// <![CDATA[IMPLEMENTASI DEEP RESIDUAL NETWORK 152 OPTIMIZER ADAPTIVE MOMENT ESTIMATION UNTUK MENDETEKSI MICROSLEEP]]> RENDI KUSWANDI / 152018060 Penulis 120110201 - Yusuf Miftahuddin, S.Kom., MT. Dosen Pembimbing 1
Microsleep adalah kondisi tidur pendek berkisar antara 3 sampai 14 detik, dimana orang yang mengalaminya gagal merespon sensor motoric serta menjadi tak sadarkan diri. Microsleep tak jarang terjadi menjadi akibat dari kurang tidur, Namun, microsleep juga disebabkan oleh pekerjaan yang monoton. Microsleep menjadi hal yang sangat krusial karena kondisi ini dapat membahayakan. Meski hanya beberapa detik, tentu ini sangat berbahaya, dan mungkin menjadi salah satu penyebab kecelakaan. Dari penelitian yang dilakukan U.K. road safety charity brake, dari total 1000 koresponden 45% laki-laki dan 22% perempuan yang di survei mengaku melakukan microleeping pada saat mengemudi. Lebih dari 1550 korban jiwa dan 40.000 cedera tidak fatal terjadi setiap tahun di Amerika yang diakibatkan pengemudi mengantuk, kurang tidur dan menurut penelitian yang dilakukan oleh auto2000 jika kecepatan kendaraan 90km/jam dan microsleep menyerang selama 5 detik maka kendaraan melaju tak terkendali sejauh 125 meter. Proses ekstraksi dan klasifikasi pada penelitian ini menggunakan arsitektur deep residual network 152 dan untuk menentukan target mata pada penelitian ini memanfaatkan algoritma haar cascade classifier kemudian menerapkan konsep internet of things (IoT), hasil dari arsitektur deep residual network 152 yang diperoleh menunjukan bahwa menggunakan epoch 15 dan learning rate 0.0001 menghasilkan rata-rata nilai precision sebesar 99%, recall 99% dan f1-score 98% dan accuracy 98,6 % lalu terdapat loss sebesar 4,8% dan hasil pengujian sistem menggunakan kamera razer kiyo 1080p memiliki accuracy tertinggi yaitu 90 %.