Detail Cantuman

Microsleep merupakan kondisi tidur singkat yang terjadi secara tiba-tiba dan berpotensi mengganggu aktivitas karena menyebabkan hilangnya respons dalam beberapa detik. Penelitian ini membangun sistem deteksi microsleep dengan memanfaatkan Haar Cascade Classifier untuk menentukan area mata dan arsitektur ResNet-50 untuk mengklasifikasikan kondisi mata terbuka maupun tertutup. Dataset yang digunakan berasal dari Kaggle dengan jumlah 1.452 citra yang dibagi menjadi data latih dan data uji. Hasil pelatihan menunjukkan bahwa konfigurasi terbaik diperoleh pada ResNet-50 dengan optimizer Adam, batch size 32, learning rate 0.001, dan epoch 50, menghasilkan akurasi validasi sebesar 97,58%. Sistem mampu mendeteksi kondisi microsleep secara real-time pada kamera frontal dengan pencahayaan normal, serta tetap optimal ketika pengguna menggunakan kacamata. Namun, performa menurun signifikan ketika terjadi oklusi wajah seperti penggunaan topi, masker, atau penutup mata, serta pada posisi kamera samping. Dengan demikian, sistem ini efektif dalam mendeteksi microsleep pada kondisi tertentu, meskipun masih memiliki keterbatasan yang dapat ditingkatkan dalam penelitian selanjutnya.

Microsleep is a short and sudden sleep condition that may disrupt activities by causing a temporary loss of response within a few seconds. This study develops a microsleep detection system by utilizing Haar Cascade Classifier to locate the eye region and ResNet-50 architecture to classify eye states as open or closed. The dataset used in this research was obtained from Kaggle, consisting of 1,452 images divided into training and testing sets. The best configuration was achieved using ResNet-50 with Adam optimizer, batch size of 32, learning rate of 0.001, and 50 epochs, resulting in a validation accuracy of 97.58%. The system successfully detected microsleep in real time under frontal camera and normal lighting conditions, and it remained reliable when the user wore glasses. However, performance significantly decreased when facial occlusion occurred, such as wearing hats, masks, or eye covers, as well as in side camera positions. Therefore, this system is effective for microsleep detection under specific conditions, although further improvements are needed to overcome its limitations.