Perpustakaan Digital ITB

Mengantuk saat mengemudi merupakan penyebab utama kecelakaan lalu lintas, khususnya di negara dengan penggunaan sepeda motor yang tinggi seperti Indonesia. Sistem deteksi yang ada umumnya bersifat intrusif atau mahal sehingga kurang sesuai untuk penggunaan sehari-hari. Penelitian ini mengusulkan sistem deteksi kantuk yang bersifat non-intrusif dan berbiaya rendah menggunakan perangkat wearable komersial, dengan menggabungkan data multimodal dari photoplethysmography (PPG), electrodermal activity (EDA), dan sinyal akselerometer. Kebaruan utama penelitian ini adalah modul deteksi menguap yang kompatibel dengan perangkat wearable, yang menganalisis perubahan oksigenasi darah berbasis PPG melalui teknik dual-wavelength ratio-of-ratios dengan kalibrasi spesifik subjek. Skor kemungkinan menguap ini diintegrasikan dengan fitur fisiologis (heart rate variability dan skin conductance) dalam suatu pipeline klasifikasi terpadu, didukung oleh preprocessing untuk reduksi artefak gerakan. Evaluasi dilakukan pada dataset simulator mengemudi dengan 25 partisipan dan label Karolinska Sleepiness Scale. Hasil menunjukkan bahwa deteksi menguap mencapai akurasi 93,5%, recall 90,2%, dan skor F1 82,1%. Integrasi modul menguap ke dalam kerangka multimodal meningkatkan performa sistem menjadi 84,5% akurasi dan 98,7% recall pada data partisipan berkualitas tinggi, melampaui pendekatan wearable konvensional. Temuan ini menegaskan kelayakan penggabungan sinyal perilaku dan fisiologis dalam platform berbasis gelang tangan berbiaya rendah untuk pemantauan kantuk yang praktis di dunia nyata.