<![CDATA[Stres pada pengemudi merupakan salah satu faktor risiko utama kecelakaan lalu lintas karena dapat menurunkan konsentrasi dan kemampuan pengambilan keputusan di jalan raya. Pada penelitian sebelumnya (Fuad, 2024), sistem deteksi tingkat stres berbasis sinyal Photoplethysmogram yang dibuat hanya mengklasifikan dua kondisi stres (Stres dan tidak Stres), serta perangkat yang dikembangkan belum bersifat wearable sehingga membatasi penggunaan secara praktis bagi pengemudi. Penelitian ini mengusulkan pengembangan sistem wearable deteksi tingkat stres pengemudi secara real-time berbasis sinyal Photoplethysmogram (PPG) yang mampu mengklasifikasikan tiga tingkat stres, yaitu rendah, sedang, dan tinggi. Sistem ini menggunakan sensor MAX30102 untuk mengambil data fisiologis yang kemudian diekstraksi menjadi fitur Heart Rate Variability (HRV), yaitu Root Mean Square of Successive Differences (RMSSD) dan Standard Deviation of NN Intervals (SDNN). Algoritma Random Forest diimplementasikan untuk mengklasifikasikan kondisi tersebut. Hasil pengujian menunjukkan bahwa sensor MAX30102 memiliki tingkat kesesuaian pembacaan detak jantung yang tinggi jika dibandingkan dengan perangkat standar medis, sehingga sistem layak digunakan. Evaluasi performa sistem menunjukkan tingkat akurasi sebesar 100% dalam mengklasifikasikan tingkat stres. Selain itu, pengujian waktu komputasi menunjukkan bahwa sistem mampu memproses data secara efisien dengan rata-rata waktu 8,9 ms, sehingga layak digunakan untuk aplikasi real-time.]]>
Copyrights © 2026
