Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Satu Dekade Kemajuan dalam Deteksi Kantuk Menggunakan Fitur Wajah: Analisis Bibliometrik dan Pemetaan Tematik Komprehensif

Rektorat UDINUS 2026 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2026
Tujuan
Nomor
905d6d59-a40e-44cc-8f20-e61ec805dbcc
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan analisis bibliometrik komprehensif mengenai tren penelitian deteksi kantuk menggunakan fitur wajah. Kegiatan ini melibatkan Subowo, Moh Hadi; Andono, Pulung Nurtantio; Shidik, Guruh Fajar; dan Santoso, Heru Agus sebagai peserta. Penelitian mengkaji publikasi dari tahun 2014 sampai 2024 dan menggunakan metodologi yang dipandu PRISMA untuk mengekstraksi serta menganalisis 347 dokumen dari basis data Scopus.

Analisis tersebut mengidentifikasi pola produktivitas penelitian, dampak sitasi, distribusi geografis, kontribusi institusi, dan perkembangan tematik. Volume publikasi menunjukkan tingkat pertumbuhan tahunan sebesar 18,59%, dengan peningkatan yang menonjol setelah 2019 yang bertepatan dengan meluasnya penggunaan pendekatan deep learning. Negara-negara Asia mendominasi keluaran penelitian. India mencatat 182 publikasi dan Tiongkok mencatat 100 publikasi, sedangkan Tiongkok memiliki dampak sitasi tertinggi dengan 1370 sitasi.

Analisis jaringan ko-kemunculan mengidentifikasi empat klaster penelitian, yaitu wawasan fisiologis melalui jaringan saraf, deteksi kantuk berbasis visi komputer, deteksi kelelahan multimodal untuk pencegahan kecelakaan, dan deep learning untuk analisis sinyal biomedis. Analisis temporal kata kunci menunjukkan pergeseran dari pembelajaran mesin tradisional menuju jaringan saraf dalam, integrasi Internet of Things, dan sistem pemantauan waktu nyata. Pemetaan tematik mengategorikan CNN dan rasio aspek mata sebagai tema dasar; deteksi kelelahan pengemudi dan komputasi awan sebagai tema motorik; estimasi pose kepala tiga dimensi dan pengukuran perilaku sebagai tema khusus; serta deteksi pupil dan sistem deteksi kedipan sebagai tema yang berkembang atau menurun.

Kegiatan ini juga mengidentifikasi kesenjangan terkait penerapan. Hanya 3,3% artikel yang paling banyak disitasi melaporkan frames per second, dan tidak ada yang melaporkan latensi atau time-to-alarm, meskipun terdapat klaim kemampuan waktu nyata. Dalam penelitian multimodal, 74% studi hanya berfokus pada fitur wajah, sedangkan 26% menggabungkan sinyal fisiologis atau kendaraan. Analisis tersebut juga mengidentifikasi kesenjangan mengenai kesiapan penerapan, pertimbangan spesifik etnis, dan lingkungan bercahaya rendah. Melalui kegiatan penelitian terkait kesehatan ini, UDINUS mendokumentasikan perkembangan dan kebutuhan penelitian deteksi kantuk dalam kaitannya dengan Tujuan 3.

Rujukan https://www.scopus.com/pages/publications/105036247853?origin=resultslist