Deteksi dan Peringatan Jarak Wajah Otomatis Menggunakan MediaPipe dan Computer Vision untuk Kesehatan Pengguna Komputer

Andi Asvin Mahersatillah  Suradi; Thiara Tri Funny  Manguma; Samsu  Alam; A Najiah Nurul  Afifah

Authors

Andi Asvin Mahersatillah Suradi Politeknik Negeri Ujung Pandang
Thiara Tri Funny Manguma Universitas Almarisah Madani
Samsu Alam Universitas Dipa Makassar
A Najiah Nurul Afifah Universitas Teknologi Akba Makassar

Keywords:

Deteksi Jarak Wajah, MediaPipe Face Mesh, OpenCV, Kesehatan Mata dan Postur

Abstract

Jarak pandang yang terlalu dekat antara wajah dan layar komputer dapat menyebabkan berbagai gangguan kesehatan, seperti kelelahan mata, sakit kepala, hingga gangguan postur tubuh dalam jangka panjang. Dalam konteks kerja jangka panjang di depan komputer, pemantauan jarak wajah menjadi penting untuk menunjang kenyamanan dan produktivitas pengguna. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi jarak wajah secara real-time menggunakan kamera webcam berbasis pemrosesan citra digital dan algoritma MediaPipe Face Mesh. Sistem yang dirancang menghitung jarak antara wajah pengguna dan kamera dengan mendeteksi dua titik wajah utama, yaitu pipi kiri dan pipi kanan. Jarak antara kedua titik tersebut dihitung dalam satuan piksel, dan dikonversi menjadi satuan sentimeter berdasarkan prinsip kalibrasi panjang fokus dan ukuran rata-rata lebar wajah manusia (15 cm). Dalam proses pengembangannya, sistem dilengkapi dengan mekanisme peringatan otomatis yang akan mengubah tampilan layar menjadi hitam apabila jarak wajah pengguna lebih dekat dari ambang batas minimum yang telah ditentukan (60 cm). Pengujian dilakukan terhadap delapan responden dengan variasi jarak aktual, untuk mengukur tingkat akurasi sistem. Hasil pengujian menunjukkan bahwa sistem memiliki Mean Relative Error (MRE) sebesar 2,75%, serta standar deviasi sebesar 2,71%, yang menunjukkan bahwa sistem tidak hanya akurat, tetapi juga konsisten dalam melakukan estimasi jarak wajah. Dengan hasil tersebut, sistem ini dapat berfungsi sebagai alat bantu ergonomi yang sederhana dan efektif, serta berpotensi untuk diintegrasikan lebih lanjut dalam aplikasi pemantauan kerja, pembelajaran daring, maupun sistem keselamatan berbasis pengenalan wajah.

Downloads

Download data is not yet available.

References

A. O. Association, “Computer vision syndrome.” [Online]. Available: https://www.aoa.org/healthy-eyes/eye-and-vision-conditions/computer-vision-syndrome. [Accessed: 26-Jun-2025].

P. Viola and M. Jones, “Rapid object detection using a boosted cascade of simple features,” in Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001, 2001, doi: 10.1109/CVPR.2001.990517.

N. Dalal and B. Trigss, “Histograms of Oriented Gradients for Human Detection,” in 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05), 2005, vol. 9358, pp. v–vi, doi: https://doi.org/10.1109/CVPR.2005.177.

K. Zhang, Z. Zhang, Z. Li, and Y. Qiao, “Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks,” IEEE Signal Process. Lett., vol. 23, no. 10, pp. 1499–1503, Oct. 2016, doi: 10.1109/LSP.2016.2603342.

A. Bulat and G. Tzimiropoulos, “How Far are We from Solving the 2D & 3D Face Alignment Problem? (and a Dataset of 230,000 3D Facial Landmarks),” in 2017 IEEE International Conference on Computer Vision (ICCV), 2017, pp. 1021–1030, doi: 10.1109/ICCV.2017.116.

J.-Y. Liang, H.-B. Zhang, Q. Lei, J.-X. Du, and T.-L. Lin, “Dual Branch PnP Based Network for Monocular 6D Pose Estimation,” Intell. Autom. Soft Comput., vol. 36, no. 3, pp. 3243–3256, 2023, doi: 10.32604/iasc.2023.035812.

S. Duman, A. Elewi, and Z. Yetgin, “Distance Estimation from a Monocular Camera Using Face and Body Features,” Arab. J. Sci. Eng., vol. 47, no. 2, pp. 1547–1557, Feb. 2022, doi: 10.1007/s13369-021-06003-w.

F. Khan, M. A. Farooq, W. Shariff, S. Basak, and P. Corcoran, “Towards Monocular Neural Facial Depth Estimation: Past, Present, and Future,” IEEE Access, vol. 10, pp. 29589–29611, 2022, doi: 10.1109/ACCESS.2022.3158950.

A. Muller, C. Pontonnier, X. Robert-Lachaine, G. Dumont, and A. Plamondon, “Motion-based prediction of external forces and moments and back loading during manual material handling tasks,” Appl. Ergon., vol. 82, p. 102935, Jan. 2020, doi: 10.1016/j.apergo.2019.102935.

A. N. N. Afifah and A. A. M. Suradi, “Sistem Deteksi Postur Duduk Berbasis MediaPipe untuk Meningkatkan Ergonomi dan Kesehatan Pekerja,” SISITI Semin. Ilm. Sist. Inf. dan Teknol. Inf., vol. 14, no. 1, pp. 168–174, Mar. 2025, doi: 10.36774/sisiti.v14i1.1690.

A. Asvin Mahersatillah Suradi, S. Alam, M. Furqan Rasyid, I. Djafar, U. Dipa Makassar, and J. K. Perintis Kemerdekaan, “Sistem Deteksi Kantuk Pengemudi Mobil Berdasarkan Analisis Rasio Mata Menggunakan Computer Vision,” JUKI J. Komput. dan Inform., vol. 2, pp. 222–230, 2023.

A. A. Mahersatillah, Z. Zainuddin, and Y. Yusran, “Unstructured Road Detection and Steering Assist Based on HSV Color Space Segmentation for Autonomous Car,” in 2020 3rd International Seminar on Research of Information Technology and Intelligent Systems, ISRITI 2020, 2020, doi: 10.1109/ISRITI51436.2020.9315452.

O. Adeyemi, M. Irhebhude, and A. Kolawole, “Speed Breakers, Road Marking Detection and Recognition Using Image Processing Techniques,” Adv. Image Video Process., vol. 7, no. 5, pp. 30–42, 2019, doi: 10.14738/aivp.75.7205.

R. G, “A Study to Find Facts Behind Preprocessing on Deep Learning Algorithms,” J. Innov. Image Process., vol. 3, no. 1, pp. 66–74, 2021, doi: 10.36548/jiip.2021.1.006.