<![CDATA[Peningkatan volume lalu lintas dan kepadatan kendaraan di perkotaan menimbulkan tantangan besar dalam menjaga kelancaran dan efisiensi sistem transportasi. Identifikasi objek yang akurat untuk pengelolaan lalu lintas yang efektif. Penelitian ini mengombinasikan metode ensemble dalam klasifikasi objek dengan menggunakan teknik ekstraksi fitur deteksi tepi dan histogram. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dan efisiensi dalam deteksi objek. Teknik ekstraksi fitur deteksi tepi digunakan untuk mengidentifikasi karakteristik penting dari objek yang dapat memfasilitasi proses klasifikasi. Fitur histogram untuk mengekstrak informasi dari distribusi intensitas piksel dalam citra, yang memberikan gambaran mengenai kontras, kecerahan, dan distribusi warna dalam citra. Hasil eksperimen menunjukkan bahwa kombinasi metode ensemble dengan ekstraksi berbasis deteksi tepi dan histogram secara signifikan meningkatkan performa klasifikasi dibandingkan dengan penggunaan metode klasifikasi tunggal. Metode kombinasi tanpa penambahan fitur histogram mencapai akurasi 72.78%, presisi 72.37%, recall 72.61%, dan F1-Score 72.45%. Penambahan fitur histogram mencapai peningkatan akurasi, presisi, recall, dan F1-Score yang luar biasa menjadi 99.75%. Hasil penelitian memberikan kontribusi dalam meningkatkan akurasi dan efisiensi sistem pengenalan objek, serta menunjukkan bahwa pendekatan multi-metode yang menggabungkan berbagai jenis fitur dapat memberikan hasil yang lebih akurat dan andal dalam pengenalan objek. Integrasi teknik deteksi tepi dan histogram dengan algoritma ensemble seperti Random Forest terbukti sangat efektif dalam meningkatkan performa model klasifikasi gambar secara keseluruhan.]]>
Copyrights © 2023
