1 1.1 Latar Belakang
Teknologi informasi saat ini sudah menjadi alat bantu utama yang tidak bisa dipisahkan lagi dari kegiatan manusia. Seiring berkembangnya zaman, teknologi informasi juga semakin berkembang ke arah yang lebih maju. Teknologi informasi yang dulu merupakan kebutuhan tersier manusia, sekarang telah menjadi kebutuhan primer manusia. Berbagai segi kehidupan seperti transportasi, komunikasi, keamanan, ekonomi, serta sektor lainnya sudah tidak dapat dipisahkan lagi dengan teknologi informasi. Penelitian dalam bidang teknologi informasi juga semakin berkembang. Hasil dari penelitian-penelitian inilah yang menyebabkan adanya peningkatan keamanan, kenyamanan, serta kualitas hidup manusia.
Perkembangan teknologi informasi juga tidak lepas dari penerapan Kecerdasan Buatan (Artificial Intelligence). Telah banyak hasil penelitian tentang kecerdasan buatan yang telah diimplementasikan ke dalam kehidupan kita sehari-hari. Sebagai contoh permainan/game menggunakan kecerdasan buatan untuk membuat permainan menjadi lebih menarik dan menantang karena sistem permainan menjadi lebih dinamis dalam membuat keputusan sehingga alur permainan menjadi semakin menarik. Selain itu, ada juga perangkat lunak yang diberi nama Siri, yang diluncurkan oleh Apple beberapa saat yang lalu. Siri adalah perangkat lunak yang berperan sebagai asisten pribadi dan penunjuk jalan. Siri bertujuan untuk meningkatkan kemudahan manusia dalam menjalankan kegiatannya. Perangkat lunak Siri ini menggunakan natural language user interface untuk menjawab pertanyaan yang digunakan oleh user. Natural language processing merupakan salah satu implementasi dari kecerdasan buatan. Adapun bidang lain dari kecerdasan buatan adalah Sistem Pakar (Expert System), Jaringan Syaraf Tiruan (Artificial Neural Network), Computer Vision, Logika Samar (Fuzzy Logic), dan lain-lain. Untuk membuat sebuah perangkat lunak
implementasi dari kecerdasan buatan, kita dapat menggabungkan beberapa bidang dari kecerdasan buatan ini.
Saat ini terdapat banyak pengembangan kecerdasan buatan untuk membantu keselamatan hidup manusia. Salah satunya adalah alat untuk mendeteksi kantuk. Mengantuk merupakan hal yang kita anggap sebagai hal yang biasa terjadi. Mengantuk dapat terjadi baik ketika kita sedang tidak beraktivitas maupun ketika kita sedang beraktivitas. Namun, mengantuk tidak dapat dianggap remeh begitu saja. Mengantuk pada saat atau kondisi tertentu sangatlah berbahaya dan bisa menyebabkan seseorang atau bahkan banyak orang meninggal, contohnya adalah ketika kita sedang mengemudi. National Highway Traffic Safety Administration (NHTSA) secara konservatif menperkirakan ada 100.000 kecelakaan (This results in an estimated 1,550 deaths, 71,000 injuries, and $12.5 billion in monetary losses) yang disebabkan oleh pengemudi yang lelah dan mengantuk setiap tahun. (National Sleep Foundation, 2013)
Solusi umum yang sering ditawarkan untuk mencegah pengemudi kendaraan yang mengantuk adalah dengan meminta bantuan teman atau partner untuk menemani dan memastikan pengemudi masih sadar dan fit untuk mengemudikan kendaraan. Namun solusi ini tidak dapat dilakukan setiap saat karena pengemudi mungkin saja menghadapi kondisi yang mengharuskan dia harus mengemudi sendiri.
