Klasifikasi Golongan Kendaraan Berdasarkan Fitur Histogram of Oriented Gradients (HOG) Menggunakan Metode K-Nearest Neighbors (K-NN) Berbasis Raspberry Pi 3
| Main Author: | Akbar, Lilo Nofrizal |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/174113/1/Lilo%20Nofrizal%20Akbar%20%282%29.pdf http://repository.ub.ac.id/174113/ |
Daftar Isi:
- Antrean pada jalan tol masih menjadi permasalahan di Indonesia yang seharusnya jalan tol menjadi jalan bebas hambatan, hal ini dapat terjadi karena beberapa faktor, salah satunya tidak adanya sistem otomatisasi untuk melakukan klasifikasi terhadap kendaraan yang melewati jalan tol, terlebih untuk kendaraan besar seperti truk yang dibedakan menjadi beberapa golongan menyebabkan petugas pintu tol harus secara manual membedakan golongan kendaraan, ini tentunya semakin menambah potensi kemacetan. Salah satu upaya untuk mengatasi permasalahan tersebut dalam penelitian ini dilakukan perancangan sistem untuk mengklasifikasi jenis golongan kendaraan menggunakan image processing berdasarkan fitur tampilan lokal kendaraan dari samping. Metode dalam ekstraksi fitur kendaraan menggunakan Histogram of Oriented Gradients (HOG), dan untuk klasifikasi golongan kendaraan menggunakan k-Nearest Neighbors (k-NN). Sistem dalam menangkap video kendaraan yang lewat menggunakan webcam, untuk kemudian citra diproses pada Raspberry Pi 3 untuk mendapatkan fitur HOG, yang kemudian nilai fitur HOG dilakukan klasifikasi k-NN dengan menghitung jarak antara data uji dengan data latih menggunakan perhitungan Euclidean Distance untuk mendapatkan hasil klasifikasi golongan kendaraan. Pengujian sistem dilakukan dengan 5 data uji tiap golongan kendaraan, terdapat sebanyak 5 golongan kendaraan. Didapatkan hasil akurasi pada golongan 1 sebesar 80%, golongan 2 sebesar 80%, golongan 3 sebesar 60%, golongan 4 sebesar 60%, golongan 5 sebesar 60%.