SISTEM DETEKSI EMOSI PENGGUNA JALAN RAYA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR DETECTRON2 DAN YOLO 11
Armaidi
Primary Author
mixed material
bibliography
Banda Aceh
Fakultas Teknik S2
2025
Keselamatan berkendara di Provinsi Aceh semakin menjadi perhatian seiring meningkatnya jumlah kendaraan dan kompleksitas lalu lintas. Salah satu faktor yang memengaruhi keselamatan adalah emosi pengemudi, yang dapat berdampak pada perilaku dan pengambilan keputusan saat berkendara. Penelitian ini mengembangkan sistem deteksi emosi pengemudi berbasis Convolutional Neural Network (CNN) dengan arsitektur Detectron2 dan YOLOv11. Fokus dari penelitian ini adalah membangun model deteksi untuk mendeteksi ekspresi (datar, senang, dan sedih) dari pengguna jalan, Sistem ini bermanfaat untuk meningkatkan keselamatan berkendara dengan mendeteksi emosi seperti datar, senang, dan sedih yang dapat memengaruhi perilaku pengemudi sepeda motor. Data yang digunakan merupakan kumpulan gambar pengemudi motor yang berkendara di jalan lalu lintas, sebanyak 850 gambar, yang terbagi menjadi 3 label ekspresi di antaranya; 248 gambar untuk label datar, 257 gambar untuk label senang, 228 untuk label sedih, dan 117 gambar untuk multi label. Hasil penelitian menunjukkan bahwa model YOLOv11 dengan learning rate 0,0001 memberikan performa terbaik dengan mAP50 sebesar 0,57 dan mAP50-95 sebesar 0,46. Model ini mampu mendeteksi ekspresi wajah (datar, senang, sedih) dengan akurasi yang seimbang pada seluruh kelas.
0
ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala
161773
2025-07-15 16:04:58
2025-07-15 20:04:44
machine generated