Desain Sistem Deteksi Kecelakaan Lalu Lintas Berbasis Suara dengan CNN pada platform Embedded Artificial Intelligence

Abstract

Kecelakaan lalu lintas sering kali mengakibatkan kerugian besar, termasuk kehilangan nyawa. Banyak korban jatuh karena penanganan kecelakaan yang tidak memadai, seperti keterlambatan dalam memberikan informasi dan lokasi kecelakaan yang sulit dijangkau sehingga membuat korban menjadi tidak tertolong. Penelitian ini bertujuan mengatasi permasalahan yang disebabkan oleh kecelakaan lalu lintas dengan merancang dan menciptakan alat deteksi berbasis suara menggunakan metode Convolutional Neural Network (CNN) pada platform embedded artificial intelligence yang memanfaatkan Raspberry Pi 4. Alat ini memanfaatkan usb microphone dan GPS Ublox Neo-m8n untuk menangkap suara serta pengiriman data koordinat secara real-time. Dataset dibagi menjadi dua kelas yaitu crash dan normal, kemudian dataset diolah melalui augmentasi dan divisualisasikan sebagai Mel Spectrogram. Model yang didapat mencapai akurasi 98,63% dan loss 1,37% pada prediksi data testing, sementara implementasi real-time pada Raspberry Pi 4 dengan usb microphone menghasilkan akurasi 82% dari 50 sampel file audio. Sistem ini beroperasi dengan FPS rata-rata sebesar 13.14 untuk proses streaming dan 6.89 untuk proses prediksi serta dihasilkan konsumsi daya rata-rata sebesar 10.069 Watt. Output yang dihasilkan berupa pesan peringatan melalui aplikasi Telegram berupa informasi lokasi dan waktu kecelakaan lalu lintas. Penelitian ini diharapkan dapat meningkatkan respons dalam penanganan kecelakaan, mengurangi kerugian, dan menyelamatkan nyawa.