PENERAPAN IoT (Internet of Things) TERHADAP RANCANG BANGUN SISTEM PERINGATAN BATASAN KECEPATAN DAN PENDETEKSI LOKASI KECELAKAAN BAGI PENGENDARA SEPEDA MOTOR BERBASIS ARDUINO
Notice bibliographique
Résumé
Sepeda motor merupakan transportasi yang umumnya banyak digunakan oleh masyarakat dalam bepergian atau bekerja.Berkendara dengan sepeda motor merupakan hal yang praktis untuk menghindari kemacetan pada kawasan perkotaan. Menurut data dari Satlantas Polres Malang, untuk wilayah Kabupaten Malang selama Januari 2020 kemarin, angka laka lantas bertengger di 69 kejadian. Kepala Unit (Kanit) Laka Satlantas Polres Malang, Ipda Agus Yulianto menyampaikan, Januari 2021 terdapat 37 kasus laka lantas di Kabupaten Malang. (Ajeng Jasita Ingtyas , Lionita, 2021). Adapun faktor yang dapat menyebabkan terjadinya kecelakaan tersebut disebabkan oleh pengendara sepeda motor yang ugal-ugalan dan mengendarai kendaraan dengan kecepatan tinggi. Hal ini perlu diperhatikan agar baiknya berkendara tidak melebihi dari 50km/jam pada kawasan perkotaan. Adapun faktor yang dapat menyebabkan terjadinya kecelakaan tersebut disebabkan oleh pengemudi yang ugal-ugalan dan mengendarai kendaraan dengan kecepatan tinggi. Karena hal itu perlu disikapi oleh pengemudi yang setiap hari megendarai kendaraan mereka. Hal ini perlu diperhatikan agar baiknya berkendara tidak melebihi dari 50km/jam pada kawasan perkotaan. Karena jika sudah melebihi batas kecepatan tersebut akan berdampak pada resiko kecelakaan. Dari penelitian tersebut dapat mengembangkan suatu alat yang dapat memberikan informasi kecepatan sepeda motor kepada pengendara. Sensor LM393 digunakan sebagai pendeteksi kecepatatan dengan rata-rata persentase eror 7,71%. Jika kecepatan sepeda motor tersebut melaju diatas 50 km/j maka akan memberikan peringatan kepada pengendara dengan buzzer berbunyi dan sensor MPU6050 digunakan sebagai deteksi nilai kemiringan suatu sepeda motor dengan rentang 600 - 1200 sebagai batas aman kemiringan sepeda motor. Modul Neo-6M dapat mendeteksi titik lokasi koordinat jika pengendara sepeda motor mengalami kecelakaan dengan baik dengan hasil selisih jarak yang dihasilkan paling dekat adalah 4,44 meter dan selisih jarak paling jauh adalah 10,00 meter dan rata-rata jarak sejauh 6,66 meter. Pada website yang dibuat memiliki fitur monitoring untuk melihat data terbaru dari hasil deteksi sensor. Berdasarkan pengujian terhadap sensor dan fitur pada website monitoring sepeda motor dapat berjalan dan bekerja dengan baik. Berdasarkan pengujian terhadap pengguna diketahui telah sesuai dengan kebutuhan.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».