SISTEM DETEKSI EMOSI MARAH PADA PENGEMUDI MOBIL BERBASIS ANDROID


PRAYOGA, MUH. ARYA SURYA (2020) SISTEM DETEKSI EMOSI MARAH PADA PENGEMUDI MOBIL BERBASIS ANDROID. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D42113034_skripsi cover1.png

Download (93kB) | Preview
[thumbnail of Bab I & II] Text (Bab I & II)
D42113034_skripsi 1-2.pdf

Download (1MB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
D42113034_skripsi dp.pdf

Download (1MB)
[thumbnail of Full Text] Text (Full Text)
D42113034_skripsi.pdf
Restricted to Repository staff only

Download (4MB)

Abstract (Abstrak)

Pertumbuhan jumlah kendaraan setiap tahunnya menunjukkan tingginya angka kebutuhan manusia terhadap moda transportasi. Pertumbuhan ini juga diimbangi dengan meningkatnya jumlah kecelakaan khususnya pada moda transportasi darat di Indonesia. Salah satu penyebab utama kecelakaan lalu lintas adalah karena Pengemudi yang marah dan agresif dapat meningkatkan resiko kecelakaan pada jalan raya. Kondisi ini menyebabkan hilangnya konsentrasi dari pengemudi. Sistem deteksi emosi marah pada pengemudi ini dibuat dalam platform smartphone android yang dimiliki oleh hampir seluruh lapisan masyarakat, dapat membantu masyarakat dan pemerintah dalam memberikan peringatan langsung pada pengendara mobil saat mengemudi dalam keadaan marah. Metode yang digunakan adalah Haar-Cascade Classifier untuk mendeteksi wajah pengemudi. Setelah wajah terdeteksi, system akan memberikan face landmarking pada wajah. Selanjutnya digunakan algoritma HoG dan SVM yang digunakan untuk membandingan setiap action unit yang ada pada wajah untuk pengambilan keputusan wajah marah. Pembuatan sistem menggunakan Android Studio dengan bahasa pemrograman Java, dan juga penggunaan Affectiva SDK yang berfungsi untuk mengefisiensikan sistem secara keseluruhan. Berdasarkan pengujian terhadap 6 responden, hasil akurasi sistem merekognisi wajah marah pada pengemudi mencapai 84.83% pada siang hari.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Rekognisi Emosi Marah, Android Studio, Haar-Cascade Classifier, Affectiva.
Subjects: T Technology > T Technology (General)
Depositing User: Andi Milu
Date Deposited: 04 Jan 2021 03:47
Last Modified: 04 Jan 2021 03:48
URI: http://repository.unhas.ac.id:443/id/eprint/1766

Actions (login required)

View Item
View Item