Perpustakaan Digital ITB

Kantuk masinis merupakan faktor risiko signifikan pada operasi kereta api, sementara kontrol keselamatan PT Kereta Api Indonesia (KAI), seperti tunjuk sebut dan deadman device, belum memantau kantuk secara objektif dan berkelanjutan. Penelitian ini mengembangkan sistem deteksi kantuk nonintrusif berbasis perilaku visual, terintegrasi dengan sistem peringatan tertanam bertingkat di kabin. Pengembangan mengikuti kerangka CRISP-ML(Q). Ground truth dibangun dari anotasi manual dan penilaian dua rater atas 327 observasi dari 48 masinis. Parameter hasil anotasi, yaitu Blink Duration, Blink Frequency, dan PERCLOS, menjadi masukan klasifikasi biner kantuk dengan XGBoost, sedangkan Microsleep dan Yawn Duration berperan sebagai pemicu langsung pada arsitektur dua lapis. Subsistem deteksi dikembangkan pada 15 masinis (27.100 frame) menggunakan YOLOv8-Face, MediaPipe Face Mesh, serta ambang Eye Aspect Ratio dan Mouth Aspect Ratio terkalibrasi personal. Keluarannya dipetakan menjadi empat tingkat peringatan (S0–S3) pada perangkat Arduino. Model terpilih mencapai Balanced Accuracy 76,86% dan Recall-1 78,15% pada data validasi out-of-fold, sedangkan deteksi kejadian kedipan dan menguap mencapai weighted F1 0,849. Rancangan ini memperoleh Benefit-Cost Ratio 3,26 dan payback period 0,94 tahun pada skenario dasar. Sistem masih berupa prototipe karena performa klasifikasi diukur pada parameter hasil anotasi dan subsistem deteksinya baru diuji pada 15 masinis, sehingga pengembangan diarahkan pada evaluasi terintegrasi dan validasi lapangan.