DETEKSI KANTUK BERBASIS MEDIAPIPE DAN EYE ASPECT RATIO

Kurniawan Agung Laksana; Nunik Pratiwi;

ABSTRAK

Deteksi kantuk berbasis mediapipe dan eye aspect ratio

Kurniawan Agung Laksana

Kantuk adalah kondisi alami yang sering dialami seseorang akibat kurangnya waktu tidur,
kelelahan, atau aktivitas monoton, yang dapat mempengaruhi kinerja dan keselamatan dalam
bekerja, terutama pada pengemudi. Kondisi kantuk dapat menyebabkan penurunan fokus dan
kewaspadaan, yang berpotensi mengarah pada kesalahan fatal dalam pekerjaan, terutama yang
memerlukan respon cepat. Salah satu fenomena yang terkait dengan kantuk adalah micro sleep, yaitu
tidur singkat yang terjadi tanpa disadari, yang sangat berbahaya dalam situasi mengemudi atau saat
mengoperasikan mesin. Deteksi dini terhadap kantuk sangat penting untuk mengurangi risiko
kecelakaan dan meningkatkan produktivitas. Penelitian ini mengembangkan sistem deteksi kantuk
berbasis MediaPipe Face Mesh dan Eye Aspect Ratio (EAR) yang bekerja secara real-time. Proses
ini diawali dengan menangkap video menggunakan kamera, mendeteksi landmark wajah dengan
MediaPipe, dan menghitung rasio penutupan mata menggunakan EAR. Ketika mata terdeteksi
tertutup lebih dari 1 detik dengan nilai EAR di bawah ambang batas 0,18, alarm akan diaktifkan.
Pengujian dilakukan sebanyak 24 kali, terdiri dari 120 pengujian di siang hari dan 120 pengujian di
malam hari, serta menggunakan 1 video simulasi berkendara sebagai data uji. Hasil menunjukkan
akurasi sebesar 100% untuk pengujian di siang hari, 97,5% untuk pengujian di malam hari, dan
81,82% untuk simulasi video berkendara.

Kata kunci: Computer Vision, Mediapipe, eye aspect ratio,Mata Kantuk Pengemudi

Drowsiness Detection Based on MediaPipe and Eye Aspect Ratio

Kurniawan Agung Laksana

Drowsiness is a natural condition often experienced by individuals due to insufficient sleep,
fatigue, or monotonous activities, which can affect performance and safety in the workplace,
especially for drivers. Drowsiness can lead to a decrease in focus and alertness, potentially resulting
in fatal mistakes in tasks, particularly those that require quick responses. One phenomenon
associated with drowsiness is micro sleep, which refers to short episodes of sleep that occur without
awareness, and can be extremely dangerous in driving or operating machinery. Early detection of
drowsiness is crucial to reduce accident risks and improve productivity. This research develops a
drowsiness detection system based on MediaPipe Face Mesh and Eye Aspect Ratio (EAR) that
operates in real-time. The process starts with capturing video using a camera, detecting facial
landmarks with MediaPipe, and calculating the eye closure ratio using EAR. When the eyes are
detected to be closed for more than 1 second with an EAR value below the threshold of 0.18, an
alarm is triggered. The testing was conducted 24 times, consisting of 120 tests in the daytime, 120
tests at night, and using one driving simulation video as test data. The results show an accuracy of
100% for daytime testing, 97.5% for nighttime testing, and 81.82% for the driving simulation video.

Keywords: Computer Vision, MediaPipe, Eye Aspect Ratio, Driver Drowsiness