<![CDATA[Permasalahan ketidakpatuhan terhadap rambu lalulintas di Indonesia menjadi salah satu penyebab utamakecelakaan lalu lintas. Perilaku pengemudi yang seringmengabaikan rambu, seperti mendahului kendaraan tanpamemastikan keamanan. Penelitian ini menggunakanpendekatan berbasis Deep Learning dengan membandingkandua arsitektur Convolutional Neural Networks (CNN)populer, yaitu InceptionV3 dan Xception, untuk klasifikasirambu lalu lintas di Indonesia. Kedua model diuji untukmengevaluasi performa dalam mengenali berbagai rambudengan fitur visual yang berbeda. Arsitektur Xceptionmenunjukkan stabilitas yang lebih baik dalammengklasifikasikan sebagian besar kelas, dengan akurasitertinggi mencapai 91.43% pada percobaan kedua. Namun,model ini masih memiliki tantangan dalam mengenali rambudengan fitur yang lebih kompleks. Di sisi lain, InceptionV3memiliki akurasi tertinggi 91.74% pada beberapa kelastertentu, tetapi menunjukkan variabilitas lebih besar padakelas-kelas dengan kemiripan visual, seperti "lampu merah"dan "larangan parkir".Kata kunci : Convolutional Neural Network (CNN), Xception,InceptionV3, Rambu Lalu Lintas]]>
Copyrights © 2025
