Dari tingginya angka kecelakaan akibat kelelahan saat mengemudi, dapat dikatakan bahwa kelelahan merupakan kondisi yang harus dihindari oleh seorang sopir. Khususnya pengemudi transportasi umum seperti sopir bus yang harus menghindari kelelahan saat mengemudi karena melibatkan keselamatan dari banyak penumpang. Oleh karena itu, diperlukan adanya sebuah pengenalan aksi untuk mendeteksi adanya tanda-tanda kelelahan yang dialami oleh sopir bus. “Deteksi Kelelahan Sopir Bus Menggunakan Pengenalan Aksi Berbasis Skeleton” merupakan sebuah sistem yang menerapkan pengenalan aksi berbasis skeleton yang menggambarkan postur tubuh dari seorang sopir bus yang sedang berkendara secara real-time. Sistem ini akan mendeteksi aksi yang merupakan tanda-tanda kelelahan yang sedang dialami oleh sopir bus. Aksi-aksi yang dapat dikenali antara lain Mengemudi normal, Menggeliat, Memajukan badan, Mengangguk-anggukan kepala, dan Tertidur. Dengan menggunakan Graph Convolutional Networks (GCNs), data sendi skeleton dari seorang sopir akan dimodelkan menjadi sebuah grafik spatio-temporal dimana metode ini pada dasarnya ialah menggeneralisasi Convolutional Neural Network (CNN) menjadi sebuah grafik bebasis space dan time. Pengambilan data skeleton dilakukan dengan penerapan estimasi postur tubuh yang pada sistem ini pengenalan aksi akan dilakukan dengan berfokus pada postur tubuh bagian atas (upper-body) saja. Sejauh ini, sistem telah diintegrasikan sebagai sub-sistem dari sebuah sistem besar bernama “Driver Fatigue Detection System” sebagai bagian yang mengenali aksi sopir. Sistem berhasil diimplementasikan serta diuji pada sebuah EV-BUS dengan subjek yang mengemudi secara langsung maupun mengemudi secara simulatif. Hasil pengujian sebagai sistem tunggal mendapatkan presentase kebenaran sebesar 82% sedangkan hasil pengujian sebagai sistem terintegrasi mendapatkan hasil sebesar 91,2%.