Judul Artikel Jurnal Pertama
Deteksi Kelelahan Pengemudi Menggunakan YOLOv11 dan CNN Berbasis Facial Landmark
Penelitian ini mengembangkan sistem deteksi kelelahan pengemudi secara waktu nyata menggunakan YOLOv11 untuk mendeteksi wajah dan mata serta CNN untuk mengklasifikasikan kondisi mengantuk berdasarkan 68 titik penanda wajah (facial landmarks). Penelitian menggunakan 2.200 citra wajah yang diproses melalui normalisasi, augmentasi data, dan ekstraksi fitur menggunakan pustaka dlib. Hasil pengujian menunjukkan model YOLOv11 mencapai precision 92,9%, recall 93,1%, dan mAP50 97,4%, sedangkan model CNN memperoleh akurasi 75,65% dan skor F1 74,55%. Sistem ini berpotensi membantu mendeteksi kelelahan pengemudi dan memberikan peringatan dini untuk meningkatkan keselamatan berkendara.