Deteksi Kelelahan Untuk Pekerja Kantor Berdasarkan Kedipan Mata

Authors

  • Adnan Arif Nahampun Politeknik Caltex Riau
  • Dadang Syarif Sihabudin Politeknik Caltex Riau
  • Anggi Trisnadoli Politeknik Caltex Riau

Abstract

Teknologi saat ini sudah berkembang pesat, pada dasarnya teknologi digunakan untuk mempermudah pekerjaan manusia. Salah satu bentuk penerapan teknologi yaitu alat untuk mendeteksi lelah. Lelah dapat terjadi dilingkungan kerja. Pemakaian waktu kerja atau kelebihan beban kerja akan menimbulkan kelelahan kerja. Salah satu contoh lingkungan terjadi kelelahan kerja adalah lingkungan kantor, banyak sekali pegawai kantor mengalami kelelahan bekerja saat bekerja. Kelelahan bekerja pada pegawai kantor dideteksi dengan menggunakan aplikasi dekstop dengan alat bantuan camera. Aplikasi ini menggunakan methode Viola-Jones dalam mendeteksi wajah dan mata pekerja kantor. Metode Viola-Jones dikenal memiliki kecepatan dan keakuratan tinggi dalam mendeteksi objek. Citra wajah user diambil menggunakan camera dan sistem akan mendeteksi wajah, mata, dan durasi kedipan mata. Sistem ini memberikan notifikasi terhadap user apabila kondisi sistem sudah tercapai yaitu jika durasi kedipan mata berkisar antar 400 ms dan 800 ms dan total kedipan dari user lebih dari 20 permenit. Kemampuan kamera mempengaruhi jarak dalam pendeteksian wajah dan mata user, dan posisi wajah lurus terhadap kamera menghasilkan pendeteksian yang maksimal ketika sistem mendeteksi wajah dan mata dari user. Penelitian ini dapat mendeteksi lelah dan mengingatkan user serta menghindari kelelahan kerja berdasarkan kedipan mata dan memberikan notifikasi terhadap pekerja kantor dengan keakuratan 70%. 

Author Biographies

Adnan Arif Nahampun, Politeknik Caltex Riau

Teknik Informatika

Dadang Syarif Sihabudin, Politeknik Caltex Riau

Sistem Infromasi

Anggi Trisnadoli, Politeknik Caltex Riau

Sistem Informasi

References

Z. Arief, D. Purwanto, and D. Pramadihanto, “Deteksi Tingkat Kelelahan berbasis Fuzzy Menggunakan Pola Gerakan Mata Saccadic dan Fixation,” 2005.

P. Sihotang, K. Usman, and L. V. Yovita, “DETEKSI KONDISI KELELAHAN PENGEMUDI MOBIL BERBASIS KONDISI MATA DENGAN MENGGUNAKAN PENGOLAHAN VIDEO DIGITAL,” 2009.

E. P. Poli, A. S. . Lumenta, B. A. Sugiarso, and J. O. Wuwung, “Deteksi Rasa Kantuk pada Pengendara Kendaraan Bermotor Berbasis Pengolahan Citra Digital,” pp. 1–6, 2013.

F. Falah, “IDENTIFIKASI POLA GERAKAN MATA UNTUK DETEKSI KELELAHAN FISIK MENGGUNAKAN ALGORITMA BACKPROPAGATION.”

W. Riyadina, “Profil Penduduk Lanjut Usia di Indonesia,” 2000.

J. L. Andreassi, Human Behavior and Physiological Response. 2006, p. 375.

P. P. Caffier, U. Erdmann, and P. Ullsperger, “The spontaneous eye-blink as sleepiness indicator in patients with obstructive sleep apnoea syndrome-a pilot study,” Sleep Med., vol. 6, no. 2, pp. 155–162, 2005.

M. A. Bahtiar, Sistem Augmented Reality untuk Animasi Games Menggunakan Camera pada PC. 2011.

B. Senjaya, J. P. Hakim, and A. A. S. Gunawan, “Perancangan Program Aplikasi Pendeteksian Bagian Tubuh dengan Metode Viola Jones,” 2012

Published

2017-01-13

Issue

Section

Artikel