@thesis{thesis,
		author={SEPTIAN  YOSEF},
		title ={SISTEM PENDETEKSI KANTUK PADA PENGENDARA KENDARAAN BERMOTOR DENGAN DETEKSI MATA BERBASIS OPENCV MELALUI WHATSAPP},
		year={2021},
		url={http://eprints.pktj.ac.id/827/},
		abstract={Berdasarkan data yang dirilis Korlantas Polri jumlah kasus kecelakaan lalu
lintas sepanjang tahun 2018 adalah sebanyak 215.492 kasus, dengan jumlah
korban meninggal dunia sebanyak 50.416. Faktor utama penyebab kecelakaan lalu
lintas adalah human error, salah satunya ialah mengantuk. Fakta-fakta di atas
menunjukkan bahwa mengantuk merupakan salah satu penyebab utama
kecelakaan lalu lintas. Inovasi dengan bantuan perkembangan teknologi yang
terjadi saat ini sangat diperlukan.
Dengan bantuan pustaka Machine Learning dari Dlib. Dan dengan algoritma
terbaru untuk dapat mendeteksi objek secara real time yaitu Haar Casade.
Penelitian ini memiliki tujuan untuk membuat sistem pendeteksi kantuk yang
secara otomatis dapat terolah. Sistem ini akan mendeteksi pengendara kendaraan
dengan cara melihat gerak dari kelopak mata pengendara yang tertangkap dari
kamera dan jika sistem ini berhasil mendeteksi adanya mata tertutup maka sistem
akan langsung mengimkan suara dan memberikan pesan ke Whatsapp.
Pengujian sistem deteksi kantuk dengan menggunakan algoritma Dlib
dilakukan dengan tahapan penelitian menggunakan beberapa contoh data yang
sudah dilakukan peneliti, yaitu : Pengujian jarak kamera dengan pengandara 25
cm, Pengujian jarak kamera dengan pengandara 40 cm, Pengujian jarak kamera
dengan pengandara 55 cm.

Kata kunci : Keselamatan, Pendeteksi kantuk, Artificial Intelligence, OpenCV,
Dlib,Haar Casade, Pengembangan Alat}
		}