Implementasi Support Vector Machine Pada Alat Monitoring Kecelakaan Dengan Intelligent Transport System
Referensi:
Zahrah, S., Handayani, A., & Nurdin, A. (2022). Implementasi Support Vector Machine Pada Alat Monitoring Kecelakaan Dengan Intelligent Transport System. Building of Informatics, Technology and Science (BITS), 4(2), 562-569. https://doi.org/10.47065/bits.v4i2.1974
ABSTRAK
Pada sistem transportasi yang cerdas atau intelligent transport system akan menghasilkan sejumlah data yang besar. Data yang dihasilkan berperan penting dalam desain dan penerapan ITS pada sistem transportasi. Pada penelitian ini membahas tentang penerapan algoritma Supprot Vector Machine pada alat monitoring kecelakaan dengan memanfaatkan Intelligent Transportation System yang bekerja secara real-time menggunakan aplikasi berbasis android. Percobaan ini dengan melakukan simulasi monitoring kecelakaan dengan sebuah alat monitoring kecelakaan teknologi multisensor. Teknologi multisensor terdiri dari sensor MPU 6050, sensor suara, sensor getaran, dan kamera. Pada percobaan yang dilakukan dengan mengklasifikasikan variabelyang diukur adalah lokasi, kemiringan, akurasi, waktudari sistem monitoring kecelakaan lalu lintas. Pada pengujian dengan menggunakan algoritma Supprot Vector Machinehasil monitoring kecelakaan lalu lintas mampu bekerja dengan baikdengan dapat mengkasifikasikan data berdasarkan jenis kecelakaan.
PENDAHULUAN
Pada era yang modern serta berkembang dengan cepat ini, jumlah masyarakat yang memanfaatkan teknologi semakin bertambah, termasuk implementasi teknologi yang digunakan dalam transportasi kendaraan roda empat. Teknologi-teknologi yang ada dirancang dan dikembangkan untuk meningkatkan kenyamanan dan keamanan saat sedang berkendara dengan mobil. Peningkatan teknis ini disertai dengan peningkatan jumlah kecelakaan lalu lintas di Indonesia yang menurut polisi terus meningkat dari tahun ke tahun.
Data kecelakaan akan sangat berguna apabila digali dengan benar agar dapat menemukan fakta-fakta yangdapat diambildan dimanfaatkansertadigunakan untuk mengungkap pengetahuan-pengetahuanyang baru. Menggunakan penerapan teknik Data Mining dapat dipecahkan sejumlah permasalahan dengan melakukan analisis pada datayang dimiliki olehkepolisian.
Data Mining merupakan teknik untuk menemukan sebuah informasi terbaru dengan menemukan sebuahpola atau kaidah-kaidah tertentu yang terbentuk dari data-data dengan jumlah yang sangat besar. Asosiasi, Clustering, dan Klasifikasi adalah tiga teknik dasar Data Mining yang saat ini umum untuk digunakan. Penulis pada penelitian ini menggunakan teknik klasifikasi. Klasifikasi merupakan prosedur untuk pengidentifikasian fungsi atau model yang dapat digunakan untuk memberikan penjelasan atau menjadi pembeda sebuahkonsep atau kelas datayang bertujuan untukmembentuk perkiraan mengenaikelas yang belumdiketahui dari sebuahobjek.Satu diantara beberapateknik klasifikasiyang telah dikenaladalahSupport Vector Machine (SVM).
Pada penelitian ini akandigunakanIntelligent Transportation System dan aplikasi berbasis Android, untuk merancangsistem monitoring support vector machinekecelakaan transportasi sebagai bagian utama dari penelitian ini.
Intelligent Transportation System (ITS)adalah teknologi yang baru-baru ini dimanfaatkan untuk mengurangi kemacetan lalu lintas. Pemanfaatan ITSsebagai sistem monitoring sudah banyakberhasil dilakukan olehsejumlah riset-risetsebelumnya, meskipun menggunakan kategori aplikasiyang beragam contohnya, perilaku pengemudi serta keadaan lingkungan sekitar, kendaraan, serta informasi lalu lintas.
Pada sistem ini memanfaatkan Sensor MPU6050 yang terdiri dari akselerometer dan giroskop untuk mendeteksi kemiringan kendaraan. Salah satu strategi pengendalian yang handal sebagai penentu kemiringan kendaraan.[17]Strategi pengendalian tingkat kecelakaan pada sistem ini menggunakan support vector machinedengan berupa derajat kemiringan dari sensor MPU6050,nilai kebisingan dari sensor suara, dan nilai vibrasi gelombang dari sensor getar.Sistem ini juga dilengkapifitur tombol panik yang akan terhubung menuju layanan masyarakat apabilaterjadi keadaan darurat atau aktivitas, fitur ini merupakan sebuah kelebihandari sistem yang diciptakan ini.Tujuan menerapkan metode support vector machine, untuk mendapatkan data miningteknik pemisahan (hyperplane) yang terbaik untuk pemisahan obesrasidata dengan nilai yang berubah-ubah danbervariasi. Data mining adalah prosedur yang memanfaatkanmetode statistik dan machine learninguntuk melakukan identifikasiinformasi tentang peralatan pemantauan kecelakaan lalu lintas.[18]Penerapan Support Vector Machine (SVM)pada sistem ini dapat meningkatkan keakuratan dalam pengambilan keputusan serta mencegah kesalahan dalam proses pengiriman dan penerimaan data yang dapat berdampak menurunkan angka kematian akibat kecelakaan lalu lintas.
