DETEKSI KANTUK MELALUI CITRA WAJAH MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN KLASIFIKASI SUPPORT VECTOR MACHINE (SVM)

Tingginya angka kecelakaan di jalan raya akibat mengantuk menuntut adanya inovasi teknologi untuk menguranginya. Salah satu inovasi yang dapat dilakukan adalah dengan membuat suatu sistem deteksi kantuk. Sistem deteksi kantuk telah banyak diteliti dengan mengidentifikasi kantuk melalui parameter, seperti keadaan mata, keadaan mulut, kepala, dan sebagainya. Pada Tugas Akhir ini, dilakukan studi awal pada sistem deteksi kantuk berupa perancangan deteksi kantuk yang berfokus pada ekspresi wajah sampel objek dengan mengkombinasikan keadaan mata dan mulut. Penelitian ini memanfaatkan algoritma Viola-Jones untuk melakukan face detection, lalu melakukan cropping mata dan mulut sesuai koordinat yang telah ditentukan sehingga dapat diekstraksi dengan metode Gray Level Co-occurrence Matrix (GLCM). Selanjutnya, klasifikasi keadaan mata dan mulut dilakukan menggunakan Support Vector Machine (SVM) untuk mengklasifikasi keadaan terbuka atau tertutup kemudian dilakukan pengecekan apakah mata dan mulut memiliki karakteristik dari ekspresi normal, lelah, atau mengantuk. Proses pengujian dilakukan menggunakan data pada tipe .mp4 dengan ruang warna RGB. Dari penelitian ini, perfomansi optimum didapat pada skema penggunaan ? = 0°, jarak piksel (D)=5, layer citra input grayscale, menggunakan kernel gaussian, dan ? = 1. Performansi terbaik yang didapat dari skema tersebut adalah akurasi sebesar 73,73% dan waktu komputasi selama 43,06 ms per frame