Deep Learning Untuk Mendeteksi Kelelahan Pekerja

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%.