Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam riset mengenai ergonomi kendaraan, diindikasikan bahwa vibrasi merupakan salah satu faktor signifikan yang berpengaruh pada kenyamanan berkendara. Kemampuan road handling yang buruk dan kurangnya kenyamanan pengendara dapat menyebabkan efek biologis yang berpengaruh terhadap kemampuan berkendara. Kemampuan peredaman setiap merek, jenis, dan umur suspensi memiliki performa yang berbeda. Sehingga diperlukan suatu metode analisis untuk melakukan monitoring data terhadap kondisi suspensi kendaraan pada saat berkendara. Sejauh ini teknik atau metode dalam menentukan kondisi performa suspensi kendaraan dilakukan secara manual, yaitu dengan menekan dan merasakan dengan tangan kondisi suspensi dan dengan melakukan road testing. Penulis mengusulkan untuk menggunakan pengolahan data dari data monitoring kendaraan untuk menentukan performa suspensi kendaraan tersebut. Algoritma pengolahan data yang diusulkan penulis memiliki kemampuan untuk menghandle data, mengolah data, dan memberikan penilaian terhadap kenyamanan berkendara sesuai dengan tingkat peredaman kendaraan tersebut.

---

In research on vehicle ergonomics, it is indicated that vibration is one of the significant factors that affect driving comfort. Poor road handling and lack of rider comfort can have biological effects that impact driving ability. The damping capability of each brand, type, and age of suspension varies in performance. Hence, there is a need for an analysis method to monitor the condition of the vehicle suspension while driving. So far, the technique or method used to determine the performance condition of vehicle suspension has been done manually, by pressing and feeling the suspension condition by hand and conducting road testing. The author proposes using data processing from vehicle monitoring to determine the performance of the vehicle suspension. The proposed data processing algorithm has the ability to handle and analyze data, and provide an assessment of driving comfort based on the level of vehicle damping."

"Pelumas mesin adalah zat kimia berbentuk cairan yang diberikan diantara dua benda yang bergerak untuk mengurangi gaya gesek yang terjadi. Pelumas mesin perlu diganti secara berkala untuk menjaga keawetan mesin kendaraan roda empat. Produsen pabrikan kendaraan roda empat sudah memberikan jangka waktu penggantian pelumas kepada konsumen, namun jangka waktu tersebut hanya berupa acuan. Tujuan dari penilitian ini adalah mempelajari metode perhitungan untuk menemukan waktu penggantian pelumas yang tepat beserta parameternya, mempelajari hubungan dan karakteristik antara temperatur pelumas mesin dengan temperatur coolant, serta mempelajari hubungan perilaku berkendara terhadap penurunan kondisi pelumas mesin. Penilitian ini dilakukan dengan mengambil data temperatur pelumas mesin dan coolant menggunakan Ancel kemudian dilakukan analisis untuk mendapatkan rumus penentuan temperatur pelumas mesin dan didapati mean absolute error sebesar 0 hingga 3,60. Penilitian ini dilakukan dengan melakukan pengujian perilaku berkendara eco, normal, dan sport sejauh 300 km tiap perilaku berkendara. Pada penelitian ini, data kecepatan putaran mesin dan temperatur coolant diambil melalui OBD II lalu diolah menggunakan Raspberry Pi menjadi RPS dan temperatur pelumas mesin kemudian diolah lebih lanjut oleh backend kemudian data tersebut dikirimkan ke Android. Pada aplikasi Android, output dari hasil pengolahan data tersebut ditampilkan menjadi persentase kondisi pelumas mesin, jarak sisa tempuh pelumas mesin, dan waktu sisa tempuh pelumas mesin. Hasil pengujian menunjukkan bahwa pada perilaku berkendara sport, kondisi pelumas mesin mengalami penurunan paling besar di angka 3,9% diikuti dengan normal sebesar 3,18% dan yang mengalami penurunan paling sedikit adalah eco dengan 2,39%.

