PERANCANGAN PENDETEKSI KANTUK YANG TERINTEGRASI DENGAN PEMBATAS KECEPATAN PADA TRUK DAN BUS

(1)

i

PERANCANGAN PENDETEKSI KANTUK YANG TERINTEGRASI DENGAN PEMBATAS KECEPATAN PADA TRUK DAN BUS

TEGUH IMAM PRASETYA NIM : 41316310061

PROGRAM STUDI TEKNIK MESIN FAKULTAS TEKNIK

UNIVERSITAS MERCU BUANA BEKASI 2018

http://digilib.mercubuana.ac.id/

(2)

LAPORAN TUGAS AKHIR

PERANCANGAN PENDETEKSI KANTUK YANG TERINTEGRASI DENGAN PEMBATAS KECEPATAN PADA TRUK DAN BUS

Nama : Teguh Imam Prasetya

NIM : 41316310061

Program Studi : Teknik Mesin

DIAJUKAN UNTUK MEMENUHI SYARAT KELULUSAN MATA KULIAH TUGAS AKHIR PADA PROGRAM SARJANA STRATA SATU (S1)

JANUARI 2018

(3)

ii

LEMBAR PERNYATAAN

Yang bertandatangan dibawah ini : Nama : Teguh Imam Prasetya NIM : 41316310061

Jurusan : Teknik Mesin Fakultas : Teknik

Judul Skripsi : Perancangan Pendeteksi Kantuk yang Terintegrasi dengan Pembatas Kecepatan pada Truk dan Bus

Saya menyatakan menyatakan bahwa hasil penulisan Laporan Tugas Akhir yang telah saya buat ini merupakan hasil karya sendiri dan benar keasliannya. Apabila ternyata di kemudian hari penulisan Laporan Tugas Akhir ini merupakan hasil plagiat atau penjiplakan terhadap karya orang lain, maka saya bersedia mempertanggung jawabkan sekaligus bersedia menerima sanksi berdasarkan aturan di Universitas Mercu Buana.

Demikian, pernyataan ini saya buat dalam keadaan sadar dan tidak ada paksaan.

Jakarta, 16 September/2017

( Teguh Imam Prasetya )

(4)

LEMBAR PENGES AHAN

Perancangan Pendeteksi Kantuk yang Terintegrasi dengan Pembatas Kecepatan pada Truk dan Bus

Nama : Teguh Imam Prasetya NIM : 41316310061

Program Studi : Teknik Mesin

Telah diperiksa dan disetujui oleh :

Pembimbing Tugas Akhir Koordinator Tugas Akhir

(Hadi Pranoto, ST, MT) (Hadi Pranoto, ST, MT)

(5)

iv

KATA PE NGANTAR

Puji syukur kepada Tuhan Yang Maha Esa atas berkat dan rahmat-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir dengan materi yang berjudul Perancangan Pendeteksi Kantuk yang Terintegrasi dengan Pembatas Kecepatan pada Truk dan Bus..

Tugas Akhir ini dibuat untuk memenuhi standar kompetensi dan melengkapi syarat kelulusan tingkat akhir program studi Teknik Mesin Universitas Mercu Buana.

Penulis menyadari bahwa tugas akhir ini adalah salah satu tolok ukur keberhasilan penulis selama belajar di Universitas Mercu Buana, sehingga penulis berusaha mempersembahkan karya ini dengan sebaik mungkin.

Tugas akhir ini dapat diselesaikan karena peranan pihak-pihak yang membantu dalam pembuatan tugas akhir ini. Penulis mengucapkan terimakasih dan penghargaan kepada :

1. Bapak Dr. Ir. Arissetyanto Nugroho, MM selaku rektor Universitas Mercu Buana yang memimpin seluruh kegiatan akademik

2. Bapak Prof. Dr. Ir. Candrasa Soekardi, sebagai dekan Fakultas Teknik Universitas Mercu Buana yang memfasilitasi kegiatan tugas akhir

3. Bapak Hadi Pranoto, ST, MT, selaku koordinator sekaliagus pembimbing tugas akhir yang senantiasa mendampingi, memberikan masukan, dan dukungan demi suksesnya tugas akhir ini.

4. Orang tua dan keluarga penulis yang senantiasa memberikan dukungan mental, material, dan spiritual demi tercapainya tujuan tugas akhir ini.

5. Keluarga besar Universitas Mercu Buana dan pihak-pihak yang tidak dapat penulis sebutkan satu persatu yang turut membantu terselesaikanya tugas akhir ini.

