01 PENDAHULUAN
02 TEORI DASAR
03 METODOLOGI PENELITIAN
06 PENUTUP
01 LATAR BELAKANG
Kelelahan saat bekerja memiliki dampak buruk bagi performa kerja dan
1 keselamatan Pekerja
Real-Time Eye Blink 2017 Sistem deteksi kantuk berbasis EAR dan SVM Aplikasi Desktop Deteksi Kantuk
Detection using Facial menggunakan input real time video
Landmarks Berbasis Facial Landmark
Menggunakan OpenCV, Dlib dan
Drowsiness Detection of a 2020 Sistem deteksi kantuk berbasis computer
Driver using Conventional vision berdasarkan kecepatan kedipan mata Tkinter
Computer Vision dan menguap • Input: Real Time Video
Application
• Output: Tulisan
Deteksi Kantuk 2020 Sistem deteksi kantuk berbasis CNN peringatan & bunyi
Menggunakan Kombinasi menggunakan kombinasi Haar Cascade
Haar Cascade dan alarm
Convolutional Neural • Metode deteksi wajah:
Network
1. Computer Vision
A Score based Approach to 2020 Sistem deteksi kantuk menggunakan bahasa 2. Haar cascade classifier
Detect Drowsiness using pemrograman python dengan library OpenCV, 3. Dlib’s facial landmark
OpenCV PyGame, file Haar Cascade
4. Eye Aspect Ration (EAR)
• Desain: Python 3.8
Using Tkinter of Python to 2016 Tkinter digunakan untuk membangun GUI
Create Graphical User pada skrip Python untuk mengontrol operasi
Interface (GUI) for Scripts beamlines LNLS
in LNLS
01 RUMUSAN MASALAH & TUJUAN
Rumusan Masalah
Tujuan
Pendekatan Analisis
• Deteksi kantuk berdasarkan Desain Evaluasi kinerja dan
durasi kedipan mata berbasis Python 3.8, Dlib, OpenCV, penggunaan resource
EAR Tkinter, webcam, PC OS
• Algoritma viola-jones dan fitur Windows
dlib untuk deteksi mata
• OpenCV mengolah gambar dan
video Hasil
• Tkinter membangun aplikasi Aplikasi deteksi kantuk
desktop Implementasi Drowsinesslab
• PC dengan OS Windows Mendeteksi pada ruangan
dengan intensitas cahaya
300-500 Lumen
02 METODE DETEKSI WAJAH
PYTHON PYGAME
Merupakan bahasa pemrograman yang memiliki Sebuah grafik komputer dan pustaka suara yang
fungsi utilitas yang membantu dalam pemrosesan dirancang untuk digunakan dengan bahasa
awal. Pemrosesannya cepat dan didukung di hampir pemrograman Python.
semua platform.
OPENCV TKINTER
OpenCV adalah sebuah library yang digunakan untuk Paket GUI (Graphical User Interface) standar pada
mengolah gambar dan video sehingga mampu meng- Python. Memiliki beberapa widget diantaranya
ekstrak informasi didalamnya. Label Widget, Button Widget, Entry Widget, Radio
Button Widget, CheckBox Widget, Scale Widget dan
lainnya.
03
METODOLOGI PENELITIAN
Mulai
Integrasi Pengujian
Sistem Sistem
Studi
Literatur
Implementasi
Perumusan Sistem
Masalah Apakah Sistem
Ya
sesuai dan dapat Analisis Hasil
dijalankan?
Analisis Kebutuhan
dan Spesifikasi
Perancangan
Sistem Aplikasi Tidak
Selesai
04 PERANCANGAN SISTEM DETEKSI
KANTUK DROWSINESSLAB
PERSIAPAN • Install:
Anaconda3
Jupyter Notebook
Python 3.8
• Membuat virtual environment. Install
library:
Dlib
OpenCV
Pygame
Tkinter, dll
• Unduh:
Haarcascade_frontalface_default.xml
Shape_predictor_68_face_landmark.dat Dirancang dan dibangun
Icon menggunakan bahasa
Alert.wav pemrograman Python 3.8
• Membuat desain: pada Laptop dengan RAM
Background window 8GB yang terinstal
Tombol Windows 10
04 PRINSIP KERJA SISTEM DETEKSI
KANTUK DROWSINESSLAB
Tidak
Start
Wajah
Tidak
terdeteksi 𝐸𝐴𝑅=
| 𝑝 2 − 𝑝 6|+| 𝑝 3 − 𝑝 5|
Counter > 50 ?