---

Engine oil is a liquid chemical that is given between two moving objects to reduce the frictional force that occurs. Engine lubricant needs to be replaced periodically to maintain the durability of four-wheeled vehicles. Manufacturers of four-wheeled vehicle manufacturers have given the lubricant replacement period to consumers, but this time period is only a reference. The purpose of this research is to study the calculation method to find the right time to replace the lubricant along with its parameters, study the relationship and characteristics between engine lubricant temperature with coolant temperature, and study the relationship of driving behavior to decrease engine lubricant conditions. This research was carried out by taking data on engine lubricant temperature and coolant using Ancel and then analyzing it to get the formula for determining engine oil temperature and found the mean absolute error of 0 to 3.60. This research is done by testing the driving behavior of eco, normal, and sport as far as 300 km for each driving behavior. In this study, engine speed and coolant temperature data are taken through OBD II and then processed using Raspberry Pi into RPS and engine lubricant temperature then further processed by the backend then the data is sent to Android. On the Android application, the output of the data processing results is displayed as a percentage of engine lubricant conditions, engine lubricant remaining distance, and engine lubricant remaining time. The test results show that in sports driving behavior, the condition of engine lubricants decreased the most at 3.9% followed by normal at 3.18% and the lowest decreased was eco with 2.39%."

"Dengan berbagai kemajuan teknologi, transportasi tetap bertanggung jawab sebagai penyumbang polusi udara terbesar khususnya emisi CO2. Dampak emisi CO2 ini sangat berbahaya bagi kesehatan dan lingkungan. Sudah ada beberapa cara yang dilakukan untuk mengurangi dampak yang dihasilkan emisi CO2 pada kendaraan roda empat. Salah satunya dengan melakukan tes emisi. Prosedur tes emisi ini dilakukan dengan perilaku berkendara tetap yang menyebabkan tes ini tidak representative terhadap keadaan nyata di jalan, oleh karena itu dibutuhkan monitoring langsung pada perilaku berkendara yang berbeda-beda. Dengan memanfaatkan teknologi OBD II dan konsep IoT (Internet of Things), peneliti dapat melakukan pengembangan ke arah monitoring. Pengembangan dilakukan dengan cara menghubungkan OBD II dan Raspberry Pi ke kendaraan roda empat. Perhitungan emisi CO2 dilakukan dengan memanfaatkan data MAF yang diperoleh dari OBD II. Hasil perhitugan tersebut dikirim ke aplikasi Android melalui Cloud Server agar dapat dibaca oleh pengguna aplikasi Android tersebut. Untuk memverifikasi model perhitungan, pengetesan dilakukan pada Nissan Juke tahun 2015 dengan melakukan uji jalan sejauh 300km pada tiga perilaku berkendara yang berbeda. Emisi CO2 yang dihasilkan diukur menggunakan Portable CO2 Meters Detector Tvoc Hcho AQI Monitor dan dibandingkan dengan hasil uji pada aplikasi. Nilai error verifikasi pengukuran pada masing-masing perilaku berkendara yaitu 11,65 % untuk eco, 7,38% untuk Normal, dan 49,56% untuk Sport. pengetesan yang dilakukan juga menunjukkan bahwa model perilaku berkendara Eco memiliki tingkat emisi terendah dibanding dua perilaku berkendara lainnya dengan jumlah emisi CO2 yang dihasilkan sebesar 33.401,25 g sedangkan untuk Normal dan Sport masing-masing secara berurutan menghasilkan emisi CO2 sebesar 56.250,26 g dan 123.122,99 g. Kemudian apabila dihubungkan dengan parameter perilaku berkendara, perilaku berkendara Eco dengan interval nilai Accelerator Position 4,63% – 10,99% menghasilkan CO2 per detiknya sebesar 0,57 g/s – 1,93 g/s, perilaku berkendara Normal dengan interval nilai Accelerator Position 16,23% – 24,15% menghasilkan CO2 per detiknya sebesar 3,37 g/s – 5,09 g/s, dan perilaku berkendara Sport dengan interval nilai Accelerator Position 71,89% – 78,39% menghasilkan CO2 per detiknya sebesar 13,00 g/s – 14,24 g/s.

