Deteksi Kantuk Berdasarkan Pola Bukaan Mulut Menggunakan Metode 1d Cnn

Valendion, Victorio (2022) Deteksi Kantuk Berdasarkan Pola Bukaan Mulut Menggunakan Metode 1d Cnn. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000038-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (7MB)

Abstract

Kantuk merupakan salah satu penyebab penurunan tingkat fokus. Penurunan tingkat fokus tersebut dapat berujung ke beberapa hal seperti tidak fokus dalam belajar dan kecelakaan lalu lintas. Karena itu, diperlukan sebuah algoritma yang dapat meningkatkan efisiensi dan akurasi dari sistem deteksi kantuk agar dapat di aplikasikan dalam proses mendeteksi kantuk. Untuk mencapai tujuan tersebut, akan dibuat sebuah program yang akan mendeteksi landmark bagian mulut lalu menghitung pola dari terbuka dan tertutup-nya mulut. Setelah dihitung maka akan dihitung nilai dari rasio bukaan mulut yang kemudian seluruh data nya akan disimpan ke dalam sebuah file csv. Setelah itu akan dilakukan proses pelatihan untuk mesin supaya dapat mendeteksi kantuk dengan arsitektur 1D CNN. Selanjutnya, akan dilakukan proses pelatihan dimana pada setiap jenis data akan dibagi menjadi sepuluh perbedaan epoch untuk mencari nilai epoch yang memberikan hasil terbaik. Hasil dari proses pelatihan tersebut merupakan sebuah model yang nantinya dapat digunakan untuk mendeteksi kantuk. Terdapat empat puluh grafik hasil akurasi pelatihan dan juga 40 confusion matrix pada saat dilakukan uji coba. Dari seluruh hasil yang sudah didapatkan, dapat ditarik kesimpulan bahwa Hasil model terbaik didapatkan dengan menggunakan data landmark mulut bagian luar dengan metode overlapping dan jumlah epoch 100 yang memiliki hasil akurasi pengujian sebesar 0.87 dan loss sebesar 0.65.
==============================================================================================================================
Drowsiness can cause a decrease in focus. This decrease in focus can lead into problems like: not having enough focus to study and can cause road accident. Because of that, there needs to be an algorithm that is able to increase the efficiency and accuracy of the drowsiness detection system in order to be applied to the process for detecting drowsiness. To reach that goal, there will be made a program that is able to detect the mouth region of a face and process the pattern opening and closing of from mouth. After that, the program will also count the mouth aspect ratio from the data available and then store all the data into a csv file. After that, the training process can be started so that the machine will be able to recognize drowsiness by using a 1D CNN architecture. On the training process, the data will be trained into 10 different epochs to see which one will give the best result. As a result, there is 40 graph and 40 confusion matrix in total. With all the result, it can be concluded that the best model is the one using outer mouth landmark with overlapping method on epoch 100, which gives 0.87 accuracy and 0.65 loss.

Item Type:	Thesis (Other)
Additional Information:	RSKom 006.312 Val d-1 2022
Uncontrolled Keywords:	Kantuk. Convolutional Neural Network. Machine Learning. Drowsiness. Convolutional Neural Network. Machine Learning.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	17 Jun 2026 02:36
Last Modified:	17 Jun 2026 02:36
URI:	http://repository.its.ac.id/id/eprint/133840

Actions (login required)

View Item