Jakarta, 16 September 2017

Teguh Imam Prasetya

(6)

PE NGH ARGAAN

Saya persembahkan untuk:

Tuhan Yang Maha Esa Orang tua dan keluarga Rekan-rekan UMB REG2 #29 Dosen dan pengajar

Keluarga Besar UMB

(7)

vii

DAFTAR ISI

LEMBAR PERNYATAAN II

LEMBAR PENGESAHAN III

KATA PENGANTAR IV

PENGHARGAAN V

ABSTRAK VI

DAFTAR ISI VII

DAFTAR GAMBAR X

DAFTAR TABEL XII

DAFTAR LAMPIRAN XIII

DAFTAR ISTILAH XIV

BAB I PENDAHULUAN 1

LATARBELAKANG 1

RUMUSANMASALAH 3

TUJUANPENELITIAN 4

BATASANMASALAH 4

SISTEMATIKAPENULISAN 5

BAB II TINJAUAN PUSTAKA 6

STATEOFTHEART 6

PENGERTIANKANTUK 8

MENGUAP 11

PARAMETERMENGANTUK 12

KAROLINSKASLEEPINESSSCALE(KSS) 12

ERGONOMIMENGEMUDI 13

PENGOLAHANCITRA(IMAGEPROCESSING) 16

PERSAMAAN PENGOLAHANCITRADIGITAL 17

(8)

PENGENALANPOLA 18

COMPUTERVISION 19

MIKROKONTROLER 20

RASPBERRYPI 21

WEBCAM 22

HDMI 23

LCDTOUCHSCREEN 24

PHONECARHOLDER 25

SLIFA 25

RASPBIAN 27

PYTHON 28

MODULATAULIBRARY 28

PENENTUANFACIALLANDMARKDETECTOR 30

BAB III METODE PELAKSANAAN 31

PENDAHULUAN 31

JADWALPENGERJAANTUGASAKHIR 32

DIAGRAMALIR 33

DIAGRAMSKEMATIK 35

DIAGRAMINSTALASI 36

IDENTIFIKASIKEBUTUHAN 36

PEMILIHANHARDWAREDANSOFTWARE 37

PERENCANAANKONSEPDANDESIGNSISTEM 40

PERHITUNGANBIAYAMATERIALDANPENGEMBANGAN 43

INSTALASISISTEMOPERASI 44

INSTALASIPYTHONPACKAGES 46

INSTALASIAPLIKASIPENDUKUNG 47

PENGUKURANRASIOMATA 47

PENGUKURANRASIOMULUT 48

PENGUMPULANDATAAWAL 49

PERHITUNGANEYESTATE 50

PERHITUNGANMOUTHSTATE 51

PERHITUNGANSSS 53

(9)

ix

PERHITUNGANWAKTUDETEKSI 54

MENENTUKANTINGKATFLUKTUASIDATA 55

PEMBUATANSOURCECODE 56

PENYUSUNANDATAPENDUKUNGDANARGUMENT 62

PEMBUATANSISTEMAUTORUN 63

LOKASIDANWAKTUPENGUJIAN 64

ALAT-ALATPENGUJIAN 68

METODEPENGUJIAN 71

DAFTARMASALAHDANPENYELESAIAN 74

BAB IV HASIL YANG DICAPAI DAN POTENSI KHUSUS 76

4.1 PENDAHULUAN 76

4.2 HASILPENGUJIANMALAM 76

4.3 HASILPENGUJIANSIANG 80

4.4 KASUSDANHASILPENGUJIAN 86

4.5 PENGOLAHANDATADANANALISAHASILPENGUJIAN 89

4.6 POTENSIKHUSUS 93

BAB V KESIMPULAN DAN SARAN 95

5.1 KESIMPULAN 95

5.2 SARAN 96

DAFTAR PUSTAKA 97

LAMPIRAN 100

(10)

DAFTAR GAMB AR

No. Gambar Halaman

Gambar 1.1 Persentase Faktor Penyebab Kecelakaan Lalu Lintas 1 Gambar 1.2 Tabel Kejadian Kecelakaan Fatal Menurut Jenis Kendaraan 2

