Article Per Year (5 Year)
p-Index From 2021 - 2026
2.908
P-Index
This Author published in this journals
All Journal Prosiding Semnastek Jurnas Nasional Teknologi dan Sistem Informasi Jurnal Teknologi dan Sistem Komputer Jurnal Teknik Industri : Jurnal Hasil Penelitian dan Karya Ilmiah dalam Bidang Teknik Industri Journal of Information Technology and Computer Engineering Jurnal Matematika UNAND CHIPSET (Journal on Computer Hardware, Signal Processing, Embedded System and Networking) The Indonesian Journal of Computer Science
Dody Ichwana Putra
Departemen Teknik Komputer, Universitas Andalas
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Deteksi Kelelahan Pengendara Sepeda Motor Secara Multimodal Menggunakan Sinyal Denyut Nadi dan Postur Tubuh Berbasis Support Vector Machine: - Ichwana Putra, Dody; Adira , Alvira; Ekariani, Shelvi
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.144-151

Abstract

Kelelahan pengendara sepeda motor merupakan salah satu faktor utama yang berkontribusi terhadap meningkatnya risiko kecelakaan lalu lintas. Penelitian ini mengusulkan sebuah sistem deteksi kelelahan pengendara sepeda motor berbasis multimodal dengan memanfaatkan sinyal denyut nadi dan postur tubuh sebagai indikator kondisi pengendara. Data denyut nadi dan sudut kemiringan tubuh diperoleh melalui perangkat wearable dan diproses pada sisi edge untuk mengekstraksi fitur-fitur penting. Selanjutnya, fitur multimodal tersebut diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) untuk menentukan kondisi pengendara ke dalam tiga kelas, yaitu normal, mengantuk sedang, dan mengantuk berat. Hasil klasifikasi ditampilkan melalui aplikasi Android dan digunakan sebagai dasar pemberian peringatan kepada pengendara apabila terdeteksi kondisi kelelahan. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kondisi pengendara secara tepat dengan tingkat akurasi, presisi, recall, dan F1-score yang tinggi pada data pengujian. Sistem yang diusulkan berpotensi digunakan sebagai sistem peringatan dini untuk meningkatkan keselamatan pengendara sepeda motor, khususnya pada perjalanan dengan durasi yang panjang.
Co-Authors Ade Putera Kemala Adira , Alvira Ahmad S. Indrapriyatna anwardi, anwardi Eka Putra, Dian EKARIANI, SHELVI Ekariani, Shelvi Hadi Candra Husna, Tisnainil Idris, Mochammad Indah Purnama Johanna, Muhammad Hadrian Jonrinaldi Kasoep, Werman Kemala, Ade Putera Lathifah Arief, Lathifah Luthfi, Muhammad Fakhri Ratna Aisuwarya Rianda, Yosa Setianto, Stevanus Stevanus Setianto Styviandra Ardopa Surya Dwi Saputra Tisnainil Husna Wanda Syahputra Werman Kasoep Yosa Rianda