Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pengolahan Sinyal Photoplethysmograph sebagai Deteksi Aktivitas Tidur dan Terjaga untuk Analisis Awal Aktivitas Kantuk menggunakan Heart Rate Variability Analysis
Ulfa Hafiza (2022) | Skripsi | Teknik Elektro
Bagikan
Ringkasan
Mengantuk dapat mempengaruhi kinerja pengemudi dan menyebabkan kecelakaan yang sangat fatal. Di Indonesia, sepanjang tahun 2017 korban yang tewas akibat kecelakaan lalu lintas mencapai 25.859 jiwa dan yang mengalami luka berat sebanyak 16.159 jiwa. Adapun penyebab utama yang menjadi penyebab kecelakaan adalah faktor manusia seperti mengantuk saat berkendara yang mencapai persentase sebesar 35%. Sudah banyak sistem yang dibuat untuk mendeteksi kantuk, diantaranya adalah penelitian dari Ipko Salim yang berjudul Pendeteksi Kantuk Menggunakan Metode Plethysmograph dan Rangga Rinaldiansyah yang berjudul Helm Pencegah Kantuk dengan Getaran dan Alarm Pendeteksi Bahaya Pencurian Berbasis Mikrokontroler 8535. Prinsip kerja dari kedua penelitian ini sama yaitu dengan melihat jumlah denyut nadi. Namun permasalahannya adalah nilai batas denyut nadi ketika mengantuk pada kedua penelitian ini berbeda, yaitu dibawah 60 serta 72 bpm. Untuk mengatasi permasalahan tersebut, digunakan analisa variabilitas detak jantung (HRV) sebagai parameter pengukuran standar untuk mengidentifikasi faktor fisiologis manusia. Pada penelitian ini dirancang sebuah sistem pendeteksi aktivitas tidur dan terjaga sebagai analisis awal aktivitas kantuk dengan menggunakan sensor photopletyhsmograph. Parameter yang diukur tidak hanya beats per minute, tapi juga dilakukan analisa sinyal detak jantung untuk diambil average of nn inteval nya. Sinyal detak jantung yang terdeteksi kemudian diolah dan dilakukan klasifikasi untuk membedakan sinyal tidur dan terjaga. Output dari penelitian ini adalah hasil klasifikasi antara sinyal tidur dan terjaga yang ditampilkan pada program yang telah dibuat pada aplikasi MATLAB. Hasil penelitian menunjukkan sistem dapat membedakan sinyal tidur dan terjaga dan memiliki tingkat akurasi sebesar 94.98%.
Ringkasan Alternatif
Drowsiness can affect driver performance and cause a very fatal accident. In Indonesia, throughout 2017 the number of victims who died due to traffic accidents reached 25,859 people and those who suffered serious injuries were 16,159 people. The main cause of accidents is human factors such as drowsiness while driving which reaches a percentage of 35%. There have been many systems created to detect drowsiness, including the research by Ipko Salim entitled Drowsiness Detection Using the Plethysmograph and Rangga Rinaldiansyah Methods entitled Helmet to Prevent Drowsiness with Vibration and Microcontroller-Based Theft Danger Detection Alarm 8535. The working principle of these two studies is the same, namely: see the number of pulse. However, the problem is that the limit values for the pulse rate when sleepy in these two studies are different, namely below 60 and 72 bpm. To overcome this problem, heart rate variability analysis (HRV) was used as a standard measurement parameter to identify human physiological factors. In this study, a system for early detection of sleep and wakefulness activity was designed as an initial analysis of sleepiness using photopletyhsmograph sensors. The measured parameters are not only beats per minute, but also analysis of the heart rate signal to take the average of nn inteval. The detected heart rate signal is then processed and classified to differentiate between sleep and wakefulness signals. The output of this study is the classification results between sleep and wakefulness signals that are displayed in a program that has been made in the MATLAB application. The results showed that the system could distinguish between sleep and wakefulness signals and had an accuracy rate of 94.98%.