Berdasarkan laporan status Global World Health Organization (WHO) tahun 2023, sebanyak 1,9 juta nyawa terancam akibat kecelakaan. Driver drowsiness atau kantuk pada pengemudi merupakan salah satu penyebab utama kecelakaan fatal. Untuk mengatasi hal tersebut, diperlukan teknologi untuk mendeteksi kantuk pada pengemudi. Sistem deteksi kantuk pada pengemudi bekerja dengan menggunakan kamera untuk mengamati gerakan dan tindakan pengemudi. Fitur yang digunakan dalam sistem ini meliputi Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), dan estimasi posisi kepala (head pose estimation). Namun, pada penelitian sebelumnya, sistem ini belum bekerja secara optimal dalam kondisi pencahayaan rendah. Oleh karena itu, sistem ini perlu dikembangkan agar dapat berfungsi dalam semua kondisi pencahayaan. Dari permasalahan tersebut, dikembangkan sistem pengenalan wajah menggunakan metode Illumination Invariant untuk deteksi kantuk pada pengemudi di berbagai kondisi jalan raya. Penelitian ini membandingkan dua metode peningkatan kualitas citra, yaitu OptiFuzz dan Interval-Valued Intuitionistic Fuzzy Sets (IVIFS). Kualitas citra diukur menggunakan nilai entropi, sedangkan performa sistem dihitung berdasarkan kecepatan pemrosesan. Hasil eksperimen menunjukkan bahwa metode OptiFuzz memiliki nilai entropi sebesar 11,0563 namun hanya menghasilkan 2,5 FPS. Sementara itu, metode IVIFS memiliki nilai entropi sebesar 10,3472 dan kecepatan rata-rata sebesar 14 FPS. Citra yang telah ditingkatkan menggunakan metode IVIFS mampu meningkatkan pencahayaan tanpa menambah noise, serta berhasil diterapkan dalam sistem deteksi wajah, termasuk pendeteksian bounding box dan landmark. Sistem ini telah berhasil diintegrasikan ke dalam Graphical User Interface (GUI) untuk sistem deteksi kantuk berbasis wajah dan gestur, dengan kecepatan pemrosesan sebesar 8 FPS. Pengujian sistem deteksi kantuk menunjukkan bahwa metode ini mampu mendeteksi kondisi PERCLOS dengan akurasi 80% dan menguap (yawning) dengan akurasi 80%.