Melola Discovery

← Melola Discovery

Jurnal SINTA 1

Deteksi Kantuk Menggunakan Jaringan Saraf Tiruan Radial Basis Function dan Particle Swarm Optimization dengan RR Interval Elektrokardiogram

INDONESIAN JOURNAL OF APPLIED PHYSICS · Vol. 10 No. 01 (2020) · hlm. 74–80

DOI
10.13057/ijap.v10i01.39648
ISSN
2477-6416, 2089-0133
Terbit
2020-05-01
Penerbit
Department of Physics, Sebelas Maret University
Bahasa
eng

Abstrak

Sistem deteksi kantuk dirancang menggunakan Elektrokardiogram (EKG) dengan Jaringan Saraf Tiruan Radial Basis Function dan Particle Swarm Optimization (JST RBF-PSO). Karolinska Sleepiness Scale (KSS) menjadi acuan tingkat kantuk yang dikelompokkan menjadi kelas terjaga dan kelas mengantuk. Sistem ini menggunakan algoritma Pan-Tomkins untuk menentukan interval RR dari EKG. Fitur yang digunakan adalah 15 parameter fitur statistik. Pelatihan dan pengujian data menggunakan JST RBF-PSO dengan metode validasi silang. PSO digunakan untuk mengoptimasi parameter utama JST RBF yaitu bobot, pusat dan lebar. Sistem deteksi kantuk ini diuji menggunakan DROZY Database. Hasil penelitian menunjukkan akurasi sistem ini pada segmentasi 40 detik, jumlah neuron 150 dan 15 fitur statistik sebesar 88,36%.

Kata kunci

Jaringan kolaborasi para penulis

17 penulis · 36 tautan kepenulisan bersama · 13 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Sebelas Maret University
  • Syarif Hidayatullah State Islamic University Jakarta
  • Universitas Ahmad Dahlan
  • Institut Agama Islam Negeri Fattahul Muluk Papua
  • Universitas Gadjah Mada
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Darmanto DarmantoSebelas Maret University2
Ahmad BahtiarSyarif Hidayatullah State Islamic University Jakarta2
Mahsusi MahsusiSyarif Hidayatullah State Islamic University Jakarta2
Syihaabul HudaaUniversitas Ahmad Dahlan2
Budi LegowoSebelas Maret University2
Muflih AzizAfiliasi tidak diketahui1
Muhammad Shidqi Musyafa'Institut Agama Islam Negeri Fattahul Muluk Papua1
Murteza Nur Isnani RahmawatiSebelas Maret University1
Fahmi AlhafidSebelas Maret University1
Makyun SubukiSyarif Hidayatullah State Islamic University Jakarta1
Anti Fatkhul QoiriahAfiliasi tidak diketahui1
Wiwit SuryantoUniversitas Gadjah Mada1
Budi PurnamaSebelas Maret University1
Shandiyano PutraSebelas Maret University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jurnal.uns.ac.id/ijap/oai, pertama di-harvest 8 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Deteksi Kantuk Menggunakan Jaringan Saraf Tiruan Radial Basis Function dan Particle Swarm Optimization dengan RR Interval Elektrokardiogram</dc:title>
	<dc:creator>Shalihah, Ariefah</dc:creator>
	<dc:creator>Nuryani, Nuryani</dc:creator>
	<dc:creator>Sutomo, Artono Dwijo</dc:creator>
	<dc:subject xml:lang="en-US">Kantuk; KSS; EKG; JST RBF; PSO</dc:subject>
	<dc:description xml:lang="en-US">Sistem deteksi kantuk dirancang menggunakan Elektrokardiogram (EKG) dengan Jaringan Saraf Tiruan Radial Basis Function dan Particle Swarm Optimization (JST RBF-PSO). Karolinska Sleepiness Scale (KSS) menjadi acuan tingkat kantuk yang dikelompokkan menjadi kelas terjaga dan kelas mengantuk. Sistem ini menggunakan algoritma Pan-Tomkins untuk menentukan interval RR dari EKG. Fitur yang digunakan adalah 15 parameter fitur statistik. Pelatihan dan pengujian data menggunakan JST RBF-PSO dengan metode validasi silang. PSO digunakan untuk mengoptimasi parameter utama JST RBF yaitu bobot, pusat dan lebar. Sistem deteksi kantuk ini diuji menggunakan DROZY Database. Hasil penelitian menunjukkan akurasi sistem ini pada segmentasi 40 detik, jumlah neuron 150 dan 15 fitur statistik sebesar 88,36%.</dc:description>
	<dc:publisher xml:lang="en-US">Department of Physics, Sebelas Maret University</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2020-05-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jurnal.uns.ac.id/ijap/article/view/39648</dc:identifier>
	<dc:identifier>10.13057/ijap.v10i01.39648</dc:identifier>
	<dc:source xml:lang="en-US">INDONESIAN JOURNAL OF APPLIED PHYSICS; Vol 10, No 01 (2020): April; 74-80</dc:source>
	<dc:source>2477-6416</dc:source>
	<dc:source>2089-0133</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jurnal.uns.ac.id/ijap/article/view/39648/27261</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2020 INDONESIAN JOURNAL OF APPLIED PHYSICS</dc:rights>
</oai_dc:dc>