Akbar, Lilo Nofrizal (2019) Klasifikasi Golongan Kendaraan Berdasarkan Fitur Histogram of Oriented Gradients (HOG) Menggunakan Metode K-Nearest Neighbors (K-NN) Berbasis Raspberry Pi 3. Sarjana thesis, Universitas Brawijaya.
Abstract
Antrean pada jalan tol masih menjadi permasalahan di Indonesia yang seharusnya jalan tol menjadi jalan bebas hambatan, hal ini dapat terjadi karena beberapa faktor, salah satunya tidak adanya sistem otomatisasi untuk melakukan klasifikasi terhadap kendaraan yang melewati jalan tol, terlebih untuk kendaraan besar seperti truk yang dibedakan menjadi beberapa golongan menyebabkan petugas pintu tol harus secara manual membedakan golongan kendaraan, ini tentunya semakin menambah potensi kemacetan. Salah satu upaya untuk mengatasi permasalahan tersebut dalam penelitian ini dilakukan perancangan sistem untuk mengklasifikasi jenis golongan kendaraan menggunakan image processing berdasarkan fitur tampilan lokal kendaraan dari samping. Metode dalam ekstraksi fitur kendaraan menggunakan Histogram of Oriented Gradients (HOG), dan untuk klasifikasi golongan kendaraan menggunakan k-Nearest Neighbors (k-NN). Sistem dalam menangkap video kendaraan yang lewat menggunakan webcam, untuk kemudian citra diproses pada Raspberry Pi 3 untuk mendapatkan fitur HOG, yang kemudian nilai fitur HOG dilakukan klasifikasi k-NN dengan menghitung jarak antara data uji dengan data latih menggunakan perhitungan Euclidean Distance untuk mendapatkan hasil klasifikasi golongan kendaraan. Pengujian sistem dilakukan dengan 5 data uji tiap golongan kendaraan, terdapat sebanyak 5 golongan kendaraan. Didapatkan hasil akurasi pada golongan 1 sebesar 80%, golongan 2 sebesar 80%, golongan 3 sebesar 60%, golongan 4 sebesar 60%, golongan 5 sebesar 60%.
English Abstract
Queue on toll roads is still a problem in Indonesia which toll roads should be a freeway, this can occur due to several factors, one of which is the absence of an automation system for classify incoming vehicles, especially for large vehicles such as trucks that are divided into several class cause toll roads officers must have to manually differentiate them, this certainly adds to the potential for congestion. One effort to overcome these problems in this study is to design a system to classify the types of vehicles using image processing based on the local features of the vehicle from the side. The method for extracting vehicle features using Histogram of Oriented Gradients (HOG), and for classifying vehicle class using k- Nearest Neighbors (k-NN). The System for capturing video vehicles using a webcam, then the image is processed on the Raspberry Pi 3 to get the HOG feature, which then the HOG feature is performed by k-NN classification by calculating the distance between the test data and training data using the Euclidean Distance calculation to get the classification results vehicle class. System testing is carried out with 5 test data for each class of vehicles, there are 5 classes of vehicles. Accuracy obtained on vehicle class 1 by 80%, vehicle class 2 by 80%, vehicle class 3 by 60%, vehicle class 4 by 60%, vehicle class 5 by 60%.
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FILKOM/2019/668/051907860 |
Uncontrolled Keywords: | klasifikasi kendaraan, jalan tol, histogram of oriented gradients, knearest neighbors, background substraction, raspberry pi, vehicle classification, toll roads, histogram of oriented gradients, knearest neighbors, background substraction, raspberry pi. |
Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 01 Aug 2020 08:55 |
Last Modified: | 09 Mar 2022 04:37 |
URI: | http://repository.ub.ac.id/id/eprint/174113 |
Preview |
Text
Lilo Nofrizal Akbar (2)ok.pdf Download (4MB) | Preview |
Actions (login required)
View Item |