Aplikasi Alarm Cerdas Berbasis MobileNetV2 TensorFlow Lite Verifikasi Kesadaran Pengguna
DOI:
https://doi.org/10.25077/TEKNOSI.v12i2.2026.411-421Kata Kunci:
Artificial Inteliigence, MobileNetV2, TensorFlow Lite, Verifikasi Kesadaran, AndroidAbstrak
Rendahnya kemampuan alarm konvensional dalam memastikan pengguna benar-benar terbangun masih menjadi penyebab keterlambatan bangun pada sebagian pelajar, mahasiswa maupun pekerja. Sebagian besar aplikasi alarm konvensional hanya mengandalkan keluaran berupa suara atau getaran tanpa mekanisme untuk memastikan bahwa pengguna benar-benar telah terbangun. Penelitian ini bertujuan merancang aplikasi WakeUp AI, yaitu aplikasi alarm cerdas berbasis Android yang memanfaatkan kecerdasan buatan untuk memverifikasi kondisi pengguna sebelum alarm dapat dihentikan. Sistem menerapkan metode Transfer Learning dengan arsitektur MobileNetV2 untuk mengklasifikasikan kondisi mata terbuka dan mata tertutup. Sebelum proses klasifikasi dilakukan, citra dipraproses menggunakan teknik Eye Region Cropping sehingga model hanya memproses area mata. Selanjutnya model dijalankan secara lokal menggunakan TensorFlow Lite agar dapat bekerja tanpa koneksi internet. Untuk meningkatkan kestabilan hasil deteksi diterapkan algoritma Rolling Average dan Leaky Bucket Accumulator, kemudian proses verifikasi dilanjutkan dengan mengimplementasikan tantangan Random Question Challenge sederhana sebagai verifikasi kognitif pengguna. Berdasarkan implementasi dan pengujian yang telah dilakukan, sistem mampu menghasilkan aplikasi alarm yang ringan, cepat, serta lebih efektif dibandingkan alarm konvensional dalam memastikan pengguna benar-benar berada pada kondisi sadar sebelum alarm dinonaktifkan.Referensi
O. F. Hassan, A. F. Ibrahim, A. Gomaa, M. A. Makhlouf, and B. Hafiz, “Real-time driver drowsiness detection using transformer architectures: a novel deep learning approach,” Sci. Rep., vol. 15, no. 1, Dec. 2025, doi: 10.1038/s41598-025-02111-x.
D. Salem and M. Waleed, “Drowsiness detection in real-time via convolutional neural networks and transfer learning,” Journal of Engineering and Applied Science, vol. 71, Dec. 2024, doi: 10.1186/s44147-024-00457-z.
T. Fonseca and S. Ferreira, “Drowsiness Detection in Drivers: A Systematic Review of Deep Learning-Based Models,” Applied Sciences, vol. 15, no. 16, Aug. 2025. doi: 10.3390/app15169018.
S. J. McFarlane, J. E. Garcia, D. S. Verhagen, and A. G. Dyer, “Alarm Tones, Voice Warnings, and Musical Treatments: A Systematic Review of Auditory Countermeasures for Sleep Inertia in Abrupt and Casual Awakenings,” Clocks & Sleep, vol. 2, no. 4, pp. 416–433, Dec. 2020. doi: 10.3390/clockssleep2040031.
I. S. Rajput, S. Tyagi, V. Pandey, A. Upreti, and J. K. Kukreja, “Enhancing Driver Safety with MobileNetV2-Based Transfer Learning for Drowsiness Detection,” in Procedia Computer Science, Elsevier B.V., 2025, pp. 1239–1248. doi: 10.1016/j.procs.2025.04.079.
S. Pahariya, P. Vats, and S. Suchitra, “Driver Drowsiness Detection using MobileNetV2 with Transfer Learning Approach,” in 2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems, ADICS 2024, Institute of Electrical and Electronics Engineers Inc., 2024. doi: 10.1109/ADICS58448.2024.10533606.
G. Indra, H. Hamida Saputri, and N. Aulia Aziza, “Penerapan MobileNet untuk Klasifikasi Kondisi Wajah Mengantuk pada Citra Wajah,” Journal of Informatics and Communications Technology, vol. 7, no. 1, pp. 189–197, 2025, doi: 10.52661/jict.v7i1.413.
U. D. Maharani, A. S. Handayani, and L. Lindawati, “Analisis Deteksi Mata Kantuk Di Wajah Pengemudi Menggunakan Support Vector Machine (SVM) Berbasis Citra Real-Time,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 2, pp. 940–949, Sep. 2024, doi: 10.47065/bits.v6i2.5701.
S. Saxena, Angel, M. Khurana, S. Tiwari, and H. K. Shakya, “Low-light driver drowsiness detection for real-time safety assistance using dual attention mechanisms in deep learning model,” Sci. Rep., vol. 16, no. 1, Dec. 2026, doi: 10.1038/s41598-026-44442-3.
R. Iswahyudi, A. Fauzi Ikhsan, I. Muhamad, and M. Matin, “Fuse-Teknik Elektro DETEKSI KANTUK MENGGUNAKAN
CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN KEDIPAN MATA,” Fuse-Teknik Elektro, vol. 4, pp. 115–124, Dec. 2024.
A. Bhanja, D. Parhi, D. Gajendra, K. Sinha, and A. K. Sahoo, “Driver drowsiness shield (DDSH): a real-time driver drowsiness detection system,” ROBOMECH Journal, vol. 12, no. 1, Dec. 2025, doi: 10.1186/s40648-025-00307-4.
A. M. Purba, F. Mahardika, S. Desmana, and N. Moniroh, “Deteksi Kantuk Pengemudi Berdasarkan Keterbukaan Mata Menggunakan Model Ringan dari Spatiotemporal Pyramidal CNN,” sudo Jurnal Teknik Informatika, vol. 4, no. 4, pp. 355–366, Jan. 2026, doi: 10.56211/sudo.v4i4.1342.
A. Turki, O. Kahouli, S. Albadran, M. Ksantini, A. Aloui, and M. Ben Amara, “A sophisticated Drowsiness Detection System via Deep Transfer Learning for real time scenarios,” AIMS Mathematics, vol. 9, no. 2, pp. 3211–3234, 2024, doi: 10.3934/math.2024156.
V. H. Sahin, I. Oztel, and G. Yolcu Oztel, “Human Monkeypox Classification from Skin Lesion Images with Deep Pre-trained Network using Mobile Application,” J. Med. Syst., vol. 46, no. 11, Nov. 2022, doi: 10.1007/s10916-022-01863-7.
Larasati, “Sistem Deteksi Kantuk Real-Time Berbasis CNN dan Landmark Wajah,” Kohesi: Jurnal Sains dan Teknologi, vol. 8, May 2025, doi: 10.2238/zk4xn913.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 