Electronic Theses and Dissertation

Identifikasi kecelakaan memerlukan penjelasan rinci tentang bagaimana kecelakaan terjadi. Identifikasi kecelakaan memerlukan pemahaman yang rinci tentang insiden tersebut, dan sering kali bergantung pada laporan saksi mata yang tidak tepat. Untuk meningkatkan efektivitas, sistem Black Box dikembangkan, memanfaatkan sensor ultrasonik, giroskop, dan GPS untuk merekam data kendaraan seperti kemiringan, lokasi, jarak ke objek, dan kecepatan. Black Box dibangun dengan basis IoT dan penggunaan mikrokontroler ESP32 dan Raspberry Pi 4, melanjutkan pengembangan dari penelitian sebelumnya dan menyederhanakan penggunaannya. Hasil pengujian menunjukkan bahwa Black Box secara efektif merekam, menyimpan, dan mengirimkan data ke ponsel, dengan tingkat kesalahan 0,85% untuk giroskop, 1,82% untuk sensor ultrasonik, dan 10,12% untuk modul gps saat mendeteksi kecepatan kendaraan.

Accident identification requires a detailed explanation of how the accident occurred. Accident identification requires a detailed understanding of the incident, and often relies on imprecise eyewitness reports. To improve effectiveness, the Black Box system was developed, utilizing ultrasonic, gyroscope, and GPS sensors to record vehicle data such as tilt, location, distance to object, and speed. Black Box built with IoT base and the use of ESP32 microcontroller and Raspberry Pi 4, continues the development from previous research and simplifies its use. Test results show that Co-Sense effectively records, stores, and transmits data to a mobile phone, with error rates of 0.85% for the gyroscope, 1.82% for the ultrasonic sensor, and 10.12% for the GPS module when detecting vehicle speed.