Putri, Ria Citra Desiany (2026) PENDETEKSI MICROSLEEP PADA PENGEMUDI DENGAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) V8. Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (Cover)
COVER.pdf - Published Version Download (639kB) | Preview |
|
|
Text (Abstrak)
ABSTRAK.pdf - Published Version Download (438kB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (Bab I)
BAB I.pdf - Published Version Restricted to Repository staff only Download (228kB) |
|
|
Text (Bab II)
BAB II.pdf - Published Version Restricted to Repository staff only Download (939kB) |
|
|
Text (Bab III)
BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (Bab IV)
BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (Bab V)
BAB V.pdf - Published Version Restricted to Repository staff only Download (236kB) |
|
|
Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (362kB) |
|
|
Text (Lampiran)
LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) |
Abstract
Microsleep merupakan kondisi berbahaya yang dapat terjadi secara tiba-tiba, terutama saat seseorang mengemudi dalam kondisi kelelahan. Oleh karena itu,deteksi dini terhadap kondisi ini menjadi sangat krusial guna meminimalisir risiko kecelakaan. Penelitian ini mengembangkan sebuah sistem deteksi microsleep berbasis algoritma YOLOv8 yang diimplementasikan dalam sebuah alat monitoring wajah pengemudi secara real-time. Dataset yang digunakan mencakup dua kelas, yaitu fokus dan microsleep, dengan pelatihan dilakukan sebanyak 50 epoch. Hasil confusion matrix yang menunjukkan tingkat akurasi tinggi untuk klasifikasi masing-masing kelas, yakni 95% untuk fokus dan 97% untuk microsleep. Dan hasil evaluasi menunjukkan bahwa model mampu mencapai nilai recall sebesar 0.928 dan precision sebesar 0.699 secara keseluruhan, dengan nilai mAP50 mencapai 0.895. Namun, meskipun akurasi terhadap objek terdeteksi cukup tinggi, masih terdapat kendala dalam membedakan objek dengan latar belakang, terutama pada kondisi pencahayaan rendah atau ekspresi wajah yang samar. Selain itu, sistem juga mengalami delay rata-rata sekitar 3 detik dari proses deteksi hingga hasil klasifikasi ditampilkan, yang mengurangi efektivitasnya dalam situasi kritis. Secara keseluruhan, sistem deteksi ini memiliki performa yang menjanjikan, namun masih memerlukan optimasi lebih lanjut baik dalam hal waktu respons maupun akurasi deteksi terhadap kondisi wajah yang sulit dikenali.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Microsleep, YOLOv8, Raspberry Pi, Computer Vision, Deteksi Real-time |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Electronic Engineering > Undergraduate Theses |
| Depositing User: | Pustaka Teknik Elektro |
| Date Deposited: | 09 Mar 2026 05:15 |
| Last Modified: | 09 Mar 2026 05:15 |
| URI: | http://eprints.polsri.ac.id/id/eprint/22344 |
Actions (login required)
 |
View Item |
