COVER James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 1 James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 2 James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 3 James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 4 James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 5 James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 6 James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
PUSTAKA James Thomas Widjaja
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Durasi jam kerja yang panjang dan pengawasan yang tidak memadai turut berkontribusi
terhadap peningkatan risiko terjadinya kecelakaan akibat kelelahan. Sistem pengukuran
kelelahan secara real-time dibutuhkan untuk mengawasi dan mengukur tingkat
kelelahan pekerja saat bekerja. Salah satu teknik pengukuran kelelahan yang telah
dikenal dan terbukti andal adalah teknik pengukuran yang berfokus pada karakteristik
non-visual. Namun, teknik pengukuran kelelahan ini bersifat menggangu kinerja
pekerja. Oleh karena itu, teknik pengukuran kelelahan lainnya yang berfokus pada
karakteristik visual lebih diminati. Indikator mata merupakan salah satu indikator
kelelahan yang menjanjikan dan dapat diterapkan untuk mengukur kelelahan secara
real-time karena karaketeristiknya yang bersifat tidak menggangu kinerja pekerja. Di
samping itu, parameter kedipan seperti jumlah kedipan dan durasi kedipan merupakan
parameter yang paling penting dan bersifat informatif dalam mengukur kelelahan.
Penelitian ini bertujuan untuk merancang suatu algoritma dan sistem pendeteksi
kedipan mata serta menguji validitas hasil pendeteksian rancangan sistem berupa
parameter kedipan. Rancangan sistem ini dibuat menggunakan teknologi computer
vision dan convolutional neural network (CNN), MobileNet, dengan metode transfer
learning guna untuk mengklasifikasikan status mata. Penggunaan teknologi computer
vision diduga dipengaruhi oleh kondisi eksternal seperti intensitas pencahayaan yang
berfluktuasi dan faktor getaran. Sebanyak 2 buah data rekaman video dengan kondisi
eksternal yang berbeda digunakan untuk menguji pengaruh kondisi eksternal terhadap
performansi rancangan sistem. Performansi rancangan sistem diukur menggunakan
matriks kebingungan dan pengujian validitas hasil pendeteksian rancangan sistem
menggunakan uji statistik. Dari penelitian ini, dapat disimpulkan bahwa algoritma dan
rancangan sistem pendeteksian yang dikembangkan mampu mendeteksi kedipan mata
dan menghasilkan output sistem berupa parameter kedipan seperti jumlah kedipan,
durasi kedipan, microsleep dan percentage of eyelid closure (PERCLOS), namun
performansinya dinilai belum cukup memadai untuk digunakan sebagai alat
pengukuran kelelahan di lapangan. Di sisi lain, hasil pendeteksian rancangan sistem
terbukti andal untuk mengukur kelelahan, tetapi hanya dalam kondisi eksternal yang
terkendali.