Oleh karena itu, diperlukan sebuah perangkat lunak untuk mengukur tingkat kelelahan dan mendeteksi kantuk dari pengemudi. Perangkat lunak yang kami buat ini dirancang untuk memberikan informasi mengenai tingkat kelelahan pengemudi dan memberi peringatan jika sudah terdeteksi kantuk sehingga dapat menghindari hal-hal yang tidak diinginkan seperti kecelakaan lalu lintas. Perangkat lunak ini adalah perangkat lunak berbasis android agar perangkat lunak dapat diimplementasikan langsung pada dunia nyata, sehingga dapat tercapai tujuan dari penelitian ini yaitu mencegah atau mengurangi jumlah kecelakaan lalu lintas.
1.2 Ruang Lingkup
Dalam skripsi ini dibahas hal-hal yang berhubungan dengan analisis, perancangan, dan implementasi aplikasi deteksi kantuk pada pengemudi. Fokus utama pembahasan skripsi ini meliputi :
a. Perancangan interface
b. Deteksi mata oleh perangkat lunak
c. Perancangan aplikasi untuk mengenali kondisi mata terbuka dan tertutup. d. Analisa tingkat kelelahan pengemudi berdasarkan dari kondisi mata
pengemudi pada waktu tertentu.
e. Pemberian warning apabila perangkat lunak telah menunjukkan bahwa pengemudi telah dalam kondisi yang berbahaya untuk mengemudi.
f. Pengujian dilakukan dengan hanya memperhatikan parameter berupa jarak mata dengan kamera dan arah kamera ke mata.
g. Perangkat lunak ini dirancang hanya untuk satu orang di depan kamera sehingga tidak akan berjalan optimal apabila ada lebih dari satu orang di depan kamera.
1.3 Tujuan dan Manfaat
Tujuan yang ingin dicapai dari skripsi ini adalah :
a. Merancang perangkat lunak yang dapat menginformasikan tingkat kelelahan pengemudi
b. Merancang perangkat lunak yang dapat mendeteksi dan memperingatkan pengemudi yang mengantuk
sedangkan manfaat dari skripsi ini adalah :
a. Pengemudi akan lebih sadar akan tingkat kelelahannya sehingga diharapkan pengemudi dapat beristirahat dahulu apabila tingkat kelelahannya sudah tinggi.
b. Mencegah atau mengurangi jumlah kecelakaan lalu lintas, terutama yang disebabkan oleh pengemudi yang lelah dan mengantuk.
1.4 State of The Art
Berikut ini adalah perbandingan aplikasi deteksi kantuk ini dengan aplikasi-aplikasi deteksi kantuk yang sudah ada sebelumnya :
Tabel 1.1 Tabel State of The Art
Deskripsi Tabel State of The Art (Tabel 1.1):
1. Drowsy Detection On Eye Blink Duration Using Algorithm Ditulis oleh:
Mandeep Singh, Gagandeep Kaur Project / System Name Real-time Drowsiness Detection Blink Duration Counting Eyes’ Condition Calculation (open / half closed / closed) Ways to Determine Drowsiness Hardware Drowsy Detection On Eye Blink Duration Using Algorithm
Yes Yes Yes - Eye Blink
Duration > 400 ms - PC (using matlab) - Webcam Driver Drowsiness Detection System
Yes Yes Yes - 5 consecutive
frames of closed eyes - PC (using matlab) - Webcam Implementasi Stimulus Aromatik pada Pengemudi Berdasarkan Deteksi Kantuk
Yes Yes No - Eye Blink
Duration > 400 ms - Microcontro ller - Buzzer Aplikasi Driver’s Fatigue Estimation And Drowsiness Detection System menggunakan metode Haarcascade Classifier
Yes Yes Yes - Eye Blink
Duration > 400 ms - Fatigue’s Calculation - Android Handphone / Tablet
Dari:
International Journal of Emerging Technology and Advanced Engineering (ISSN 2250-2459, Volume 2, Issue 4, April 2012)
Paper ini mempresentasikan sebuah automatic drowsy driver monitoring and accident prevention system yang dilakukan dengan melihat perubahan dari durasi kedipan mata. Metode yang diajukan adalah dengan mendeteksi kantuk didalam mata menggunakan mean sift algorithm. Metode baru kami mendeteksi kedipan mata melalui webcam standar dengan resolusi 640x480. Hasil pengujian dalam basis data kedipan menunjukkan sistem yang diajukan dapat mendeteksi durasi kedipan mata dengan tingkat keakuratan 99,4% dan 1% false positive rate.
