IMPLEMENTASI SISTEM DETEKSI RASA KANTUK PADA PENGEMUDI KENDARAAN RODA EMPAT MENGGUNAKAN OPENCV

Abstract

Kantuk saat mengemudi merupakan penyebab signifikan kecelakaan lalu lintas, terutama pada perjalanan jarak jauh. Penelitian ini bertujuan mengembangkan sistem deteksi kantuk pengemudi secara real-time yang praktis dan ekonomis tanpa menggunakan sensor tambahan. Sistem ini menggunakan metode Eye Aspect Ratio (EAR) untuk menghitung rasio keterbukaan mata, model Convolutional Neural Network (CNN) untuk mengklasifikasikan kondisi mata, serta MediaPipe FaceMesh sebagai pengganti Haar Cascade untuk mendeteksi landmark wajah secara lebih stabil. Dataset yang digunakan berasal dari Kaggle dan terdiri dari gambar mata terbuka dan tertutup yang telah diproses melalui normalisasi dan augmentasi. Sistem awalnya dirancang sebagai aplikasi desktop berbasis Tkinter, namun dalam proses pengembangan dialihkan menjadi aplikasi web menggunakan Flask untuk mendukung fleksibilitas dan kemudahan akses lintas perangkat. Deteksi kantuk dilakukan ketika nilai EAR di bawah ambang batas dan CNN mengklasifikasikan mata sebagai tertutup dalam beberapa frame berturut-turut, yang kemudian memicu peringatan suara secara otomatis. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi kondisi kantuk dengan akurasi tinggi dan respons cepat. Penelitian ini memberikan solusi non-invasif untuk meningkatkan keselamatan berkendara dengan pendekatan visual yang efisien dan mudah diintegrasikan.