2| 𝑝 1 − 𝑝 4 |
?
Ya
Ambil koordinat Ya
Ambil
mata
frame
Alarm ON
Ya Facial Landmark
Break Key “q”?
Detection
Tidak
Stop C
04
PERANCANGAN SOFTWARE
PERANCANGAN TAMPILAN
root=Tk()
root.title("Drowsiness Detector")
root.iconbitmap(r'icon.ico')
root.geometry('1366x768')
frame=Frame(root,bg="red")
frame.pack(fill=BOTH,expand=True)
img=PhotoImage(file="BACKGROUND_WINDOW.PNG")
label=ttk.Label(frame,image=img)
label.pack(fill=BOTH,expand=True)
btnImg=PhotoImage(file="TOMBOL.png")
button=tk.Button(root, image=btnImg,
command=generate)
button.place(relx=0.40,rely=0.85,relwidth=0.2
0,relheight=0.08 )
04
PERANCANGAN SOFTWARE
Aplikasi Drowsinesslab dirancang pada sebuah Laptop ASUS VivoBook Ultra A413FA dengan
sistem operasi Windows 10 dan prosesor Intel Core i5-8265U/8GB/512G PCIe. Webcam yang
digunakan adalah kamera webcam dengan resolusi HD 720p. Aplikasi Drowsinesslab dapat
digunakan secara langsung tanpa perlu instalasi yang rumit pada PC atau Laptop lain.
04
IMPLEMENTASI
5. Menangkap frame
6. Mendeteksi kantuk
Mendeteksi
START
Kantuk
05
SKENARIO PENGUJIAN
1. Pengujian Machine Learning
• Mengumpulkan dataset, eksplorasi data, pemodelan, melatih model, evaluasi model
• Hasil: nilai akurasi model lebih besar dari 0.91
• Hasil: nilai akurasi, tingkat kesalahan (error rate), sensitifitas (recall), spesifikasi, presisi dan nilai F1
3. Pengujian Real-Time
• Mengumpulkan sampel, menguji sampel, mencatat hasil pengujian, membuat dan menghitung parameter confusion matrix
• Hasil: nilai akurasi, tingkat kesalahan (error rate), sensitifitas (recall), spesifikasi, presisi dan nilai F1
Mendesain model
Melatih model
Menampilkan hasil
akurasi dan loss
05
PENGUJIAN MACHINE LEARNING
Parameter Hasil
0.96
0.035
0.035
1
1
0.93
0.93
0.96
0.93
0.96
05
PENGUJIAN REAL-TIME
Parameter Hasil
0.95
0.05
0.05
0.96
0.96
0.94
0.94
0.95
0.94
0.95
05
PENGUJIAN RESOURCES
• Aplikasi Drowsinesslab dibangun menggunakan Python 3.8 yang digunakan untuk mendeteksi kantuk seseorang
berdasarkan facial landmark dapat dirancang dan diimplementasikan sesuai dengan tujuan dan perancangan.
• Pengujian kinerja dari aplikasi ini memiliki nilai akurasi yang baik yaitu 96% berdasarkan hasil perhitungan
confusion matrix dan machine learning
• Pengujian aplikasi Drowsinesslab secara real time menunjukkan nilai akurasi sebesar 95% oleh karena itu dapat
dikatakan aplikasi Drowsinesslab mampu mendeteksi kantuk dengan baik.
• Konsumsi memori saat aplikasi ini digunakan tidak begitu besar yaitu 156.7 MB. Sedangkan untuk penggunaan
CPU dan konsumsi daya saat aplikasi ini digunakan cukup besar yaitu 36.6% dan 7.9 W, hal ini dapat
menyebabkan laptop menjadi panas dan boros baterai saat menggunakan aplikasi Drowsinesslab.
06
SARAN
• Aplikasi ini selanjutnya dapat dikembangkan dengan menambahkan beberapa fitur tambahan seperti display
waktu, fitur untuk menyimpan waktu saat alarm berbunyi dan fitur untuk mencari tempat istirahat terdekat
• Tampilan GUI Aplikasi ini dapat dibuat lebih menarik menggunakan kivy atau PyQT, namun memerlukan
• Lingkungan aplikasi dapat diperluas, bukan hanya digunakan untuk pekerja yang bekerja di depan komputer,
namun dapat juga digunakan untuk pekerja yang bekerja di lapangan melalui kamera CCTV.
TERIMA
KASIH