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/ |
Daftar Isi:
- 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.