ANALISIS PENYEBAB KECELAKAAN KENDARAAN BERDASARKAN DETEKSI KANTUK DAN DISTRAKSI PENGEMUDI MENGGUNAKAN YOLO

Kecelakaan lalu lintas masih menjadi salah satu penyebab utama tingginya angka fatalitas di jalan raya. Salah satu faktor pemicunya adalah kondisi pengemudi yang mengalami kantuk dan distraksi, sehingga diperlukan sistem pemantauan berbasis visual yang mampu mendeteksi kondisi tersebut secara akurat dan waktu nyata. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi kondisi pengemudi berbasis visual yang mampu mengidentifikasi tanda kantuk dan distraksi dengan tingkat ketelitian tinggi. Metode yang digunakan adalah pendekatan deep learning dengan memanfaatkan model YOLOv8n. Model dilatih menggunakan citra beranotasi untuk mendeteksi empat objek, yaitu mata kanan tertutup, mata kiri tertutup, aktivitas menguap, dan penggunaan ponsel. Objek tersebut kemudian dipetakan menjadi dua kondisi utama, yaitu mengantuk dan distraksi. Proses inferensi dijalankan pada perangkat Raspberry Pi 5, sedangkan hasil klasifikasi hanya dikirim apabila deteksi berlangsung secara konsisten selama minimal dua detik. Hasil evaluasi model pada data validasi menunjukkan performa yang baik dengan nilai precision sebesar 93,50%, recall 91,20%, mAP@0.5 sebesar 96,90%, dan mAP@0.5–0.95 sebesar 74,30%. Evaluasi lanjutan melalui confusion matrix juga mendukung temuan tersebut. Berdasarkan hasil tersebut, sistem deteksi berbasis YOLOv8n terbukti efektif dalam mengidentifikasi kondisi kantuk dan distraksi pengemudi secara waktu nyata. Temuan ini mengindikasikan bahwa pendekatan berbasis visual memiliki potensi besar untuk diterapkan sebagai sistem peringatan dini dalam upaya meningkatkan keselamatan berkendara.

Kata Kunci: YOLOv8, Raspberry Pi, Deteksi Kantuk, Distraksi Pengemudi, Sistem Keselamatan, Analisis Kecelakaan.