Perancangan Sistem Pendeteksi Microsleep Untuk Peringatan Kelelahan Pada Pengemudi Kendaraan
DOI:
https://doi.org/10.34818/eoe.v9i4.18227Abstract
Abstrak—Angka kecelakaan lalu lintas di Indonesia sangatlah tinggi. Penyumbang angka kecelakaan tertinggi diakibatkan oleh faktor manusia, yaitu 60% dari total kecelakaan lalu lintas. Dari faktor manusia tersebut setengahnya disebabkan oleh kondisi pengemudi yang mengantuk saat berkendara. Kondisi mengantuk ini dalam istilah ilmiahnya disebut microsleep. Untuk mengatasi kecelakaan lalu lintas yang diakibatkan oleh microsleep, maka pada tugas akhir ini penulis akan membuat sebuah alat yang dapat mendeteksi microsleep pada pengendara dengan memanfaatkan sinyal attentian dan meditation beserta notifikasi peringatan kelelahan berupa nada ringtone yang dikirimkan ke handphone pengendara jika pengendara mengalami kondisi microsleep. Pengujian ini dilakukan tiga tahap, pertama pengujian untuk menentukan nilai sinyal attention dan meditation saat microsleep dan dari pengujian didapatkan nilai attention < 21 dan meditation > 80 ketika microsleep terjadi. Kedua menguji keberhasilan pengiriman data dari mikrokontroler ke handphone yang di lakukan secara real-time sebayak 30 kali. Ketiga menguji sistem secara keluruhan yang di lakukan pengujian kepada tiga orang pengemudi yang masing-masing dilakukan pegujian selama 30 menit. Keberhasilan pengujian dilihat dari apakah alat dapat mendeteksi keadaan pengemudi sedang mengalami microsleep atau tidak. Kata Kunci—microsleep, elektroensefalogram, peringatan, handphone, real-time, attention, meditationReferences
, 2018. https://www.bps.go.id/linkTableDinamis/view/id/1133 (accessed Oct. 05, 2020).
[3] A. Maulana, “Jumlah Korban Kecelakaan Lalu Lintas di Indonesia Harus Turun,” www.otomotif.kompas.com, 2019. https://otomotif.kompas.com/read/2019/01/18/082200615/jumlah-korban-kecelakaan-lalu-lintas-di-indonesia-harus-turun.
[4] M. Saleh, “Analisis faktor potensi penyebab kecelakaan lalu lintas kendaraan bermotor,” vol. 5, no. 3, pp. 367–374, 2019.
[5] A. Hertig-Godeschalk, J. Skorucak, A. Malafeev, P. Achermann, J. Mathis, and D. R. Schreier, “Microsleep episodes in the borderland between wakefulness and sleep,” Sleep, vol. 43, no. 1, pp. 1–11, 2020, doi: 10.1093/sleep/zsz163.
[6] B. A. Prasetyo, “Yuk, Kenali Bahaya Microsleep,” www.klikdokter.com, 2018. https://www.klikdokter.com/info-sehat/read/3616729/yuk-kenali-bahaya-microsleep (accessed Oct. 04, 2020).
[7] M. T. Fakhrizal Zainal Hawari1, Ig Prasetya Wibawa, S.T, M.T.2, Dr.Husneni Mukhtar, S.SI., “Analisis sinyal EEG dan EKG pada penderita kantuk dengan metode K-NN,” pp. 1–7, 2019.
[8] A. E. Putra, C. Atmaji, and T. G. Utami, “EEG-based microsleep detector using microcontroller,” Proc. 2016 8th Int. Conf. Inf. Technol. Electr. Eng. Empower. Technol. Better Futur. ICITEE 2016, no. July 2019, pp. 1–5, 2017, doi: 10.1109/ICITEED.2016.7863296.
[9] G. Kennedy, “Microsleep Literature Review Date : June 2001 Austin and Repatriation Medical Centre , University of Authors : Dr Mark Howard Dr Gerard Kennedy,” no. January, 2001.
[10] W. Sałabun, “Processing and spectral analysis of the raw EEG signal from the MindWave,” Prz. Elektrotechniczny, vol. 90, no. 2, pp. 169–173, 2014, doi: 10.12915/pe.2014.02.44.
[11] Neurosky and Manufactured, “MindWave Mobile : User Guide,” IEEE Int. Conf. Comput. Commun., vol. 47, no. C, pp. 225–230, 2017.
[12] Jason Brownlee, “What is a Confusion Matrix in Machine Learning,” 2020. https://machinelearningmastery.com/confusion-matrix-machine-learning/.
