IMPLEMENTASI METODE EXTREME LEARNING MACHINE UNTUK KLASIFIKASI JENIS MOBIL

idris, muhammad
Fajri Saputra, Charisman
Ramadhanu, Agung

JOURNAL OF SCIENCE AND SOCIAL RESEARCH
Vol 8, No 3 (2025): August 2025

Abstract: The rapid development of automotive technology has led to a wide variety of car types with increasingly complex features and characteristics. Alongside this advancement, the need for fast and accurate automatic classification systems has become essential, particularly in the field of vehicle image recognition. This study aims to implement the Extreme Learning Machine (ELM) method to classify vehicle types based on digital images. The research focuses on classifying three types of vehicles (Bus, Pickup, and SUV), using a dataset of 10 images per class. The test results show that ELM is capable of classifying vehicle types with competitive accuracy compared to conventional methods, while offering significantly more efficient computation time. This research demonstrates the potential of ELM as a practical solution to support intelligent vehicle recognition systems in the modern automotive industry. The classification achieved an accuracy rate of 91.67%. Keywords: Extreme Learning Machine (ELM), Vehicle Type Classification, Image Processing, Pattern Recognition. Abstrak: Perkembangan teknologi otomotif yang pesat telah menghasilkan beragam jenis mobil dengan fitur dan karakteristik yang semakin kompleks. Seiring dengan kemajuan ini, kebutuhan akan sistem klasifikasi otomatis yang cepat dan akurat menjadi sangat penting, terutama dalam bidang pengenalan citra kendaraan. Tujuan penelitian ini untuk mengimplementasikan metode Extreme Learning Machine (ELM) dalam mengklasikasi jenis mobil berdasarkan citra digital. Penelitian ini mengklasifikasikan 3 jenis mobil (BUS, Pickup dan SUV) dengan dataset masing masing 10 gambar. Hasil pengujian menunjukkan bahwa ELM mampu melakukan klasifikasi jenis mobil dengan akurasi yang kompetitif dibandingkan metode konvensional, dengan waktu komputasi yang jauh lebih efisien. Penelitian ini menunjukkan potensi ELM sebagai solusi praktis dalam mendukung sistem cerdas berbasis pengenalan kendaraan dalam dunia otomotif modern. Hasil yang didapat dari penelitian ini adalah sebesar 91,67% untuk tingkat akurasinya. Kata kunci: Extreme Learning Machine (ELM), Klasifikasi Jenis Kendaraan, Pemrosesan Citra, Pengenalan Pola.