Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science (JOINTECS) JUKI : Jurnal Komputer dan Informatika
Mushaf Mushaf
Universitas Dipa Makassar
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Mata di Video Smartphone Menggunakan Mediapipe Python Muhammad Furqan Rasyid; Muhammad Syukri Mustafa; Andi Asvin Mahersatillah Suradi; Muhammad Rizal; Mushaf Mushaf; Arham Arifin
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 2 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i2.4562

Abstract

Teknologi deteksi mata digunakan untuk mengenali dan menganalisis fitur-fitur unik pada mata seseorang sebagai cara untuk mengidentifikasi atau mengautentikasi identitas seseorang. Teknologi ini dapat digunakan dalam berbagai aplikasi, seperti pengenalan pola, sistem biometrik, sistem pengawasan, dan lainnya. Kebanyakan aplikasi memerlukan ketepatan dalam mendeteksi mata, sehingga diperlukan metode deteksi mata yang cepat dan andal. Dalam penelitian ini, diajukan metode deteksi mata yang menggunakan library Python OpenCV dan MediaPipe, yang menawarkan akurasi yang lebih baik dibandingkan solusi yang sudah ada. Kedua pustaka tersebut diimplementasikan dalam bahasa pemrograman Python, yang populer di kalangan pengembang perangkat lunak karena kemampuan pemrograman berorientasi objek, kemampuan untuk memanipulasi dan memproses data dengan mudah, serta pustaka dan modul yang tersedia dalam berbagai bidang seperti kecerdasan buatan. Pengujian sistem dilakukan dengan menggunakan video yang diambil menggunakan telepon pintar. Meskipun video diambil dalam kondisi kurang optimal, yaitu dengan pencahayaan yang tidak sempurna, pengujian dilakukan pada 56 video yang memiliki kualitas cukup baik dengan durasi sekitar 5-10 detik. Hasil yang diperoleh menunjukkan tingkat akurasi yang mencapai 100%. Selain itu, sistem yang dibuat mampu membedakan antara kondisi mata terbuka dan tertutup, yang akan memudahkan penelitian selanjutnya dalam mendeteksi kedipan mata. Kesimpulan yang dapat diambil adalah model yang telah dibuat mampu mendeteksi mata dengan tingkat akurasi yang sangat tinggi
Sistem Deteksi Kantuk Pengemudi Mobil Berdasarkan Analisis Rasio Mata Menggunakan Computer Vision Andi Asvin Mahersatillah Suradi; Samsu Alam; Mushaf Mushaf; Muhammad Furqan Rasyid; Imran Djafar
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 2 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Nopember 2023
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v5i2.269

Abstract

Driver drowsiness is one of the main causes of motor vehicle accidents. According to National Sleep Foundation records, about 32% of drivers have at least one drowsy driving experience per month. About 25% of traffic accidents are caused by drowsiness while driving each year. The purpose of this study is to design a system that can detect driver sleepiness based on the aspect ratio of the eye with certain parameters using a webcam placed in the car's speedometer area. The methods used are Histogram Oriented Gradients (HOG) and Linear SVM which are in the dlib library which includes machine learning algorithms and uses real time applications. A pre-trained facial landmark detector from the dlib library is used to predict the location of the 68 x-y coordinates that map the facial landmarks to the face zones. The results of this study indicate that the system can be used in real time to detect driver drowsiness with the camera position in the speedometer area at a distance of 50 cm with an average accuracy of 90.4%.
Co-Authors Andi Asvin Mahersatillah Suradi Arham Arifin Imran Djafar Muhammad Furqan Rasyid Muhammad Rizal Muhammad Syukri Mustafa Samsu Alam