---

With various technological advances, transportation remains responsible as the biggest contributor to air pollution, especially CO2 emissions. The impact of CO2 emissions is very dangerous for health and the environment. There have been several ways to reduce the impact of CO2 emissions on four-wheeled vehicles. One of them is by conducting emission tests. This emission test procedure is carried out with a fixed driving behavior which causes this test not to be representative of the actual situation on the road, because of that we require direct monitoring of different driving behaviors. By utilizing OBD II technology and collaborating with the concept of IoT (Internet of Things) Researchers can make development towards monitoring. Development is carried out by connecting the OBD II and Raspberry Pi that has been programmed to calculate CO2 emissions. The calculation of CO2 emissions is done by calculating the MAF data that can be obtained from OBD II. The results of these calculations are sent to the Android application via Cloud Server so that they can be read by the application's users. To verify the calculation model, testing was done on the 2015 Nissan Juke by conducting a road test on three different driving behaviors. The resulting CO2 emissions are measured using Portable CO2 Meters Detector Tvoc Hcho AQI Monitor and compared with test results on the application. The verification error measurement value on each driving behavior is 11,65% for Eco, 7,38% for Normal, and 49,56% for Sport. The testing also shows that the Eco-driving behavior model has the lowest emission level compared to the other two driving behaviors with the amount of CO2 emissions produced of 33.401,25 g while for Normal and sport respectively produced CO2 emissions of 56.250,26 g and 123.122,99 g. Then when connected with driving behavior parameters, Eco-driving behavior with an interval value of Accelerator Position 4.63% - 10.99% produces CO2 per second of 0.57 g/s - 1.93 g/s, Normal driving behavior with an interval value Accelerator Position 16.23% - 24.15% produces CO2 per second of 3.37 g/s - 5.09 g/s and Sport driving behavior with an interval of Accelerator Position 71.89% - 78.39% produces CO2 per second of 13.00 g/s - 14.24 g/s."

"Permasalahan yang sering kali ditemui pada saat memilih sebuah kendaraan adalah tidak adanya indikator berupa skor yang dapat membedakan performa antara satu kendaraan dengan kendaraan lainnya. Strategi penilaian untuk menentukan skor kinerja kendaraan dapat dilakukan dengan menganalisis data berkendara yang diperoleh secara langsung (data monitoring) dari sistem internal (On Board Diagnostics) atau sensor eksternal yang dipasang pada kendaraan. Umumnya, performa kendara dipengaruhi oleh spesifikasi komponen penyusunnya. Namun, berdasarkan penelitian sebelumnya, perilaku mengemudi juga dapat mempengaruhi performa dari sebuah kendaraan. Sebagai contoh, perilaku mengemudi dapat mempengaruhi sampai 15% dari total konsumsi bahan bakar pada kendaraan bermotor berjenis mobil penumpang. Dalam rangka meningkatkan performa ekonomi, digunakan metode penilaian terhadap agresivitas pengemudi dalam mengatur kecepatan kendaraan. Di sisi lain, analisis terhadap agresivitas mengemudi pada kondisi akselerasi, deselerasi, dan berputar juga dapat meningkatkan performa kenyamanan penghuni kendaraan. Penilaian terhadap agresivitas akselerasi dan deselerasi dilakukan dengan melihat gradien dari titik lokal minimum dan maksimum dari grafik kecepatan pada berbagai kondisi berkendara, dan agresivitas perubahan sudut kendaraan dilakukan dengan meninjau kondisi berputar. Selanjutnya, nilai rata-rata terbobot gradien akan diolah pada sistem fuzzy Mamdani untuk menghasilkan skor akhir dari performa ekonomi dan kenyamanan kendaraan. Hasil pengolahan menunjukkan bahwa kualitas konsumsi bahan bakar kendaraan pada kondisi lalu lintas macet dan ramai lancar cenderung buruk, dan pada kondisi ramai lancar cenderung baik pada tren kecepatan menurun. Hasil kualitas berputar bervariasi pada tiap kondisi lalu lintas dan kualitas akselerasi serta deselerasi cenderung bernilai menengah.

