Sistem Pengenalan Rambu Pembatas Kecepatan Menggunakan Metode Histogram Of Oriented Gradients Dan Klasifikasi K- Nearest Neighbor Berbasis Raspberry Pi
| Main Author: | Wahyu Try, Nugraheny |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193989/1/Nugraheny%20Wahyu%20Try.pdf http://repository.ub.ac.id/id/eprint/193989/ |
Daftar Isi:
- Mayoritas orang di Indonesia untuk melakukan perpindahan dari tempat satu ke tempat tujuan menggunakan transportasi darat dibandingkan moda lainnya yaitu transportasi laut dan udara. Hal ini ditunjukkan dengan adanya data dari tingkat kecelakaan yang semakin meningkat, karena kurangnya memperhatikan keselamatan. Salah satu faktor yang menyebabkan kecelakaan terjadi disebabkan oleh pengemudi yang kehilangan kontrol dengan mengabaikan adanya rambu pembatas kecepatan maksimum dan minimum di jalan raya. Solusi untuk mengurangi adanya kecelakaan dalam penelitian ini adalah membuat sistem untuk bisa mengenali rambu pembatas kecepatan. Penelitian ini bertujuan untuk membuat sebuah sistem pengenalan rambu pembatas kecepatan dengan metode Histogram Of Oriented Gradients (HOG) untuk mendapatkan ektraksi fitur karakteristik dari rambu pembatas kecepatan maksimum dan minimum, kemudian K-Nearest Neighbor (K-NN) untuk mengklasifikasi rambu pembatas kecepatan. Sistem pengenalan rambu pembatas kecepatan membutuhkan kamera raspberry pi untuk mengambil citra yang nantinya akan dideteksi dan melakukan pengenalan objek rambu. Jika berhasil mengenali rambu pembatas kecepatan maksimum dan minimum sesuai dengan aktual yang dilewati pengemudi, maka nantinya pengemudi akan mendapat sebuah notification berupa suara dari speaker. Alasan penggunaan notification suara pada sistem agar mempermudah pengemudi mendapatkan peringatan rambu sehingga pengemudi jauh lebih waspada dibandingkan jika pengemudi melihat rambu secara langsung yang mengakibatkan tidak fokus berkendara. Pengujian dilakukan melalui beberapa uji coba berdasarkan jarak antara lainnya pada jarak 3 m, 5 m, 7 m, dan 9 m. Rambu pembatas kecepatan yang diuji dengan 4 jarak dan yang menjadikan jarak terbaik dalam mendeteksi adanya rambu pembatas kecepatan adalah pada jarak 5 meter. Kemudian rata-rata hasil akurasi yang didapatkan untuk proses pengenalan/rekognisi rambu pembatas kecepatan menggunakan metode HOG berdasarkan jarak hasil deteksi terbaiknya sebesar 97,91%. Selain itu, pengujian sistem dengan menggunakan metode K-Nearest Neighbor (K-NN) yang terdiri dari 650 data latih dan 48 data uji didapatkan nilai akurasi disetiap nilai k antara lain k =1 dan k =2 sebesar 97,91%, kemudian tingkat akurasi pada k = 3, k = 4, dan k = 5 sebesar 95,83%. Pada pengujian rata-rata waktu komputasi sistem untuk mengenali objek rambu pembatas kecepatan sebesar 897 ms.