PERANCANGAN MODEL DETEKSI MICROSLEEP PADA PENGENDARA RODA EMPAT BERBASIS PENGOLAHAN CITRA DIGITAL DENGAN METODE KECERDASAN BUATAN YOLO V5

Thoriq, Rozin Naufal and Agustian, Indra and Surapati, Alex (2023) PERANCANGAN MODEL DETEKSI MICROSLEEP PADA PENGENDARA RODA EMPAT BERBASIS PENGOLAHAN CITRA DIGITAL DENGAN METODE KECERDASAN BUATAN YOLO V5. Undergraduated thesis, Universitas Bengkulu.

Text Draft_Skripsi - rozin naufal thoriq.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (4MB)

Abstract

Microsleep merupakan tidur singkat yang terjadi pada rentang waktu 1 hingga 5 detik yang dapat menyebabkan kecelakaan pada pengendara roda empat di jalan raya. Microsleep dapat diatasi dengan menggunakan distraksi kepada pengemudi agar dapat mengemudi dengan maksimal. Penelitian ini terfokus pada pengembangan model deteksi microsleep beserta gejala awalnya yaitu mengantuk terkhususnya di Indonesia menggunakan algoritma YOLOv5. Metode yang digunakan dengan memanfaatkan algoritma yolov5 dengan computer vision dan teknologi deep learning. Penelitian dilakukan melalui lima tahapan, yaitu mengumpulkan dataset, pre-processing dataset, Training dataset, evaluasi dataset, dan deployment. Pengumpulan gambar yang digunakan sebagai dataset diambil dari citra wajah indonesia terkhususnya di provinsi Bengkulu, Indonesia. Total citra dalam dataset adalah 2.205 gambar dengan 4 kelas yaitu microsleep, yawning1, yawning2, dan normal dengan menggunakan kamera 1080 Px. Penen�tuan hyperparameter menggunakan hyperparameter scale terbaik 0,9 dengan mendapatkan mAP lebih tinggi dibandingkan 0.5. Model pelatihan yang digunakan adalah fine-tuning YOLOv5n dengan nilai patience sebagai parameter early stopped 100. Evaluasi model pada train loss , validation loss , dan mAP@0.5:0.9, model terbaik dengan menggunakan nilai f1-score dengan hasil penelitian menunjukkan deteksi microsleep dan gejalanya mendapatkan hasil Training terbaik pada epoh 564 dari total 1000 epoh mendapatkan mAP@0.5 sebesar 98,9% dengan hasil kecepatan GPU 22,82 ms/gambar, atau 45 fps pada NVIDIA P100 yang dapat diimplementasikan pada setiap mobil di Indonesia. Kata Kunci: microsleep, computer vision, deep learning, YOLOV5.

Actions (login required)

View Item