Deteksi Gestur dan Sikap Berkendara Pengemudi yang Menyebabkan Bahaya Menggunakan Metode YOLOv5

Repository Analytics

Statistic Details

Updated data
10Viewes
0Downloaded
10Accessed per month
1Countries
Loading...
Thumbnail Image

Authors

Siregar, Raja Mulia

Journal Title

Journal ISSN

Volume Title

Publisher

POLITEKNIK NEGERI BATAM

Abstract

Kecelakaan lalu lintas yang disebabkan oleh pengemudi merupakan masalah yang serius di Indonesia, dengan tercatat sebanyak 1.645.348 pengemudi terlibat kecelakaan. Pengemudi yang kehilangan fokus akibat gestur dan sikap tertentu dapat meningkatkan potensi kecelakaan lalu lintas. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan sistem deteksi gestur dan sikap berkendara pengemudi yang menyebabkan bahaya menggunakan metode YOLOv5. Sistem yang dikembangkan memanfaatkan kamera sebagai input utama, Raspberry Pi 4 Model B sebagai perangkat pemrosesan, serta antarmuka GUI sebagai media pemantauan. Model YOLOv5 dilatih menggunakan dataset yang terdiri dari lima kelas, yaitu mengantuk, menggunakan ponsel, merokok, menggunakan sabuk pengaman, dan tidak menggunakan sabuk pengaman. Sistem juga dilengkapi dengan mekanisme peringatan otomatis berupa tampilan visual dan suara berbasis Text-to-Speech (TTS) ketika terdeteksi gestur dan sikap berkendara yang berbahaya. Hasil training menunjukkan bahwa model YOLOv5n mampu mendeteksi objek dengan baik, ditunjukkan oleh nilai precision sebesar 0,978, recall sebesar 0,935, dan F1-score sebesar 0,95, serta nilai mAP@50 sebesar 0,965 dan mAP@50:95 sebesar 0,679. Berdasarkan hasil pengujian real-time pada kondisi kendaraan diam, sistem menghasilkan nilai precision sebesar 1, recall sebesar 0,98, dan F1-score sebesar 0,99, dengan kecepatan inferensi rata-rata sebesar 5,98 FPS pada perangkat Raspberry Pi 4 Model B. Pada pengujian saat kendaraan berjalan dengan kecepatan 20–40 km/jam, sistem mampu mendeteksi kelas mengantuk, menggunakan ponsel, dan merokok masing-masing sebanyak 16 dari 20 percobaan, sedangkan kelas tidak menggunakan sabuk pengaman dan menggunakan sabuk pengaman terdeteksi masing-masing sebanyak 18 dan 19 dari 20 percobaan. Hasil tersebut menunjukkan bahwa sistem mampu melakukan deteksi secara real-time dan berpotensi membantu meningkatkan kewaspadaan serta keselamatan pengemudi saat berkendara.

Description

Penelitian ini membahas pengembangan sistem deteksi gestur dan sikap berkendara pengemudi yang menyebabkan bahaya secara real-time menggunakan metode YOLOv5 pada Raspberry Pi 4. Sistem dirancang untuk mendeteksi beberapa kondisi pengemudi, yaitu mengantuk, menggunakan ponsel, merokok, menggunakan sabuk pengaman, dan tidak menggunakan sabuk pengaman. Sistem menggunakan Raspberry Pi 4 Model B sebagai unit pemrosesan, webcam sebagai perangkat akuisisi citra, serta antarmuka berbasis Tkinter untuk pemantauan. Sistem juga dilengkapi dengan peringatan suara menggunakan Google Text-to-Speech (gTTS). Hasil pengujian menunjukkan bahwa model YOLOv5 mampu mendeteksi kondisi pengemudi secara real-time dan dapat diimplementasikan pada Raspberry Pi 4.

Citation

IEEE

Endorsement

Review

Supplemented By

Referenced By