Sistem Deteksi Kantuk Real-Time Berbasis YOLOv5 dan Detak Jantung

https://doi.org/10.22146/ijeis.111510

Dinda Ayu Permatasari(1*)

(1) Politeknik Negeri Malang
(*) Corresponding Author

Abstract


Kantuk merupakan salah satu faktor utama penyebab kecelakaan lalu lintas, khususnya pada pengemudi yang berkendara dalam waktu lama. Penelitian ini merancang sistem deteksi kantuk berbasis pengolahan citra dan sensor detak jantung menggunakan Raspberry Pi 5. Sistem ini memanfaatkan kamera webcam untuk mendeteksi kondisi mata menggunakan algoritma YOLOv5 dan sensor Pulse Sensor Amped untuk membaca denyut jantung pengemudi. Dataset citra wajah dikumpulkan dan dilabeli menjadi dua kondisi, yaitu mengantuk dan terjaga, kemudian digunakan untuk melatih model deteksi objek. Hasil pengujian menunjukkan bahwa model YOLOv5 mampu mendeteksi kondisi mata dengan rata-rata confidence sebesar 90,6% pada jarak 60–90 cm dalam berbagai intensitas cahaya. Pengujian sensor menunjukkan bahwa pembacaan denyut jantung lebih akurat saat sensor dipasang di pergelangan tangan, dengan rata-rata error 2,81%, dibandingkan pemasangan di jari yang memiliki error 3,98%. Sistem juga mampu memberikan peringatan melalui buzzer, LCD, dan notifikasi Telegram secara real-time. Dengan hasil tersebut, sistem ini terbukti efektif untuk mendeteksi kantuk secara cepat dan responsif.

Keywords


Deteksi kantuk; YoloV5; Pulse sensor; real time

Full Text:

PDF


References

C. Aj. Saputra, D. Erwanto, and P. N. Rahayu, “Deteksi Kantuk Pengendara Roda Empat Menggunakan Haar Cascade Classifier Dan Convolutional Neural Network,” JEECOM J. Electr. Eng. Comput., vol. 3, no. 1, pp. 1–7, 2021, doi: 10.33650/jeecom.v3i1.1510.

C. K. U Nggiku and A. Rabi, “Deteksi Kantuk Pada Pengemudi Mobil Menggunakan Eye Aspect Ratio Dengan Metode Facial Landmark,” Semin. Nas. Fortei Reg., vol. 7, pp. 72–78, 2022, [Online]. Available: https://binaryupdates.com/

A. Asvin Mahersatillah Suradi, S. Alam, M. Furqan Rasyid, I. Djafar, U. Dipa Makassar, and J. K. Perintis Kemerdekaan, “Sistem Deteksi Kantuk Pengemudi Mobil Berdasarkan Analisis Rasio Mata Menggunakan Computer Vision,” JUKI J. Komput. dan Inform., vol. 2, pp. 222–230, 2023.

E. U. Armin, A. Purnama Edra, F. I. Alifin, I. Sadidan, I. P. Sary, and U. Latifa, “Performa Model YOLOv8 untuk Deteksi Kondisi Mengantuk pada pengendara mobil,” BRAHMANA J. Penerapan Kecerdasan Buatan, vol. 5, no. 1, pp. 67–76, 2023, [Online]. Available: https://doi.org/10.30645/brahmana.v5i1.279

D. A. Permatasari, G. Al Azhar, M. R. Zharfan, A. D. Risdhayanti, A. R. Hidayat, and D. Dewatama, “Design of Emergency Alarm System for Drowsiness Detection Using YOLO Method Based on Raspberry Pi,” J. Electr. Electron. Information, Commun. Technol., vol. 6, no. 2, p. 78, 2024, doi: 10.20961/jeeict.6.2.93201.

M. Amirullah, H. Kusuma, and T. Tasripan, “Sistem Peringatana Dini Menggunakan Deteksi Kemiringan Kepala pada Pengemudi Kendaraan Bermotor yang Mengantuk,” J. Tek. ITS, vol. 7, no. 2, 2019, doi: 10.12962/j23373539.v7i2.31011.

A. N. Firdaus, I. H. Kusuma, I. T. Mujiono, and ..., “Wearable Headset Untuk Mendeteksi Kantuk Dan Keadaan Fisiologis Pengendara Mobil Yang Terintegrasi Dengan Smartphone,” Inst. Teknol. …, 2019, [Online]. Available: https://repository.its.ac.id/60618/1/07111440000133-Undergraduate_Theses.pdf

M. A. Munir Rifa’i, F. Fathoni, and D. Radianto, “Metode Kapasitif Pada Sensor Moisture Keramik Berbasis Stainless Plate-304,” J. Elektron. dan Otomasi Ind., vol. 8, no. 3, p. 245, 2021, doi: 10.33795/elk.v8i3.300.

M. Fauzi, M. Luqman, and Y. Yulianto, “Rancang BangunModul Control SPWM Berbasis Arduino Uno,” J. Elektron. dan Otomasi Ind., vol. 8, no. 1, p. 92, 2021, doi: 10.33795/elk.v8i1.232.

M. Nurul Achmadiah, Yulianto, and A. ikhlasul Amal, “Perancangan smart food box menggunakan modul termoelektrik peltier berbasis internet of things (IOT),” J. Elektron. dan Otomasi Ind., vol. 10, no. 3, pp. 292–299, 2023, doi: 10.33795/elkolind.v10i3.4398.

A. Zein, “Pendeteksian Kantuk Secara Real Time Menggunakan Pustaka OPENCV dan DLIB PYTHON,” Sainstech J. Penelit. dan Pengkaj. Sains dan Teknol., vol. 28, no. 2, pp. 22–26, 2018, doi: 10.37277/stch.v28i2.238.

M. Sutrisno, Deteksi Kantuk Berbasis Jetson Nano Bagi Pengemudi Roda Empat Menggunakan Yolov5. 2022.

J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You only look once: Unified, real-time object detection,” Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 2016-Decem, pp. 779–788, 2016, doi: 10.1109/CVPR.2016.91.

S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, and I. Cholissodin, “Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, p. 413, 2019, doi: 10.25126/jtiik.2019641275.

D. Kurian, P. L. Johnson Joseph, K. Radhakrishnan, and A. A. Balakrishnan, “Drowsiness detection using photoplethysmography signal,” Proc. - 2014 4th Int. Conf. Adv. Comput. Commun. ICACC 2014, pp. 73–76, 2014, doi: 10.1109/ICACC.2014.23.



DOI: https://doi.org/10.22146/ijeis.111510

Article Metrics

Abstract views : 319 | views : 357

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2026 IJEIS (Indonesian Journal of Electronics and Instrumentation Systems)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Copyright of :
IJEIS (Indonesian Journal of Electronics and Instrumentations Systems)
ISSN 2088-3714 (print); ISSN 2460-7681 (online)
is a scientific journal the results of Electronics
and Instrumentations Systems
A publication of IndoCEISS.
Gedung S1 Ruang 416 FMIPA UGM, Sekip Utara, Yogyakarta 55281
Fax: +62274 555133
email:ijeis.mipa@ugm.ac.id | http://jurnal.ugm.ac.id/ijeis


View My Stats1
View My Stats2