---

The problem often encountered when choosing a vehicle is the absence of an indicator in the form of a score that can differentiate the performance between one vehicle and another. The assessment strategy to determine the performance score of a vehicle can be done by analyzing driving data obtained directly (data monitoring) from the internal system (On-Board Diagnostics) or external sensors installed on the vehicle. Generally, the performance of a vehicle is influenced by the specifications of its constituent components. However, based on previous research, driving behavior can also affect the performance of a vehicle. For example, driving behavior can affect up to 15% of the total fuel consumption in passenger cars. To improve economic performance, an evaluation method is used to assess the aggressiveness of the driver in controlling the vehicle's speed. On the other hand, analyzing driving aggressiveness in acceleration, deceleration, and turning conditions can also improve the comfort performance of vehicle occupants. The assessment of acceleration and deceleration aggressiveness is done by examining the gradient of the local minimum and maximum points of the speed graph under various driving conditions, and the aggressiveness of changes in the vehicle's angle is assessed by considering the turning conditions. Furthermore, the weighted average gradient values will be processed in the Mamdani fuzzy system to generate the final scores for the economic performance and comfort of the vehicle. The results indicate that the fuel consumption quality of vehicles tends to be poor in congested and heavy traffic conditions, and tends to be good in smooth-flowing conditions with decreasing speed trends. The quality results vary for each traffic condition, and the acceleration and deceleration qualities tend to be average."

"Perkembangan sistem monitoring telah memanfaatkan teknologi internet sebagai media untuk memaparkan informasi hasil observasi monitoring. Pada penelitian ini, dilakukan perancangan aplikasi sistem monitoring kendaraan berbasis website dengan menggunakan kerangka kerja bahasa pemrograman PHP yaitu Laravel. Kendaraan yang terintegrasi dengan perangkat elektronik seperti sensor-sensor, akan menyimpan informasi dari kondisi kendaraan ke dalam database sistem monitoring. Informasi tersebut akan dikelola menjadi layanan pada aplikasi monitoring kendaraan, baik berupa tampilan grafik informasi, tabel-tabel data, maupun berupa implementasi tracking dengan menggunakan API Google Maps. Selain itu, pada penelitian ini juga dikembangkan pengolahan data yang lebih interaktif terhadap pengguna, seperti fitur untuk membandingkan suatu data kendaraan, filter data menjadi bentuk representatif dari interval waktu, serta penggunaan persamaan matematika yang akan diimplementasikan pada data yang dipilih. Terdapat juga pengembangan sistem monitoring untuk mengetahui anomali data, prediksi data, dan efisiensi suatu kendaraan menggunakan Guzzle HTTP Client pada Laravel.

---

The development of the monitoring system has utilized internet technology as a medium to present information on the results of monitoring observations. In this study, a website-based vehicle monitoring system application design was carried out using the PHP programming language framework Laravel. Vehicles that are integrated with electronic devices such as sensors will store information from the vehicle's condition in the monitoring system database. This information will be managed as a service in the vehicle monitoring application, either in the form of graphical information displays, data tables, or in the form of tracking implementation using the Google Maps API. In addition, in this study also developed data processing that is more interactive with the user, such as features to compare a vehicle's data, filter data into a representative form of time intervals, and the use of mathematical equations that will be implemented on selected data. There is also the development of a monitoring system to find out data anomalies, data predictions, and efficiency of a vehicle using the Guzzle HTTP Client on Laravel."

"ABSTRAKMotor bakar diesel biasa digunakan untuk kendaraan berdimensi besar karena diperlukan tenaga yang besar. Selain mengeluarkan tenaga yang besar kendaraan bermotor bakar diesel dikenal dengan getaran dan juga kebisingan yang besar. Jika kendaraan kecil menggunakan motor berbahan bakar diesel maka getaran dan kebisingan yang dihasilkan akan lebih besar daripada motor bakar otto biasa. Sedangkan pada kendaraan kecil seperti sedan salah satu faktor yang dipertimbangkan untuk menggunakan mobil tersebut adalah faktor kenyamanan. Getaran dan kebisingan yang ditimbulkan bisa menjadi faktor yang menggangu kenyamanan bila melewati batas yang telah ditentukan. Pada penelitian ini penulis mengambil data getaran dan kebisingan pada titik tertentu yang telah ditentukan dengan metode Transfer path analysis. Hasil dari pengambilan data tersebut akan dibandingkan dengan standar yang telah ditentukan oleh ISO dan juga Kementrian Lingkungan Hidup tentang batas baku getaran dan kebisingan.

