Setiawan Putra Hendratno – Poster

Mengantuk merupakan masalah yang harus diatasi untuk meningkatkan keselamatan jalan. Untuk meminimalkan masalah keselamatan ini, sistem pemantauan menyetir diterapkan pada model mobil terkini. EKG adalah salah satu teknologi yang paling banyak digunakan untuk memantau kantuk pengemudi. Untuk memanfaatkan alat ukur untuk memantau pengemudi, data EKG dimodelkan dalam bentuk CNN-GRU, modifikasi dari Bi-GRU milik SleepECG. Data EKG yang diutilisasikan berasal dari dataset MESA dan SHHS untuk melatih dan menguji model CNN-GRU. Dua dataset tersebut akan dimodelkan di python melalui dua perangkat. Pertama, perangkat Google Colabolatory akan digunakan untuk menulis dan menjalankan kode python untuk pemodelan big data. Selanjutnya, edge computing (laptop prosesor AMD Ryzen 5 4600H) diterapkan untuk menjalankan dan membandingkan kemampuan memperoleh hasil prediksi dan biaya komputasi. Hasil yang didapatkan adalah CNN-GRU dengan klasifikasi Wake-Sleep memiliki akurasi hingga 82% dan koefisien Kappa 0,6014 menggunakan GPU A100, serta akurasi 81,78% dan koefisien Kappa 0,594 dengan perangkat edge computing. Sementara itu, klasifikasi Wake-NREM-REM memiliki koefisien Kappa 0,5214 dan akurasi 71,01% pada A100 dan 0,5112 dan 68,85% untuk edge computing. Hasil tersebut memiliki nilai lebih baik dibandingkan dengan GRU miliki SleepECG yang mendapatkan akurasi dan Kappa 80,42% dan 0,5461 (Wake-REM) dan 68,84% dan 0,5032 (Wake NREM-REM) di A100, serta 76,20% dan 0,4749 (Wake-REM) dan 66,43% dan 0,4972 (Wake-NREM-REM) di edge computing.