Gambar 1.1 Flowchart Sistem Drowsy Detection On Eye Blink Duration
Pendekatan ini menganalisis gambar yang ditangkap kamera untuk mendeteksi perubahan fisik dari pengemudi, seperti pergerakan kelopak mata, menggunakan perangkat lunak MATLAB. Dengan menggunakan teknik pemrosesan citra untuk menghitung persentase kelopak mata terbuka diatas pupil setiap waktu. Sebagai tambahan, pendekatan ini memerlukan kamera untuk fokus dalam daerah yang kecil (sekitar mata pengemudi).
Maka dari itu, memerlukan kamera yang tepat untuk melakukan pengaturan fokus pada setiap pengemudi.
Untuk indikasi peringatan menggunakan dua pendekatan yaitu membunyikan alarm dan mencatat rekaman menggunakan graphical method.
Ada tiga keadaan untuk driver drowsiness seperti yang dapat dilihat pada tabel 1.2. Rata-rata durasi kedipan mata adalah 400mx dan 75ms minimum.
Tabel 1.2 Tabel Drowsiness Berdasarkan Durasi Kedipan Mata
Drowsiness Description
Awake Eye closure time < measured value
Drowsy Eye closure time > measured value
and Eye closure time < measured value
Sleeping Eye closure time > measured value
2. Driver Drowsiness Detection System Ditulis oleh:
Vikas Yadav, Deepa Makhija, Shruti Savant, Nilesh Dodani, Prof. Dhananjay K. Theckedath
Dari:
International Conference on Intuitive Systems & Solutions (ICISS) 2012. Proceedings published by International Journal of Computer Applications (IJCA)
Mengantuk dan kelelahan pengemudi dalam berkendara selama waktu yang lama adalah penyebab utama kecelakaan di jalan raya seluruh dunia. Statistik internasional menunjukkan bahwa terdapat jumlah yang kecelakaan lalu lintas yang besar yang disebabkan kelelahan pengemudi. Maka dari itu, sistem mendeteksi kelelahan pengemudi dan memperingatkan pengemudi dapat membantu mencegah banyak kecelakaan, dan juga menghemat uang dan pengeluaran pribadi. Penulis telah membuat rancangan sistem yang menggunakan video camera yang dapat menunjuk secara langsung ke wajah pengemudi untuk mendeteksi tingkat kelelahan. Jika kelelahan, maka akan diberikan sinyal peringatan untuk menyadarkan pengemudi.
Penulis bekerja dalam video files yang direkam oleh oleh kamera. File video ini dikonversikan ke dalam frames. Mata yang terletak di setiap frame, ditentukan tingkat energy dalam setiap frame untuk menentukan apakah matanya terbuka atau tidak. Kondisi tertentu disiapkan untuk nilai energy mata terbuka dan tertutup. Jika rata-rata nilai energy untuk 5 frame yang berurutan tidak memenuhi syarat mengemudi, maka sistem akan mengeluarkan warning. Algoritma telah diajukan, diimplementasikan, diuji, dan telah bekerja dengan memuaskan.
Gambar 1.2 Flowchart Driver Drowsiness Detection System Pertama-tama sistem mengambil file video dari muka driver. Setelah mengambil file video, file ini dikonversi menjadi beberapa frame. Skin color based algorithm dipakai untuk mendeteksi bagian wajah dari gambar. Karena mata berada di atas dari setengah bagian tersebut, maka setengah bagian lainnya dihilangkan untuk mempersempit daerah pencarian mata. Ini akan mengurangi banyaknya data dalam gambar. Nilai energi dari setiap frame dikalkulasi dan digunakan untuk membedakan antara mata terbuka dan tertutup.
