SISTEM DETEKSI KANTUK REAL-TIME BERBASIS CNN DAN LANDMARK WAJAH

Abstract

Penelitian ini mengembangkan sistem deteksi ekspresi kantuk berbasis citra wajah menggunakan pendekatan Convolutional Neural Network (CNN) yang ringan dan efisien. Proses diawali dengan deteksi wajah menggunakan Haar Cascade, diikuti ekstraksi landmark mata melalui MediaPipe Face Mesh, serta praproses berupa penyeragaman ukuran citra. Data dilabeli dalam dua kelas, yaitu mengantuk dan tidak mengantuk, lalu diperkuat melalui teknik augmentasi untuk mencegah overfitting. Model CNN dirancang dengan empat blok konvolusi dan dua lapisan dense untuk mengklasifikasikan ekspresi kantuk. Evaluasi dilakukan menggunakan metrik akurasi dan confusion matrix, dengan hasil akurasi sebesar 95.97% yang menunjukkan performa klasifikasi sangat baik. Sistem juga diuji pada kamera real-time dan mampu mengklasifikasikan kondisi pengguna secara langsung. Hasil ini menunjukkan bahwa sistem dengan pendekatan berbasis CNN dan ekstraksi fitur landmark wajah yang dikembangkan efektif, akurat dan berpotensi diterapkan dalam aplikasi nyata seperti pemantauan kelelahan saat berkendara.