RANCANGAN ALAT PENCEGAH KECELAKAAN PENGENDARA DENGAN METODE DEEP NAURAL NETWORK PADA RASPBERRY PI
Abstract
Sabuk pengaman merupakan bagian paling penting bagi pengendara, helm melindungi pengendara dari terjadinya kejadian yang tidak di inginkan, fungsi utama helm adalah meminimalisir terjadinya suatu kecelakaan. Pengendara motor harus selalu memakai helm, maupun jarak tujuannya dekat atau jauh, karena tidak tahu saat perjalanan apa yang akan terjadi. Kecepatan pengendara salah satu factor penyebab kecelakaan, banyak pengendara yang memacu kendaraanya dengan kecepatan tinggi tanpa sadar bahayanya. Kami melihat helm sangat penting bagi pengendara bermotor, dan mendapat ide penggabungan 2 unsur menjadi 1, dari itu lah terbentuk ide helm pencegah kecelakaan. Tujuan dari penelitian ini adalah membuat sebuah inovasi yang berguna untuk mengurai tingkat kecelakaan kendaraan melalui sebuah sabuk pengaman
References
Adelaide, Kezia. (2012). Gambaran Faktor-Faktor Penyebab Kecelakaan Lalu Lintas di Jalan Tol Purbaleunyi Tahun 2010-2011. Depok: Universitas Indonesia
Jamil, Rabia., Arsyad, M. & Upe, Ambo. (2018). Perilaku Konsumeris Pengunjung Mall Lippo Plaza Kota Kendari. Neo Societal, 3(2), 518-525.
Setyowati, D. L., Firdaus, A. R. & Rohmah, Nur. (2018). Faktor Penyebab Kecelakaan Lalu Lintas Pada Siswa Sekolah Menengah Atas di Kota Samarinda. The Indonesian Journal of Occupational Safety and Health. 7(3), 329-338.
Ilahiyah, Sarirotul., & Nilogiri, Agung. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. Jurnal Sistem dan Teknologi Informasi Indonesia, 3(2), 49-56.
Yasir, M., & Indra, Evta. (2019). Rancang Bangun Model Sistem Real Monitoring Lalu Lintas Dengan Menggunakan Raspberry Pi. Jurnal Sistem Informasi dan Ilmu Komputer Prima, 3(1), 43-50.
Faradiba. (2017). Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode Back Propagation Neural Network. Jurnal EduMatSains, 2(1), 1-16.
Aulia, Siska., Maria, Popy., & Ramiati. (2019). Aplikasi Pendeteksi Plat Nomor Kendaraan Berbasis Raspberry Pi Menggunakan Website Untuk Pelanggaran Lalu Lintas. Elektron Jurnal Ilmiah, 11(2), 84-89.
Habibi, A. M., Fariqi, Muhtar., & Anggriawan, Rio. (2020). Beware Alat Pendeteksi Kelelahan Berbasis Kecerdasan Buatan dengan Metode Pengolahan Citra Untuk Mencegah Kecelakaan Berkendara. Jurnal Penelitian Transportasi Darat, 22(1), 37-46.
Haris, Abdul., Yosrita, Efy., & Putra, R. A. (2017). Model Monitoring dan Identifikasi Pelanggar di Jalur Transjakarta Menggunakan Library Tesseract OCR Pada Raspberry Pi 3 Model B. Jurnal Manajemen Informatika.
Sutjiadi, Raymond., & Pattiasina, T. J. (2020). Deteksi Objek Menggunakan Dashboard Camera Untuk Sistem Peringatan Pencegah Kecelakaan Pada Mobil. Jurnal Teknologi Informasi dan Ilmu Komputer, 7(2), 427-434.
Susrama, I Gede., & Setiawan, Ariyono. (2019). Rancang Bangun Aplikasi “W-Mass (Weight Monitor Assistant)” Berbasis Android Stu-dio Dengan Bahasa Native Java. Jurnal Penelitian, 4(2), 1-19.
Amri, Syaiful., & Amri, Hikmatul. (2017). Rancang Bangun Sistem Pencegahan Kecelakaan Lalu Lintas Pengendara Sepeda Motor. Prosiding SNITT – Politeknik Negeri Balikpapan, 2.
Hindrayani, K. M., Diyasa, I G. S. M., Maulana, T. (2020). Studi Literatur Mengenai Prediksi Harga Saham Menggunakan Machine Learning, Prosiding Seminar Nasional Informatika Bela Negara, 1, 71-75.
Santoso, A. B., Martinus, & Sugiyanto. (2013). Pembuatan Otomasi Pengaturan Kereta Api, Pengereman dan Palang Pintu Pada Rel Kereta Api Mainan Berbasis Mikrokontroler. Jurnal FEMA, 1(1), 16-23.
Ahmad, Abu. (2017). Mengenal Artificial Intellegence, Machine Learning, Neural Network, Deep Learning. Yayasan Cahaya Islam, Jurnal Teknologi Indonesia.
Peryanto, Ari., Yudhana, Anton. & Umar, Rusydi. (2019). Rancang Bangun Klasifikasi Citra dengan Teknologi Deep Learning Berbasing Metode Convolutional Neural Network. Jurnal Ilmiah Teknik Informatika. 8(2). 138-147.
Diyasa, I G. S. M., Sri, N. L. W., Winardi, S., dkk (2020), Progressive Parking Smart System in Surabaya’s Open Area Based on IoT, Journal of Physics: Conference Series, 1569(2).
Full Text: PDF
Refbacks
- There are currently no refbacks.