Gambar 2.1 Orang Mengantuk 9

Gambar 2.2 Menguap 11

Gambar 2.3 Ruang Kaki 14

Gambar 2.4 Sudut Kemiringan Dudukan 14

Gambar 2.5 Sudut Kemiringan Sandaran 15

Gambar 2.6 Ketinggian Dudukan 15

Gambar 2.7 Penopang Pinggang 16

Gambar 2.8 Citra Digital 17

Gambar 2.9 Pengenalan Pola 18

Gambar 2.10 Hubungan Pengolahan Citra dan Pengenalan Pola 20

Gambar 2.11 Mikrokontroler 20

Gambar 2.12 Raspberry Pi 3 Model B 21

Gambar 2.13 Web Cam 23

Gambar 2.14 Kabel HDMI 23

Gambar 2.15 LCD 3.5” HDMI 1920X1080 Touch Screen 24

Gambar 2.16 Phone Car Holder 25

Gambar 2.17 Diagram Installation Engine Bus 26

Gambar 2.18 Speed Limiter On The Engine Bus Scheme 26 Gambar 2.19 Tampilan Desktop Raspbian Stretch 27

Gambar 2.20 Logo Python 28

Gambar 2.21 Contoh Modul Sederhana pada Python 29 Gambar 2.22 Visualisasi 68 Titik Wajah dari iBUG 300-W Dataset 30

Gambar 3.1 Diagram Alir 33

Gambar 3.2 Diagram Skematik 35

Gambar 3.3 Diagram Instalasi SLIFA + Pendeteksi Kantuk 36

Gambar 3.4 Simulasi Rancangan 3D 40

Gambar 3.5 Pengemudi Fokus 41

Gambar 3.6 Pengemudi Mengantuk 41

(11)

xi

Gambar 3.7 Pengemudi Terganggu 42

Gambar 3.8 Tampilan Aplikasi SDFormatter V4.0 45 Gambar 3.9 Tampilan Aplikasi Win32 Disk Imager 45

Gambar 3.10 Tampilan Raspi-Config 46

Gambar 3.11 Visualisasi Kondisi Mata Terbuka dan Tertutup 47 Gambar 3.12 Visualisasi Kondisi Mulut Terbuka dan Tertutup 48

Gambar 3.13 Eye State Diagram 50

Gambar 3.14 Mouth State Diagram 52

Gambar 3.15 Contoh Pengisian Crontab File 64

Gambar 3.16 Rute Pengujian Malam 65

Gambar 3.17 Kondisi Pengujian Malam 66

Gambar 3.18 Rute Pengujian Siang 67

Gambar 3.19 Kondisi Pengujian Siang 67

Gambar 3.20 Alat-Alat Pengujian 68

Gambar 3.21 Diagram Alir Pengujian 72

Gambar 3.22 Purposive Sampling 73

Gambar 4.1 Video Frame Pengujian Responden YA 77

Gambar 4.2 Grafik Pengujian Responden YA 77

Gambar 4.3 Video Frame Pengujian Responden HS 79

Gambar 4.4 Grafik Pengujian Responden HS 79

Gambar 4.5 Video Frame Pengujian Responden AS 81

Gambar 4.6 Grafik Pengujian Responden AS 81

Gambar 4.7 Video Frame Pengujian Responden AB 83

Gambar 4.8 Grafik Pengujian Responden AB 83

Gambar 4.9 Video Frame Pengujian TI 85

Gambar 4.10 Grafik Pengujian TI 85

Gambar 4.11 Korelasi Analisa Hasil Pengujian 90

Gambar 4.12 Variabel Moderating 91

Gambar 4.13 Variabel Intervening 91

Gambar 4.14 Bobot Deteksi Mulut dan Mata 92

Gambar 4.15 Kontur Pengujian Malam dan Siang 93

(12)

DAFTAR T ABEL

No. Tabel Halaman

Tabel 2.1 State of The Art 6

Tabel 3.1 Jadwal Pengerjaan Tugas Akhir 32

Tabel 3.2 Morfologi Desain 38

Tabel 3.3 Biaya Material dan Pengembangan 43

Tabel 3.4 Pengumpulan Data Awal EAR dan MAR 49

Tabel 3.5 Nilai Linguistik EAR 49

Tabel 3.6 Nilai Linguistik MAR 50

Tabel 3.7 Nilai Linguistik ES 51

Tabel 3.8 Nilai Linguistik MS 53

Tabel 3.9 Tabel SSS 54

Tabel 3.10 Penentuan Fluktuasi Data 56

Tabel 3.12 Tabel Lokasi dan Waktu Pengujian Malam 65 Tabel 3.13 Tabel Lokasi dan Waktu Pengujian Siang 66 Tabel 3.14 Spesifikasi dan Fungsi Alat-Alat Pengujian 68

