Analisa dan Klasifikasi Tingkat Kantuk Pengemudi Berdasarkan Sinyal EEG Dengan Metode Klasifikasi Artificial Neural Network

Latifa, Fitri (2025) Analisa dan Klasifikasi Tingkat Kantuk Pengemudi Berdasarkan Sinyal EEG Dengan Metode Klasifikasi Artificial Neural Network. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (331kB)
	Text (Bab 1) Bab 1.pdf - Published Version Download (302kB)
	Text (Bab 5) Bab 5.pdf - Published Version Download (252kB)
	Text (Daftar Pustka) Daftar Pustaka.pdf - Published Version Download (226kB)
	Text (Skripsi Full Text) Eskripsi_Fitri Latifa_2110952029.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Kecelakaan lalu lintas akibat kantuk pengemudi masih menjadi masalah salah satu penyebab utama cedera dan kematian di Indonesia. Sebagian besar sistem deteksi kantuk yang ada hanya mampu membedakan dua kondisi, yaitu waspada dan mengantuk, sehingga kurang efektif dalam mengenali fase transisi penurunan kewaspadaan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kantuk dan kewaspadaan berbasis sinyal electroencephalogram (EEG) menggunakan metode Artificial neural network (ANN). Data EEG diperoleh dari ULg Multimodality Drowsiness Database (DROZY) dan data independen yang diakuisisi langsung dari lima responden. Data diproses melalui tahapan penyaringan dengan Butterworth filter, segmentasi, transformasi FFT, dan ekstraksi fitur berupa power sub band alpha, beta, theta, serta rasio beta/alpha dan (theta+alpha)/beta. Klasifikasi dilakukan menggunakan model Multilayer perceptron (MLP) untuk tiga tingkat kantuk berdasarkan skor Karolinska Sleepiness Scale (KSS), waspada (1 - 3), kewaspadaan rendah (4 - 6), dan kantuk (7 - 9). Evaluasi model menggunakan k-fold cross-validation dan Confusion matrix. Model MLP dengan fungsi aktivasi LOGSIG dan hidden node 40 menghasilkan akurasi 91,22%. Uji generalisasi pada data independen menunjukkan akurasi 93,33%. Hasil penelitian ini diharapkan mampu menjadi dasar sistem klasifikasi yang lebih efektif dalam menangkap transisi kewaspadaan dan mencegah kecelakaan akibat kantuk pengemudi.

Actions (login required)

View Item