Penerapan Metode Viola-Jones, Facenet, dan Dlib dalam Sistem Deteksi Kantuk dan Klasifikasi Siswa Saat Belajar di Kelas = Application of Viola-Jones, Facenet, and Dlib Algorithms in a System for Drowsiness Detection and Classification of Students While Studying in Class

Kantuk saat belajar di kelas merupakan masalah yang umum terjadi di kalangan siswa. Hal ini dapat mengurangi konsentrasi dan mempengaruhi pemahaman materi pelajaran.Tujuan penelitian ini adalah membangun sistem deteksi kantuk pada siswa saat belajar di kelas dengan menggunakan metode Viola-Jones, FaceNet, dan Dlib. Sistem ini memanfaatkan metode Viola-Jones untuk deteksi wajah secara real time, FaceNet untuk pengenalan wajah sehingga setiap siswa dapat diidentifikasi secara unik, dan Dlib untuk mendeteksi estimasi pose kepala serta menghitung rasio mata (Eye Aspect Ratio) dan rasio mulut (Mouth Aspect Ratio). Eye Aspect Ratio digunakan untuk mendeteksi kondisi mata tertutup dan dan Mouth Aspect Ratio untuk mendeteksi aktivitas menguap. Pada penelitian ini, penerapan metode Viola-Jones, FaceNet, dan Dlib dilakukan melalui beberapa tahapan yaitu input data, preprocessing data, deteksi wajah menggunakan metode Viola-Jones, normalisasi citra, rekognisi wajah menggunakan metode FaceNet, melakukan perhitungan Region Eye dan Mouth Rasio menggunakan metode Dlib, serta klasifikasi siswa kantuk. Ambang batas EAR ditetapkan sebesar 0,20 dan MAR sebesar 15. Hasil pengujian deteksi wajah diperoleh akurasi sebesar 83%. Hasil pengujian pengenalan wajah diperoleh akurasi sebesar 92,8%. Untuk pendeteksian kantuk, hasil akurasi yang diperoleh adalah sebesar 99,6%.

Keywords : Dlib, Facenet, Kantuk, Machine Learning, Viola-Jones