Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Indonesia Symposium on Computing

Penghitungan Kepadatan Kendaraan di Jalan Tol Menggunakan Metode Gaussian Mixture Model dan Kalman Filter Muhammad Jendro Yuwono; Bedy Purnama; Febryanti Sthevanie
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tingkat kepadatan volume kendaraan yang terdapat di jalan tol menjadi acuan dalam mengetahui informasi kepadatan kendaraan di jalan tol. Untuk mengetahui cara penghitungan ataupun cara pendeteksian kepadatan kendaraan terserbut, perlu adanya metode yang efisien untuk mengetahui tingkat kepadatan kendaraan yang melintas di jalan tol. Karena pemantauan yang dilakukan oleh pihak kepolisian, dinas perhubungan, maupun pihak penyelenggara jalan tol saat ini menggunakan berbasis video pengintai yang masih dipantau oleh manusia / orang secara manual. Maka dari itu perlu adanya sistem yang dapat menghitung kepadatan objek kendaraan yang terdapat di jalan tol. Seperti yang telah dilakukan pada penelitian sebelumnya dimana metode yang digunakan adalah edge detection, mampu menghasilkan tingkat akurasi hingga 80% dalam menghitung kepadatan kendaraan di jalan tol[6]. Metode edge detection menggunakan resource yang tinggi dalam keperluan komputasi, ini menjadi kelemahan penggunaan edge detection sebagai metode dalam kasus tersebut[6]. Dalam hal ini penelitian bertujuan untuk mengimpementasikan metode Gaussian Mixture Model dan Kalman Filter dalam kasus penghitungan kendaraan di jalan tol. metode GMM digunakan untuk mensubstraksi background dan foreground. Serta metode Kalman Filter yang digunakan untuk tracking kecepatan untuk memenuhi standar klasifikasi kepadatan jalan tol di Indonesia[8]. Dari hasil penelitian diperoleh tingkat akurasi rata rata sebesar 90.79%, dengan menggunakan parameter – parameter metode Gaussian Mixture Model yaitu Model GMM sebesar 3 threads, Threshold sebesar 0.05 dan Learning Rate sebesar 0.04. Dan parameter yang digunakan pada metode Kalman Filter yaitu state covariance matrix sebesar [1 1], process noise matrix sebesar [25 10] dan measurement noise sebesar 25.  
Co-Authors Abidin, Muhammad Ade Romadhony Adhan Mulya Rahmawan Adhyaksa, Resky Adi, Puput Dani Prasetyo Afandi, Rusdi Agung Toto Wibowo Ahmad Zatnika Purwalaksana, Ahmad Zatnika Al Farizy, Firnas Andi Farmadi Andre Sitompul Angga Rusdinar Aprianti Putri Sujana Bambang Pudjoatmodjo Bambang Pudjotatmodjo Bayu Erfianto Bramantya Purbaya Danu Hary Prakoso Darmawati, Irma Ditari Salsabila E. Dodi Wisaksono Sudiharto Dodon Turianto Nugrahadi Dwi Fitrizal Salim Edward Ferdian Ema Rachmawati Ema Rachmawati Ema Rachmawati Entik Insanudin Farid Hidayat Fat'hah Noor Prawira Fat’hah Noor Prawira Fat’hah Noor Prawira Fauzi, Roki Fazmah Arif Yulianto Febryanti Sthevanie Ferdian, Edward Furqoon, Naufal Sayyid Gamma Kosala Gibran, Hilal Gryaningrum Widi Pangestuti Hafidz Al Djohari Ifa, Rista Putri Nur Imamul Akhyar Irwan Budiman Ismail Ismail Koredianto Usman Labib, Fahdi Lindayani, Linlin Mahmud Dwi Sulistiyo Mahmud Imrona Marliani Harahap Muhammad Arzaki Muhammad Jendro Yuwono Muhammad Jendro Yuwono Muhammad Nurdin Muhammad Reza Faisal, Muhammad Reza Muhammad Shafhi Kasyfillah Mutiar, Astri Ngo, Luu Duc Pangestu, Arya Priyatama, Muhammad Abdhi Pudjoadmojo, Bambang Purbaya, Bramantya Putra, Bima Andika Putri, Pinkan Amanda Putu Harry Gunawan Rahmawan, Adhan Mulya Reza Dwi Ansari Rian Febrian Umbara Rikman Aherliwan Rudawan Rimba Whidiana Ciptasari Risnandar, Risnandar Rivan Ardyanto Sutoyo Selly Meliana Setyorini Setyorini Sonia Dian Maniswari Tito Prihambodo Tjokorda Agung Budi Wirayuda Umiatin, Umiatin Wirawan, Ilo Raditio Yuridikta Adha Muslim