Panduan Penulisan
Peningkatan Keselamatan dan Kedisiplinan Berkendara melalui Implementasi Sistem Pemantau Perilaku Pengemudi Berbasis AI dan IoT pada Mitra PT Anugerah Sarana Dinamika
Sari
ABSTRAK
Kecelakaan lalu lintas di Indonesia masih didominasi oleh faktor kesalahan manusia (human error), yang berkontribusi pada lebih dari 70% dari total kejadian kecelakaan. Pasal 90 Undang-Undang Nomor 22 Tahun 2009 tentang Lalu Lintas dan Angkutan Jalan (UU LLAJ), yang dijabarkan lebih lanjut melalui Peraturan Pemerintah Nomor 27, 28, dan 29 Tahun 2015, mewajibkan pemasangan perangkat pembatas kecepatan dan sistem monitoring kelelahan pengemudi pada kendaraan angkutan penumpang dan barang. Namun, implementasi teknologi monitoring yang efektif dan terjangkau di lapangan masih terbatas. Program pengabdian kepada masyarakat (PkM) ini bertujuan mengimplementasikan dan menguji coba purwarupa SLIFA Connect — sistem pemantau perilaku pengemudi berbasis kecerdasan buatan (AI) dan Internet of Things (IoT) dengan deteksi multivariabel (indikasi mengantuk, penggunaan handphone, merokok, dan rem mendadak) — pada armada transportasi mitra industri. Kegiatan dilaksanakan melalui fabrikasi 20 unit purwarupa, uji laboratorium (Electromagnetic Compatibility/EMC dan Power Quality Monitoring/PQM), serta uji lapangan pada 10 unit armada truk dan bus milik PT Anugerah Sarana Dinamika (ASD), hasil kolaborasi dengan Universitas Mercu Buana. Hasil menunjukkan seluruh purwarupa lolos uji emisi elektromagnetik dan mampu mendeteksi serta mengirimkan notifikasi pelanggaran (event) secara real-time ke server slifa.io, meliputi penggunaan ponsel, indikasi mengantuk melalui analisis frekuensi menguap, aktivitas merokok, dan pengereman mendadak. Implementasi SLIFA Connect terbukti memberikan solusi monitoring yang objektif, real-time, dan terdokumentasi bagi manajemen armada mitra, sehingga diharapkan dapat mendukung penurunan risiko kecelakaan sekaligus kepatuhan terhadap regulasi keselamatan transportasi jalan.
Kata Kunci: Sistem Monitoring Pengemudi, Kecerdasan Buatan, Internet of Things, Keselamatan Transportasi, Pengabdian Masyarakat.
ABSTRACT
Traffic accidents in Indonesia are still dominated by human error factors, which contribute to more than 70% of total accidents. Article 90 of Traffic Law No. 22/2009, further elaborated through Government Regulations No. 27, 28, and 29 of 2015, mandates the installation of speed-limiting devices and driver fatigue monitoring systems on passenger and freight vehicles. However, effective and affordable field implementation of such technology remains limited. This community service program aims to implement and field-test the SLIFA Connect prototype — an AI- and Internet of Things (IoT)-based driver behavior monitoring system with multivariable detection (drowsiness, mobile phone use, smoking, and sudden braking) — on the fleet of an industry partner. Activities were conducted through the fabrication of 20 prototype units, laboratory testing (Electromagnetic Compatibility/EMC and Power Quality Monitoring/PQM), and field trials on 10 truck and bus units belonging to PT Anugerah Sarana Dinamika (ASD), in collaboration with Universitas Mercu Buana. Results show that all prototypes passed electromagnetic emission testing and successfully detected and transmitted real-time violation notifications to the slifa.io server, including mobile phone use, drowsiness indication through yawning frequency analysis, smoking activity, and sudden braking. The SLIFA Connect implementation provides an objective, real-time, and well-documented monitoring solution for partner fleet management, supporting both accident-risk reduction and compliance with road transport safety regulations.
Keywords: Driver Monitoring System, Artificial Intelligence, Internet of Things, Transportation Safety, Community Service.