---

ABSTRACTDiesel engine is commonly used for large dimensional vehicles because it requires a lot of power. Besides known for releasing a large amount of power, diesel engine known as produce a high vibration and noise. If a small vehicle such as city car uses a diesel engine then the vibration and noise generated will be larger than the usual otto engine. While on a small vehicle like a city car, one factor that is considered by consumer to use the car is a comfortable factor. Vibration and noise can be a factor that disturbs comfort when it exceeds a predetermined limit. In this research the writer take the data of vibration and noise at certain point which have been determined by Transfer Path Analysis method. The results of the data retrieval will be compared with the standards specified by the ISO as well as the Ministry of the Environment concerning the vibration and noise standard limits."

"Konsumsi bahan bakar pada kendaraan roda empat tidaklah terlalu efisien. Salah satu alasan di balik kurang efisiennya penggunaan bahan bakar adalah perilaku berkendara yang tidak tepat karena didasar pada perasaan pengemudi. Hal ini menghasilkan efisiensi konsumsi BBM rendah. Untuk mengatasi masalah tersebut, dibutuhkan suatu sistem di mana perilaku berkendara seorang pengemudi dan konsumsi bahan bakar yang dihasilkan dapat dinilai dan dikalkulasikan. Penelitian ini mencoba untuk mengembangkan sistem di mana data dari On-Board Diagnostics-II (OBD-II) Port diambil oleh Raspberry Pi dan dikalkulasikan untuk mendapat angka konsumsi BBM, dan dikirim ke backend cloud storage untuk disimpan. Data tersebut didapatkan melalui serangkaian kegiatan berkendara yang dimonitor untuk mengembangkan aplikasinya dengan mengambil data accelerator pedal position dan fuel economy, sebelum akhirnya menggunakan data sesungguhnya dari kegiatan berkendara biasa. Hasil yang didapat adalah, fuel economy perilaku berkendara sport bernilai 0,4-5,9 km/L, normal 4,8-8,5 km/L, eco 8,5-11,1 km/L. Data accelerator pedal position perilaku berkendara eco 6-12%, normal 12-24%, sport 24-45%. Data ini kemudian ditampilkan melalui telepon genggam Android melalui serangkaian protokol yang mengambil data yang sudah dikalkulasikan dari cloud storage dan menyajikannya dalam format yang lebih mudah dimengerti bagi penggunanya. Lalu dilakukan validasi konsumsi BBM melalui aplikasi dengan metode full-to-full yang menghasilkan angka Mean Absolute Percentage Error (MAPE) sebesar rata-rata 13,1%. Angka ini merupakan angka kesalahan rata-rata aplikasi.

---

Fuel consumption in automobiles are not particularly efficient. One of the reasons behind the inefficiency is improper driving behavio due to the usage of feeling and judgment. To mitigate this problem, there needs to be a system where driver's driving behavior and the car's fuel consumption can be assessed and calculated. This research tried to develop a system where data from car's OBD-II Port are taken by Raspberry Pi, sent to cloud database, where it is then calculated to acquire the driving behavior and fuel consumption. The data are first obtained through a series of monitored driving to develop the application, before using real data from usual driving activity. The results are driving behavior's fuel consumption figure which is sport 0,4-5,9 km/L, normal 4,8-8,5 km/L, sport 8,5-11,1 km/L. The accelerator pedal position figures fore eco is 6-12%, 12-24%, and sport 24-45%.  This data is displayed on an Android phone through sets of protocol that collect the calculated data from cloud database and serve it in a more understandable manner in order for users to acquire useful information regarding the fuel consumption and driving behavior. The final application's fuel economy figures are then validated using full-to-full method to produce Mean Absolute Percentage Error (MAPE) which is 13,1%. This is the application's average fuel consumption reading's figure."

