Pengembangan Sistem Deteksi Kantuk Menggunakan Pengklasifikasi Random Forest pada Sinyal Elektrokardiogram
| Autor: | Artono Dwijo Sutomo, Khoirun Nisak, Nuryani Nuryani |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2021 |
| Předmět: |
kantuk
business.industry Computer science kss Estimator Pattern recognition Interval (mathematics) Engineering (General). Civil engineering (General) Random forest Feature (computer vision) elektrokardiogram Frequency domain Detection performance Artificial intelligence Time domain Sensitivity (control systems) TA1-2040 business random forest |
| Zdroj: | Jurnal Nasional Teknik Elektro dan Teknologi Informasi, Vol 10, Iss 3, Pp 265-271 (2021) |
| ISSN: | 2460-5719 2301-4156 |
| Popis: | 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. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|