Gambar 1.3 Proses Menemukan Daerah Mata
Pada gambar 1.3, dapat dilihat bagaimana proses menemukan daerah mata. Gambar yang semula berupa gambar RGB diubah menjadi gambar grayscale kemudian dithreshold lalu dilakukan Sobel Edge Filter.
Gambar 1.4 Perbandingan Gambar Mata Terbuka, Setengah Terbuka Dan Tertutup Penuh
Pada gambar 1.4, terdapat 3 kondisi mata yaitu dari kiri ke kanan: mata terbuka, setengah terbuka, dan tertutup penuh.
Semua kode ditulis menggunakan MATLAB. Ini adalah beberapa hasil tes yang didapatkan.
Gambar 1.5 Perbedaan Nilai Energi Untuk Setiap Kondisi Mata Pada gambar 1.5, dapat dilihat bahwa adanya perbedaan energi yang besar antara mata terbuka penuh, mata tertutup penuh, dan mata setengah tertutup. Mata terbuka penuh: 60000000 - 90000000
Mata tertutup : 9000000 – 14000000
Mata setengah tertutup: 30000000 – 580000000
Maka dari itu, jika dalam 5 frame yang berurutan, mata user dinyatakan tidak terbuka maka sistem akan menyatakan bahwa pengemudi sedang dalam keadaan mengantuk dan alarm akan diaktifkan.
3. Implementasi Stimulus Aromatik Pada Pengemudi Berdasarkan Deteksi Kantuk
Irwan Hedrian, Dr. Muhammad Rivai, St. Mt., Dr. Ir. Djoko Purwanto, M.Eng.
Dari:
Paper and Presentation of Electrical Engineering, RSE 006.42 Hed i , 2012
Perkembangan dan pemanfaatan teknologi merupakan tolak ukur terhadap kemajuan suatu bangsa secara umum. Teknologi tepat guna banyak diciptakan untuk membantu pekerjaan manusia sehari-hari terutama masalah-masalah yang sulit dikerjakan. Salah satu masalah tersebut adalah kecelakaan lalu lintas yang saat ini merupakan salah satu penyebab terbesar dalam peningkatan angka kematian disuatu daerah. Menurut Data Jasa Marga, berdasarkan catatan statistik penyebab kecelakaan lalu lintas mayoritas karena faktor kelalaian manusia, seperti kelelahan dan mengantuk. Namun rasa kantuk sering sekali diabaikan saat berkendara. Pada tugas akhir ini, penulis mencoba membuat sebuah sistem deteksi kantuk berdasarkan durasi kedipan mata. Sistem pendeteksi kantuk ini memanfaatkan kamera USB sebagai sensornya dan stimulus aroma sebagai peringatan untuk kantuk. Data kamera diproses dengan menggunakan CPU (Central Processing Unit) untuk mengolah dan mengeksekusi mata yang ditangkap. Durasi kedipan mata ditentukan berdasarkan lamanya mata menutup hingga terbuka kembali. Untuk meneteksi mata, metode yang igunakan adalah metode Viola-Jones. Berdasarkan pengujian didapatkan sistem ini mampu mengenali kantuk berdasarkan durasi kedipan mata. Flowchart sistem:
Gambar 1.6 Flowchart Sistem Implementasi Stimulus Aromatik Pada Pengemudi
Cara kerja sistem adalah sebagai berikut: - Start, saat sistem dijalankan
- Segmentasi, sistem memeriksa setiap frame image yang masuk untuk diperiksa dan dicari objek yang dimaksud.
- Sistem memeriksa apakah pada frame terdapat objek wajah. Bila tidak, program kembali ke segmentasi. Dan bila mendapat wajah program dilanjutkan ke step berikutnya. Aktifkan timer, bila program mendeteksi wajah maka timer akan aktif.
