IMPLEMENTASI LONG SHORT-TERM MEMORY (LSTM) DALAM DETEKSI KANTUK PADA PENGEMUDI DENGAN MENGGUNAKAN SENSOR DETAK JANTUNG

AFIFAH, INAS (2024) IMPLEMENTASI LONG SHORT-TERM MEMORY (LSTM) DALAM DETEKSI KANTUK PADA PENGEMUDI DENGAN MENGGUNAKAN SENSOR DETAK JANTUNG. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text Halaman Depan.pdf Download (2MB) | Preview
	Text BAB I Pendahuluan.pdf Restricted to Repository staff only Download (603kB) | Request a copy
	Text BAB II Tinjauan Pustaka.pdf Restricted to Repository staff only Download (574kB) | Request a copy
	Text BAB III Metodologi Penelitian.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB IV Hasil dan Pembahasan.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB V Kesimpulan dan Saran.pdf Restricted to Repository staff only Download (224kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (213kB) | Request a copy
	Text Lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kecalakaan lalu lintas sering disebabkan oleh rasa kantuk atau kelalaian tidur, serta penggunaan alkohol atau obat-obatan. Salah satu kondisi yang berbahaya adalah microsleep, yaitu kejadian mengantuk atau tertidur dalam beberapa detik tanpa disadari oleh pengemudi, yang dapat berakibat fatal saat mengemudi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Long Short Term Memory (LSTM) sebagai peringatan dini microsleep pada pengemudi dan mengembangkan alat deteksi kantuk menggunakan pulse heart rate sensor. LSTM, dengan kemampuannya dalam memori informasi jarak jauh, telah terbukti unggul dalam prediksi deret waktu dan diaplikasikan dalam analisis data detak jantung pengemudi secara real-time. Hasil penelitian menunjukkan bahwa model LSTM yang diimplementasikan memiliki performa yang baik dalam mendeteksi kantuk, dengan nilai MAE sebesar 6.42 pada data training dan 6.35 pada data testing. RMSE sebesar 8.82 untuk training dan 8.33 untuk testing. MAPE sebesar 8.87 % pada data training dan 8.97% pada data testing, serta MSE sebesar 77.80 pada data training dan 69.47 pada testing. Dengan demikian, algoritma LSTM efektif dalam mendeteksi kantuk pada pengemudi melalui analisis data detak jantung, sehingga dapat digunakan sebagai sistem peringatan dini untuk mencegah kecelakaan lalu lintas yang disebabkan oleh microsleep.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Microsleep, Deteksi Kantuk, Long Short Term Memory (LSTM), Pulse Heart Rate Sensor
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	27 Jul 2026 01:56
Last Modified:	27 Jul 2026 01:56
URI:	http://eprints.polsri.ac.id/id/eprint/22288

Actions (login required)

View Item