PUTRA, Fauzan Ramadhan (2025) Implementasi Arsitektur Xception untuk Deteksi Kantuk Berbasis Analisis Citra Mata. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (36kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (37kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (371kB)
	Text 4. ABSTRAK.pdf Download (27kB)
	Text 5. ABSTRACT.pdf Download (26kB)
	Text 6. KATA PENGANTAR.pdf Download (110kB)
	Text 8. DAFTAR ISI.pdf Download (54kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (35kB)

Abstract

ABSTRAK
Kecelakaan lalu lintas yang disebabkan oleh kantuk pengemudi merupakan masalah serius
yang dapat mengakibatkan konsekuensi fatal. Tanda-tanda kantuk, seperti frekuensi kedipan
mata yang meningkat, penutupan kelopak mata yang lebih lama, dan penurunan respons
motorik, dapat menjadi indikator awal bahwa pengemudi mulai kehilangan kewaspadaan.
Oleh karena itu, penting untuk mengembangkan sistem yang dapat mendeteksi tanda-tanda
kantuk secara akurat, sehingga pengemudi dapat diberikan peringatan dini untuk mencegah
kecelakaan. Penelitian ini bertujuan untuk menerapkan arsitektur Xception untuk
mendeteksi kondisi buka dan tutup mata sebagai indikator kantuk. Metode yang digunakan
melibatkan pengumpulan dataset citra mata yang dibagi menjadi data latih, validasi, dan uji.
Model Xception dilatih dengan pengaturan hyperparameter yang bervariasi, termasuk frozen
layer, dropout rate, learning rate, dan batch size. Hasil penelitian menunjukkan bahwa
model dengan 50% frozen layer, dropout rate 0,2; learning rate 0,0001; dan batch size 16
mencapai akurasi 98,36% pada data uji, serta menunjukkan keseimbangan yang baik antara
pelatihan dan validasi, sehingga mengurangi risiko overfitting.
Kata Kunci: Deteksi kantuk, Transfer Learning, Xception, Citra Mata, Kecelakaan lalu
lintas.

Actions (login required)

View Item