<![CDATA[Pemantauan kapasitas parkir satu gerbang memerlukan klasifikasi objek agar sepeda motor dapat dibedakan dari objek non-motor yang melintasi area deteksi. Tanpa klasifikasi, objek non-motor berpotensi dihitung sebagai kendaraan sehingga informasi kapasitas menjadi tidak akurat. Penelitian ini merancang sistem klasifikasi sepeda motor berbasis sinyal beban dinamis menggunakan metode Decision Tree serta mengintegrasikannya dengan deteksi arah dan pembaruan kapasitas parkir. Sistem menggunakan ESP32-S3, empat sensor load cell half-bridge dengan modul HX711, dua sensor ultrasonik, komunikasi ESP-NOW, dan LED P10. Sebanyak 149 rekaman data dikumpulkan dari objek sepeda motor dan non-motor, kemudian dibagi menjadi 120 data pelatihan dan 29 data pengujian. Setelah validasi baseline, 113 data pelatihan digunakan untuk membentuk model. Pengolahan data meliputi penentuan threshold universal, perhitungan perubahan absolut terhadap baseline, segmentasi event, serta ekstraksi enam fitur statistik dan temporal, yaitu mean_delta_raw, max_delta_raw, variance_delta_raw, std_delta_raw, range_delta_raw, dan duration_ms. Model Decision Tree menghasilkan akurasi 96,55% pada data pengujian dan hanya menggunakan mean_delta_raw serta duration_ms, sehingga dapat diterapkan pada ESP32-S3 dalam bentuk percabangan if-else. Pembaruan kapasitas dilakukan berdasarkan hasil klasifikasi dan arah pergerakan objek. Pengujian waktu nyata sebanyak 110 percobaan menghasilkan akurasi klasifikasi 91,82%, deteksi arah 97,27%, dan perhitungan kapasitas 89,09%. Hasil tersebut menunjukkan bahwa sistem mampu mengklasifikasikan objek, menentukan arah pergerakan, memperbarui kapasitas parkir, dan menampilkan informasi kapasitas secara waktu nyata.]]>
Copyrights © 2026
