Faktor kelalaian pengemudi merupakan salah satu faktor yang paling sering menyebabkan terjadinya kecelakaan lalu lintas. Faktor ini disebabkan oleh seorang pengemudi yang mengalami rasa lelah saat berkendara. Kondisi lelah saat berkendara dapat menimbulkan berkurangnya tingkat kewaspadaan terhadap hal yang terjadi di jalan sehingga kelelahan dapat menyumbang lebih dari 25% penyebab dari faktor kecelakaan. Pada saat kondisi lelah ini juga terkadang pengemudi tanpa sadar sudah terlelap sepersekian detik atau sering disebut juga microsleep. Berkembanganya berbagai penelitian tentang kecerdasan buatan salah satunya object detecion, dapat membantu untuk mengklasifikasi dan mempelajari pola visual dari gambar mata pengemudi guna memprediksi apakah pengemudi dalam kondisi kantuk atau tidak. Dalam penelitian ini, Deep Learning telah diterapkan dengan sukses dalam pembuatan sistem deteksi kelelahan atau kantuk. Dalam pembuatan sistem ini menggunakan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasi mata pengemudi terbuka atau tertutup secara otomatis. Penulis menggunakan dataset sebanyak 96.000 gambar dengan 2 kelas objek yaitu mata terbuka dan mata tertutup. Hasil penelitian menunjukkan sistem deteksi objek menggunakan metode CNN dapat mengenali objek secara konsisten dengan akurasi 90% pada sebuah video real time yang dipasang pada dashboard mobil dengan jarak 30, 40 dan 50 Cm.
Kata Kunci : Artificial Intelligence, Sistem Pendeteksi Kantuk, CNN.
