Perpustakaan Digital ITB

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.