Deteksi Pelanggaran Pada Rambu Larangan Lalu Lintas Dengan Menggunakan Rule-Based System Dan Faster R-Cnn
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Ramdhan, ikri Ahmad
Subject
004_Data Processing & Computer Science
Datestamp
2022-01-06 06:05:38
Abstract :
Kemacetan yang terjadi sering sekali diakibatkan oleh pelanggaran yang dilakukan oleh para pengendara dan pengemudi. Salah satu pelanggaran yang sering terjadi alah pelanggaran pada rambu larangan putar balik. Penerapan CCTV bertujuan untuk memantau perilaku pengendara dan pengemudi, namun tidak didukung dengan SDA yang memadai. Computer Vision adalah sebuah ilmu yang bertujuan agar mesin dapat mempelajari dan memahami sebuah gambar visual yang dapat mengambil peran dalam aspek pengawasan pelanggaran lalu lintas. Faster R-CNN merupakan salah satu algoritma berbasis Convolutional Neural Network (CNN). Penerapan Faster R-CNN menerima citra/frame input sebagai data masukan yang kemudian dapat memberi kotak pembatas pada objek yang dikenali. Berdasarkan hasil pengujian yang dilakukan sebanyak dua kali, penggunaan algoritma Faster R-CNN dalam mendeteksi objek kendaraan dan rambu larangan putar balik mendapatkan rerata persentase sebesar 72%. Pengambilan data uji dilakukan secara langsung di tempat yang berbeda. Hasil dari kedua uji coba tersebut mendapatkan nilai akurasi tertinggi sebesar 80% dan akurasi terendah sebesar 62%.
Kemacetan yang terjadi sering sekali diakibatkan oleh pelanggaran yang dilakukan oleh para pengendara dan pengemudi. Salah satu pelanggaran yang sering terjadi alah pelanggaran pada rambu larangan putar balik. Penerapan CCTV bertujuan untuk memantau perilaku pengendara dan pengemudi, namun tidak didukung dengan SDA yang memadai. Computer Vision adalah sebuah ilmu yang bertujuan agar mesin dapat mempelajari dan memahami sebuah gambar visual yang dapat mengambil peran dalam aspek pengawasan pelanggaran lalu lintas. Faster R-CNN merupakan salah satu algoritma berbasis Convolutional Neural Network (CNN). Penerapan Faster R-CNN menerima citra/frame input sebagai data masukan yang kemudian dapat memberi kotak pembatas pada objek yang dikenali. Berdasarkan hasil pengujian yang dilakukan sebanyak dua kali, penggunaan algoritma Faster R-CNN dalam mendeteksi objek kendaraan dan rambu larangan putar balik mendapatkan rerata persentase sebesar 72%. Pengambilan data uji dilakukan secara langsung di tempat yang berbeda. Hasil dari kedua uji coba tersebut mendapatkan nilai akurasi tertinggi sebesar 80% dan akurasi terendah sebesar 62%.
File :
UNIKOM_FIKRI AHMAD RAMDHAN_COVER.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_LEMBAR PENGESAHAN.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_BAB V.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_DAFTAR PUSTAKA.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_KATA PENGANTAR.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_DAFTAR ISI.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_BAB I.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_BAB II.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_BAB III.pdf
UNIKOM_FIKRI AHMAD RAMDHAN_BAB IV.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
