PENGEMBANGAN SISTEM DETEKSI KANTUK WAKTU NYATA BERBASIS EYE ASPECT RATIO DAN MEDIAPIPE FACE MESH

Abstrak

Kantuk dan kelelahan pengguna, baik pengemudi kendaraan maupun operator perangkat, merupakan kontributor utama dalam kasus kecelakaan dan penurunan produktivitas.1 Data statistik menunjukkan bahwa kantuk dapat menyumbang sekitar 20% dari total kecelakaan lalu lintas.2 Kebutuhan mendesak untuk sistem pemantauan yang non-invasif, ekonomis, dan beroperasi dalam waktu nyata mendorong pengembangan solusi berbasis visi komputer. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi kantuk yang akurat dan responsif menggunakan metode Eye Aspect Ratio (EAR) yang diekstraksi secara efisien melalui MediaPipe Face Mesh. Sistem ini memanfaatkan MediaPipe Face Mesh untuk mengestimasi 468 titik landmark wajah 3D secara presisi.3 Logika keputusan ditetapkan ketika nilai EAR rata-rata mata jatuh di bawah ambang batas $0.25$ 4 selama minimal 18 consecutive frames. Durasi 18 frame ini setara dengan $0.6$ detik pada 30 Frames Per Second (FPS), yang efektif memfilter kedipan normal dan secara temporal mengidentifikasi kondisi microsleep.6 Peringatan insiden dilakukan secara multimodal melalui alarm suara non-blocking menggunakan threading, didukung oleh peringatan visual, pencatatan data (logging) ke CSV, dan pengambilan automatic screenshot untuk dokumentasi insiden. Hasil implementasi menunjukkan bahwa sinergi MediaPipe yang cepat dengan mekanisme peringatan non- blocking menghasilkan sistem yang stabil dan memadai untuk aplikasi waktu nyata, menawarkan alternatif yang hemat biaya dibandingkan metode fisiologis yang mahal