Hasil Pencarian  ::  Simpan CSV :: Kembali

"The development of technologies for detecting or preventing drowsiness at the wheel has been a major challenge in the area of accident avoidance systems. Due to the hazard that drowsiness presents on the road, methods need to be developed for its early detection. This study implements a Haar cascade technique on a Raspberry Pi module and evaluates the performance of the developed system. The results obtained from the evaluation of the standalone embedded system show that a precision of 80.11% and recall (sensitivity) of 99.81% were achieved. The results of the system usability test (based on an administered questionnaire) reveal that the mean System Usability Scale (SUS) score for the 20 participants is 77.38, with a standard deviation of 9.40. The minimum and maximum score are 57.50 and 92.50, respectively. The mean SUS score of 77.38 indicates that user satisfaction is adequate."

"Satistik menurut Korlantas Polri tentang kecelakaan lalu lintas menyebutkan bahwa pada 2017 jumlah kecelakaan kendaraan bermotor berada pada angka 102.057 Korlantas Polri, 2017 kasus dan sebagian besar diakibatkan oleh kelalaian pengendara dalam mengatur waktu istirahat saat berkendara yang menyebabkan terjadinya kecelakaan lalu lintas karena pengendara mengantuk dan tidak bisa mengendalikan kendaraan tersebut. Oleh karena itu dibutuhkan adanya sebuah alat yang dapat mendeteksi kantuk dan memperingatkan pengemudi tersebut agar pengemudi tersebut dapat terhindar dari kecelakaan. Pengembangan sistem pendeteksi kantuk ini akan menggunakan detak jantung sebagai sumber data yang akan diambil dan data tersebut akan diolah menggunakan metode Photoplethysmografi yang akan membaca berapa detak jantung pengendara tersebut. Hasil yang didapapat dari pengembangan ini mendapatkan hasil bahwa alat yang sudah dibuat ini sudah cukup berhasil dimana tingkat keberhasilnnya hingga 96.52 . Dari pengembangan ini telah dibuktikan bahwa kondisi kantuk seseorang akan berpengaruh pada detak jantung seseorang. Dan juga batasan untuk detak jantung seseorang untuk dinyatakan sedang mengantuk adalah delapan detakan dibawah rata-rata.

---

According to Republic of Indonesia traffic police corps Korlantas Polri about traffic accidents states that in 2017 number of traffic accidents was at 102.057 Korlantas Polri, 2017 cases and mostly caused by negligence of the driver in managing rest time when driving that caused traffic accidents because the driver was sleepy and could not control the vehicle. Therefore it is necessary to have a device that can detect sleepiness and warn the driver so that the driver can avoid the accident. The development of this sleepiness detection system will use the heartbeat as a source of data to be retrieved and the data will be processed using Photoplethysmography method which will read how much the heartbeat of the driver.

The results obtained from this development get the result that the tool that has been made is already quite successful where the success rate up to 96.52 . From this development has been proven that a person 39 s sleep condition will affect the heart rate of a person. And also, the limit for a person 39 s heartbeat to be drowsy is eight beats below average."

"Penelitian ini bertujuan untuk menguji pengaruh karakteristik komisaris dan direksi terhadap penghindaran pajak. Karateristik yang dimaksud dalam penelitian ini adalah keahlian pajak dewan direksi, keahlian pajak dewan komisaris, afiliasi pajak dewan direksi, afiliasi pajak dewan komisaris, dan independensi dewan komisaris. Sampel yang digunakan adalah perusahaan manufaktur di Bursa Efek Indonesia Tahun 2013-2015. Hasil penelitian menunjukkan keahlian pajak dewan direksi berpengaruh positif terhadap penghindaran pajak, sedangkan afiliasi pajak dewan direksi berpengaruh negatif terhadap praktik penghindaran pajak perusahaan. Sedangkan untuk dewan komisaris, hanya independensi dewan komisaris yang berpengaruh positif terhadap praktik penghindaran pajak.

---

This study aim to test the effect of board of director and board of comissioner's characteristics on tax avoidance. Characteristics mentioned in this study are board of director's tax expertise, board of commissioner's tax expertise, board of director's tax affiliation, board of commissioner's tax afiliation, and board of commissioner's independency The samples used for this study are manufacturing companies listed in Indonesian Stock Exchange for period 2013 2015.

