PENGENALAN POLA RAMBU LALU LINTAS LARANGAN DENGAN METODE CANNY DAN BACKPROPAGATION

22084546, Rivelino Robertho Leiwakabessy (2017) PENGENALAN POLA RAMBU LALU LINTAS LARANGAN DENGAN METODE CANNY DAN BACKPROPAGATION. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22084546_bab1_bab5_daftarpustaka.pdf Download (877kB)
	Text (Skripsi Informatika) 22084546_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Rambu lalu lintas memiliki peranan penting dalam menjaga keselamatan dan ketertiban lalu lintas. Pemahaman terhadap arti dan lambang rambu larangan lalu lintas merupakan suatu keharusan bagi para pengguna jalan, tetapi tidak semua pengguna jalan mengerti arti dari rambu yang ada, dan seringkali dilanggar. Hal itu dikarenakan banyaknya rambu lalu lintas yang ada, dan tidak semua orang mengerti icon yang merepresentasikan informasi dari rambu-rambu tersebut. Pemanfaatan teknologi yang dapat membantu pengguna jalan untuk mengerti makna dari rambu-rambu lalu lintas yang ada, yaitu dengan perancangan aplikasi pengenalan pola rambu lalu lintas larangan. Proses pengenalan rambu dimulai dengan proses preprocessing untuk mengubah citra latih menjadi citra biner, kemudian dilanjutkan ke proses canny untuk mendapatkan tepi citra setelah itu akan dilakukan ekstraksi fitur. Sistem akan melatih data hasil ekstraksi fitur dengan jaringan syaraf tiruan backpropagation dengan skenario-skenario yang sudah ditentukan sebelumnya, setelah tahap pelatihan selesai maka sistem bisa mengimplementasikan data yang sudah dilatih dan membandingkannya pada data-data uji. Implementasi sistem sendiri mengubah ukuran citra latih menjadi matrix sesuai dengan skenario input user pada saat pelatihan. Skenario A dengan input 15x15 , Skenario B dengan input 20x20 dan Skenario C 25x25 .Setelah user memilih citra uji maka citra tersebut akan mengalami proses preprocessing dan canny, lalu hasilnya akan dicocokan dengan hasil pelatihan. Dengan penggunaan Skenario A dengan ukuran 15x15, dengan 225 hidden layer secara default, error minimal sebesar 0,0001, dan jumlah epoch maksimum hingga 10000, sistem bisa mengenali data uji dengan persentase keberhasilan pengenalan sebesar 81,6%, bahkan ketika ada noise pada citra uji.

Actions (login required)

View Item