KLASIFIKASI KENDARAAN MOBIL DAN BECAK MENGGUNAKAN METODE EDGE DETECTION DAN SUPPORT VECTOR MACHINE CLASSIFICATION CARS AND PEDICABS USING EDGE DETECTION AND SUPPORT VECTOR MACHINE

UNSPECIFIED (2020) KLASIFIKASI KENDARAAN MOBIL DAN BECAK MENGGUNAKAN METODE EDGE DETECTION DAN SUPPORT VECTOR MACHINE CLASSIFICATION CARS AND PEDICABS USING EDGE DETECTION AND SUPPORT VECTOR MACHINE. Undergraduate Thesis thesis, Institut Telkom Telkom Purwokerto.

	Text COVER.pdf Download (362kB)
	Text ABSTRAK.pdf Download (45kB)
	Text ABSTRACT.pdf Download (43kB)
	Text BAB I.pdf Download (137kB)
	Text BAB II.pdf Download (350kB)
	Text BAB III.pdf Download (206kB)
	Text BAB IV.pdf Restricted to Registered users only Download (349kB)
	Text BAB V.pdf Download (46kB)
	Text DAFTAR PUSTAKA.pdf Download (109kB)
	Text LAMPIRAN.pdf Download (840kB)

Abstract

Penerapan sistem teknologi pengontrol lalu lintas dijalan raya seperti ATCS (Area Traffic Control System) dalam dekade terakhir mulai diimplementasikan di beberapa wilayah Indonesia termasuk Kabupaten Banyumas. Hingga saat ini ATCS sendiri berfungsi untuk menyediakan rekaman data lalu lintas dengan menggunakan media CCTV sebagai alat pemantau. Berdasarkan data citra yang direkam CCTV, pengembangan sistem pemantauan otomatis dapat dilakukan dengan mengimplementasikan sistem klasifikasi kendaraa. Penelitian ini bertujuan untuk merancang suatu sistem yang dapat mengklasifikasikan bentuk atau jenis kendaraan yang ada di jalan raya khususnya mobil dan becak. Pendeteksian mobil dan becak ini diharapkan sesuai dengan karakteristik lalu lintas di daerah Kabupaten Banyumas khususnya Purwokerto. Sistem ini menggunakan metode HOG sebagai deteksi tepi dari objek dan SVM untuk mengelompokkan fitur-fitur dari objek yang akan dideteksi. Pengujian sistem menggunakan video rekaman ATCS Banyumas pada titik persimpangan Kebondalem. Citra latih dan citra uji diekstrak dari video tersebut untuk mendapatkan fitur HOG berupa spatial orientation bin sebanyak 32 macam yang selanjutnya dikelompokan menggunakan metode SVM menjadi dua cluster, yaitu cluster becak dan cluster mobil. Berdasarkan hasil pengujian dari 125 citra untuk data tes didapatkan hasil nilai precission mobil sebanyak 39%, sedangkan untuk recall mobil hasilnya 6%, precission becak sebesar 17%, recall becak sebesar 18% dan untuk nilai accuracy sebanyak 7%.

Actions (login required)

View Item