Rasa kantuk pengemudi merupakan salah satu penyebab utama kecelakaan
lalu lintas yang mengakibatkan cedera fisik yang parah, kerugian ekonomi,
bahkan kematian. Untuk menekan persentase kecelakaan lalu lintas tersebut
dibutuhkan sistem yang dapat mendeteksi kantuk. Sistem pendeteksi kantuk telah
banyak dirancang oleh beberapa peneliti dengan metode yang bermacam-macam.
Terdapat peneliti yang mendeteksi kantuk dengan memakaikan alat pada
pengemudi seperti kacamata. Akan tetapi, hal tersebut sering diabaikan oleh
pengemudi karena tidak praktis dan bahkan dapat mengganggu kenyamanan
pengemudi dalam menyetir.
Tugas Akhir ini merancang sistem deteksi ekspresi kantuk menggunakan
metode Histogram of Oriented Gradient (HOG) dan klasifikasi Support Vector
Machine (SVM). Sistem deteksi ekspresi kantuk yang dirancang ini
memanfaatkan pemrosesan citra digital. Sistem mendeteksi wajah sampel objek
pada tiap frame video dengan algoritma Viola-Jones. Setelah wajah terdeteksi,
dilakukan ekstraksi ciri menggunakan metode HOG untuk mendapatkan ciri citra
wajah. Berdasarkan nilai ciri tersebut, SVM akan menentukan citra wajah ke
dalam tiga kelas sebagai representasi ekspresi normal, lelah, atau mengantuk.
Sistem yang dirancang ini menggunakan skema block size dan cell size,
coding design multi-class SVM, dan bins number untuk proses pengujian. Proses
pengujian tersebut menggunakan 45 video yang merupakan video dari 15
individu pada keadaan normal, lelah, dan mengantuk. Sedangkan data latih yang
digunakan sebanyak 5314 citra yang merupakan hasil frame capture dari video
15 individu pada tiap tiga kelas tersebut. Dari skema pengujian yang telah
dilakukan, performansi sistem optimum didapatkan pada konfigurasi block size
2×2, cell size 6×6, bins number 9, menggunakan coding design multiclass SVM
jenis one-against-one (OAO). Nilai akurasi sistem yang didapatkan pada skema
tersebut mencapai lebih dari 87% dengan waktu komputasi per-frame selama 1,108
detik.