Pengembangan Sistem Rekognisi Rambu Kecepatan Menggunakan Circle Hough Transform Dan Convolutional Neural Network
| Main Authors: | Nursetyawan, Rizky Teguh, Dr. Eng. Fitri Utaminingrum, S. T., M. T. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193758/1/0520150333-Rizky%20Teguh%20Nursetyawan.pdf http://repository.ub.ac.id/id/eprint/193758/ |
Daftar Isi:
- Kendaraan bermotor ialah bentuk pendukung moda transportasi dalam masyrakat dalam beraktifitas khususnya di Indonesia. Jumlah pengendara kendaraan bermotor menunjukkan peningkatan yang cukup signifikan. Dalam keselamatan berkendara merupakan faktor utama Ketika dalam berkendara agar terhindar dari kecelakaan. Kecelakaan terjadi dalam berbagai macam kondisi pengemudi dalam berkendara seperti mengantuk, sarana prasarana yang sedikit, penggunaan alat yang dapat mengurangi konsentrasi dengan kurangnya perhatian dalam rambu kecepatan maksimum di jalan. Dalam membantu pengemudi agar dapat mengatur kecepatan kendaraan yang sesuai dengan rambu yang sudah di tetapkan pada jalanan maka diperlukan sistem guna membantu pengendara tentang kecepatan dalam berkendara agar dapat meminimalisir terjadinya kecelakaan. Tentunya sebelum dapat mengingatkan pengemudi sistem harus dapat mendeteksi dan mengenali Rambu batas kecepatan yang terdapat pada jalan. Pada penelitian ini penulis mengajukan penggunaan metode Circle Hough Transform dalam mendeteksi rambu dan Convolutional Neural Network dalam pengenalan rambu tersebut bertujuan dapat mengetahui performa dari masing – masing metode dalam menjalankan tugasnya. Dua metode tersebut termasuk kedalam bidang pemrosesan Citra Digital dan Pembelajaran Mesin yang diketahui membutuhkan komputasi yang cukup besar. Komputasi yang besar menjadi alasan mengapa dipilih mini computer raspberry pi disbanding mikrokontroler. Hasil dari pengujian dalam pendeteksian rambu pada kondisi siang hari sebesar 80% dan Malam hari sebesar 70%. Melihat nilai dari hasil pengujian dapat dikatakan dua metode tersebut kurang tepat dalam menjalakan tugasnya namun menurut penulis dari dua metode tersebut masih ada ruang dalam perbaikan.