IMPLEMENTASI MACHINE LEARNING UNTUK DETEKSI PENGENDARA SEPEDA MOTOR UGAL-UGALAN MENGGUNAKAN DATA SENSOR SMARTPHONE

Vegatama Firdiady, - (2024) IMPLEMENTASI MACHINE LEARNING UNTUK DETEKSI PENGENDARA SEPEDA MOTOR UGAL-UGALAN MENGGUNAKAN DATA SENSOR SMARTPHONE. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_2003400_Title.pdf Download (1MB)
	Text S_KOM_2003400_Chapter1.pdf Download (626kB)
	Text S_KOM_2003400_Chapter2.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_2003400_Chapter3.pdf Download (744kB)
	Text S_KOM_2003400_Chapter4.pdf Restricted to Staf Perpustakaan Download (3MB)
	Text S_KOM_2003400_Chapter5.pdf Download (662kB)
	Text S_KOM_2003400_Appendix.pdf Restricted to Staf Perpustakaan Download (7MB)

Abstract

Jumlah kendaraan bermotor di Indonesia terus bertambah sebesar 5-7% setiap tahunnya. Jumlah kendaraan bermotor yang teregistrasi mencapai 153.871.054 unit pada 6 maret 2023. Dari jumlah tersebut, sebanyak 128.364.559 unit atau 83.42% merupakan sepeda motor. Peningkatan drastis jumlah kendaraan yang beredar di berbagai wilayah di Indonesia dapat menambah risiko kecelakaan lalu lintas. Lebih dari 90% kematian dalam Kecelakaan lalu lintas terjadi di negara berkembang seperti Indonesia. Kecelakaan lalu lintas umumnya terjadi karena pengemudi yang kurang hati-hati dalam mengemudikan kendaraannya. Sebanyak 73% dari semua kematian dalam kecelakaan lalu lintas di dunia melibatkan laki-laki di bawah usia 25 tahun yang memiliki tendensi untuk melakukan perilaku berisiko seperti mengebut, menyetir dalam keadaan mabuk dan ugal-ugalan atau lalai dalam berkendara. Pada penelitian ini peneliti bertujuan untuk mengatasi masalah kecelakaan lalu lintas pada sepeda motor dengan pendekatan machine learning. Pendekatan machine learning digunakan untuk mendeteksi pengendara ugal-ugalan dengan mengklasifikasikan data berdasarkan perilaku mengemudi yang dikategorikan sebagai ugal-ugalan. The number of motor vehicles in Indonesia continues to increase by 5-7% annually. The number of registered motor vehicles reached 153,871,054 units as of March 6, 2023. Of this total, 128,364,559 units, or 83.42%, are motorcycles. The drastic increase in the number of vehicles circulating in various regions of Indonesia can raise the risk of traffic accidents. More than 90% of traffic accident fatalities occur in developing countries like Indonesia. Traffic accidents generally occur due to drivers being careless while operating their vehicles. Approximately 73% of all traffic accident fatalities worldwide involve males under the age of 25 who tend to engage in risky behaviors such as speeding, driving under the influence of alcohol, reckless driving, or negligence. In this study, the researchers aim to address the issue of traffic accidents involving motorcycles through a machine learning approach. The machine learning approach is used to detect reckless drivers by classifying data based on driving behaviors categorized as reckless.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=kG_TI_0AAAAJ ID SINTA Dosen Pembimbing: Yudi Wibisono: 260167 Eddy Prasetyo Nugroho: 5990993
Uncontrolled Keywords:	Deteksi pengendara ugal-ugalan, Pengendara sepeda motor, Pendekatan supervised machine learning. Detection of reckless drivers, Motorcycle riders, Supervised machine learning approach.
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Vegatama Firdiady
Date Deposited:	21 Aug 2024 16:52
Last Modified:	21 Aug 2024 16:52
URI:	http://repository.upi.edu/id/eprint/120589

Actions (login required)

View Item