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

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.