<![CDATA[Salah satu teknologi yang saat ini berkembang pesat khususnya untuk mendukung mobil otonom adalah fitur ADAS (Advanced Driver Assistance System). Salah satu fitur sistem ADAS yaitu kemampuan untuk mendeteksi dan mengenali rambu-rambu lalu lintas. Dalam penelitian ini akan dikembangkan dan diimplementasikan sistem pendeteksi lambu dan rambu lalu lintas berbasis kecerdasan buatan. Algoritma yang digunakan dalam penelitian ini yaitu dengan algoritma YOLO (You Only Look Once) versi 5. Sistem kecerdasan buatan ini akan diimplementasikan dalam perangkat Raspberry Pi yang dilengkapi dengan webcam dan speaker. Total jenis rambu yang digunakan sejumlah 12 jenis rambu lalu lintas dengan masing-masing data citra yang diolah sejumlah 100 data. Jenis rambu dan lampu lalu lintas yang diklasifikasikan meliputi : belok kanan, belok kiri, dilarang belok kanan, dilarang belok kiri, dilarang putar balik, dilarang berhenti, dilarang parkir, lampu merah, lampu hijau, lampu kuning, dan putar balik. Dilakukan variasi ukuran gambar dari 320x320, 416x416 dan 480x480, serta dilakukan variasi jumlah training yaitu 50, 100, 250 dan 500 epoch untuk mendapatkan nilai akurasi yang paling optimal. Didapatkan hasil yang optimal dengan ukuran gambar 320x320 pixel dan dengan jumlah training sejumlah 50 epoch. Dari hasil training didapatkan mAP (mean Average Precision) sebesar 89,50%, di mana ketika dilakukan pengujian gambar lampu dan rambu lalu lintas didapatkan ketepatan sebesar 88,88%. Sistem mampu diimplementasikan dalam perangkat Raspberry Pi 4 dan dipasang di mobil dan mampu berjalan dengan baik.]]>
Copyrights © 2022