The result shows that board of director's tax expertise has positive effect on tax avoidance, board of director's tax affiliation has negative effect on tax avoidance. For board of commissioners, board of commissioner's independency has positive effect on tax avoidance"

"Penelitian ini bertujuan menguji dampak kompensasi manajemen terhadap penghindaran pajak, serta melihat peran efektivitas dewan komisaris dan kepemilikan keluarga terhadap pengaruh kompensasi manajemen dengan penghindaran pajak. Populasi yang digunakan dalam penelitian adalah perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2011-2014, dengan metode purposive sampling diperoleh 668 sampel observasi yang memenuhi kriteria. Hasil penelitian ini menunjukkan bahwa kompensasi manajemen berpengaruh positif terhadap penghindaran pajak. Selain itu, efektivitas dewan komisaris terbukti dapat memperkuat pengaruh positif kompensasi manajemen terhadap penghindaran pajak, sedangkan kepemilikan keluarga memperlemah pengaruh positif antara kompensasi manajemen dengan penghindaran pajak.

---

The aim of this study is to investigate the effect of management compensation to tax avoidance, and also examines the role of board effectiveness and family firm's ownership could moderate the relation between management compensation and tax avoidance. The population in this study is industries that listed on Indonesia Stock Exchange (IDX) from 2011 to 2014, with purposive sampling method, the final total sample observation is 668 firm-years. The result shows the positive effect between management compensation and tax avoidance. In addition, board effectiveness could support the positive influence of management compensation into tax avoidance, while family firm's ownership could reduce the positive influence of management compensation to tax avoidance."

"Data yang didapat dari Polda Metro Jaya, pada arus mudik 6 hari sebelum Hari Raya Idul Fitri tahun 2017 ada sekitar 73 kasus kecelakaan lalu lintas yang disebabkan oleh rasa kantuk pada saat berkendara. Yang dimana 6 orang meninggal dunia, mengalami luka berat sebanyak 17 orang, dan luka ringan sebanyak 82 orang. Jumlah ini meningkat 16 persen dari tahun 2016 yang tercatat sebanyak 63 kejadian. Sistem pendeteksi dan prediksi kantuk dikembangkan untuk mengatasi masalah ini. Metode peramalan untuk time series yang banyak menimbulkan proses prediksi cukup sulit dilakukan. Sistem prediksi kantuk dibangun dengan algoritme backpropagation neural network yang diharapkan mampu untuk mempelajari dan beradaptasi pada setiap pola dari data historis yang diberikan. Dengan mengenali pola dari data historis, sistem dapat memberikan prediksi dan respons yang akurat dengan akurasi sebesar 100.

---

Data obtained from Polda Metro Jaya, on the homecoming traffic 6 days before Idul Fitri 2017 there are about 73 cases of traffic accidents caused by drowsiness at the time of driving. Where 6 people died, severe injuries as many as 17 people, and light injuries as many as 82 people. This number increased 16 percent from the year 2016 recorded as many as 63 events. Drowsiness and prediction systems were developed to address this problem.

Forecasting methods for time series caused a lot of prediction process quite difficult. The sleep prediction system is built with backpropagation neural network algorithm expected to be able to learn and adapt to each pattern of given historical data. By recognizing patterns from historical data, the system is expected to provide accurate predictions and responses with 100."

"Tujuan penelitian ini adalah untuk mengetahui distribusi chronotype dan prevalensi mengantuk berlebihan pada mahasiswa Fakultas Kedokteran Universitas Indonesia FKUI, serta mengetahui hubungan antara chronotype dan mengantuk berlebihan. Pada studi case-control ini, 149 orang mahasiswa mengisi 2 kuesioner yaitu Reduced Morningness-Eveningness Questionnaire dan Epworth Sleepiness Scale. Kemudian data dianalisis menggunakan Chi-square test. Tidak ditemukan hubungan bermakna antara chronotype dan mengantuk berlebihan. Kebanyakan mahasiswa tidak termasuk chronotype manapun 54.4, terdapat lebih banyak tipe pagi 26.2 dibanding tipe malam 19.5. Prevalensi mengantuk berlebihan sangat tinggi 57. Penelitian ini tidak menemukan hubungan bermakna antara chronotype dan mengantuk berlebihan. Juga didapatkan bahwa prevalensi mengantuk berlebihan sangat tinggi, terutama pada mahasiswa tingkat pertama dan berusia lebih muda.

