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