Fuzzy Logic. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311940000049-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Kecelakaan Lalu Lintas (Laka Lantas) adalah sebuah peristiwa di jalan melibatkan kendaraan dan pengguna jalan yang tidak diduga dan dapat menyebabkan kerugian nyawa atau materi. Salah satu penyebab dari kecelakaan saat berkendara adalah pengemudi yang mengantuk atau kelelahan. Advanced Driver Assistance System (ADAS) adalah sebuah sistem yang digunakan untuk mendampingi pengemudi agar tetap fokus dalam berkendara dan memberikan sinyal tertentu apabila terjadi kondisi mengantuk saat mengemudi. ADAS dikembangkan untuk membantu mengurangi penyebab terjadinya kecelakaan yang disebabkan oleh faktor manusia. Tujuan dari penelitian ini adalah mengembangkan sistem Deteksi mengantuk yang memanfaatkan algoritma CNN untuk mendeteksi objek dan melakukan klasifikasi gambar berdasarkan Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR). Sistem ini mengambil data citra yang diambil menggunakan mono-kamera dan video. Data citra diolah oleh CNN untuk mendeteksi objek yaitu wajah seseorang. Selain mendeteksi objek, CNN akan digunakan untuk melakukan pengklasifikasian objek. Klasifikasi peringatan dilakukan berdasarkan kondisi-kondisi yang ditentukan dalam tingkat kelelahan seseorang. Kemudian dengan menggunakan Fuzzy logic akan mengklasifikasi empat tingkat kesadaran yaitu Terjaga, sedikit mengantuk, mengantuk dan Mengantuk berat dari data yang dikumpulkan melalui deteksi wajah yang dilakukan. Hasil klasifikasi menggunakan CNN yang telah dievaluasi menggunakan model menghasilkan nilai mAp 91.1% dan F1- Score sebesar 86.92%.
=======================================================================================================================================
A traffic accident is an event on the road involving vehicles and road users that is unexpected and can cause loss of life or material. One of the causes of driving accidents is drowsy or tired drivers. Advanced Driver Assistance System (ADAS) is a system used to assist drivers to stay focused on driving and provide certain signals in the event of drowsy driving. ADAS was developed to help reduce the causes of accidents caused by human factors. The purpose of this research is to develop a drowsiness detection system that utilises CNN algorithm to detect objects and classify images based on Eye Aspect Ratio (EAR) and Mouth Aspect Ratio (MAR). This system takes image data taken using mono-camera and video. The image data is processed by CNN to detect objects, namely a person's face. In addition to detecting objects, CNN will be used to classify objects. Alert classification is carried out based on the conditions specified in a person's fatigue level. Then using Fuzzy logic will classify four levels of consciousness namely Awake, slightly sleepy, sleepy and Heavy sleepy from the data collected through the face detection performed. Classification results using CNN that have been evaluated using the model resulted in an mAp value of 91.1% and F1- Score of 86.92%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	ADAS, CNN,Fuzzy Logic & F-1 Score
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA9.64 Fuzzy logic
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Calvin Manuel Pandapotan Simatupang
Date Deposited:	10 Jan 2024 02:26
Last Modified:	10 Jan 2024 02:26
URI:	http://repository.its.ac.id/id/eprint/102360

Actions (login required)

View Item