TRUNOJOYO-Tugas Akhir-23338-Abstract.pdf
Restricted to Repository staff only
Download (119kB)
TRUNOJOYO-Tugas Akhir-23338-Cover.pdf
Restricted to Repository staff only
Download (383kB)
TRUNOJOYO-Tugas Akhir-23338-Chapter1.pdf
Restricted to Repository staff only
Download (115kB)
TRUNOJOYO-Tugas Akhir-23338-Chapter2.pdf
Restricted to Repository staff only
Download (635kB)
TRUNOJOYO-Tugas Akhir-23338-Chapter3.pdf
Restricted to Repository staff only
Download (509kB)
TRUNOJOYO-Tugas Akhir-23338-Chapter4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-23338-Conclusion.pdf
Restricted to Repository staff only
Download (85kB)
TRUNOJOYO-Tugas Akhir-23338-References.pdf
Restricted to Repository staff only
Download (147kB)
TRUNOJOYO-Tugas Akhir-23338-Appendices.pdf
Restricted to Repository staff only
Download (349kB)
Abstract
Kecelakaan kerja pada dunia industri yang sebabkan oleh mesin sering terjadi. Salah satu faktor penyebabnya yaitu operator mesin saat bekerja dalam keadaan mengantuk, hal inilah sering terjadi kecelakan kerja pada operator mesin. Keadaan seperti inilah yang perlu diperhatikan saat bekerja menghadapi mesin sedang menyala, agar angka kecelakaan kerja pada mesin dapat dihindari. Berdasarkan permasalahan tersebut dibuat suatu sistem yang bekerja secara otomatis mengetahui operator mesin saat bekerja dalam keadaan mengantuk atau tidak yaitu dengan menggunakan webcam yang digunakan untuk mendeteksi wajah dengan menggunakan metode viola jones. Data yang didapat selanjutnya diproses untuk menentukan kondisi mata dalam keadaan tetutup atau terbuka, dan akan diklasifikasikan dengan menggunakan metode convolutional neural networks untuk menentukan kondisi mata sedang mengantuk atau tidak. Data yang sedang diproses nantinya menghasilkan output berupa sirine alarm ketika mendeteksi operator mesin saat sedang mengantuk. Dari penelitian ini pada pengujian deteksi mata dan wajah hasil analisa jarak optimal yang dapat terdeteksi oleh sistem adalah 100 – 250 cm. Untuk pendeteksian sudut dari hasil analisa yang optimal 0 derajat hingga 45 derajat. Pada pengujian keseluruhan sistem di dapatkan hasil presentase keberhasilan sebesar 88 dan persentase kegagalan sebesar 12 %. Waktu rata-rata pendeteksian sebesar 0,85 detik dari 50 pengujian deteksi keseluruhan.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM M. ALI MANSYUR |
| Department | Teknik Elektro |
| Uncontrolled Keywords | Kecelakaan Kerja; Deteksi Kantuk Mata; Viola Jones; Convolutional Neural Network |
| Divisions | Fakultas Teknik > S1 - Teknik Elektro |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 19 Oct 2026 12:17 |
| Last Modified | 24 Oct 2026 16:47 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/4070 |
