UNAMAUNAMA

Jurnal PROCESSORJurnal PROCESSOR

Microsleep merupakan kondisi tidur singkat yang terjadi secara tiba-tiba dan tidak disadari, terutama saat mengemudi, yang merupakan salah satu penyebab utama tingginya angka kecelakaan di jalan raya. Penelitian ini bertujuan mengembangkan sistem deteksi dini microsleep pada pengemudi kendaraan roda empat menggunakan algoritma YOLO v8. Sistem bekerja dengan mendeteksi citra mata secara real-time melalui kamera, dan memberikan peringatan berupa suara dan visual apabila mata tertutup selama lebih dari 3 detik. Dataset yang digunakan adalah SleepyDetect dari Roboflow Universe, yang terdiri dari dua kelas sesuai kebutuhan sistem yaitu Open-eye dan Closed-eye. Model dilatih menggunakan YOLO v8n. Evaluasi menunjukkan hasil yang sangat baik dengan precision 97.2%, recall 96.7%, F1-score 0.97, dan mAP@0.5 sebesar 97.9%. Sistem juga berhasil diimplementasikan dan diuji dalam berbagai kondisi pencahayaan, serta menunjukkan respons deteksi yang cepat dan akurat. Penelitian ini menunjukkan bahwa kombinasi computer vision dan YOLO v8 dapat diterapkan secara efektif untuk meningkatkan keselamatan pengemudi melalui deteksi dini microsleep.

Penelitian ini berhasil mengembangkan sistem deteksi dini microsleep berbasis algoritma YOLO v8n yang ringan, efisien, dan mampu mengenali kondisi mata pengemudi secara real-time dengan akurasi tinggi.Hasil evaluasi menunjukkan kinerja sangat baik dengan mAP@0.97, membuktikan kemampuan model mendeteksi dengan kesalahan yang sangat rendah pada berbagai kondisi pencahayaan.Sistem dilengkapi alarm otomatis yang aktif saat microsleep terdeteksi selama ≥3 detik dan fitur kendali manual untuk fleksibilitas pengguna.

Untuk meningkatkan akurasi deteksi di kondisi ekstrem seperti cahaya minim, penelitian lanjutan dapat memanfaatkan teknologi kamera inframerah terukur atau menggabungkan data thermal dengan citra visual. Selain itu, pengembangan model 3D yang mampu mengenali pola microsleep berdasarkan gerak mikro wajah dan kepala bisa menjadi arah studi baru. Integrasi sistem deteksi ini ke perangkat embedded seperti Raspberry Pi berbasis IoT untuk pemantauan jarak jauh juga perlu dijelajahi untuk meningkatkan efisiensi dan ketahanan di lingkungan nyata.

  1. Early Detection of Microsleep in Four-Wheeled Vehicle Drivers Through Eye Images Using the YOLOv8 Algorithm... ejournal.unama.ac.id/index.php/processor/article/view/2529Early Detection of Microsleep in Four Wheeled Vehicle Drivers Through Eye Images Using the YOLOv8 Algorithm ejournal unama ac index php processor article view 2529
  2. Human verification. human verification access checking progress please wait provided eradata doi.org/10.31000/jika.v8i2.10609Human verification human verification access checking progress please wait provided eradata doi 10 31000 jika v8i2 10609
  3. Deteksi Rambu Lalu Lintas Real-Time di Indonesia dengan Penerapan YOLOv11: Solusi Untuk Keamanan Berkendara... jurnal.itg.ac.id/index.php/algoritma/article/view/2106Deteksi Rambu Lalu Lintas Real Time di Indonesia dengan Penerapan YOLOv11 Solusi Untuk Keamanan Berkendara jurnal itg ac index php algoritma article view 2106
  4. YOLOv8 Analysis for Vehicle Classification Under Various Image Conditions | Panja | Scientific Journal... journal.unnes.ac.id/nju/sji/article/view/49038YOLOv8 Analysis for Vehicle Classification Under Various Image Conditions Panja Scientific Journal journal unnes ac nju sji article view 49038
  1. #integrasi sistem jit#integrasi sistem jit
  2. #akurasi deteksi#akurasi deteksi
Read online
File size749.52 KB
Pages15
Short Linkhttps://juris.id/p-30f
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test