PENGENALAN SIMBOL PERINGATAN RAMBU LALU LINTAS DENGAN ZONE-BASED HYBRID FEATURE EXTRACTION TECHNIQUES

71120050, DWICKY PRAMUDITA (2016) PENGENALAN SIMBOL PERINGATAN RAMBU LALU LINTAS DENGAN ZONE-BASED HYBRID FEATURE EXTRACTION TECHNIQUES. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Infromatika) 71120050_bab1_bab5_daftarpustaka.pdf Download (2MB)
	Text (Skripsi Infromatika) 71120050_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Kemajuan teknologi komputer dalam berbagai bidang saat ini sudah semakin maju dan makin banyak diterapkan dalam berbagai bidang. Salah satu bidang yang terkena dampak kemajuan teknologi adalah bidang transportasi. Teknologi yang sedang dikembangkan dalam bidang transportasi antara lain adalah pengenalan rambu lalu lintas secara otomatis oleh kendaraan bermotor. Teknologi ini diterapkan untuk mewujudkan teknologi auto pilot atau kendaran yang dapat berjalan secara otomatis dimasa yang akan datang. Sistem juga dapat memberikan informasi yang berguna terkait dengan kondisi yang ada di jalan kepada pengemudi berdasarkan rambu lalu lintas yang tersedia. Perkembangan teknologi tersebut sebagai langkah pencegahan terjadinya kecelakan akibat pengemudi yang kurang paham terhadap rambu yang ada di jalan raya. Penulis melakukan penelitian dan membuat aplikasi pengenalan rambu terkhusus rambu peringatan dengan menggunakan metode ekstraksi ciri Zone- Based Hybrid Feature Extraction Techniques dan euclidean distance sebagai metode pengukuran kemiripan. Metode zoning yang digunakan adalah metode hybrid atau gabungan antara Image Centroid Zone dan Zone Centroid Zone. Metode ini bekerja dengan cara membagi citra ke dalam beberapa zona dan setiap zona akan diambil cirinya. Jumlah zona yang diteliti adalah 9, 16, 25, 36, 49, 64, dan 81 sedangkan sudut kemiringan yang diteliti adalah -5 derajat, 0 derajat dan +5 derajat. Berdasarkan uji coba didapatkan hasil bahwa metode ekstraksi ciri Zone-Based Hybrid Feature Extraction Techniques dan metode euclidean distance dapat digunakan untuk pengenalan rambu peringatan. Sudut kemiringan -5 derajat dan jumlah zona 81 buah menghasilkan nilai akurasi tertinggi sebesar 70.4%, Sedangkan akurasi tertinggi untuk sudut kemiringan 0 derajat dan +5 derajat dihasilkan dengan jumlah zona 64 buah sebesar 74.4% dan 66.4%. Kemajuan teknologi komputer dalam berbagai bidang saat ini sudah semakin maju dan makin banyak diterapkan dalam berbagai bidang. Salah satu bidang yang terkena dampak kemajuan teknologi adalah bidang transportasi. Teknologi yang sedang dikembangkan dalam bidang transportasi antara lain adalah pengenalan rambu lalu lintas secara otomatis oleh kendaraan bermotor. Teknologi ini diterapkan untuk mewujudkan teknologi auto pilot atau kendaran yang dapat berjalan secara otomatis dimasa yang akan datang. Sistem juga dapat memberikan informasi yang berguna terkait dengan kondisi yang ada di jalan kepada pengemudi berdasarkan rambu lalu lintas yang tersedia. Perkembangan teknologi tersebut sebagai langkah pencegahan terjadinya kecelakan akibat pengemudi yang kurang paham terhadap rambu yang ada di jalan raya. Penulis melakukan penelitian dan membuat aplikasi pengenalan rambu terkhusus rambu peringatan dengan menggunakan metode ekstraksi ciri Zone-Based Hybrid Feature Extraction Techniques dan euclidean distance sebagai metode pengukuran kemiripan. Metode zoning yang digunakan adalah metode hybrid atau gabungan antara Image Centroid Zone dan Zone Centroid Zone. Metode ini bekerja dengan cara membagi citra ke dalam beberapa zona dan setiap zona akan diambil cirinya. Jumlah zona yang diteliti adalah 9, 16, 25, 36, 49, 64, dan 81 sedangkan sudut kemiringan yang diteliti adalah -5 derajat, 0 derajat dan +5 derajat. Berdasarkan uji coba didapatkan hasil bahwa metode ekstraksi ciri Zone-Based Hybrid Feature Extraction Techniques dan metode euclidean distance dapat digunakan untuk pengenalan rambu peringatan. Sudut kemiringan -5 derajat dan jumlah zona 81 buah menghasilkan nilai akurasi tertinggi sebesar 70.4%, Sedangkan akurasi tertinggi untuk sudut kemiringan 0 derajat dan +5 derajat dihasilkan dengan jumlah zona 64 buah sebesar 74.4% dan 66.4%. Penambahan pembagian jumlah zona dan sudut kemiringan mempengaruhi tingkat keberhasilan yang didapatkan. Semakin tinggi pembagian jumlah zona, tingkat keberhasilan cenderung semakin baik sedangkan sudut kemiringan yang menghasilkan tingkat akurasi terbaik adalah sudut 0 derajat.

Actions (login required)

View Item