<![CDATA[Keselamatan berkendara sangat dipengaruhi oleh kondisi fisik pengemudi, termasuk kelelahan otot yang dapat menurunkan konsentrasi dan respons. Pengemudi sebagai subjek utama dalam menjaga kelelahan otot untuk menghindari terjadinya kecelakaan. Kelelahan merupakan faktor utama dalam terjadinya kecelakaan lalu lintas. Penelitian ini bertujuan untuk mengembangkan sistem deteksi kelelahan otot pengemudi berbasis Shimmer Electromyography Sensor dengan menggunakan algoritma K-Nearest Neighbors dan fitur Root Mean Square. Sistem ini dirancang untuk memantau aktivitas otot biceps brachii pengemudi secara real-time melalui sinyal EMG, yang kemudian dianalisis untuk mendeteksi kondisi kelelahan otot yang normal, medium, dan high. Proses pengembangan melibatkan pengumpulan data EMG dengan metode akuisisi, ekstraksi fitur RMS, dan klasifikasi menggunakan KNN. Sistem diuji dalam simulasi mengemudi untuk mengevaluasi akurasi klasifikasi dan fungsionalitas antarmuka pengguna berbasis Python. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi kelelahan otot dengan rata-rata akurasi 99,97% dan memberikan peringatan dini yang relevan bagi pengemudi. Hasil tersebut ditampilkan dalam Graphical User Interface. Penelitian ini memberikan kontribusi dalam meningkatkan keselamatan berkendara dengan memanfaatkan teknologi wearable dan metode machine learning. Implementasi sensor Shimmer EMG serta algoritma KNN menawarkan solusi yang praktis dan efektif dalam memantau kondisi fisiologis pengemudi, yang berpotensi mengurangi risiko kecelakaan lalu lintas akibat kelelahan.]]>
Copyrights © 2025
