Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram

Kantuk merupakan salah satu penyebab utama kecelakaan dalam lalu lintas, industri manufaktur, maupun pada bidang lain. Untuk itu, sistem yang dapat mendeteksi kantuk secara dini merupakan hal yang sangat penting dalam rangka mengurangi angka kecelakaan akibat kantuk. Kantuk dapat dianalisis melalui...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Nuryani Nuryani, Khoirun Nisak, Artono Dwijo Sutomo
Formato:	article
Lenguaje:	EN ID
Publicado:	Universitas Gadjah Mada 2021
Materias:	kantuk elektrokardiogram kss random forest Engineering (General). Civil engineering (General) TA1-2040
Acceso en línea:	https://doaj.org/article/994ff28a696c458996a6c24afa030fb1
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:994ff28a696c458996a6c24afa030fb1
record_format	dspace
spelling	oai:doaj.org-article:994ff28a696c458996a6c24afa030fb12021-11-17T03:58:15ZPengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram2301-41562460-571910.22146/jnteti.v10i3.1469https://doaj.org/article/994ff28a696c458996a6c24afa030fb12021-08-01T00:00:00Zhttps://jurnal.ugm.ac.id/v3/JNTETI/article/view/1469https://doaj.org/toc/2301-4156https://doaj.org/toc/2460-5719Kantuk merupakan salah satu penyebab utama kecelakaan dalam lalu lintas, industri manufaktur, maupun pada bidang lain. Untuk itu, sistem yang dapat mendeteksi kantuk secara dini merupakan hal yang sangat penting dalam rangka mengurangi angka kecelakaan akibat kantuk. Kantuk dapat dianalisis melalui Heart Rate Variability (HRV) dari sinyal EKG yang menunjukkan perubahan aktivitas saraf otonom. Pengklasifikasi Random Forest diketahui berkinerja sangat baik serta kuat terhadap overfitting. Oleh karena itu, pada makalah ini dikembangkan sistem deteksi kantuk menggunakan sinyal elektrokardiogram (EKG) dan Random Forest. Sistem deteksi kantuk dilatih menggunakan rekaman EKG dari database DROZY yang dilengkapi Karolinska Sleepiness Scale (KSS). Fitur masukan sistem diekstraksi berdasarkan metode ranah waktu dan ranah frekuensi. Tingkat kantuk diklasifikasikan berdasarkan KSS yang disederhanakan menjadi dua kelas, yaitu kantuk dan terjaga. Random Forest divalidasi dengan metode Out-of-Bag (OOB). Efek dari variasi jumlah estimator dan max feature terhadap kinerja sistem dievaluasi. Fitur diurutkan berdasarkan kepentingannya dan dikombinasikan sebagai masukan sistem dengan berbagai panjang segmentasi EKG. Kinerja terbaik sistem deteksi kantuk yaitu rata-rata akurasi 94,61%, sensitivitas 96,67%, dan specificity 91,67%, yang diperoleh dengan segmentasi 40 detik.Nuryani NuryaniKhoirun NisakArtono Dwijo SutomoUniversitas Gadjah Madaarticlekantukelektrokardiogramkssrandom forestEngineering (General). Civil engineering (General)TA1-2040ENIDJurnal Nasional Teknik Elektro dan Teknologi Informasi, Vol 10, Iss 3, Pp 265-271 (2021)
institution	DOAJ
collection	DOAJ
language	EN ID
topic	kantuk elektrokardiogram kss random forest Engineering (General). Civil engineering (General) TA1-2040
spellingShingle	kantuk elektrokardiogram kss random forest Engineering (General). Civil engineering (General) TA1-2040 Nuryani Nuryani Khoirun Nisak Artono Dwijo Sutomo Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
description	Kantuk merupakan salah satu penyebab utama kecelakaan dalam lalu lintas, industri manufaktur, maupun pada bidang lain. Untuk itu, sistem yang dapat mendeteksi kantuk secara dini merupakan hal yang sangat penting dalam rangka mengurangi angka kecelakaan akibat kantuk. Kantuk dapat dianalisis melalui Heart Rate Variability (HRV) dari sinyal EKG yang menunjukkan perubahan aktivitas saraf otonom. Pengklasifikasi Random Forest diketahui berkinerja sangat baik serta kuat terhadap overfitting. Oleh karena itu, pada makalah ini dikembangkan sistem deteksi kantuk menggunakan sinyal elektrokardiogram (EKG) dan Random Forest. Sistem deteksi kantuk dilatih menggunakan rekaman EKG dari database DROZY yang dilengkapi Karolinska Sleepiness Scale (KSS). Fitur masukan sistem diekstraksi berdasarkan metode ranah waktu dan ranah frekuensi. Tingkat kantuk diklasifikasikan berdasarkan KSS yang disederhanakan menjadi dua kelas, yaitu kantuk dan terjaga. Random Forest divalidasi dengan metode Out-of-Bag (OOB). Efek dari variasi jumlah estimator dan max feature terhadap kinerja sistem dievaluasi. Fitur diurutkan berdasarkan kepentingannya dan dikombinasikan sebagai masukan sistem dengan berbagai panjang segmentasi EKG. Kinerja terbaik sistem deteksi kantuk yaitu rata-rata akurasi 94,61%, sensitivitas 96,67%, dan specificity 91,67%, yang diperoleh dengan segmentasi 40 detik.
format	article
author	Nuryani Nuryani Khoirun Nisak Artono Dwijo Sutomo
author_facet	Nuryani Nuryani Khoirun Nisak Artono Dwijo Sutomo
author_sort	Nuryani Nuryani
title	Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
title_short	Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
title_full	Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
title_fullStr	Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
title_full_unstemmed	Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
title_sort	pengembangan sistem deteksi kantuk menggunakan pengklasifikasi random forest pada sinyal elektrokardiogram
publisher	Universitas Gadjah Mada
publishDate	2021
url	https://doaj.org/article/994ff28a696c458996a6c24afa030fb1
work_keys_str_mv	AT nuryaninuryani pengembangansistemdeteksikantukmenggunakanpengklasifikasirandomforestpadasinyalelektrokardiogram AT khoirunnisak pengembangansistemdeteksikantukmenggunakanpengklasifikasirandomforestpadasinyalelektrokardiogram AT artonodwijosutomo pengembangansistemdeteksikantukmenggunakanpengklasifikasirandomforestpadasinyalelektrokardiogram
_version_	1718426003125043200

Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram

Ejemplares similares