Taryana, Ujang Yana (2025) IMPLEMENTASI SISTEM MONITORING MOBIL BERBASIS OBD-II UNTUK DETEKSI KECELAKAAN DAN PERILAKU PENGEMUDI. Other thesis, Universitas Siliwangi.
1. COVER.pdf
Download (77kB)
2. HALAMAN PERNYATAAN ORISINALITAS.pdf
Download (3MB)
3. HALAMAN PENGESAHAN (1).pdf
Download (2MB)
4. KATA PENGANTAR.pdf
Download (243kB)
5. HALAMAN PERNYATAAN PERSETUJUAN MENYERAHKAN HAK MILIK ATAS TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS.pdf
Download (3MB)
6. ABSTRAK.pdf
Download (137kB)
7. DAFTAR - DAFTAR.pdf
Download (198kB)
8. BAB I.pdf
Download (189kB)
9. BAB II.pdf
Download (427kB)
10. BAB III.pdf
Download (553kB)
11. BAB IV.pdf
Restricted to Repository staff only
Download (1MB)
12. BAB V.pdf
Restricted to Repository staff only
Download (71kB)
13. DAFTAR PUSTAKA.pdf
Download (139kB)
14. LAMPIRAN.pdf
Restricted to Repository staff only
Download (602kB)
Abstract
Peningkatan permintaan dalam industri penyewaan mobil mendorong perlunya sistem pemantauan kendaraan yang tidak hanya mampu mencegah kerusakan aset, tetapi juga mendeteksi kecelakaan serta perilaku pengemudi secara dini. Penelitian ini berhasil merancang dan mengimplementasikan sistem monitoring kendaraan berbasis On-Board Diagnostics II (OBD-II) yang terintegrasi dengan teknologi Internet of Things (IoT), dengan fokus pada akuisisi data kendaraan, deteksi perilaku berkendara, serta identifikasi kecelakaan. Sistem menggunakan Raspberry Pi sebagai unit pemrosesan utama yang terhubung melalui Bluetooth ke modul OBD-II, serta dilengkapi sensor GPS Ublox Neo-6M untuk pelacakan lokasi dan sensor MPU6050 untuk memantau percepatan (G-force) dan sudut kemiringan kendaraan secara real-time. Data seperti kecepatan, putaran mesin (RPM), beban mesin, akselerasi, dan posisi dikirimkan setiap 1 detik ke server dan divisualisasikan melalui antarmuka web. Pengujian sistem menunjukkan performa transmisi data yang baik, dengan tingkat keberhasilan pengiriman mencapai 99,8% selama 1 jam (3.593 dari 3.600 data terkirim). Pada pengujian perilaku pengemudi selama lebih dari 24 jam, sistem mencatat 39.646 data perjalanan dan mendeteksi pelanggaran perilaku berkendara sebesar 6,58%, terdiri dari pelanggaran kecepatan, RPM, dan beban mesin. Sistem juga mampu mendeteksi insiden berdasarkan ambang nilai G-force dan kemiringan. Dari 20 data uji insiden, 16 diklasifikasikan sebagai aman, sementara sisanya menunjukkan kondisi benturan ringan, potensi kecelakaan, kecelakaan, dan kecelakaan parah. Dengan hasil tersebut, sistem monitoring ini terbukti dapat diandalkan dalam akuisisi data kendaraan secara real time, evaluasi perilaku pengemudi, serta deteksi dini kecelakaan untuk mendukung keselamatan dalam industri transportasi dan penyewaan mobil.
Kata Kunci: Internet of Things (IoT), OBD-II, Raspberry pi, Sensor MPU6050, Deteksi Kecelakaan, Perilaku Pengemudi.
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Lelis Marsidah |
| Date Deposited: | 20 Nov 2025 03:46 |
| Last Modified: | 20 Nov 2025 03:46 |
| URI: | https://repositori.unsil.ac.id/id/eprint/1458 |
