Abstract:
Kecelakaan lalu lintas merupakan salah satu permasalahan utama dalam sektor
transportasi yang sebagian besar disebabkan oleh faktor manusia, khususnya
kelelahan dan kantuk saat berkendara. Kondisi ini dapat menurunkan tingkat
kewaspadaan dan memicu terjadinya microsleep yang berisiko tinggi terhadap
kecelakaan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Real
Time
Detection
Transformer
(RT-DETR) dalam mendeteksi dan
mengklasifikasikan tingkat kelelahan pengendara berbasis face recognition.
Sistem yang dikembangkan memanfaatkan citra wajah dengan fokus pada
indikator visual seperti kondisi mata dan aktivitas mulut. Dataset yang digunakan
terdiri dari sekitar 3.000 citra yang dibagi ke dalam tiga kategori, yaitu normal,
kelelahan sedang, dan kelelahan berat. Proses penelitian meliputi pengumpulan
data, preprocessing, anotasi, pelatihan model, serta evaluasi menggunakan metrik
precision, recall, F1-score, dan mean Average Precision (mAP). Hasil penelitian
menunjukkan bahwa model RT-DETR memiliki performa yang sangat baik
dengan nilai mAP@0.5 sebesar 0,939, precision sebesar 0,94, recall sebesar 0,93,
serta F1-score sebesar 0,95. Sistem juga mampu berjalan secara real-time dengan
kecepatan 10-13 FPS. Dengan demikian, RT-DETR efektif digunakan untuk
deteksi kelelahan pengendara secara akurat dan responsif.
