"Early Warning Sistem Rambu Pembatas Kecepatan Menggunakan Histogram Oriented Gradient Dan Klasifikasi Svm Berbasis Raspberry Pi "

Lionirahmada, Masyita (2021) "Early Warning Sistem Rambu Pembatas Kecepatan Menggunakan Histogram Oriented Gradient Dan Klasifikasi Svm Berbasis Raspberry Pi ". Sarjana thesis, Universitas Brawijaya.

Abstract

"Kecelakaan lalu lintas sering terjadi akibat kurang nya perhatian masyarakat terhadap peraturan-peraturan rambu lalu lintas. Sederhana nya, selain jalan raya besar terjadi kecelakaan di tempat yang bukan merupakan jalan yang seharusnya dilewati oleh kendaraan. Seiring dengan banyak nya kasus kecelakaan dan tingginya angka kematian yang disebabkan oleh kelalaian masyarakat dalam memahami arti rambu-rambu lalu lintas dengan benar, maka diperlukan himbauan atau peringatan dini akan pemahaman terhadap rambu-rambu lalu lintas yang tertera di jalan dengan dibuat nya sistem peringatan dini rambu pembatas kecepatan. Dalam penelitian ini dibuatlah sistem untuk mendeteksi rambu pembatas kecepatan menggunakan ekstraksi ciri fitur Histogram of Oriented Gradient (HOG) dan Klasifikasi Support Vector Machine (SVM) untuk mengklasifikasikan jenis-jenis rambu pembatas kecepatan. Sistem ini menggunakan speaker sebagai output suara berupa peringatan terhadap kecepatan yang harus digunakan pada rambu pembatas kecepatan yang tertera. Untuk melakukan proses deteksi terhadap rambu, sistem ini menggunakan Pi camera untuk mengambil citra video rambu yang akan dideteksi. Ketika rambu berhasil terdeteksi maka speaker akan mengeluarkan suara peringatan untuk mempermudah pengendara dalam berkendara dan mematuhi peraturan berlalu lintas. Proses pengujian sistem dilakukan dengan melihat bagaimana hasil implementasi sistem yang dapat mendeteksi rambu serta tingkat akurasi sistem saat berhasil mendeteksi rambu pembatas kecepatan. Rata-rata akurasi sistem dari hasil deteksi yang terdiri dari rambu pembatas kecepatan maksimum 20km, 25km, 30km, 40km, 50km dan minimum 20km sebesar 86.08 %. Selain itu pengujian sistem dilakukan dengan berkendara mengikuti kecepatan kendaraan yang tertera pada rambu pembatas kecepatan untuk mengetahui apakah sistem dapat mendeteksi dengan baik dengan mengikuti arahan kecepatan pada rambu pembatas kecepatan

English Abstract

Traffic accidents happened frequently due to the lack of public attention to traffic sign regulations. Usually, apart from major highways, accidents occur in places that are not roads that vehicles should pass. Along with the many cases of accidents and the high number of deaths caused by public negligence in understanding the meaning of traffic signs correctly, an early warning is needed to understand the traffic signs listed on the road by making an early warning system for speed limiting signs. In this study, a system for detecting speed limiting signs was developed using feature extraction Histogram of Oriented Gradient (HOG) and Support Vector Machine (SVM) classification to classify the types of speed limiting signs. This system uses a speaker as a sound output in the form of a warning that must be used at the speed limiting signs listed. To carry out the detection process for speed limiting signs, this system uses a Pi camera to take the video of the speed limit signs to be detected. When the speed limiting signs is detected, the speaker will release a warning sound to make it easier for drivers to drive and comply with traffic regulations. The system testing process is carried out by looking at the results of the implementation system that can detect the signs and the level of system accuracy when it detects speed limiting signs. The average accuracy of the system from the detection results consisting of signs limiting the maximum speed of 20km, 25km, 30km, 40km, 50km and the minimum of 20km is 86.08%. In addition, system testing is carried out by driving following the speed of the vehicle listed on the speed limit sign to determine whether the system can detect it properly by following the speed direction on the speed limiting sign.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	052115
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username rizky
Date Deposited:	22 Oct 2021 06:46
Last Modified:	24 Feb 2022 08:42
URI:	http://repository.ub.ac.id/id/eprint/184548

Text (DALAM MASA EMBARGO) MASYITA LIONIRAHMADA.pdf Restricted to Registered users only until 31 December 2023. Download (5MB)

Actions (login required)

View Item