- Selanjutnya program akan memeriksa apakah pada frame terdapat objek mata. Bila mendapatkan wajah program akan menonaktifkan timer.
Durasi kedipan didapatkan dari waktu antara mata tak terdeteksi dengan mata terdeteksi kembali.
- Program memeriksa durasi kedipan:
o Jika urasi kedipan < 400ms, maka kondisi user normal
o Jika durasi kedipan antara 400-800ms, maka kondisi user mengantuk.
o Jika durasi kedipan > 800ms, maka kondisi user tertidur. Pengujian yang dilakukan adalah sebagai berikut:
- Pengujian pada komputer dengan kemampuan battery saving
Tabel 1.3 Tabel Hasil Pengujian Pada Komputer dengan Kemampuan Battery Saving Jarak (x) cm Jumlah Kedipan Mata Jumlah Kedipan yang Terdeteksi Hitung Durasi Keterangan
X=20 50 50 Bisa Wajah dan mata
terdeteksi dengan baik
X=30 50 47 Bisa Wajah dan mata
terdeteksi dengan baik
X=35 50 43 Bisa Wajah dan mata
terdeteksi dengan baik
X=40 50 Tidak
menentu
Tidak Karena mata tidak selalu terdeteksi
Tabel 1.4 Tabel Hasil Pengujian Pada Komputer dengan Kemampuan High Performance
Jarak (x) cm Jumlah Kedipan Mata Jumlah Kedipan yang Terdeteksi Hitung Durasi Keterangan
X=20 50 50 Bisa Wajah dan mata
terdeteksi dengan baik
X=30 50 47 Bisa Wajah dan mata
terdeteksi dengan baik
X=40 50 48 Bisa Wajah dan mata
terdeteksi dengan baik
X=50 50 45 Bisa Wajah dan mata
terdeteksi dengan baik
X>50 50 Tidak menentu
Tidak Karena mata tidak selalu terdeteksi
- Pengujian pada komputer dengan kemampuan high performance pada intensitas cahaya 3 lux
Tabel 1.5 Tabel Hasil Pengujian Pada Komputer dengan Kemampuan High Performance Pada Intensitas Cahaya 3 Lux
Jarak (x) cm Jumlah Kedipan Mata Jumlah Kedipan yang Terdeteksi Hitung Durasi Keterangan
X=20 50 Tidak menentu
Tidak Karena wajah tidak selalu terdeteksi
X=30 50 30 Bisa Wajah dan mata
terdeteksi dengan baik
X=40 50 45 Bisa Wajah dan mata
terdeteksi dengan baik X>40 50 Tidak
menentu
Tidak Karena mata tidak selalu terdeteksi
- Pengujian pada computer dengan kemampuan high performance pada intensitas cahaya 46,7 lux
Tabel 1.6 Tabel Hasil Pengujian Pada Komputer dengan Kemampuan High Performance Pada Intensitas Cahaya 46,7 Lux
Jarak (x) cm Jumlah Kedipan Mata Jumlah Kedipan yang Terdeteksi Hitung Durasi Keterangan
X=30 50 50 Bsa Wajah dan mata
terdeteksi dengan baik
X=40 50 50 Bisa Wajah dan mata
terdeteksi dengan baik
X=50 50 47 Bisa Wajah dan mata
terdeteksi dengan baik
X>60 50 Tidak menentu
Tidak Karena mata tidak selalu terdeteksi
Setelah melihat dari ketiga penelitian yang telah dilakukan sebelumnya, aplikasi Driver’s Fatigue Estimation And Drowsiness Detection System ini dirancang dengan menggabungkan beberapa cara untuk mendeteksi kantuk, dan pendeteksiannya dilakukan secara real-time seperti aplikasi/sistem lainnya. Selain itu, aplikasi Driver’s Fatigue Estimation And Drowsiness Detection System ini memiliki keunggulan dalam bidang hardware yang dipakai untuk merealisasikan aplikasi ini, yaitu menggunakan handphone/tablet berbasis sistem operasi android. Dengan demikian, aplikasi ini akan lebih mudah dan lebih realistis untuk digunakan di dalam kendaraan dan tidak memerlukan biaya yang mahal dibandingkan dengan aplikasi / sistem lainnya yang menggunakan microcontroller.