"The JORR 1 toll road is designed to overcome traffic congestion and to shorten time from one place to another. Determination of toll road tariffs in Indonesia is carried out by considering Vehicle Operating Costs. The maximum tariff determined by the toll road operator is that it must not exceed 70% of the value of PVOC (Profitability of Vehicle Operating Costs). The value of PVOC is based on the value of Vehicle Operating Costs (VOC) passing through the toll road compared to non-toll roads. The objectives of this study are to analyze the history of JORR 1 toll fares over a certain period of time based on VOC and PVOC calculations. The method used is to calculate VOC and consider PVOC, then compared with analyzing the applicable toll rates. Based on the results obtained, the value of VOC on the JORR 1 toll road for 9 years for group I, IIA, IIB are Rp. 11,934; Rp. 30,690; and Rp. 34,153. VOC on non-toll roads for 9 years for group I, IIA, IIB are Rp. 28,153; Rp. 66,000; and Rp. 73,668. The PVOC for 9 years for group I, IIA, IIB are Rp. 11,354; Rp. 23,327; and Rp. 27,322. The benefits of this research can be used as a reference for determining toll rates in the future.

---

Jalan tol JORR 1 dirancang untuk mengatasi kemacetan lalu lintas dan mempersingkat waktu dari satu tempat ke tempat lain. Penetapan tarif tol di Indonesia dilakukan dengan mempertimbangkan Biaya Operasi Kendaraan. Tarif maksimum yang ditetapkan oleh penyelenggara jalan tol tidak boleh melebihi 70% dari nilai PVOC (Profitabilitas Biaya Operasional Kendaraan). Nilai PVOC didasarkan pada nilai Biaya Operasional Kendaraan (VOC) yang melewati jalan tol dibandingkan dengan jalan non tol. Penelitian ini bertujuan untuk menganalisis riwayat tarif tol JORR 1 selama periode waktu tertentu berdasarkan perhitungan VOC dan PVOC. Metode yang digunakan adalah dengan menghitung VOC dan mempertimbangkan PVOC, kemudian dibandingkan dengan menganalisis tarif tol yang berlaku. Berdasarkan hasil yang diperoleh, nilai VOC pada ruas tol JORR 1 selama 9 tahun untuk kelompok I, IIA, IIB adalah sebesar Rp. 11.934; Rp. 30.690; dan Rp. 34.153. VOC pada jalan non tol selama 9 tahun untuk kelompok I, IIA, IIB sebesar Rp. 28.153; Rp. 66.000; dan Rp. 73.668. PVOC selama 9 tahun untuk kelompok I, IIA, IIB adalah Rp. 11.354; Rp. 23.327; dan Rp. 27.322. Manfaat penelitian ini dapat dijadikan acuan dalam penentuan tarif tol kedepannya."

"Menjaga jarak aman saat berkendara adalah hal penting yang perlu diperhatikan terutama saat berkendara dalam kecepatan tinggi. Jalan tol yang bebas hambatan dapat membuat pengemudi mobil memacu kendaraannya dalam kecepatan tinggi sehingga sulit untuk menjaga jarak aman. Jarak aman yang relatif terhadap kecepatan kendaraan menambah sulit penerapan jarak aman di jalan tol. Aturan tiga-detik bisa menjadi solusi karena jarak waktu adalah konstan pada kecepatan berapapun. Namun, menghitung jarak waktu dapat berisiko mengurangi konsentrasi padahal penting bagi pengemudi untuk tetap fokus menyetir ketika di jalan tol. Kemajuan teknologi kecerdasan buatan dapat menjadi solusi untuk membantu menjaga jarak aman berkendara tanpa harus khawatir menghitungnya secara manual. Penelitian ini mengusulkan penggunaan model deep learning dan pendekatan pemrosesan gambar untuk menghitung jarak aman berkendara di jalan tol. Kemudian, memberikan feedback berupa peringatan visual apabila kendaraan tidak berada pada jarak aman. Pendekatan dilakukan dengan mengestimasi kecepatan kendaraan pengemudi dan jarak kendaraan di depan kendaraan pengemudi berdasarkan garis lajur di jalan tol. Model deep learning YOLOv8, algoritma Canny Edge Detection, Hough Transformation, dan teknik transformasi perspektif dipadukan untuk mencapai tujuan tersebut. Program dapat mengestimasi kecepatan kendaraan pengemudi dengan rata-rata error sebesar 7.66 Km/jam pada 93% kesalahan yang dibuat. Sementara itu, ratarata error estimasi kecepatan adalah 25.8 Km/jam pada 100% kesalahan yang dibuat. Hasil observasi juga menunjukkan bahwa hasil estimasi kecepatan lebih konsisten pada video 30 fps dibandingkan video 60 fps. Konsistensi ini ditunjukkan dengan rata-rata perubahan hasil estimasi kecepatan antar perhitungan pada video 30 fps adalah 29.76 Km/jam sedangkan pada video 60 fps adalah 76.74 Km/jam. Program akan semakin optimal apabila faktor seperti garis lajur jalan yang terputus, memudar, ataupun tertutup dapat diminimalisir. Selain itu, konfigurasi kamera yang dapat memengaruhi posisi gambar, perlu untuk diperhatikan agar garis lajur jalan tidak keluar dari gambar. Penelitian ini mengharapkan bahwa penggunaan model deep learning dan pendekatan pemrosesan gambar dapat membantu pengawasan jarak aman berkendara di jalan tol dengan menggunakan garis lajur jalan sebagai faktor utama untuk mengestimasi kecepatan dan jarak kendaraan.