---

The objective of this study is to observe the distribution of chronotypes and prevalence of daytime sleepiness in medical students in Fakultas Kedokteran Universitas Indonesia FKUI, and to observe the relationship between chronotype and daytime sleepiness. In this case control study, 149 students answered two different questionnaires the Reduced Morningness Eveningness Questionnaire and Epworth Sleepiness Scale. The data was analyzed using a Chi square test. There was no statistical significance between chronotype and daytime sleepiness. Most students were neither chronotype 54.4, and there were more morning type 26.2 compared to evening type 19.5. The prevalence of excessive daytime sleepiness is high 57. This study did not find a significant association between chronotype and daytime sleepiness. This study also observed a higher prevalence of excessive daytime sleepiness, especially among the first year and younger students. "

"Mengemudi dalam keadaan mengantuk merupakan salah satu bentuk kelalaian dalam berkendara yang dapat membahayakan. Oleh karena itu, penelitian ini ditujukan untuk merancang dan membangun sebuah sistem pendeteksi kantuk yang mampu memperingatkan pengemudi apabila sudah berada pada kondisi yang memerlukan istirahat. Sistem yang dikembangkan berupa sebuah aplikasi Android yang memanfaatkan tiga jenis sensor yaitu kamera depan sebagai sumber data citra wajah dengan resolusi 480p, perangkat EEG portabel sebagai sumber data gelombang otak dan MiBand sebagai sumber data detak jantung. Data dari ketiga sensor ini selanjutnya akan digunakan sebagai input bagi sebuah model neural network untuk melakukan deteksi kantuk. Dari penelitian ini didapatkan hasil bahwa arsitektur 1D CNN lebih cocok digunakan sebagai model dalam sistem pendeteksi kantuk dibandingkan dengan LSTM. Interval waktu 4 menit digunakan pada sistem pendeteksi kantuk yang dikembangkan karena dinilai paling optimal untuk digunakan. Dengan menggunakan data dari sepuluh partisipan, model mampu mendapatkan validation accuracy sebesar 96.30%. Sedangkan dari 12 kali percobaan pengujian sistem pendeteksi kantuk yang dikembangkan, sistem mampu melakukan klasifikasi kantuk dengan tingkat akurasi sebesar 83.3%

 

---

Driving in a drowsy condition is one form of carelessness in driving that can be dangerous. Therefore, this research is intended to design and build a drowsy detection system that can warn the driver when they are in a condition that requires to rest. The system was developed in the form of an Android application that utilizes three types of sensors, which are the front camera as a source of face image with 480p resolution, portable EEG devices as a source of brainwaves data and MiBand as the source of heart rate data. Collected data from these three sensors will then be used as input for a neural network model to detect drowsiness. From this study it was found that the 1D CNN architecture is the most suitable to be used as a model in drowsiness detection systems compared to LSTM. A 4-minute time interval is used in the drowsy detection system that was developed because it was considered as the most optimal. By using data from ten participants, the model was able to get a validation accuracy of 96.30%. While from 12 trials of drowsiness detection system testing that was developed, the system can do drowsiness classification with an accuracy rate of 83.3%

 

"

"Latar belakang: Dalam beberapa dekade terakhir, dunia kerja industri transportasi telah mengalami perubahan luar biasa seperti halnya bidang pekerjaan lain. Tuntutan operasional transportasi 24 jam kerja dalam sehari dan 7 hari kerja dalam seminggu menciptakan risiko keselamatan dan kesehatan yang berkaitan dengan rasa kantuk, yaitu suatu kondisi yang diketahui mengganggu kinerja saat mengemudi dan merupakan salah satu penyebab timbulnya kecelakaan dan kematian saat berlalu lintas. Penelitian ini bertujuan untuk mengidentifikasi risiko mengantuk pada pengemudi bus jarak jauh dan faktor-faktor yang berhubungan.Metode: Penelitian ini menggunakan desain studi potong lintang. Dua ratus satu pengemudi yang bekerja di hari libur panjang nasional diikutsertakan dalam penelitian. Data sekunder didapatkan dari kuesioner dan hasil pemeriksaan medis pengemudi bus pada liburan akhir tahun 2018 oleh Dinas Kesehatan Pemerintah Provinsi Daerah Khusus Ibukota Jakarta.Hasil: Proporsi kantuk pada pengemudi bus jarak jauh adalah 9,5%. Mengemudi lebih dari 1.001 km dalam satu kali perjalanan dengan ORs=7.927 (CI 95%=2.184-28.769; p=0.002) dan kondisi kelelahan dengan ORs=3.824 (CI 95%=1.393-10.499; p=0.009) merupakan faktor determinan utama penyebab rasa kantuk pada pengemudi bus jarak jauh. Jumlah trayek selama sebulan dan faktor individu seperti usia, riwayat hipertensi, dan riwayat diabetes melitus tidak memiliki hubungan yang signifikan secara statistik dengan kejadian kantuk (p>0.05).Kesimpulan: Sebanyak 9,5% pengemudi bus jarak jauh mengalami kecenderungan mengantuk. Faktor jarak perjalanan dan kelelahan merupakan faktor yang terkait dengan timbulnya risiko kantuk pada pengemudi bus jarak jauh (R2=0.235).

