TA : Implementasi Sistem Deteksi Mata Kantuk Berdasarkan Facial Landmarks Detection Menggunakan Metode Regression Trees

Perdana, Andrea Hartoko Aji Putra (2019) TA : Implementasi Sistem Deteksi Mata Kantuk Berdasarkan Facial Landmarks Detection Menggunakan Metode Regression Trees. Undergraduate thesis, Institut Bisnis dan Informatika Stikom Surabaya.

[img]
Preview
Text
15410200009-2019-STIKOMSURABAYA.pdf - Accepted Version

Download (2MB) | Preview

Search this title on : |

Abstract

Kecelakaan lalu lintas merupakan salah satu dampak negatif dari kemajuan teknologi dibidang transportasi. Adanya peningkatan kecelakaan lalu lintas disebabkan oleh beberapa faktor dimana faktor tertinggi penyebab kecelakaan lalu lintas adalah manusia/SDM. Kelelahan pengemudi merupakan faktor yang signifikan dalam jumlah besar pada kecelakaan lalu lintas kendaraan bermotor, oleh karena itu untuk meminimalisirnya diperlukan sebuah sistem alarm untuk mendeteksi kondisi mengantuk secara real time. Salah satu penelitian sebelumnya untuk mendeteksi mata kantuk, sistem yang dibuat menggunakan metode segmentasi warna. Pada penelitian ini akan dibuat sistem deteksi mata kantuk yang berdasarkan Facial Landmarks Detection menggunakan metode Regression Trees yang diimplementasikan ke dalam Raspberry Pi 3 model B. Input dari sistem ini berupa video yang direkam dari Pi Camera secara real time. Output dari sistem ini menggunakan buzzer sebagai alarm untuk memberikan peringatan bahwa pengemudi terdeteksi mengantuk. Sistem yang dibuat pada penelitian ini menunjukan bahwa dapat mendeteksi mata kantuk dengan baik. Hasil pengujian, sistem dapat mendeteksi mata sebesar 93.3%, kedipan mata sebesar 96.7%, dan sudut miring wajah sebesar 95%.


Export Record


Item Type: Thesis (Undergraduate)
Additional Information: Andrea Hartoko Aji Putra Perdana (15410200009)
Uncontrolled Keywords: Mata Kantuk, Facial Landmarks Detection, Regression Trees
Dewey Decimal Classification: 600 – Technology > 620 Engineering & Applied operations > 621 Applied physics
Divisions: Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User: Agung P. W.
Date Deposited: 14 Feb 2020 07:01
Last Modified: 14 Feb 2020 07:01
THESIS ADVISORS: 1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI: http://repository.dinamika.ac.id/id/eprint/3851

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item   View Item