IMPLEMENTASI ALGORITMA FACE MESH UNTUK DETEKSI KANTUK PADA PENGENDARA MOBIL

Kecelakaan lalu lintas akibat kantuk saat berkendara masih menjadi permasalahan serius dalam keselamatan transportasi di Indonesia, sehingga diperlukan sistem deteksi kantuk yang mampu bekerja secara real-time. Penelitian ini bertujuan menganalisis performa algoritma Face Mesh dalam mendeteksi kantuk pengendara mobil berbasis parameter Eye Aspect Ratio (EAR) dan Mouth Aspect Ratio (MAR), mengukur pengaruh variasi jarak pengambilan citra dan kondisi pencahayaan terhadap akurasi sistem, serta mengevaluasi stabilitas performa Face Mesh tanpa penambahan model deep learning. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan library utama OpenCV dan MediaPipe, serta memanfaatkan kamera smartphone sebagai perangkat akuisisi citra. Deteksi kantuk dilakukan dengan menetapkan nilai ambang EAR ≤ 50 sebagai indikator mata terpejam dan MAR ≥ 60 sebagai indikator aktivitas menguap. Pengujian dilakukan berdasarkan variasi jarak, kondisi pencahayaan, dan evaluasi per frame menggunakan ground truth manual sebagai baseline awal. Hasil pengujian terhadap 325 frame menghasilkan akurasi sebesar 89,85%, precision 81,57%, recall 54,38%, dan F1-score 65,32%. Sistem menunjukkan performa optimal pada jarak 40–60 cm serta kondisi pencahayaan pagi, siang, dan sore, namun tidak mampu mendeteksi landmark wajah pada kondisi pencahayaan rendah. Hasil penelitian ini menunjukkan bahwa algoritma Face Mesh memiliki potensi sebagai sistem deteksi kantuk berbasis landmark wajah yang ringan dan real-time, dengan keterbatasan pada sensitivitas deteksi dan ketergantungan terhadap kondisi lingkungan.

Kata Kunci : Deteksi Kantuk, EAR, Face Mesh, MAR, Pengolahan Citra