Pengembangan aplikasi drowtion sebagai pendeteksi kondisi kantuk pengemudi berbasis data pengukuran mindwave

Giovanni, Giovanni (2014) Pengembangan aplikasi drowtion sebagai pendeteksi kondisi kantuk pengemudi berbasis data pengukuran mindwave. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (895kB)
Preview	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (691kB) | Preview
Preview	Text BAB II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB)
Preview	Text BAB V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (670kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (672kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (830kB)

Abstract

Kecelakaan lalu lintas yang diakibatkan pengemudi mengantuk atau lelah menyumbang 25% dari total kecelakaan di Jerman tahun 2013. Kontribusi ini dapat dikurangi apabila dapat diketahui waktu saat pengemudi mulai mengantuk. Pada penelitian ini proses kekantukan dideteksi dengan pendekatan Electroencephalography menggunakan Mindwave. Elektroda mendeteksi pola perubahan potensial otak yang disebabkan oleh perubahan konsentrasi otak. Pola perubahan potensial dipetakan antara kondisi sadar dan kantuk. Hasil penelitian yan menunjukkan kondisi mengantuk dideteksi pada penurunan nilai rata-rata lowalpha menjadi < 0,7, high-alpha menjadi 0,6, dan theta menjadi 0,7 dari kondisi normal. Pada dasarnya, low-alpha sudah cukup menunjukkan kondisi kantuk. Hal yang sama dijumpai pada high-alpha dan theta. Namun demikian, low-alpha lebih menggambarkan kondisi kantuk yang sebenarnya. Dari hasil ini dikembangkan aplikasi DrowTion berbasis C# untuk secara otomatis mendeteksi kekantukan pengemudi dan untuk memicu peringatan. Aplikasi ini akan mulai mendeteksi kantuk ketika nilai low-alpha berada di rentang 18.000 hingga 40.000.

Item Type:	Thesis (Bachelor Thesis)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Depositing User:	Administrator UMN Library
Date Deposited:	02 Aug 2017 07:29
Last Modified:	27 Jan 2023 02:03
URI:	https://kc.umn.ac.id/id/eprint/1555

Actions (login required)

View Item