---

Background: As is the case with many other occupations, the work organization of transport operators has undergone tremendous changes over the past several decades. Transportation’s 24 hours in a day an 7 days in a week operational demands create safety and health risks related to sleepiness, a condition that is known to impair driving performance and causes of motor vehicle crashes and fatalities. This study aims to identify the risk of sleepiness in long distance commuter bus drivers and its associated factors.

Method: This study used a cross sectional study design. Two hundred and one drivers who are working in long national holidays were involved in this study. The secondary data was gathered from questionnaires and medical examination of bus driver in year-end holidays 2018 by Jakarta Provincial Health Office.

Result: The proportion of sleepiness in long distance commuter bus drivers 9.5%. Driving more than 1,001 km in a single commute trip with ORad=7.927 (95%CI=2.184-28.769; p=0.002) and fatigue condition with ORad=3.824 (95%CI=1.393-10.499; p=0.009) are dominant determinants of sleepiness in long distance commuter bus drivers. Monthly number of trip and individual factors such as age, history of hypertension, and history of diabetes mellitus do not have a statistically significant relationship with the incidence of drowsiness (p>0.05).

Conclusion: Nine point five percent of long distance commuter bus drivers is experiencing sleepiness. Trip distance and fatigue are associated factors with the risk of sleepiness in long distance commuter bus drivers (R2=0.235)."

">Penelitian ini bertujuan mengevaluasi tingkat kelelahan pada pengemudi truk menggunakan metode Karolinska Sleepiness Scale (KSS) serta Psychomotor Vigilance Task (PVT) dalam mengukurnya. Melalui pendekatan kuantitatif, penelitian ini menggunakan metode statistic Paired Sample t test, Wilcoxon signed rank, regresi logistik, Kruskal-Wallis dan Spearman's rho untuk menganalisis data dari 15 pengemudi dengan berbagai variabelnya. Hasil menunjukkan terdapat perbedaan signifikan dalam skor KSS antara kelompok dengan ρ-value  <0.001, dari hasil output PVT signifikansi terdapat pada variabel Median, Maximum RT dan Slowest10% dengan nilai ρ-value  <0.05. Analisis menggunakan Spearman Rho didapatkan korelasi hubungan positif yang signifikan antara hasil KSS dan nilai Minimum RT serta variabel Fastest10%, kemudian menggunakan uji yang sama untuk kelelahan dan violation (pelanggaran) hasil hubungan yang signifikan antara kelelahan dengan pengereman. Untuk analisis Uji Kruskal Wallis nilai signifikansi diperoleh pada variabel USIA dengan KSS dan Pengalaman (Experience). Hasil analisis regresi logistik terdapat tiga variabel yang di anggap signifikansi yaitu Durasi Bekerja (Sig.) 0.015, Jumlah Orang (Sig.) 0.001, Cylinder (Sig.) 0.016. Keterbatasan penelitian termasuk ukuran sampel yang terbatas dan ketergantungan pada alat ukur subjektif dan objektif yang terbatas. Penelitian masa depan disarankan untuk memasukkan instrumen tambahan dan menganalisis pengaruh variabel eksternal pada kelelahan pengemudi.

---

Research aims to evaluate level fatigue of truck drivers using the Karolinska Sleepiness Scale (KSS) and Psychomotor Vigilance Task (PVT). A quantitative approach, this research uses the statistical method Paired Sample t test, Wilcoxon signed rank, logistic regression, Kruskal-Wallis and Spearman's rho to analyze data from 15 drivers with various variables. The results show that there is a significant difference in KSS scores with a ρ-value <0.001, from PVT outputs results significance is found in the Median, Maximum RT and Slowest10% variables with a ρ-value <0.05. Analysis using Spearman Rho showed significant positive correlation between the KSS results and the Minimum RT value and the Fastest10% variable, then using the same test for fatigue and violation, the results showed a significant relationship between fatigue and braking. For the Kruskal Wallis analysis, significance values were obtained for the variable AGE with KSS and Experience. The results of logistic regression analysis found three variables were considered significant, Duration of Work (Sig.) 0.015, Number of People (Sig.) 0.001, Cylinder (Sig.) 0.016. Study limitations include limited sample size and reliance on limited subjective and objective measurement tools. Future research is recommended to include additional instruments, analyze the influence of external variables on driver fatigue."

