Perancangan Sistem Deteksi Kendaraan Dan Tingkat Pelayanan Jalan Dengan Metode Blob Tracking

Main Author: Adiwijaya, Benny
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2016
Subjects:
Online Access: http://repository.ub.ac.id/146831/1/Sistem_Deteksi_Celah_Keamanan_Pada_Aplikasi_Web_Di_Universitas_Brawijaya.pdf
http://repository.ub.ac.id/146831/
ctrlnum 146831
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/146831/</relation><title>Perancangan Sistem Deteksi Kendaraan Dan Tingkat Pelayanan Jalan Dengan &#xD; Metode Blob Tracking</title><creator>Adiwijaya, Benny</creator><subject>005 Computer programming, programs, data</subject><description>Informasi tingkat pelayanan jalan menjadi hal yang penting dalam mengantisipasi terjadinya kemacetan di jalan. Dengan berkembangnya teknologi memungkinkan pemantauan lalu lintas dilakukan oleh komputer melalui video. Dalam penelitian ini dirancang sebuah sistem yang mampu menghitung jumlah kendaraan, mengklasifikasikan jenis kendaraan, menghitung kecepatan kendaraan dan mendeteksi tingkat pelayanan jalan dengan metode blob tracking pada embedded system. Kamera diletakkan di atas permukaan jalan untuk menangkap keadaan lalu lintas dalam bentuk video. Video kemudian diekstrak menjadi beberapa frame sebagai citra untuk diproses. Dalam mendeteksi kendaraan dilakukan proses background subtraction untuk mendapatkan objek yang bergerak berupa citra biner. Citra biner kemudian ditelusuri untuk mendeteksi kumpulan piksel yang saling berhubungan yang disebut blob. Selanjutnya posisi centroid blob dilacak pergerakannya pada setiap pergantian frame sebagai posisi kendaraan. Kendaraan mulai dihitung saat posisi kendaraan melewati garis virtual yang telah dibuat. Dalam mengklasifikasikan jenis kendaraan menjadi tiga yaitu sepeda motor, kendaraan ringan dan kendaraan berat dengan membandingkan luas area kendaraan. Kecepatan kendaraan didapatkan dengan menghitung jarak dibagi waktu kendaraan melewati garis virtual. Sistem melakukan analisis lalu lintas setiap menit yang meliputi volume lalu lintas, derajat kejenuhan, kecepatan rata-rata dan tingkat pelayanan jalan. Dari hasil pengujian didapatkan bahwa sistem ini mampu menghitung jumlah kendaraan dengan akurasi rata-rata 89,07%, menghitung volume lalu lintas dengan akurasi rata-rata 91,3%, mengklasifikasikan jenis kendaraan dengan akurasi rata-rata 100%, menghitung kecepatan kendaraan dengan akurasi rata-rata 92,1 %, serta mendeteksi tingkat pelayanan jalan dengan akurasi rata-rata 96,6%. Performansi sistem yang diterapkan pada embedded system Raspberry Pi 2 memiliki kecepatan pengolahan data rata-rata 28,31 fps.</description><date>2016-05-19</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/146831/1/Sistem_Deteksi_Celah_Keamanan_Pada_Aplikasi_Web_Di_Universitas_Brawijaya.pdf</identifier><identifier> Adiwijaya, Benny (2016) Perancangan Sistem Deteksi Kendaraan Dan Tingkat Pelayanan Jalan Dengan Metode Blob Tracking. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2016/284/051605540</relation><recordID>146831</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Adiwijaya, Benny
title Perancangan Sistem Deteksi Kendaraan Dan Tingkat Pelayanan Jalan Dengan Metode Blob Tracking
publishDate 2016
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/146831/1/Sistem_Deteksi_Celah_Keamanan_Pada_Aplikasi_Web_Di_Universitas_Brawijaya.pdf
http://repository.ub.ac.id/146831/
contents Informasi tingkat pelayanan jalan menjadi hal yang penting dalam mengantisipasi terjadinya kemacetan di jalan. Dengan berkembangnya teknologi memungkinkan pemantauan lalu lintas dilakukan oleh komputer melalui video. Dalam penelitian ini dirancang sebuah sistem yang mampu menghitung jumlah kendaraan, mengklasifikasikan jenis kendaraan, menghitung kecepatan kendaraan dan mendeteksi tingkat pelayanan jalan dengan metode blob tracking pada embedded system. Kamera diletakkan di atas permukaan jalan untuk menangkap keadaan lalu lintas dalam bentuk video. Video kemudian diekstrak menjadi beberapa frame sebagai citra untuk diproses. Dalam mendeteksi kendaraan dilakukan proses background subtraction untuk mendapatkan objek yang bergerak berupa citra biner. Citra biner kemudian ditelusuri untuk mendeteksi kumpulan piksel yang saling berhubungan yang disebut blob. Selanjutnya posisi centroid blob dilacak pergerakannya pada setiap pergantian frame sebagai posisi kendaraan. Kendaraan mulai dihitung saat posisi kendaraan melewati garis virtual yang telah dibuat. Dalam mengklasifikasikan jenis kendaraan menjadi tiga yaitu sepeda motor, kendaraan ringan dan kendaraan berat dengan membandingkan luas area kendaraan. Kecepatan kendaraan didapatkan dengan menghitung jarak dibagi waktu kendaraan melewati garis virtual. Sistem melakukan analisis lalu lintas setiap menit yang meliputi volume lalu lintas, derajat kejenuhan, kecepatan rata-rata dan tingkat pelayanan jalan. Dari hasil pengujian didapatkan bahwa sistem ini mampu menghitung jumlah kendaraan dengan akurasi rata-rata 89,07%, menghitung volume lalu lintas dengan akurasi rata-rata 91,3%, mengklasifikasikan jenis kendaraan dengan akurasi rata-rata 100%, menghitung kecepatan kendaraan dengan akurasi rata-rata 92,1 %, serta mendeteksi tingkat pelayanan jalan dengan akurasi rata-rata 96,6%. Performansi sistem yang diterapkan pada embedded system Raspberry Pi 2 memiliki kecepatan pengolahan data rata-rata 28,31 fps.
id IOS4666.146831
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:48:43Z
last_indexed 2021-10-28T07:34:14Z
recordtype dc
_version_ 1751454632659386368
score 17.538404