Drowsinesslab : Aplikasi desktop deteksi kantuk berbasis facial landmark menggunakan OpenCV, dlib dan Tkinter

Herawati, Ririn (2021) Drowsinesslab : Aplikasi desktop deteksi kantuk berbasis facial landmark menggunakan OpenCV, dlib dan Tkinter. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (46kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (104kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (308kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (205kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (295kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (68kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (628kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (760kB) | Request a copy
	Text (BAB VI) 9_bab6.pdf Restricted to Registered users only Download (47kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (115kB) | Request a copy

Abstract

Kantuk merupakan kondisi yang sulit dideteksi. Kantuk memiliki dampak buruk terhadap kinerja dan kesehatan bagi pekerja. Aplikasi deteksi kantuk berbasis facial landmark diperlukan untuk monitoring pekerja saat bekerja. Computer vision merupakan cabang dari kecerdasan buatan yang dapat mengelola dan mengambil informasi melalui komputasi gambar dan video. Aplikasi deteksi kantuk dirancang berdasarkan metode pengenalan wajah yang memiliki keunggulan dalam hal deteksi wajah. Beberapa metode deteksi wajah seperti haar cascade classifier, computer vision, dlib's facial landmark dan eye aspect ratio (EAR) dikombinasikan untuk merancang aplikasi deteksi kantuk. Aplikasi deteksi kantuk didesain menggunakan Python 3.8 yang memiliki library pendukung dalam merancang aplikasi berbasis computer vision. Library yang digunakan dalam merancang aplikasi deteksi kantuk diantarnya Dlib untuk detektor wajah, OpenCV untuk mengolah gambar dan video secara real time, Tkinter untuk membangun aplikasi GUI, dan Pygame sebagai pustaka suara. Input dari aplikasi deteksi kantuk berupa video real time. Aplikasi akan mengaktifkan bunyi alarm dan tulisan peringatan saat seseorang terdeteksi mengantuk. Pengujian aplikasi deteksi kantuk dilakukan dengan menggunakan machine learning, perhitungan confusion matrix, pengujian secara real time dan evaluasi penggunaan resource seperti daya, memori dan CPU. Nilai akurasi dari pengujian menggunakan machine learning dan confusion matrix memiliki nilai 96%. Nilai akurasi pengujian real time sebesar 95%. Persentase penggunaan CPU aplikasi deteksi kantuk ketika digunakan adalah 36.6%, penggunaan memori sekitar 157.6 MB dan konsumsi daya yang diukur menggunakan Open Hardware Monitor adalah 7.9 W saat aplikasi bekerja.

Actions (login required)

View Item