SUTRISNO, MUHAMMAD (2022) DETEKSI KANTUK BERBASIS JETSON NANO BAGI PENGEMUDI RODA EMPAT MENGGUNAKAN YOLOV5. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.
![[img]](http://repository.unissula.ac.id/style/images/fileicons/text.png) |
Text
Teknik Informatika_32601800018_fullpdf.pdf Download (5MB) |
|
Text
Teknik Informatika_32601800018_pernyataan_publikasi.pdf Restricted to Registered users only Download (52kB) |
Abstract
Bekerja dalam keadaan mengatuk mengakibatkan pekerjaan yang dilakukan menjadi kurang efisien dan dampak yang ditimbulkan juga tidak sepele. Pada tahun 2017 terjadi peningkatan angka kecelakaan sebesar 16%, dimana pada tahun 2016 terdapat sebanyak 63 kecelakaan pada enam hari sebelum lebaran sedangkan pada tahun 2017 terdapat 73 kecelakaan. Penelitian ini menggunakan algotritma YOLOv5 untuk mendeteksi wajah mengantuk yang diterapkan pada perangkat Jetson Nano. Jetson Nano dapat memberikan kemudahan proses implementasi untuk deteksi dan pelatihan model kepada penggunanya. Dalam mengklasifikasi objek yang terdeteksi sistem ini menggunakan You Only Look Once (YOLOv5). Hasil gambar objek tersebut akan diolah menjadi pengolahan citra oleh computer vision, dan menghasilkan serta menampilkan data real-time wajah yang mengantuk dan tidak mengantuk. Hasil penelitian dievaluasi berdasarkan tabel perhitungan rata rata keakuratan klasifikasi oleh model untuk mendapatkan hasil deteksi yaitu Drowsy (Mengantuk) dan Awake (Sadar). Hasil penelitian menunjukkan bahwa dari semua pengujian pada keadaan dengan jarak 50 cm, 70 cm dan cahaya redup adalah sekitar 61,9 % untuk wajah mengantuk dan 77,84% untuk wajah sadar. Kata kunci : Kantuk, Jetson Nano, YOLOv5
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika |
| Depositing User: | Pustakawan 5 UNISSULA |
| Date Deposited: | 17 Jul 2023 04:23 |
| Last Modified: | 17 Jul 2023 04:23 |
| URI: | http://repository.unissula.ac.id/id/eprint/29670 |
Actions (login required)
 |
View Item |
