Pengenalan Tipe Permukaan Jalan Berdasarkan Informasi Warna Dan Tekstur Menggunakan Metode Klasifikasi Bertingkat
| Main Authors: | Marianingsih, Susi, Dr.Eng.Fitri Utaminingrum, ST.,MT, Dr.Eng. Fitra Abdurrachman Bachtiar, S.T., M.Eng. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/195532/1/Susi%20Marianingsih.pdf http://repository.ub.ac.id/id/eprint/195532/ |
| ctrlnum |
195532 |
|---|---|
| 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/id/eprint/195532/</relation><title>Pengenalan Tipe Permukaan Jalan
Berdasarkan Informasi Warna Dan Tekstur
Menggunakan Metode Klasifikasi Bertingkat</title><creator>Marianingsih, Susi</creator><creator>Dr.Eng.Fitri Utaminingrum, ST.,MT</creator><creator>Dr.Eng. Fitra Abdurrachman Bachtiar, S.T., M.Eng.</creator><subject>003.3 Computer modeling and simulation</subject><description>Proses klasifikasi objek sebuah gambar dapat ditentukan berdasarkan fitur warna,
akan tetapi keakuratan hasil klasfikasinya masih kurang sehingga diperlukan fitur
tekstur. Penelitian ini bertujuan untuk mengenali 4 tipe permukaan jalan: aspal,
aspal rusak, tanah, dan paving berdasarkan informasi warna dan tekstur. Metode
klasifikasi yang diusulkan adalah gabungan metode K-Nearest Neighbor (KNN) dan
Naive Bayes (NB) atau Support Vector Machine (SVM) dengan pendekatan
bertingkat. Data penelitian berupa gambar permukaan jalan yang diambil dari
Instant Google Street View dan video gambar permukaan jalan yang diambil
menggunakan kamera HP dan stabilizer HP. Ekstraksi fitur warna menggunakan
standard deviation dari ruang warna HSV (Hue, Saturation, Value), dan ekstraksi
fitur tekstur menggunakan enam fitur metode Gray-Level Co-ocurrence Matrix
(GLCM). Penelitian kali ini menggunakan dua tipe pengujian yaitu offtime dan
realtime. Pada pengujian offtime diperoleh akurasi 82%, sedangkan pada
pengujian realtime pada berbagai ukuran frame diperoleh akurasi sebesar 95%,
dengan waktu komputasi rata-rata tiap frame mencapai 0,105 detik. Akurasi
metode klasifikasi bertingkat lebih baik dari metode NB-Histogram-GLCM yang
menghasilkan akurasi offtime sebesar 62,25% dan akurasi realtime 93%, juga lebih
baik dari metode SVM-Histogram-DCT-GLCM yang memiliki akurasi offtime 78,5%
dan akurasi realtime 74%. Waktu komputasi rata-rata per frame metode klasifikasi
bertingkat lebih cepat dari metode SVM-Histogram-DCT-GLCM yang memiliki
waktu komputasi 0,418 detik dan lebih lambat dari metode NB-Histogram-GLCM
yang memiliki waktu komputasi 0,036 detik.
Kata kunci: Tipe permukaan jalan, metode klasifikasi bertingkat, ekstraksi fitur,
waktu pengujian, waktu komputasi, akurasi.</description><date>2019-06-27</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/id/eprint/195532/1/Susi%20Marianingsih.pdf</identifier><identifier> Marianingsih, Susi and Dr.Eng.Fitri Utaminingrum, ST.,MT and Dr.Eng. Fitra Abdurrachman Bachtiar, S.T., M.Eng. (2019) Pengenalan Tipe Permukaan Jalan Berdasarkan Informasi Warna Dan Tekstur Menggunakan Metode Klasifikasi Bertingkat. Magister thesis, Universitas Brawijaya. </identifier><relation>TES/003.3/MAR/p/2019/041905813</relation><identifier>TES/003.3/MAR/p/2019/041905813</identifier><recordID>195532</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Marianingsih, Susi Dr.Eng.Fitri Utaminingrum, ST.,MT Dr.Eng. Fitra Abdurrachman Bachtiar, S.T., M.Eng. |
| title |
Pengenalan Tipe Permukaan Jalan
Berdasarkan Informasi Warna Dan Tekstur
Menggunakan Metode Klasifikasi Bertingkat |
| publishDate |
2019 |
| topic |
003.3 Computer modeling and simulation |
| url |
http://repository.ub.ac.id/id/eprint/195532/1/Susi%20Marianingsih.pdf http://repository.ub.ac.id/id/eprint/195532/ |
| contents |
Proses klasifikasi objek sebuah gambar dapat ditentukan berdasarkan fitur warna,
akan tetapi keakuratan hasil klasfikasinya masih kurang sehingga diperlukan fitur
tekstur. Penelitian ini bertujuan untuk mengenali 4 tipe permukaan jalan: aspal,
aspal rusak, tanah, dan paving berdasarkan informasi warna dan tekstur. Metode
klasifikasi yang diusulkan adalah gabungan metode K-Nearest Neighbor (KNN) dan
Naive Bayes (NB) atau Support Vector Machine (SVM) dengan pendekatan
bertingkat. Data penelitian berupa gambar permukaan jalan yang diambil dari
Instant Google Street View dan video gambar permukaan jalan yang diambil
menggunakan kamera HP dan stabilizer HP. Ekstraksi fitur warna menggunakan
standard deviation dari ruang warna HSV (Hue, Saturation, Value), dan ekstraksi
fitur tekstur menggunakan enam fitur metode Gray-Level Co-ocurrence Matrix
(GLCM). Penelitian kali ini menggunakan dua tipe pengujian yaitu offtime dan
realtime. Pada pengujian offtime diperoleh akurasi 82%, sedangkan pada
pengujian realtime pada berbagai ukuran frame diperoleh akurasi sebesar 95%,
dengan waktu komputasi rata-rata tiap frame mencapai 0,105 detik. Akurasi
metode klasifikasi bertingkat lebih baik dari metode NB-Histogram-GLCM yang
menghasilkan akurasi offtime sebesar 62,25% dan akurasi realtime 93%, juga lebih
baik dari metode SVM-Histogram-DCT-GLCM yang memiliki akurasi offtime 78,5%
dan akurasi realtime 74%. Waktu komputasi rata-rata per frame metode klasifikasi
bertingkat lebih cepat dari metode SVM-Histogram-DCT-GLCM yang memiliki
waktu komputasi 0,418 detik dan lebih lambat dari metode NB-Histogram-GLCM
yang memiliki waktu komputasi 0,036 detik.
Kata kunci: Tipe permukaan jalan, metode klasifikasi bertingkat, ekstraksi fitur,
waktu pengujian, waktu komputasi, akurasi. |
| id |
IOS4666.195532 |
| 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 |
2022-12-06T07:27:41Z |
| last_indexed |
2022-12-06T07:27:41Z |
| recordtype |
dc |
| _version_ |
1751456438371221504 |
| score |
17.538404 |