PENGUKURAN PANJANG ANTRIAN KENDARAAN PADA LAMPU LALU LINTAS MENGGUNAKAN METODE CONTOUR TRACING

71140075, Agy Wicaksana (2019) PENGUKURAN PANJANG ANTRIAN KENDARAAN PADA LAMPU LALU LINTAS MENGGUNAKAN METODE CONTOUR TRACING. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71140075_bab1_bab5_daftarpustaka.pdf Download (1MB)
	Text (Skripsi Informatika) 71140075_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (5MB) | Request a copy

Abstract

Kemacetan di kota-kota besar sangat sering sekali terjadi, bahkan setiap hari ada kemacetan yang terjadi di jalan termasuk di Kota Yogyakarta, kemacetan yang sering terjadi di Kota Yogyakarta sebagian besar berada di antrian lampu lalu lintas, dalam kemacetan tidak jarang banyak pengendara sepeda motor yang ingin mendahului kendaraan lain ynag berada didepannya sehingga menyebabkan terjadinya kecelakaan lalu lintas dan juga banyak pengendara yang membunyikan klakson kendaraan mereka tidak tepat pada waktunya sehingga menyebabkan polusi suara khususnya pada jam-jam sibuk. Metode Contour Tracing adalah metode untuk mengukur panjang objek yang telah diproses sebelumnya sehingga menghasilkan output yang dapat mengetahui panjang antrian kendaraan dalam antrian lalu lintas yang nantinya dapat mengetahui berapa panjang antrian kendaraan yang ada pada lampu lalu lintas sehingga kedepannya diberikan solusi agar kendaraan dalam antrian lampu lalu lintas dapat jalan dengan lebih lancar sehingga dapat mengurangi adanya kecelakaan lalu lintas akibat ketidaksabaran pengendara untuk sampai ketempat tujuan. Penelitian ini akan menggunakan beberapa sampel foto dari antrian lampu lalu lintas untuk diukur panjang antrian tersebut. Penelitian ini berhasil menghitung panjang antrian di lampu lalu lintas dan juga memberikan batasan dari panjang antrian tersebut sehingga dapat diketahui sejauh mana antrian yang ada di lampu lalu lintas tersebut. Setelah dibuat dan diuji dengan data yang telah dikumpulkan sistem memiliki tingkat keberhasilan sebesar 80.64% .

Actions (login required)

View Item