Kata Kunci
Teks Lengkap:
Download ArtikelReferensi
Al-Quraishi, M. S., Azhar Ali, S. S., Al-Qurishi, M., Tang, T. B., & Elferik, S. (2024). Technologies For Detecting And Monitoring Drivers’ States: A Systematic Review. In Heliyon (Vol. 10, Number 20). Elsevier Ltd. Https://Doi.Org/10.1016/J.Heliyon.2024.E39592
Atep Afia Hidayat, A., Gunardi, Y., Pranoto, H., Kholil, M., & Haekal, J. (2025). Pelatihan Penerapan Ai Untuk Analisis Beban Kerja Di Pt Asd. Ira Jurnal Pengabdian Kepada Masyarakat (Irajpkm), 3(3), 18–24. Https://Doi.Org/10.56862/Irajpkm.V3i3.344
Das, S., Pratihar, S., Pradhan, B., Jhaveri, R. H., & Benedetto, F. (2024). Iot-Assisted Automatic Driver Drowsiness Detection Through Facial Movement Analysis Using Deep Learning And A U-Net-Based Architecture. Information (Switzerland), 15(1). Https://Doi.Org/10.3390/Info15010030
Hasyim, F. F., Hidayat, N., Hariyanto, D., & Dwiwangsa, A. (2026). Peningkatan Kualitas Hidup Pada Pengemudi Angkutan Bahan Berbahaya Melalui Psikoedukasi Di Bekasi. Abdira, 6(2).
Ma, C., Dai, X., Zhu, J., Liu, N., Sun, H., & Liu, M. (2017). Drivingsense: Dangerous Driving Behavior Identification Based On Smartphone Autocalibration. Mobile Information Systems, 2017. Https://Doi.Org/10.1155/2017/9075653
Muiz, B., Hasib, A., Ahmed, Md. F., Zubaer, A. Al, Hossen, R., Khushi, M. D., & Rahman, A. (2025). Iot-Enabled Drowsiness Driver Safety Alert System With Real-Time Monitoring Using Integrated Sensors Technology. Http://Arxiv.Org/Abs/2502.00347
Naldiansyah, M., Safarina, N., Meilieana Sabty, Y., Santika Putri, A., Wardana, W., Studi Sarjana Terapan Trasnportasi Darat, P., & Transportasi Darat Indonesia-Sttd, P. (2026). Edukasi Road Safety Awareness Dalam Meningkatkan Kesadaran Keselamatan Di Sman 1 Tambun Selatan. In Communnity Development Journal (Vol. 7, Number 2).
Peraturan Menteri Perhubungan Nomor Pm 8 Tahun 2014 Tentang Kompetensi Sumber Daya Manusia Di Bidang Lalu Lintas Dan Angkutan Jalan, Dan Di Bidang Lalu Lintas Dan Angkutan Sungai, Danau Dan Penyeberangan, Pub. L. 8, Biro Hukum Kementerian Perhubungan 1 (2014). Https://Jdih.Kemenhub.Go.Id/Peraturan/Detail?Data=92ct4mvaplfcikrtaij3vs4dylxdwk5pv8bstf4rfral4p9czqxeurf8lwlucxayrk8rh1fl3arit4jicwyax36g8bsv7aj5rsy8mlvheq4shr9wiansbi4zshlhbargn3fg2mby4ftydzpdyesvxzhgvm
Peraturan Menteri Perhubungan Nomor Pm 26 Tahun 2015 Tentang Standar Keselamatan Lalu Lintas Dan Angkutan Jalan, Pub. L. Pm 26 Tahun 2015, Biro Hukum Kementerian Perhubungan (2015). Https://Jdih.Kemenhub.Go.Id/Peraturan/Index?Pencarianperaturanform%5bkatakunci%5d=Lalu+Lintas+Dan+Angkutan+Jalan&Pencarianperaturanform%5bkatakuncim%5d=&Pencarian-Cepat-Button=Cari&Pencarianperaturanform%5bnomorperaturan%5d=&Pencarianperaturanform%5btahunperaturan%5d=&Pencarianperaturanform%5bjenisperaturan%5d=
Peraturan Pemerintah Republik Indonesia Nomor 30 Tahun 2021 Tentang Penyelenggaraan Bidang Lalu Lintas Dan Angkutan Jalan, Pub. L. 30 Tahun 2021, Biro Hukum Kementerian Perhubungan 1 (2021). Https://Jdih.Kemenhub.Go.Id/Peraturan/Detail?Data=Ikrvlmyf8ehkwy555srds48ms8isgeb9i4a8cge4zri54eajuunvg4e4a8c0i8p3wj8hfkalfehst4z7skallxjd4pbxny3wfql4pccjglm3xg6lcv4dnqlge8pqlbltc3vt9mrtib7fkhvggrdpkhttcp
