Rancang bangun sistem deteksi jatuh pada pekerja konstruksi berbasis Internet of Things (IoT) menggunakan metode Decision Tree

Daiva, Nandana Maheswara Kama (2026) Rancang bangun sistem deteksi jatuh pada pekerja konstruksi berbasis Internet of Things (IoT) menggunakan metode Decision Tree. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_Cover.pdf Download (172kB) | Preview
Preview	Text 2_abstrak.pdf Download (307kB) | Preview
Preview	Text 3_skplagiarism_nanda (1).pdf Download (168kB) | Preview
Preview	Text 4_daftarisi.pdf Download (307kB) | Preview
Preview	Text 5_bab1.pdf Download (401kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (663kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (318kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 10_bab6.pdf Restricted to Registered users only Download (297kB) | Request a copy
	Text 11_daftarpustaka.pdf Restricted to Registered users only Download (282kB) | Request a copy
	Text 12_lampiran.pdf Restricted to Repository staff only Download (121kB) | Request a copy

Abstract

Kecelakaan kerja akibat terjatuh dari ketinggian merupakan salah satu penyebab utama cedera dan kematian pada sektor konstruksi. Proses pemantauan kondisi pekerja yang masih dilakukan secara manual dapat menyebabkan keterlambatan dalam penanganan kecelakaan. Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi jatuh pada pekerja konstruksi berbasis Internet of Things (IoT) menggunakan metode Decision Tree untuk mendeteksi kondisi jatuh secara real-time. Sistem yang dirancang menggunakan sensor MPU6050 untuk mengukur percepatan dan perubahan perputaran tubuh, sensor BMP280 untuk mengukur perubahan ketinggian, serta modul GPS Neo-6M untuk memperoleh informasi lokasi pekerja. Data sensor diproses menggunakan algoritma Decision Tree dengan pendekatan Classification and Regression Tree (CART) untuk mengklasifikasikan kondisi pekerja menjadi normal atau jatuh. Hasil klasifikasi beserta data sensor dan koordinat lokasi dikirimkan melalui komunikasi LoRa 433 MHz dari sistem transmitter menuju sistem receiver dan ditampilkan pada web secara real-time. Hasil pengujian menunjukkan bahwa sensor BMP280 memiliki rata-rata selisih pengukuran sebesar 0,21 meter terhadap nilai referensi, sedangkan pengujian GPS menghasilkan rata-rata selisih posisi yang masih dapat diterima untuk kebutuhan pelacakan lokasi pekerja. Sistem komunikasi LoRa mampu mengirimkan data dengan baik, sedangkan pengujian fungsional menunjukkan bahwa seluruh fitur sistem, meliputi pembacaan sensor, klasifikasi kondisi pekerja, komunikasi data, visualisasi web, dan pemberian deteksi jatuh, berhasil beroperasi sesuai dengan kebutuhan perancangan. Secara keseluruhan, sistem yang dikembangkan mampu mendeteksi kondisi normal dan jatuh, mengirimkan informasi lokasi pekerja, serta memberikan deteksi secara real-time sehingga dapat membantu mempercepat proses evakuasi kepada korban kecelakaan jatuh pada lingkungan konstruksi

Actions (login required)

View Item