Deteksi Kelelahan Pengendara Sepeda Motor Secara Multimodal Menggunakan Sinyal Denyut Nadi dan Postur Tubuh Berbasis Support Vector Machine
-
DOI:
https://doi.org/10.25077/TEKNOSI.v12i1.2026.144-151Kata Kunci:
Deteksi kelelahan, pengendara sepeda motor, denyut nadi, postur tubuh, Support Vector MachineAbstrak
Kelelahan pengendara sepeda motor merupakan salah satu faktor utama yang berkontribusi terhadap meningkatnya risiko kecelakaan lalu lintas. Penelitian ini mengusulkan sebuah sistem deteksi kelelahan pengendara sepeda motor berbasis multimodal dengan memanfaatkan sinyal denyut nadi dan postur tubuh sebagai indikator kondisi pengendara. Data denyut nadi dan sudut kemiringan tubuh diperoleh melalui perangkat wearable dan diproses pada sisi edge untuk mengekstraksi fitur-fitur penting. Selanjutnya, fitur multimodal tersebut diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) untuk menentukan kondisi pengendara ke dalam tiga kelas, yaitu normal, mengantuk sedang, dan mengantuk berat. Hasil klasifikasi ditampilkan melalui aplikasi Android dan digunakan sebagai dasar pemberian peringatan kepada pengendara apabila terdeteksi kondisi kelelahan. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kondisi pengendara secara tepat dengan tingkat akurasi, presisi, recall, dan F1-score yang tinggi pada data pengujian. Sistem yang diusulkan berpotensi digunakan sebagai sistem peringatan dini untuk meningkatkan keselamatan pengendara sepeda motor, khususnya pada perjalanan dengan durasi yang panjang.Referensi
Y. Albadawi, M. Takruri, and M. Awad, “A Review of Recent Developments in Driver Drowsiness Detection Systems,” Sensors, vol. 22, no. 5, p. 2069, Mar. 2022, doi: 10.3390/s22052069.
M. S. AL-Quraishi, S. S. Azhar Ali, M. AL-Qurishi, T. B. Tang, and S. Elferik, “Technologies for detecting and monitoring drivers’ states: A systematic review,” Heliyon, vol. 10, no. 20, p. e39592, Oct. 2024, doi: 10.1016/j.heliyon.2024.e39592.
T. Fonseca and S. Ferreira, “Drowsiness Detection in Drivers: A Systematic Review of Deep Learning-Based Models,” Appl. Sci., vol. 15, no. 16, p. 9018, Jan. 2025, doi: 10.3390/app15169018.
J. Halomoan, K. Ramli, D. Sudiana, T. S. Gunawan, and M. Salman, “ECG-Based Driving Fatigue Detection Using Heart Rate Variability Analysis with Mutual Information,” Information, vol. 14, no. 10, p. 539, Oct. 2023, doi: 10.3390/info14100539.
Y. Jiao, C. Zhang, X. Chen, L. Fu, C. Jiang, and C. Wen, “Driver Fatigue Detection Using Measures of Heart Rate Variability and Electrodermal Activity,” IEEE Trans. Intell. Transp. Syst., vol. 25, no. 6, pp. 5510–5524, Jun. 2024, doi: 10.1109/TITS.2023.3333252.
D. I. Putra, D. Suarmin, and S. Ekariani, “Fatigue Warning System During Physical Exercise Based on Heart Rate and Oxygen Saturation Using Non-invasive Wearable Sensor,” in 2022 International Symposium on Information Technology and Digital Innovation (ISITDI), Jul. 2022, pp. 22–26. doi: 10.1109/ISITDI55734.2022.9944484.
D. Ichwana, R. Z. Ikhlas, and S. Ekariani, “Heart Rate Monitoring System During Physical Exercise for Fatigue Warning Using Non-invasive Wearable Sensor,” in 2018 International Conference on Information Technology Systems and Innovation (ICITSI), Oct. 2018, pp. 497–502. doi: 10.1109/ICITSI.2018.8696039.
C. Lin, X. Zhu, R. Wang, W. Zhou, N. Li, and Y. Xie, “Early Driver Fatigue Detection System: A Cost-Effective and Wearable Approach Utilizing Embedded Machine Learning,” Vehicles, vol. 7, no. 1, p. 3, Mar. 2025, doi: 10.3390/vehicles7010003.
Z. AlArnaout, C. Zaki, Y. Kotb, M. AlAkkoumi, and N. Mostafa, “Exploiting heart rate variability for driver drowsiness detection using wearable sensors and machine learning,” Sci. Rep., vol. 15, no. 1, p. 24898, Jul. 2025, doi: 10.1038/s41598-025-08582-2.
M. R. Yazid, A. N. Jaafar, R. Abdullah, N. N. S. N. Dzulkefli, and S. Omar, “Real-Time Heart Rate Monitoring Using Arduino and Pulse Sensor,” in 2024 IEEE International Conference on Automatic Control and Intelligent Systems (I2CACIS), Jun. 2024, pp. 368–372. doi: 10.1109/I2CACIS61270.2024.10649849.
I. A. Soenandi, L. Widodo, B. Harsono, I. Oktavera, and V. Lusiana, “Fatigue analysis and design of a motorcycle online driver measurement tool using real-time sensors,” J. Sist. Dan Manaj. Ind., vol. 7, no. 2, pp. 169–178, Dec. 2023, doi: 10.30656/jsmi.v7i2.7500.
S. Hwang et al., “A Multimodal Fatigue Detection System Using sEMG and IMU Signals with a Hybrid CNN-LSTM-Attention Model,” Sensors, vol. 25, no. 11, p. 3309, Jan. 2025, doi: 10.3390/s25113309.
H. Luo, P.-A. Lee, I. Clay, M. Jaggi, and V. De Luca, “Assessment of Fatigue Using Wearable Sensors: A Pilot Study,” Digit. Biomark., vol. 4, no. Suppl 1, pp. 59–72, Nov. 2020, doi: 10.1159/000512166.
N. R. Adão Martins, S. Annaheim, C. M. Spengler, and R. M. Rossi, “Fatigue Monitoring Through Wearables: A State-of-the-Art Review,” Front. Physiol., vol. 12, p. 790292, Dec. 2021, doi: 10.3389/fphys.2021.790292.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 