RANCANG BANGUN SISTEM DETEKSI KANTUK PENGEMUDI PADA KENDARAAN BERBASIS RASPBERRY PI DENGAN ALARM DAN NOTIFIKASI
DOI:
https://doi.org/10.62671/suliwa.v3i1.128Keywords:
Raspberry Pi, eye aspect ratio, mouth aspect ratio, OpenCV, TelegramAbstract
Drowsiness-related traffic accidents are one of the leading causes of road fatalities. Drowsiness reduces concentration and slows a driver’s reaction time to road conditions. This research aims to design and implement a drowsiness detection system based on the Raspberry Pi 4 Model B+, capable of providing early warnings through an audible alarm and sending notifications to an administrator via email. The system employs a web camera to capture real-time facial images of the driver, which are then processed using the Eye Aspect Ratio (EAR) method with the OpenCV and Dlib libraries. If the EAR value falls below a predefined threshold for a certain duration, the system triggers a speaker alarm and sends notifications to the administrator.
The system was tested under various lighting and distance conditions to evaluate its accuracy. The results show that the system can detect drowsy eye conditions with an accuracy good. This system is expected to serve as a preventive solution to reduce the risk of accidents caused by drowsiness, particularly for both private and commercial vehicle drivers.
References
Adangbain, J. K., & Bata, E. S. (2021). Pemanfaatan Bot Telegram Sebagai Media Informasi Dan Layanan Akademik Dengan Metode Webhook. Seminar Nasional & Konferensi Ilmiah Sistem Informasi, Informatika & Komunikasi, SE, 106–112
Akil, I. (2023). FACE DETECTION PADA GAMBAR DENGAN MENGGUNAKAN OPENCV HAAR CASCADE. INTI Nusa Mandiri, 17(2), 48–54. https://doi.org/10.33480/inti.v17i2.4000
Apsil, E., Marwanto, A., & Gazali, M. (2023). Hubungan Kelelahan Kerja dengan Resiko Kecelakaan pada Supir Truk Angkutan Batu Bara. Journal of Nursing and Public Health, 11(2), 547-553. https://doi.org/10.37676/jnph.v11i2.5221
Hidayat, A., Sudarmaji, & Irawan, D. (2023). Perancangan Mail Server pada PT. Metrodotcom Lampung dengan Menggunakan Axigen Mail Server. Jurnal Mahasiswa Ilmu Komputer (JMIK), 4(1), 59-68. https://scholar.ummetro.ac.id/index.php/IlmuKomputer/article/download/3442/1627/
Naufal, M., & Subali, M. (2021). Implementasi Algoritma HSV untuk Aksesibilitas bagi Pengguna Buta Warna Menggunakan Library Python. Jurnal Sentik. https://ejournal.jak-stik.ac.id/index.php/sentik/article/view/3729/858
Nggiku, C. K. (2022). Deteksi Kantuk Pada Pengemudi Mobil Menggunakan Eye Aspect Ratio Dengan Metode Facial Landmark. SinarFe7, 5(1), 72-78.
Prakoso, K. S., & Prasetio, B. H. (2025). Implementasi Speech Recognition berbasis Raspberry Pi 5 pada Ekosistem Smart-Home menggunakan Algoritma Gated Recurrent Unit (GRU). Jurnal PTIIK, 9(3), 651-695. http://j-ptiik.ub.ac.id
Sejati, R. H. P., & Mardhiyyah, R. (2021). Deteksi Wajah Berbasis Facial Landmark Menggunakan OpenCV dan Dlib. Jurnal Teknologi Informasi, 5(2), 144-148. https://doi.org/
Subekti, M. R. A. S. (2024). Klasifikasi Wajah Kantuk Menggunakan Parameter Wajah Dengan Algoritma Long Short Term Memory (Doctoral dissertation, Universitas Pembangunan Nasional Veteran Jawa Timur).
Subekti, M. R. A., Rahajoe, A. D., & Mandyartha, E. P. (2024). Klasifikasi wajah kantuk menggunakan parameter wajah dengan algoritma Long Short Term Memory. Jurnal Informatika dan Sistem Informasi (JIFoSI), 5(2).
