Bagraff, Aliya Rashida (2024) Deteksi Kelelahan Pengemudi Mobil Berdasarkan Variabel Subjek, Kendaraan, dan Lingkungan Menggunakan Type-2 Fuzzy System. Other thesis, Institut Teknologi Sepuluh Nopember.
![]() |
Text
5023201035-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) |
Abstract
Peningkatan jumlah kendaraan dapat meningkatkan potensi jumlah kecelakaan lalu lintas dan korban jiwa. Salah satu faktor penyebab kecelakaan lalu lintas adalah perilaku pengemudi akibat tertidur/kelelahan. Tercatat sebanyak 1.069 kecelakaan akibat tertidur/kelelahan di tahun 2022. Analisa kelelahan berdasarkan heart rate dan postural tubuh telah dipelajari sebelumnya. Namun. proses pengambilan ECG masih menggunakan konvensional. Diusulkan sebuah deteksi kantuk dengan menggunakan tiga variabel yaitu variabel subjek seperti postural tubuh dan heart rate yang didapatkan dari palm ECG pada sarung roda kemudi. Kemudian variabel kendaraan berupa perubahan posisi pegal gas. perubahan kecepatan putaran mesin dan perubahan kecepatan kendaraan. serta variabel lingkungan berupa jarak berkendara. Pada tugas akhir ini didapatkan morfologi palm ECG dari conductive electrode fabric pada sarung roda kemudi memiliki kemiripan dengan ECG konvensional. terutama pada sinyal QRS sehingga algoritma Pan-Thompkins dapat mendeteksi QRS. Ketiga variabel nantinya akan diklasifikasikan menggunakan Fuzzy Type-2 untuk menentukan kondisi tingkat kantuk pengemudi. Penentuan mambership dari masing – masing parameter serta aturan (rules) didapat dari percobaan dan penarikan kesimpulan. Dari hasil pengujian yang telah dilakukan sebanyak 6 kali percobaan didapatkan batas bawah untuk jarak berkendara adalah 0-33 km. batas atas 20-80 km dengan standard deviasi untuk footprint of uncertainty (FOU) sekitar ±1.5. Batas bawah perubahan kecepatan putaran mesin adalah 0 -200 RPM. batas atas 100-500 RPM dengan standard deviasi FOU sekitar ±20.12. Batas bawah perubahan posisi pegal gas (thorttle) 0-16 %. batas atas sebesar 14-30% dengan standard deviasi (FOU) sekitar ±3.48. Sementara batas bawah perubahan kecepatan kendaraan sebesar 0-50 km/h. tengah 40-90 km/h. dan tinggi 80-160 km/h dengan standard deviasi untuk FOU sekitar ±0.62. Apabila pengemudi mengalami kelelahan maka tingkat konsentrasi pengemudi dalam merespon kejadian rendah sehingga variabilitas kecepatan kendaraan cenderung rendah. Sementara heart rate dan kecepatan anggukan cenderung turun serta sudut postural dan durasi anggukan semakin meningkat. Penggunaan variabel subjek. kendaraan dan lingkungan dalam mendeteksi kantuk menggunakan fuzzy type-2 menghasilkan akurasi sebesar 91%. Dari sistem yang dibuat direncankan pengembangan hingga menjadi wearable. penggunaan SBC. dan pemanfaatan EMI filter untuk menghasilkan palm ECG yang lebih baik.
====================================================================================================================================
Peningkatan jumlah kendaraan dapat meningkatkan potensi jumlah kecelakaan lalu lintas dan korban jiwa. Salah satu faktor penyebab kecelakaan lalu lintas adalah perilaku pengemudi akibat tertidur/kelelahan. Tercatat sebanyak 1.069 kecelakaan akibat tertidur/kelelahan di tahun 2022. Analisa kelelahan berdasarkan heart rate dan postural tubuh telah dipelajari sebelumnya. Namun. proses pengambilan ECG masih menggunakan konvensional. Diusulkan sebuah deteksi kantuk dengan menggunakan tiga variabel yaitu variabel subjek seperti postural tubuh dan heart rate yang didapatkan dari palm ECG pada sarung roda kemudi. Kemudian variabel kendaraan berupa perubahan posisi pegal gas. perubahan kecepatan putaran mesin dan perubahan kecepatan kendaraan. serta variabel lingkungan berupa jarak berkendara. Pada tugas akhir ini didapatkan morfologi palm ECG dari conductive electrode fabric pada sarung roda kemudi memiliki kemiripan dengan ECG konvensional. terutama pada sinyal QRS sehingga algoritma Pan-Thompkins dapat mendeteksi QRS. Ketiga variabel nantinya akan diklasifikasikan menggunakan Fuzzy Type-2 untuk menentukan kondisi tingkat kantuk pengemudi. Penentuan mambership dari masing – masing parameter serta aturan (rules) didapat dari percobaan dan penarikan kesimpulan. Dari hasil pengujian yang telah dilakukan sebanyak 6 kali percobaan didapatkan batas bawah untuk jarak berkendara adalah 0-33 km. batas atas 20-80 km dengan standard deviasi untuk footprint of uncertainty (FOU) sekitar ±1.5. Batas bawah perubahan kecepatan putaran mesin adalah 0 -200 RPM. batas atas 100-500 RPM dengan standard deviasi FOU sekitar ±20.12. Batas bawah perubahan posisi pegal gas (thorttle) 0-16 %. batas atas sebesar 14-30% dengan standard deviasi (FOU) sekitar ±3.48. Sementara batas bawah perubahan kecepatan kendaraan sebesar 0-50 km/h. tengah 40-90 km/h. dan tinggi 80-160 km/h dengan standard deviasi untuk FOU sekitar ±0.62. Apabila pengemudi mengalami kelelahan maka tingkat konsentrasi pengemudi dalam merespon kejadian rendah sehingga variabilitas kecepatan kendaraan cenderung rendah. Sementara heart rate dan kecepatan anggukan cenderung turun serta sudut postural dan durasi anggukan semakin meningkat. Penggunaan variabel subjek. kendaraan dan lingkungan dalam mendeteksi kantuk menggunakan fuzzy type-2 menghasilkan akurasi sebesar 91%. Dari sistem yang dibuat direncankan pengembangan hingga menjadi wearable. penggunaan SBC. dan pemanfaatan EMI filter untuk menghasilkan palm ECG yang lebih baik.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Safety Driving. Deteksi Kantuk. palm ECG. Perilaku berkendara |
Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7878 Electronic instruments |
Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis |
Depositing User: | Aliya Rashida Bagraff |
Date Deposited: | 15 Aug 2024 02:02 |
Last Modified: | 15 Aug 2024 02:02 |
URI: | http://repository.its.ac.id/id/eprint/113736 |
Actions (login required)
![]() |
View Item |