---

Keeping a safe distance while driving becomes an important aspect that needs to be considered, especially when driving at high speeds. Toll roads that are freeway can tempt car drivers to accelerate their vehicles to high speeds, thus making it difficult to maintain a safe distance. The relative safe distance in relation to the vehicle's speed adds to the challenge of implementing safe driving distances on toll roads. The three-second rule can be a solution since the time distance remains constant regardless of the speed. However, calculating the time distance can be risky as it may reduce the driver's concentration which is important to stay focused while driving on toll roads. The advancements in artificial intelligence technology can provide a solution to help maintain a safe distance without having to worry about calculating it manually. This research proposes the use of deep learning models and image processing approaches to calculate the safe distance on toll roads. Then, it provides feedback in the form of a visual warning if the vehicle is not at a safe distance. The approach is carried out by estimating the driver's speed and the distance of the vehicle in front of the driver based on the lane lines on the toll road. The deep learning model YOLOv8, Canny Edge Detection algorithm, Hough Transformation, and perspective transformation techniques are combined to achieve this objective. The program can estimate the driver's speed with an average error of 7.6 Km/h for 93% of the errors made. Meanwhile, the average error in speed estimation is 25.8 Km/h for 100% of the errors made. The observation results also indicate that speed estimation is more consistent in 30 fps videos compared to 60 fps videos. This consistency is shown by the average change in speed estimation results between calculations on 30 fps videos is 29.76 Km/h, while on 60 fps videos it is 76.74 Km/h. The program will be more optimal if factors such as discontinuous, faded, or obstructed lane lines can be minimized. Furthermore, the configuration of the camera, which can affect the image's position, needs to be considered to prevent the lane lines from going outside the image. This research expects that the use of deep learning models and image processing approaches can assist in monitoring the safe distance on toll roads by utilizing lane lines as the main factor to estimate vehicle speed and distance."

"Daerah Prospek panasbumi "B" terletak di Pesawaran, Kabupaten Lampung Selatan, Lampung. Dari data remote sensing diketahui bahwa arah utama dari kelurusan-kelurusan pada daerah panasbumi prospek "B" adalah Baratlaut-Tenggara yang sesuai dengan pola struktur geologi utama dan berhubungan dengan kehadiran manifestasi permukaan. Dari data geokimia diketahui bahwa zona outflow prospek panasbumi "B" berada pada daerah manifestasi mata air panas dan dari plotting ternary diagram Na-K-Mg menunjukkan temperatur reservoar sebesar 220 C. Analisis geofisika dari data gravitasi sebanyak 163 titik pengukuran dan dari data Magnetotellurik sebanyak 58 titik pengukuran menunjukan bahwa lapisan clay cap dengan densitas 2.2 gr/cc memiliki nilai resistivitas sebesar.

---

Area prospect of B geothermal area is located in Pesawaran, South Lampung District, Lampung. From remote sensing data is known that the main direction of the lineaments in the area of geothermal prospect B is Northwest Southeast in accordance with the pattern of major geological structures and associated with the presence of surface manifestations. From the geochemical data known that the prospects for geothermal outflow zone B in the region of hot springs and the manifestation of plotting Ternary Diagram Na K Mg shows a reservoir temperature of 220 C. Geophysical analysis from gravity 163 data and magnetotelluric 58 data measuring point indicate that the clay cap layer with a density of 2.2 g cc and resistivity of "