METODOLOGI PENELITIAN
Metodologi penelitian ini mencakup langkah-langkah di mana pendekatan mesin pembelajaran (Machine Learning) mencoba mengidentifikasi fungsi pemisah (hyperplane) yang memisahkan dua kelas di InputSpace. Seperti yang ditunjukkan dalam gambar berikut, penelitian ini dibagi menjadi beberapa tahap
Intelligent TransportSystem
ITS (Intelligent Transport System) ialah pengelolaan suatu sistem informasi yang menentukan pemrosesan teknologi data untuk memperbaiki benda dan manusia, mengembangkan sistem keamanan, menekan angka kemacetan, menganalisis kecelakaan. ITS memberikan informasi perjalanan terbaru dan memberikan seluruh penanganan seluruh moda transportasi.
Support Vector MachineSupport
Vector Machineadalah sistem klasifikasi yang digunakan dalam situasi seperti Support Vector Classification.Dalam penelitian ini menggunakan metode Support Vector Machineyang berfungsi sebagai pemisah data terdiri dari 2D merupakan klasifikasi sebagai line whereaas klasifikasi dan 3D atau juga dikenal planesimilarly. Gambar 2.Flowchart SVM (Support Vector Machine)
Pada Penelitian ini perangkat keras(hardware) sistem monitoringkecelakaanlalu lintas menggunakan sensor MPU6050, sensor suara, sensor getaran, dan kamera.Sensor MPU 6050 sebagai pendeteksi kemiringan, sensor suara sebagai pendeteksi kebisingan dan kamera sebagaiperekaman data kecelakaan pada pengendara. Setelah terjadinya kecelakaan lalu lintas maka sensor akan membaca parameter dengan otomatis dan akan langsung memproses alat tersebut ke aplikasi melalui Raspberry Pi. Perangkat keras sistem monitoring kecelakaan lalu lintas ini telah berhasil dibuat berdasarkan sistem rancangan alat. Berikut adalah perangkat keras sistem monitoring kecelakaan lalu lintas
a.Pengambilan data waktu mengikuti saat terjadinya kecelakaan
b.Data lokasi menunjukkanakurasi yang teruji baik dengan nilai garis lintang dan bujur untuk mengetahui letak kecelakaan dan mendapat penanganan yang tanggap oleh masyarakatyang melayani
c.Data kemiringan diperoleh berdasarkan kemiringan kendaraan saat terjadi kecelakaan yang bertujuan untukmengetahui keadaan penumpang dan tingkat kecelakaan.
d.Data vibrasi gelombang diperoleh berdasarkan getaran pada saat terjadinya tabrakan.
e.Data kebisingan bertujuan untuk mengetahui suara tabrakan dan pengendara selama kecelakaan yang digunakan sebagaipenentu tingkat kecelakaan.
Berikut gambar grafikmenunjukkanhasil pemantauan kecelakaan lalu lintas sistem berupa uji coba beberapa nilai sensor yang terbaca. Sumbu X menginterpretasikan jumlah percobaan dan sumbu y adalah nilai sensor yang dapat dibaca. Grafik merah menujukan bahwa terjadinya kecelakaan lalu lintas dan garis biru menunjukkantidak terjadinya kecelakaan pada pengendara
Berdasarkan hasil pemantauan data kecelakaan lalu lintas sistem pemantauan memiliki kinerja yang terbukti akurat mampu terbaca 0 -200°, kebisingan dan getaran selamatabrakan dalam kecelakaan lalu lintas. Besarnya suara ledakan dan tabrakan tidak mempengaruhi proses kerja sistem dalam membaca kemiringan. Juga sebaliknya, berbagai sudut kemiringan kendaraan, suara keras tabrakan , dan vibrasi gelombang getaran masih tetap terbaca. Pembacaan sistem adalah dipengaruhi oleh faktor lingkungan seperti cuaca, jalan berlubang dan kebisingan dari kendaraan lain.
Berdasarkan hasil dalam proses sistem monitoring kecelakaan lalu lintas dengan penerapan intelligenttransport system menggunakan metode Support Vector Machine. Dengan pengujianalat diletakan pada mobil dan di uji coba dengan cara memiringkanalat setelah itu sensor otomatis akan membaca parameter-parameter yang di tentukan untuk mengirimkan kembali data-data tersebut ke rumah sakit terdekat melalui aplikasi. Dalam proses transaksi data pada sistem monitoring kecelakaan lalu lintas data yang telah terbaca oleh sensor dalam bentuk data getaran, suara, kemiringan, dan titik koordinat. Sistem monitoring kecelakaan lalu lintas memiliki tingkat akurasi yang akurat.Penerapan metode Support Vector Machinepada sistem monitoring kecelakaan lalu lintasini menghasilkan tingkat data kecelakaan berdasarkan pembuktian yang telah di uji coba pada alat sistem monitoring kecelakaan lalu lintas. Sistem monitoring akurat dalam mengirim informasi dan foto kejadian kepada server aplikasi jika terjadi"kecelakaandarurat".
