Ridwan Gunadi Fajri
Departemen Teknik Elektro, Fakultas Teknik, Universitas Diponogoro

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

PERANCANGAN PROGRAM PENDETEKSI DAN PENGKLASIFIKASI JENIS KENDARAAN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DEEP LEARNING Ridwan Gunadi Fajri; Imam Santoso; Yosua Alvin Adi Soetrisno
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 9, NO. 1, MARET 2020
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transient.v9i1.97-106

Abstract

Lalu lintas memerlukan teknologi yang handal dalam mendeteksi dan menghitung jumlah kendaraan. Hal ini berguna untuk mengurangi kemacetan dan mentertibkan lalu lintas. Pada penelitian ini, dirancang suatu program pendeteksi, pengklasifikasi, dan penghitung kendaraan menggunakan metodeĀ  Convolutional Neural Network (CNN) Deep Learning dengan algoritma YOLO. YOLO adalah sebuah algoritma CNN yang dikembangkan untuk mendeteksi suatu objek secara real-time. Masukan sistem adalah citra kendaraan yang akan dideteksi. Sistem akan mendeteksi kendaraan, dipisahkan berdasarkan jenisnya, dan dihitung total kendaraannya. Nilai hasil perhitungan program akan dikirimkan ke mikrokontroler sebagai pengatur durasi lampu lalu lintas dan juga disimpan di dalam database agar selalu tercatat setiap perhitungannya. Keakuratan program didapat dengan membandingkan hasil pendeteksian, pengklasifikasian, dan perhitungan kendaraan dengan nilai perhitungan manual. Pada pengujian berdasarkan kelas, didapat nilai keakuratan program sebesar 91,4%. Pada pengujian berdasarkan pengaruh faktor lingkungan, pada kondisi hujan didapatkan nilai akurasi sebesar 88,4%, pada kondisi berkabut sebesar 70%, dan kondisi malam hari sebesar 78,2%. Pada pengujian komunikasi data, program dapat mengirim sinyal ke mikrokontroler dan file database secara sempurna.