SUTRISNO, MUHAMMAD (2022) DETEKSI KANTUK BERBASIS JETSON NANO BAGI PENGEMUDI RODA EMPAT MENGGUNAKAN YOLOV5. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

[thumbnail of Teknik Informatika_32601800018_fullpdf.pdf] Text
Teknik Informatika_32601800018_fullpdf.pdf
| Download (5MB)
[thumbnail of Teknik Informatika_32601800018_pernyataan_publikasi.pdf] 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

Dosen Pembimbing: Qomaruddin, Muhammad and Mulyono, Sri | nidn0631057101, nidn0626066601
Item Type: Thesis (Undergraduate)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 5 UNISSULA
Date Deposited: 17 Jul 2023 04:23
Last Modified: 17 Jul 2023 04:23
URI: https://repository.unissula.ac.id/id/eprint/29670

Actions (login required)

View Item View Item