Sistem Deteksi Kadar Alkohol Pada Pengemudi Bus Menggunakan Sensor TGS2620 Berbasis Internet Of Things

Rudi Setiawan, Hari Agus Sujono, Akhmad Fahruzi, Enggar Alfianto

Abstract

Salah satu penyebab kecelakaan bus adalah pengemudi yang mabuk. Dari beberapa kasus tersebut disebabkan oleh tidak adanya sistem yang dapat mendeteksi bahwa pengemudi dalam keadaan mabuk atau tidak. Sehingga dari permasalahan tersebut dibuatlah sistem deteksi kadar alkohol pada pengemudi bus menggunakan sensor TGS2620 berbasis IOT (Internet of Things). Tujuan dari penelitian ini yaitu untuk merancang dan membuat sistem deteksi kadar alkohol pada pengemudi bus menggunakan sensor TGS2620 bebasis Internet of Things, membuat sistem Internet of Things melalui platfom android untuk mengirim data kondisi pengemudi berupa notifikasi ke kantor pusat dan driver, dan mengetahui tingkat akurasi dan kepresisisan pembacaan sensor gas TGS2620 untuk mendeteksi kadar alkohol pada pengemudi bus. Metode dalam penelitian ini yaitu mendeteksi kadar alkohol pada nafas pengemudi bus sebelum melakukan keberangkatan. Untuk komponen yang digunakan pada sistem ini adalah ESP32 sebaga imicrocontrollerkemudian menggunakan sensor TGS2620 sebagai deteksi kadar alkohol. Alat tersebut akan mendeteksi apakah pengemudi dalam keadaan mabuk atau tidak. Hasil deteksi tersebut ditampilkan pada LCD dan dikirimkan ke aplikasi smartphone sebagai laporan. Jika pengemudi dalam keadaan mabuk maka buzzer pada alat tersebut aktif dan tertera notifikasi pada LCD bahwa pengemudi dalam keadaan mabuk.Pengujian akurasi karakteristik yang dilakukan dalam penelitian ini meliputi Pengujian Buzzer, Pengujian LCD (Liquid Crystal Display), Pengujian NodeMCU ESP32, Program IDE Arduino, dan Pengujian Sensor TGS2620. Sehingga didapatkan hasil yaitu sensor 1 memiliki akurasi sebesar 91,3% dan rata rata presentasi error sebesar 8,7%, sedangkan sensor 2 memiliki akurasi sebesar 88,9% dan rata-rata presentasi error sebesar 11,1%, dimana hasil tersebut dapat disimpulkan bahwa sensor TGS2620 dapat berfungsi dengan baik sesuai perencaan awal, karena Sensor TGS2620 sangat sensitif dalam mendeteksi gas alkohol yang mudah menguap.

Keywords

Deteksi Kadar Alkohol; ESP32; Blynk; Sensor TGS2620

Full Text:

PDF

References

Dihni, V. A. (2022, 03 24). Angka Kecelakaan Lalu Lintas Di Indonesia Meningkat Di 2021 Tertinggi Dari Kecelakaan Motor. Jumlah Kasus Kecelakaan Lalu Lintas Di Indonesia (2017- 2021), P. https://Databoks.Katadata.Co.Id/.

Liputan6. (2015). Sopir Diduga Mabuk, Bus Lorena Kecelakaan Di Banyumas. Pp. Https://Www.Liputan6.Com/News/Read/2178655/Sopir-Diduga-Mabuk-Bus-Lorena-Kecelakaan-Di-Banyumas, tanggal 02-02-2015)

Adnyana, P. M. (2018). Rancang Bangun Alat Pendeteksi Kadar Alkohol Pada Minuman Beralkohol Menggunakan Sensor Mq-3 Berbasis Atmega328. Bandung: Universitas Udayana.

Syuhada, I. (2020). Rancang Bangun Alat Pendeteksi Kadar Alkohol Pada Minuman Beralkohol Menggunakan Sensor MQ-3 Berbasis Internet Of Things. Mataram: Universitas Mataram.

Simatupang, G. H. (2019). Rancang Bangun Alat Pendeteksi Kadar Alkohol Melalui Ekhalasi Menggunakan Sensor TGS2620 Berbasis Mikrokontroler Arduino UNO. Manado: Universitas Sam Ratulangi.

Tritama, Topaz Kautsar (2019). Konsumsi Alkohol dan Pengaruhnya Terhadap Kesehatan. Lampung: Universitas Lampung.

Riny Sulistyowati, Hari Agus Sujono, DC Riawan, RS Wibowo, M Ashari (2023), Prototype and monitoring system of phasor measurement unit based on the internet of things, Indonesian Journal of Electrical Engineering and Computer Science.

Riny Sulistyowati, GF Prawidya, HA Sujono, Realtime hybrid offline-online power loss analysis-based Simulink simulation, International Journal of Applied Power Engineering (IJAPE).

Zhang D., Guo D., Yan K. (2017), “Breath Analysis for Medical Application”, Springer, ISBN: 978-981-10-4321-5.

Riny Sulistyowati, A Suryowinoto, HA Sujono, I Iswahyudi(2021), Monitoring of road damage detection systems using image processing methods and Google Map, IOP Conference Series: Materials Science and Engineering

Hari Agus Sujono, Muhammad Rivai, Muhammad Amin (2018). Asthma Identification Using Gas Sensors and Support Vector Machine TELKOMNIKA, Vol.16, No.4, August 2018, pp. 1468~1480 ISSN: 1693-6930, DOI: 10.12928/TELKOMNIKA.v16i4.8281.

Wijaya, Langgeng, dkk (2019). Pendeteksi Kadar Alkohol Dalam Tubuh Manusia Melalui Hembusan Nafas Untuk Pengemudi Mobil. Ponorogo: Universitas Muhammadiyah Ponorogo.

Data-Sheet (2014), TGS 2620 - for the detection of Solvent Vapors, FIGARO USA, INC. 121 S. Wilke Rd. Suite 300 Arlington Heights, Illinois 60005.

Refbacks

  • There are currently no refbacks.