<![CDATA[Perilaku berkendara agresif seperti akselerasi mendadak, pengereman keras, dan perubahan arah ekstrem merupakan salah satu faktor yang meningkatkan risiko kecelakaan sepeda motor. Penelitian ini bertujuan mengembangkan sistem deteksi perilaku berkendara agresif berbasis sensor inersia dan algoritma Support Vector Machine (SVM) yang dapat diimplementasikan pada perangkat embedded system. Data diperoleh dari sensor akselerometer dan giroskop, kemudian melalui tahapan preprocessing, ekstraksi fitur statistik, normalisasi, dan reduksi dimensi menggunakan Principal Component Analysis (PCA). Algoritma SVM dipilih karena memiliki kemampuan klasifikasi yang baik serta kebutuhan komputasi yang relatif rendah sehingga sesuai untuk mikrokontroler ESP32. Model yang telah dilatih dikonversi dan diimplementasikan pada ESP32 untuk melakukan klasifikasi perilaku berkendara. Hasil pengujian model menggunakan Google Colab menunjukkan akurasi sebesar 93,33% dengan nilai F1-score sebesar 0,93. Pengujian implementasi pada sepeda motor menghasilkan akurasi klasifikasi sebesar 70%. Selain itu, waktu komputasi yang dibutuhkan untuk satu proses klasifikasi kurang dari 3 ms. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi perilaku berkendara agresif dan memiliki kinerja yang cukup baik untuk diterapkan pada perangkat embedded system sebagai pendukung keselamatan berkendara.]]>
Copyrights © 2026
