Sistem Deteksi Inovatif: Meningkatkan Keselamatan Jalan dengan Teknologi Informasi

Sistem Deteksi Inovatif: Meningkatkan Keselamatan Jalan dengan Teknologi Informasi

Di era digital ini, teknologi memiliki peran besar dalam meningkatkan keselamatan dan kesehatan masyarakat. Salah satu inovasi terbaru yang menarik perhatian adalah sistem deteksi mata mengantuk dan masker untuk pengemudi yang dikembangkan oleh Rizqi Putri Nourma Budiarti, Bagoes Wahyu Nugroho, Nisa Ayunda, dan Sritrusta Sukaridhoto. 

Artikel ini diterbitkan dalam Register: Jurnal Ilmiah Teknologi Sistem Informasi volume 9, isu 1, tahun 2023. Dalam artikel tersebut, penulis mengangkat dua isu penting: peningkatan kecelakaan lalu lintas akibat kelelahan pengemudi dan pencegahan penyebaran COVID-19 melalui penggunaan masker.

Data yang disajikan sangat relevan dengan kondisi saat ini. Sebagai contoh, pada tahun 2016, WHO melaporkan bahwa sekitar 3.400 orang meninggal setiap hari akibat kecelakaan lalu lintas. Di Indonesia sendiri, angka kecelakaan mencapai rata-rata 80 kematian per hari pada tahun 2015. Selain itu, pandemi COVID-19 yang dimulai pada akhir 2019 mengharuskan semua orang untuk mematuhi protokol kesehatan, salah satunya adalah penggunaan masker.

Dalam konteks ini, sistem deteksi yang dikembangkan menggunakan teknologi MobileNetV2 untuk deteksi masker dan algoritma HOG-SVM untuk deteksi mata mengantuk menjadi sangat relevan. Sistem ini bertujuan untuk mengurangi angka kecelakaan yang disebabkan oleh kelelahan pengemudi dan meningkatkan kepatuhan terhadap protokol kesehatan di jalan raya. Sistem ini memberikan akurasi deteksi yang cukup tinggi, yaitu 80% untuk masker dan 75% untuk deteksi mata mengantuk. Dengan angka-angka ini, jelas bahwa teknologi dapat menjadi alat penting dalam menjaga keselamatan pengemudi dan mencegah penyebaran virus.

Inovasi teknologi yang dikembangkan oleh Rizqi Putri Nourma Budiarti dan timnya menawarkan solusi nyata untuk dua tantangan besar dalam dunia transportasi: keselamatan pengemudi dan kesehatan publik. Sistem deteksi ini menggabungkan MobileNetV2 untuk deteksi masker dan algoritma HOG-SVM untuk mendeteksi mata mengantuk, yang keduanya sangat penting dalam konteks pandemi COVID-19 dan tingginya angka kecelakaan lalu lintas akibat kelelahan pengemudi.

Menurut data, sistem ini berhasil mencapai tingkat akurasi 80% dalam mendeteksi penggunaan masker dan 75% dalam mendeteksi mata mengantuk. Ini adalah pencapaian yang signifikan, mengingat kompleksitas tantangan yang dihadapi dalam mendeteksi kondisi pengemudi secara real-time. Dengan kemampuan ini, sistem tertanam yang dikembangkan oleh tim peneliti memiliki potensi besar untuk diaplikasikan dalam skala luas, terutama di sektor transportasi umum dan kendaraan pribadi.

Sistem ini tidak hanya penting dalam konteks teknis, tetapi juga dalam hal dampak sosial dan ekonomi. Di satu sisi, dengan meningkatkan keselamatan jalan, teknologi ini dapat mengurangi angka kecelakaan lalu lintas yang mencapai 3.400 kematian per hari secara global, menurut WHO. Di sisi lain, dengan memastikan penggunaan masker yang tepat, teknologi ini dapat berkontribusi dalam mencegah penyebaran COVID-19, yang hingga saat ini masih menjadi ancaman bagi kesehatan global.

Penggunaan perangkat tertanam seperti NVIDIA Jetson Nano juga menunjukkan bahwa teknologi ini dapat diimplementasikan dalam perangkat keras yang efisien dan relatif terjangkau. Hal ini membuka peluang bagi adopsi teknologi ini dalam berbagai konteks, termasuk dalam kendaraan pribadi dan layanan transportasi seperti taksi dan ride-sharing. Dengan demikian, teknologi ini tidak hanya relevan untuk perusahaan besar tetapi juga untuk pengguna individu yang peduli terhadap keselamatan dan kesehatan mereka.

Sistem ini juga memberikan contoh yang kuat tentang bagaimana teknologi informasi dapat berperan dalam mengatasi masalah dunia nyata. Ini adalah bukti bahwa solusi berbasis data dan machine learning tidak hanya terbatas pada aplikasi komersial, tetapi juga memiliki potensi besar untuk menyelamatkan nyawa dan meningkatkan kualitas hidup. Implementasi teknologi ini dapat menjadi langkah awal menuju era baru di mana keselamatan jalan dan kesehatan publik dapat ditingkatkan secara bersamaan melalui pendekatan yang terintegrasi.

Inovasi yang dikembangkan oleh Rizqi Putri Nourma Budiarti dan timnya membuktikan bahwa teknologi informasi dapat berkontribusi secara signifikan dalam meningkatkan keselamatan dan kesehatan di jalan raya. Dengan akurasi deteksi masker sebesar 80% dan deteksi mata mengantuk sebesar 75%, sistem

ini menunjukkan efektivitas yang menjanjikan dalam mencegah kecelakaan lalu lintas dan penularan COVID-19. Penggunaan perangkat tertanam seperti NVIDIA Jetson Nano semakin memperkuat relevansi dan keterjangkauan teknologi ini untuk aplikasi dunia nyata. Meski masih ada ruang untuk peningkatan, seperti memperkaya dataset dan menggunakan kamera beresolusi lebih tinggi, inovasi ini merupakan langkah maju yang signifikan. Ke depannya, teknologi ini memiliki potensi besar untuk diterapkan secara luas, meningkatkan keselamatan pengemudi dan mendukung protokol kesehatan di seluruh dunia.

Referensi

Budiarti, R. P. N., Nugroho, B. W., Ayunda, N., & Sukaridhoto, S. (2023). Drowsy eyes and face mask detection for car drivers using the embedded system. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 9(1), 86-94. https://doi.org/10.26594/register.v9i1.2612