Record Details

Deteksi Helm untuk Keamanan Pengendara Sepeda Motor dengan Metode CNN (Convolutional Neural Network) menggunakan Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Deteksi Helm untuk Keamanan Pengendara Sepeda Motor dengan Metode CNN (Convolutional Neural Network) menggunakan Raspberry Pi
 
Added Entry - Uncontrolled Name Ilham, Ikhsan Rahmad
Utaminingrum, Fitri
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Faktor kecelakaan lalu-lintas disebabkan oleh 3 faktor seperti kelalaian manusia, keadaan dari kendaraan dan juga factor dari lingkungan. Menurut WHO (World Health Organization) penggunaan helm pada pengendara sepeda motor dapat menurunkan resiko kematian sampai dengan 40% dengan menggunakan helm juga dapat mengurangi resiko cedera parah lebih dari 70%. Penggunaan helm sebagai keamanan bagi pengendara sepeda motor masih dianggap tidak begitu penting sehingga diabaikan, oleh sebab itu kecelakaan pengendara sepeda motor terutama pengendara yang tidak menggunakan helm dan tingkat pelanggaran lalu-lintas tinggi. Faktor kelelahan pada polisi dalam memantau lalu-lintas menyebabkan mengabaikan pengendara yang melanggar dengan tidak menggunakan helm saat berkendara. Oleh karena itu deteksi helm bagi pengendara sepeda motor sangat penting, yaitu menggunakan teknologi untuk memperoleh informasi pengendara sepeda motor yang melanggar aturan. Berdasarkan beberapa faktor tersebut, setelah mengetahui penyebab dari kecelakaan pengendara sepeda motor di lalu-lintas dapat dikurangi salah satu solusi nya yaitu menggunakan computer vision untuk deteksi helm sebagai keamanan pengendara sepeda motor dalam berkendara serta mempermudah pekerjaan aparat polisi dalam menjaga lalu-lintas dengan cara pemberitahuan notifikasi pelanggaran lalu lintas pengendara yang tidak menggunakan helm dengan alert buzzer. Penulis mengusulkan metode CNN (Convolutional Neural Network) sebagai deteksi pengendara motor yang melanggar lalu-lintas seperti tidak menggunakan helm, dengan demikian dapat mengurangi kecelakaan pada lalu-lintas. Hasil pengujian yang telah dilakuukan sistem dapat mendeteksi objek orang tidak menggunakan helm dengan akurasi sebesar 90% menggunakan confusion matrix pada hasil pengujian.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10087
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 11 (2021): November 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com