"Hemoglobin adalah komponen darah yang penting untuk mengikat oksigen di paru paru dan mendistribusikannya ke seluruh tubuh. Metode invasif tidak memungkinkan pengukuran real-time dalam situasi darurat. Pengembangan metode noninvasif untuk pemeriksaan hemoglobin menghadapi tantangan dalam hal akurasi, ketepatan, dan keringkasan alat. Pada penelitian menggunakan sensor MAX30102 sebagai pembaca gelombang merah dan inframerah, OLED sebagai alat yang menampilkan hasil prediksi, dan Nvidia Jetson Nano sebagai processor. Alat juga dilengkapi dengan pembacaan detak jantung, SpO2, dan dua tombol untuk mengulang pembacaan dan mematikan alat. Pelatihan model dilakukan menggunakan dataset yang diperoleh dari riset sebelumnya, "Pengembangan Instrumentasi Pengukur Konsentrasi Hemoglobin Non-Invasif Berbasis Photoplethysmography dan Machine Learning" oleh Ester Vinia (2023). Setelah melakukan pelatihan pada lima jenis model (Dense Neural Network, Decision Tree, Support Vector, Gradient Boosting, dan Random Forest), didapatkan model dengan metode Dense Neural Network memiliki akurasi R2 sebesar 96%, loss MAE sebesar 0,2 dan MSE sebesar 0,11, metode Decision Tree memiliki akurasi R2 sebesar 90%, loss MAE sebesar 0,27 dan MSE sebesar 0,3, metode Support Vector memiliki akurasi R2 sebesar 17%, loss MAE sebesar 1,2 dan MSE sebesar 2,61, metode Gradient Boosting memiliki akurasi R2 sebesar 89%, loss MAE sebesar 0,43 dan MSE sebesar 0,3, dan metode Random Forest memiliki akurasi R2 sebesar 99%, loss MAE sebesar 0,05 dan MSE sebesar 0,02. Prototipe alat kemudian dibuat menggunakan pembelajaran mesin bermodel Random Forest Regressor. Model kemudian ditanam di Nvidia Jetson Nano sehingga alat dapat dioperasikan dengan efisien dan cepat. Pada pengujian alat, didapatkan nilai akurasi sebesar 93,27%.

---

Hemoglobin is a vital blood component responsible for binding oxygen in the lungs and distributing it throughout the body. Invasive methods do not allow real-time measurement in emergency situations. Developing noninvasive methods for hemoglobin examination faces challenges in accuracy, precision, and device compactness. In this research, a MAX30102 sensor was used for reading red and infrared waves, an OLED for displaying prediction results, and an Nvidia Jetson Nano as the processor. The device also includes heart rate and SpO2 readings, and two buttons for repeating readings and turning off the device. The model was trained using a dataset obtained from previous research, "Development of Non Invasive Hemoglobin Concentration Measurement Instrumentation Based on Photoplethysmography and Machine Learning" by Ester Vinia (2023). After training on five types of models (Dense Neural Network, Decision Tree, Support Vector, Gradient Boosting, and Random Forest), the Dense Neural Network model achieved an R2 accuracy of 96%, MAE loss of 0.2, and MSE loss of 0.11; the Decision Tree method achieved an R2 accuracy of 90%, MAE loss of 0.27, and MSE loss of 0.3; the Support Vector method achieved an R2 accuracy of 17%, MAE loss of 1.2, and MSE loss of 2.61; the Gradient Boosting method achieved an R2 accuracy of 89%, MAE loss of 0.43, and MSE loss of 0.3; and the Random Forest method achieved an R2 accuracy of 99%, MAE loss of 0.05, and MSE loss of 0.02. The device prototype was then developed using the Random Forest Regressor model. The model was embedded in the Nvidia Jetson Nano, allowing the device to operate efficiently and quickly. During testing, the device achieved an accuracy of 93.27%."