Sistem Peringatan Kedatangan Kereta Api di Perlintasan Menggunakan Sensor Accelerometer dan Neural Network

Ardiansyah, Heri (2017) Sistem Peringatan Kedatangan Kereta Api di Perlintasan Menggunakan Sensor Accelerometer dan Neural Network. Masters thesis, Insitut Teknologi Sepuluh Nopember.

[thumbnail of 2214204009-Master_Thesis.pdf]
Preview
Text
2214204009-Master_Thesis.pdf - Accepted Version

Download (8MB) | Preview

Abstract

Banyaknya perlintasan kereta api tanpa palang pintu otomatis dan petugas penjaga dapat meningkatkan resiko kecelakaan. Kondisi ini tidak dapat dielakkan karena adanya perluasan lingkungan di sekitar wilayah jalur kereta api, seperti komplek perumahan, pertokoan dan perkembangan aktifitas perekonomian. Oleh karena itu, sistem peringatan kedatangan kereta api di perlintasan menjadi kebutuhan solusi yang mendesak. Setiap kereta api yang sedang berjalan akan mengakibatkan getaran pada lintasan rel yang dilewatinya. Pada penelitian ini digunakan sebuah sensor accelerometer untuk membaca getaran pada rel agar dapat mendeteksi kedatangan kereta api. Pada sistem ini menggunakan sensor accelerometer MPU6050 dan 16-bit Analog to Digital Converter sehingga dapat menghasilkan rentang pengukuran sebesar 16384 LSB/g (-32768 ~ 32768). Kekuatan getaran yang terukur menjadi data untuk memperkirakan posisi kedatangan kereta api. Sinyal getaran dalam domain waktu tersebut dikonversi menjadi spektrum frekuensi menggunakan Fast Fourier Transform. Algoritma Neural Network digunakan untuk mengenali pola frekuensi getaran rel yang disebabkan oleh kereta api yang dapat dibedakan dari sepeda motor, mobil, dan truk yang melewati perlintasan. Mikrokontroler Arduino Uno digunakan untuk membaca data sensor dan mengirimkannya ke komputer. Hasil pengujian menunjukkan bahwa getaran kereta api dapat dideteksi pada jarak terjauh hingga 74 meter dan dapat mengenali pola getaran kereta api terhadap yang lainnya dengan tingkat keberhasilan sebesar 100%. Dengan dirancangnya sistem peringatan dini kedatangan kereta api diharapkan keselamatan pengguna jalan dapat lebih ditingkatkan terutama pada daerah perlintasan kereta api.
=========================================================================================================
The number of railroad crossing without warning system and official guard can increase the risk of accidents. The increasing number cannot be controlled because of the expansion of neighbour near the railtracks, such citizen houses, markets, and other economy activities which reveal new road crossing the railtrack. Thus, an early warning to alert of a train arrival become an urgent solution indeed. A running train will generate a vibration to the railtracks. In this experiment, an accelerometer sensor is used to read the railtrack vibration to detect the train arrival. The design of the system is using an MPU6050 with 16-bit Analog to Digital Converter to create a measurement range with 16384 LSB/g sensitivity (-32768 ~ 32768). The vibration amplitudes will be use to predict the position of arriving train. The time domain vibration first converted to the frequency domain using a Fast Fourier Transformation. Next, a Neural Network algorithm will be utilized to identify the frequency spectrum pattern of the arriving train from motorcycles, cars, or any trucks passing the railroad. An Arduino Uno microcontroller will be equipped to transfer the sensor data into the computer. The experiment results that the train vibration can be detected in the fartest distance upto 74 meters and the frequency patterns can be recognized from other with accuracy 100%. By designing a train arrival warning system there will achieve the safe of people and the train around the railroad crossing.

Item Type: Thesis (Masters)
Additional Information: RTE 681.76 Ard s-1 3100018074387
Uncontrolled Keywords: accelerometer, getaran rel, neural network, perlintasan kereta, pola frekuensi
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > TF Railroad engineering and operation
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7878 Electronic instruments
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Heri Ardiansyah
Date Deposited: 01 Mar 2018 02:54
Last Modified: 10 Jul 2020 01:23
URI: http://repository.its.ac.id/id/eprint/49735

Actions (login required)

View Item View Item