Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Rekayasa dan Teknologi (TAU SNAR- TEK)
Maulana Fany Kurnia Pratama
Universitas Islam Syekh-Yusuf
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deep Learning Untuk Mendeteksi Kelelahan Pekerja Dadang Sujana; Sutresna Juhara; Monita Rahayu; Mahmudin Mahmudin; Maulana Fany Kurnia Pratama
Prosiding TAU SNARS-TEK Seminar Nasional Rekayasa dan Teknologi Vol. 2 No. 1 (2023): Prosiding TAU SNARS-TEK Seminar Nasional Rekayasa dan Teknologi 2023
Publisher : Fakultas Teknik dan Teknologi - TANRI ABENG UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/snarstek.v2i1.496

Abstract

Salah satu komponen penyebab kecelakaan kerja adalah human error. Kecelakaan kerja dapat terjadi ketika pekerja mengalami kelelahan baik secara fisik maupun mental. Indikator kelelahan yang digunakan pada penelitian ini adalah rasa kantuk. Mengantuk saat melakukan pekerjaan dapat menyebabkan menurunnya konsentrasi dalam bekerja yang tentunya akan berpengaruh peda produktivitas kerja dan dapat berakibat menimbulkan kecelakaan kerja. Tujuan penelitian ini adalah meminimalisir kecelakan yang terjadi pada lingkungan kerja terutama yang disebabkan oleh rasa kantuk sehingga bisa mencapai zero accident dengan melibatkan perkembangan teknologi. Metode yang digunakan adalah membuat rancangan sistem dengan bahasa phyton, algoritma CNN dan implementasi sistem menggunakan Raspberry Pi yang bisa mendeteksi mata bagi para pekerja atau karyawan untuk mengetahui rasa kantuk yang dapat dilihat dari seberapa sering menutup mata yang terdeteksi oleh kamera kemudian sistem akan bekerja dan mengirimkan sinyal alarm sebagai pengingat bagi pekerja untuk tetap fokus dalam bekerja sehingga tidak menghambat kelancaran produksi. Hasilnya adalah alat pendeteksi kelelahan (kantuk) dengan tahap scan wajah baik secara langsung menggunakan kamera maupun menggunakan foto, shape predictor, eye landmark yang sudah diuji coba menggunakan 15 sampel pekerja dengan tingkat akurasi alat sebesar 93%.
Co-Authors Dadang Sujana Mahmudin Mahmudin Rahayu, Monita Sutresna Juhara