DETEKSI KANTUK PADA WAJAH PEGAWAI MENGGUNAKAN MEDIAPIPE FACE DETECTOR DAN MOBILENET

INDIRANJANI, NIRVANA (2023) DETEKSI KANTUK PADA WAJAH PEGAWAI MENGGUNAKAN MEDIAPIPE FACE DETECTOR DAN MOBILENET. Diploma thesis, POLITEKNIK HARAPAN BERSAMA.

Text Skripsi_Nirvana Indiranjani_19090046_NoCopy.pdf Download (5MB)

Abstract

Mengantuk bersifat wajar jika tidak menggangu aktivitas. Apabila kantuk sudah menganggu pekerjaan, maka akan merugikan organisasi. Dari permasalahan tersebut, maka penting agar dibuat sistem yang bisa memonitor kantuk secara otomatis. Pada pekerjaan ini, dibuatlah aplikasi yang dapat mendeteksi kantuk melalui citra wajah yang ditangkap per detik melalui webcam. Area wajah pada citra terlebih dahulu dideteksi menggunakan face detector agar dapat diambil bagian wajahnya saja. MediaPipe face detector dipilih karena ringan. Area wajah yang sudah diambil kemudian diklasifikasikan berdasarkan tiga kelas, yaitu mata terbuka, mata tertutup, dan menguap. Apabila mata tertutup selama dua detik, yakni terdeteksi dua kali berturut-turut, maka dianggap bukan berkedip. Begitu juga dengan mulut terbuka, bukan dianggap berbicara, melainkan menguap. Metode yang digunakan untuk melakukan klasifikasi adalah deep learning karena performanya yang sangat bagus dan menjadi tren pada saat ini. Arsitektur deep learning yang digunakan adalah MobileNet karena ringan dan cepat. MobileNet dilatih dengan 1.960 data latih dan 541 data validasi dan mendapatkan 97% akurasi. Hasil dari pekerjaan ini adalah sebuah aplikasi pendeteksi kantuk yang berjalan pada personal computer dan sebuah aplikasi pelaporannya yang berbasis web. Kantuk direkam berdasarkan individu pegawai, waktu, dan ciri kantuk. Dengan demikian, organisasi dapat melakukan evaluasi berbekal rekaman data tersebut. Kata kunci: kantuk, wajah, klasifikasi, mobilenet

Item Type:	Thesis (Diploma)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Teknik > Diploma IV Teknik Informatika
Depositing User:	Nirvana Indiranjani
Date Deposited:	12 Sep 2023 08:53
Last Modified:	12 Sep 2023 08:53
URI:	http://eprints.poltektegal.ac.id/id/eprint/2947

Actions (login required)

View Item