Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Giffary, Muhammad Zufar
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Metode K-Nearest Neighbor pada Sistem Deteksi Kelelahan Mental berbasis Sinyal Electroencephalogram Giffary, Muhammad Zufar; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kelelahan mental dapat dialami individu dari berbagai latar belakang pekerjaan, baik pelajar maupun pekerja. Kelelahan mental dapat berdampak negatif terhadap individu, salah satunya menjadi penyebab terjadinya kecelakaan lalu lintas. Menurut Victorian Transport Resources, sekitar 10-40% kecelakaan lalu lintas di Australia disebabkan kelelahan mental yang dialami pengemudi. Deteksi kelelahan mental dapat dilakukan dengan tes psikologis dan fisiologis, namun penggunaan tes psikologis membutuhkan waktu untuk melakukan deteksi karena pada prosesnya membutuhkan lebih dari satu jenis kuesioner psikometri yang digunakan, serta data yang dihasilkan bersifat subjektif. Deteksi kelelahan mental dengan tes fisiologis dapat menjadi validator tambahan untuk mendukung data hasil tes psikologis dan mengurangi waktu deteksinya, salah satu tes fisiolgis ialah pengukuran sinyal electroencephalogram menggunakan teknik Electroencephalography. Penelitian ini membahas pengembangan sistem deteksi kelelahan mental berbasis sinyal electroencephalogram dengan gelombang Theta (4-8Hz) yang mengimplementasikan metode K-Nearest Neighbor. Penelitian ini mengklasifikasi tingkat kelelahan mental ke dalam kelas Alert, Slight, dan Severe. Hasil pengujian mendapatkan akurasi 83,33% dengan rata-rata waktu komputasi 0,5656 detik. Klasifikasi kelelahan mental ditampilkan pada (graphical user intercace) GUI MATLAB. Sistem ini diharapkan mampu mengukur tingkat kelelahan mental melalui tiga kelas klasifikasi dan menjadi validator tambahan yang membantu psikolog.
Co-Authors Edita Rosana Widasari, Edita Rosana