Peraturan Pemerintah Republik Indonesia Nomor 37 Tahun 2017 Tentang Keselamatan Lalu Lintas Dan Angkutan Jalan, Pub. L. 37 Tahun 2017, Kementrian Sekretariat Negara Ri 1 (2017). Https://Jdih.Kemenhub.Go.Id/Peraturan/Detail?Data=Hmilmk9l5ikklf8s85k7hu8blpbjrgsba4et6ldclhxt4jrvv86zr2j48d3lgn9o8j4vqhjrgl6iw48asepczj1z49y103kn5uu8rm9oizgp5t4hdub9ulz11lbgzrarxvzgdiy1ghwymclfmj2hmwdiyb
Sengar, S. S., Kumar, A., & Singh, O. (2024). Vigileye -- Artificial Intelligence-Based Real-Time Driver Drowsiness Detection. Http://Arxiv.Org/Abs/2406.15646
Wibowo, H., & Asfarin Ajrun Adhim, F. (2025). Sistem Pengawasan Perilaku Pengemudi Berbasis Iot Dengan Pemanfaatan Lidar Dan Gps Untuk Meningkatkan Keselamatan Berkendara. Infotekmesin, 16(2), 499–506. Https://Doi.Org/10.35970/Infotekmesin.V16i2.2823
Yu, L., Yang, X., Wei, H., Liu, J., & Li, B. (2024). Driver Fatigue Detection Using Ppg Signal, Facial Features, Head Postures With An Lstm Model. Heliyon, 10(21). Https://Doi.Org/10.1016/J.Heliyon.2024.E39479
Arifin, M., Kasanah, D. F. H. P., Raharja, P. A., Qisthani, N. N., Syifa, F. T., & Faizah, F. (2023). Perancangan Sistem Pemantauan Kelelahan Driver Berbasis Iot (Internet Of Things) Yang Adaptif Untuk Transportasi Makanan Segar. Jurnal Kendali Teknik Dan Sains, 1(4), 158–171. Https://Doi.Org/10.59581/Jkts-Widyakarya.V1i4.2959
Panjaitan, C. E., Hagayna, D., Prandi, D., & Wiranto, R. (2021). Integration Face Recognition And Body Temperature. Journal Of Informatics And Telecommunication Engineering, 5(1). Https://Doi.Org/10.31289/Jite.V5i1.5315
Saputra, A. D. (2018). Studi Tingkat Kecelakaan Lalu Lintas Jalan Di Indonesia Berdasarkan Data Knkt (Komite Nasional Keselamatan Transportasi) Dari Tahun 2007-2016. Warta Penelitian Perhubungan, 29(2), 179–190. Https://Doi.Org/10.25104/Warlit.V29i2.557
Saputra, C. Aj., Erwanto, D., & Rahayu, P. N. (2021). Deteksi Kantuk Pengendara Roda Empat Menggunakan Haar Cascade Classifier Dan Convolutional Neural Network. Jeecom: Journal Of Electrical Engineering And Computer, 3(1), 1–7. Https://Doi.Org/10.33650/Jeecom.V3i1.1510
Sukma, F. D., & Mukhaiyar, R. (2022). Alat Pendeteksi Ekspresi Wajah Pada Pengendara Berbasis Image Processing. Jtein: Jurnal Teknik Elektro Indonesia, 3(2).
Suradi, A. A. M., Alam, S., Mushaf, M., Rasyid, M. F., & Djafar, I. (2023). Sistem Deteksi Kantuk Pengemudi Mobil Berdasarkan Analisis Rasio Mata Menggunakan Computer Vision. Juki: Jurnal Komputer Dan Informatika, 5(2), 222–230. Https://Doi.Org/10.53842/Juki.V5i2.269.
Suraya, H., & Ziad, I. (2021). Rancang Bangun Alat Pendeteksi Kantuk Pada Mobil Berbasis Iot Menggunakan Raspberry Pi Dan Kamera. Jurnal Ilmiah Komputasi, 20(3), 385–391. Https://Doi.Org/10.32409/Jikstik.20.3.2797
DOI: https://doi.org/10.33024/jkpm.v9i9.27015
Refbacks
- Saat ini tidak ada refbacks.
Disponsori oleh : Universitas Malahayati Lampung dan DPW PPNI Lampung
Jurnal Kreativitas Pengabdian Kepada Masyarakat (PKM) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
