Telkom University – Sebanyak 15% kecelakaan lalu lintas di jalan raya disebabkan oleh pengemudi yang mengantuk. Kondisi ini sering kali luput dari perhatian, padahal dapat meningkatkan risiko kecelakaan fatal akibat hilangnya fokus hingga kehilangan kesadaran sesaat (microsleep). Oleh karena itu, dibutuhkan sistem peringatan dini yang mampu memantau kondisi pengemudi secara real-time untuk mencegah terjadinya kecelakaan.
Kebutuhan tersebut menjadi latar belakang riset inovatif yang dilakukan oleh tim dosen Fakultas Informatika Telkom University (FIF Tel-U) yang dipimpin oleh Muhamad Irsan, S.T., M.Kom., Ph.D. Melalui pendanaan dari Direktorat Riset, Teknologi, dan Pengabdian kepada Masyarakat (DRTPM), tim mengembangkan sistem deteksi pengemudi mengantuk berbasis Deep Learning dan Internet of Things (IoT).
Rangkaian Inovasi Teknologi
Riset ini merupakan pengembangan dari disertasi Dr. Irsan yang sebelumnya telah menghasilkan tiga perangkat utama, yaitu:
- Kotak Cerdas (Smart Box)
Terinspirasi dari konsep black box pada pesawat terbang, alat ini dipasang di dalam kendaraan untuk memantau kondisi seperti kemiringan kendaraan, kecepatan, dan deteksi posisi terbalik—indikator potensial dari kecelakaan. - Wearable Pemantau Detak Jantung
Berupa perangkat seperti jam tangan, alat ini digunakan untuk memantau detak jantung pengemudi sebagai salah satu indikator kelelahan atau kantuk. - Kamera Deteksi Wajah
Kamera ini ditempatkan di dashboard untuk memantau ekspresi wajah pengemudi dan mendeteksi tanda-tanda kantuk, seperti frekuensi kedipan dan arah pandangan.
Dalam pengembangan lanjutan melalui dana DRTPM, riset difokuskan pada dua prototipe utama, yakni kotak cerdas dan kamera pendeteksi wajah. Tujuannya adalah membangun sistem yang lebih komprehensif dengan menggabungkan deteksi kelelahan dan pelacakan lokasi kecelakaan secara otomatis berbasis IoT.
Teknologi Deep Learning dan IoT dalam Deteksi Kantuk
Pengembangan sistem ini menggunakan pendekatan Convolutional Neural Network (CNN) untuk menganalisis ekspresi wajah pengemudi. Proses ini mencakup:
- Deteksi fitur wajah (mata, mulut, dan posisi kepala)
- Perhitungan rasio aspek mata (EAR) untuk mendeteksi kedipan yang lambat atau berkepanjangan
- Deteksi rasio mulut dan arah kepala sebagai indikator tambahan kelelahan
Semua data visual diproses oleh perangkat Raspberry Pi yang terintegrasi dengan kamera. Selain itu, sistem juga menggabungkan modul GPS untuk pelacakan lokasi kendaraan secara real-time. Jika sistem mendeteksi tanda mengantuk atau kecelakaan, informasi akan dikirimkan otomatis ke nomor telepon yang telah terdaftar.
Integrasi dan Pengujian Sistem
Tahap integrasi sistem melibatkan penggabungan antara model deteksi kantuk dan sistem pelacakan lokasi secara otomatis. Pengujian dilakukan berdasarkan tingkat akurasi deteksi wajah pengemudi, jarak optimal antara perangkat dan pengemudi, serta kecepatan sistem dalam mengirimkan informasi kecelakaan ke pihak terkait.
Untuk meningkatkan Tingkat Kesiapterapan Teknologi (TKT), tim juga mengajukan prototipe untuk diuji dan disertifikasi di Balai Besar Bahan dan Barang Teknik (B4T) Kementerian Perindustrian. Prototipe yang dikembangkan telah menunjukkan akurasi tinggi dalam mendeteksi kondisi mengantuk dan mampu memberikan peringatan dini secara efektif.
Selain itu, sistem ini dirancang agar mudah dipasang dalam kendaraan dan memiliki kemampuan integrasi yang fleksibel, menjadikannya solusi yang praktis dan efisien. Tim periset juga telah menjajaki kerja sama dengan instansi pemerintah seperti Dinas Perhubungan guna mendorong implementasi prototipe pada kendaraan umum.
Riset ini turut menghasilkan dua publikasi ilmiah pada jurnal internasional bereputasi Q1 dan Q2, serta telah dipresentasikan dalam prosiding konferensi internasional.
Penulis: Elinda | Editor: Adrian Wiranata | Foto: Public Relations