Ahmad Maulana, Diva
Unknown Affiliation

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

Found 1 Documents
Search

DETEKSI DAN KLASIFIKASI KENDARAAN RINGAN DAN BERAT UNTUK JALAN TOL MENGGUNAKAN CNN Fatoni, Hilman; Ahmad Maulana, Diva; Ibnu Adam, Riza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11202

Abstract

Dengan meningkatnya volume kendaraan di jalan raya, manajemen lalu lintas yang efisien dan aman menjadi tantangan besar. Deteksi dan klasifikasi jenis kendaraan merupakan komponen penting dalam sistem manajemen jalan tol untuk mendukung pengurangan kemacetan dan peningkatan keamanan. Penelitian ini mengembangkan sistem deteksi dan klasifikasi kendaraan ringan dan berat menggunakan Convolutional Neural Network (CNN) sebagai solusi untuk tantangan tersebut. Dataset terdiri dari 500 gambar kendaraan ringan dan 600 gambar kendaraan berat yang diperoleh melalui web scraping. Proses preprocessing melibatkan resizing, normalisasi, serta pembagian dataset menjadi training dan testing set dengan rasio 80:20. Arsitektur CNN mencakup empat lapisan konvolusi dengan ReLU, lapisan pooling, dan lapisan dense dengan softmax untuk klasifikasi dua kelas. Model dilatih selama 10 epoch dengan batch size 32. Hasil menunjukkan akurasi training 100%, akurasi validasi 100%, dan akurasi testing 100%. Analisis menggunakan classification report dan confusion matrix menunjukkan precision, recall, dan f1-score sebesar 1.00 untuk kedua kelas. Hasil ini mengkonfirmasi potensi CNN dalam meningkatkan kinerja dan keandalan sistem manajemen jalan tol, serta memberikan kontribusi signifikan dalam pengembangan transportasi cerdas.