Nazira Bella Lorenza 

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Nadatul Rohma

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Ulfatun Risqoini

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

DOI: https://doi.org/10.19184/jei.v3i2.60019

ABSTRAK 

Deteksi mata pada citra digital memiliki peran penting dalam penilaian tingkat fokus pengguna, khususnya dalam sistem pemantauan berbasis kamera. Metode konvensional seringkali memerlukan sumber daya komputasi yang besar, sehingga kurang efisien untuk penerapan real-time. Penelitian ini bertujuan mengimplementasikan metode Haar Cascade untuk mendeteksi mata pada citra digital dan menganalisis tingkat fokus berdasarkan hasil deteksi tersebut. Metode Haar Cascade yang dikembangkan oleh Viola dan Jones dikenal efisien karena menggunakan fitur berbasis pola intensitas piksel dengan struktur cascade classifier berlapis. Implementasi dilakukan menggunakan library OpenCV pada lingkungan Python di Visual Studio Code, dengan masukan berupa video yang diproses frame per frame. Setiap frame dikonversi ke citra grayscale untuk mempercepat proses deteksi, dilanjutkan dengan deteksi wajah menggunakan classifier haarcascade frontalface default dan deteksi mata menggunakan haarcascade_eye.xml. Tingkat fokus ditentukan berdasarkan kehadiran mata yang terdeteksi pada setiap frame. Hasil pengujian pada 995 frame menunjukkan tingkat fokus sebesar 81,11% dan tidak fokus sebesar 18,89%, dengan kesimpulan fokus baik. Penelitian ini membuktikan bahwa metode Haar Cascade dapat diimplementasikan secara efektif untuk analisis tingkat fokus secara real-time pada kondisi pencahayaan normal, dengan persentase frame terdeteksi sebesar 81,11% sebagai indikator keberhasilan sistem.

KATA KUNCI: Haar Cascade, Deteksi Mata, Citra Digital, Tingkat Fokus, OpenCV, Pengolahan Citra, Computer Vision, Real-Time Detection