1.5 Metodologi
a. Metode Analisis
Metode analisis yang digunakan adalah studi kepustakaan, yaitu dengan membaca literatur seperti buku, jurnal, artikel yang berkaitan dengan drowsy driving, Image processing, eye detection, dan drowsiness detection.
b. Metode Perancangan
Model perancangan yang digunakan adalah model waterfall. Model ini melakukan pendekatan secara sistematis dan urut mulai dari level kebutuhan sistem lalu menuju analisis, desain, coding, testing (verification), dan maintenance. Disebut dengan waterfall karena tahap demi tahap yang dilalui harus menunggu selesainya tahap sebelumnya dan berjalan berurutan.
Langkah-langkah yang dilakukan adalah : i. Definisi kebutuhan
Kebutuhan dari aplikasi ini adalah kamera, dan lampu. Kamera untuk merekam pengemudi selama mengemudi. Hasil rekaman kamera inilah yang merupakan input yang akan dikirimkan ke dalam aplikasi. ii. Perancangan (Design)
Membangun atau membuat rancangan aplikasi seperti user interface, dan Prosedur kerja dari aplikasi ini. User interface harus dirancang dengan simple dan user friendly agar pengguna dapat mudah mempelajari dan menggunakan aplikasi ini.
iii. Pengkodean (Coding)
Pengkodean perangkat lunak dengan bahasa Java untuk Image Processing menggunakan library OpenCV.
iv. Pengujian (Testing)
Menkonstruksi dan menguji aplikasi yang telah dibuat. Kemudian dilanjutkan dengan melakukan testing.
v. Pemeliharaan (Maintenance)
Melakukan pemeliharaan pada aplikasi dengan cara mengupdate versi dengan fitur tambahan.
c. Metode Pengujian dan Evaluasi
Pengujian dilakukan dari device berupa Galaxy Tab 2 Samsung berukuran 7 inch. Pengujian ini dilakukan kepada 3 orang yang mengantuk, dan 3 orang yang tidak mengantuk sebanyak 20 kali masing-masing. Hasil dari pengujian ini akan berupa evaluasi untuk mendapatkan persentase akurasi sistem untuk mendeteksi kantuk sesuai dengan kondisi yang sebenarnya. Hasil penelitian ini juga dapat menjadi sebuah solusi untuk permasalahan yang ada saat ini.
1.6 Sistematika Penulisan
Skripsi ini dibagi menjadi lima bab dan masing-masing bab terbagi ke dalam beberapa subbab yang berhubungan erat. Berikut garis besar dari penyusunan skripsi ini :
1. BAB 1 : Pendahuluan
Bab ini berisi pembahasan latar belakang masalah, ruang lingkup masalah, tujuan dan manfaat penulisan, metodologi pengembangan yang digunakan dalam penulisan, dan sistematika penulisan skripsi.
2. BAB 2 : Landasan Teori
Bab ini menjelaskan mengenai teori-teori yang mendukung perancangan aplikasi deteksi kantuk pengemudi pada skripsi ini.
3. BAB 3 : Analisis dan Perancangan
Pada bab ini membahas tentang perancangan aplikasi, analisa, dan implementasinya.
4. BAB 4 : Implementasi dan Evaluasi
Bab ini membahas tentang hasil perancangan dari aplikasi Driver’s Fatigue’s Estimation and Drowsiness Detection System, serta akurasi data yang dikeluarkan terhadap kondisi pengemudi yang sebenarnya sebagai tolak ukur kegunaan aplikasi yang dirancang tersebut. 5. BAB 5 : Simpulan dan Saran
Bab ini berisi tentang kesimpulan dari hasil perancangan dan analisa serta saran-saran untuk pengembangan lebih lanjut.