Tabel 3.15 Variabel Pengujian 73

Tabel 3.16 Operasionalisasi terhadap Variabel 74

Tabel 3.17 Masalah dan Penyelesaian 75

Tabel 4.1 Data Linguistik Pengujian Responden YA 78 Tabel 4.2 Data Linguistik Pengujian Reponden HS 80 Tabel 4.3 Data Linguistik Pengujian Responden AS 82 Tabel 4.4 Data Linguistik Pengujian Responden AB 84 Tabel 4.5 Data Linguistik Pengujian Responden TI 86

Tabel 4.6 Scenario dan Hasil Pengujian 87

Tabel 4.7 Kemungkinan Deteksi Kantuk 92

(13)

xiii

DAFTAR L AMPI RAN

No. Lampiran Halaman

Lampiran A Simulasi 3D Pendeteksi Kantuk 101

Lampiran B Surat Tugas Pembimbing 103

Lampiran C Kartu Asistensi 104

Lampiran D Surat Keterangan Perbaikan Proposal 105

(14)

DAFTAR IST ILAH

Computer Vision adalah ilmu dan teknologi mesin yang melihat, di mana mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu

EAR Eye Aspect Ratio adalah ukuran mata yang dinyatakan dalam rasio

EEG Electroencephalogram adalah salah satu tes yang dilakukan untuk mengukur aktivitas kelistrikan dari otak untuk mendeteksi adanya kelainan dari otak. Tindakan ini menggunakan sensor khusus yaitu elektroda yang dipasang di kepala dan dihubungkan melalui kabel menuju komputer. EEG akan merekam aktivitas elektrik dari otak, yang direpresentasikan dalam bentuk garis gelombang.

EOG Electrooculogram adalah suatu pengukuran / pencatatan berbagai potensial pada kornea retina sebagai akibat perubahan posisi dan gerakan mata.

ES Eye State adalah kondisi mata yang dinyatakan dalam skala FRMS Fatique Risk Management System adalah suatu teknik

pengelolaan terhadap resiko kelelahan manusia, biasanya digunakan untuk menghindari dampak kecelakaan dan meningkatkan kinerja,

Image Processing adalah pengolahan suatu citra atau gambar dengan menggunakan komputer secara khusus, untuk menghasilkan suatu citra yang lain.

Infrared Infrared atau yang lazim dikenal dengan infra merah merupakan sinar elektromagnetik yang memiliki panjang gelombang lebih dari cahaya yang terlihat, yakni antara 700 nm dan 1 mm.

IOT Internet of Think merupakan sebuah konsep yang bertujuan untuk memperluas manfaat dari konektivitas internet yang tersambung secara terus-menerus.

KSS Karolinska Sleepiness Scale adalah skala yang dipergunakan untuk melihat rentang dari subjek yang akan dinilai tingkat kelelahannya berdasarkan skala 1 sampai dengan skala 9 MAR Mouth Aspect Ratio adalah ukuran mulut yang dinyatakan

dalam rasio

(15)

xv

Modul adalah file yang terdiri dari kode Python. Modul dapat mendefinisikan fungsi, kelas dan variabel.

MS Mouth State adalah kondisi mulut yang dinyatakan dalam skala Parameter adalah beberapa aspek yang diamati sesuai dengan pengamatan melalui pengukuran yang telah ditentukan dalam kerangka metode penelitian yang digunakan.

Pattern Recognition adalah mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin (komputer)

Python adalah bahasa pemrograman interpretatif multiguna

Raspberry Pi sering disingkat dengan nama Raspi, adalah komputer papan tunggal (single-board circuit; SBC) yang seukuran dengan kartu kredit yang dapat digunakan untuk menjalankan program perkantoran, permainan komputer, dan sebagai pemutar media hingga video beresolusi tinggi.

SLIFA Speed Limiter Integrated Fatigue Analyzer adalah perangkat elektronik yang dirancang dengan maksud untuk menghentikan konsumsi bahan bakar. Perangkat ini akan masuk ke ruang bakar dengan menggunakan pemutus arus relay pada saklar solenoida yang disematkan di pompa injeksi bahan bakar pada mesin diesel untuk truk dan bus. Sensor akan membaca kecepatan berlebih dan detak jantung pengemudi yang kelelahan.

SSS Slifa Sleepiness Scale adalah skala yang digunakan untuk menggambarkan tingkat kantuk pengemudi yang diadaptasi dari Karolinska Sleepiness Scale (KSS). SSS mempunyai skala dari satu sampai sembilan

Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian. Sering juga penelitian itu sebagai faktor-faktor yang berperan dalam peristiwa atau gejala yang akan diteliti.