Wahyu Try, Nugraheny (2020) Sistem Pengenalan Rambu Pembatas Kecepatan Menggunakan Metode Histogram Of Oriented Gradients Dan Klasifikasi K- Nearest Neighbor Berbasis Raspberry Pi. Sarjana thesis, Universitas Brawijaya.
Abstract
Mayoritas orang di Indonesia untuk melakukan perpindahan dari tempat satu ke tempat tujuan menggunakan transportasi darat dibandingkan moda lainnya yaitu transportasi laut dan udara. Hal ini ditunjukkan dengan adanya data dari tingkat kecelakaan yang semakin meningkat, karena kurangnya memperhatikan keselamatan. Salah satu faktor yang menyebabkan kecelakaan terjadi disebabkan oleh pengemudi yang kehilangan kontrol dengan mengabaikan adanya rambu pembatas kecepatan maksimum dan minimum di jalan raya. Solusi untuk mengurangi adanya kecelakaan dalam penelitian ini adalah membuat sistem untuk bisa mengenali rambu pembatas kecepatan. Penelitian ini bertujuan untuk membuat sebuah sistem pengenalan rambu pembatas kecepatan dengan metode Histogram Of Oriented Gradients (HOG) untuk mendapatkan ektraksi fitur karakteristik dari rambu pembatas kecepatan maksimum dan minimum, kemudian K-Nearest Neighbor (K-NN) untuk mengklasifikasi rambu pembatas kecepatan. Sistem pengenalan rambu pembatas kecepatan membutuhkan kamera raspberry pi untuk mengambil citra yang nantinya akan dideteksi dan melakukan pengenalan objek rambu. Jika berhasil mengenali rambu pembatas kecepatan maksimum dan minimum sesuai dengan aktual yang dilewati pengemudi, maka nantinya pengemudi akan mendapat sebuah notification berupa suara dari speaker. Alasan penggunaan notification suara pada sistem agar mempermudah pengemudi mendapatkan peringatan rambu sehingga pengemudi jauh lebih waspada dibandingkan jika pengemudi melihat rambu secara langsung yang mengakibatkan tidak fokus berkendara. Pengujian dilakukan melalui beberapa uji coba berdasarkan jarak antara lainnya pada jarak 3 m, 5 m, 7 m, dan 9 m. Rambu pembatas kecepatan yang diuji dengan 4 jarak dan yang menjadikan jarak terbaik dalam mendeteksi adanya rambu pembatas kecepatan adalah pada jarak 5 meter. Kemudian rata-rata hasil akurasi yang didapatkan untuk proses pengenalan/rekognisi rambu pembatas kecepatan menggunakan metode HOG berdasarkan jarak hasil deteksi terbaiknya sebesar 97,91%. Selain itu, pengujian sistem dengan menggunakan metode K-Nearest Neighbor (K-NN) yang terdiri dari 650 data latih dan 48 data uji didapatkan nilai akurasi disetiap nilai k antara lain k =1 dan k =2 sebesar 97,91%, kemudian tingkat akurasi pada k = 3, k = 4, dan k = 5 sebesar 95,83%. Pada pengujian rata-rata waktu komputasi sistem untuk mengenali objek rambu pembatas kecepatan sebesar 897 ms.
English Abstract
The majority of people in Indonesia to move from place to destination using land transportation compared to other modes, namely sea and air transportation. This is indicated by the existence of data from increasing accident rates, due to lack of attention to safety. One of the factors that caused the accident occurred was caused by the driver who lost control by ignoring the presence of maximum and minimum speed limiting signs on the highway. The solution to reduce the incidence of accidents in this study is to create a system that can recognize speed limiting signs. This study aims to create a speed limiting sign recognition system with the Histogram Of Oriented Gradients (HOG) method to obtain the characteristic feature extraction from maximum and minimum speed limiting signs, then K- Nearest Neighbor (K-NN) to classify speed limiting signs. Speed limiting recognition recognition system requires a raspberry pi camera to take an image that will be detected later and perform an object recognition tag. If you succeed in recognizing the maximum and minimum speed limit limiting signs according to the actual passing of the driver, then the driver will get a notification in the form of sound from the speaker. The reason for using a sound notification on the system is to make it easier for drivers to get warning signs so that the driver is far more alert than if the driver saw the sign directly resulting in unfocused driving. Tests carried out through several trials based on the distance between others at a distance of 3 m, 5 m, 7 m, and 9 m. Speed limiting signs are tested with 4 distances and what makes the best distance in detecting speed limit signs is at a distance of 5 meters. Then the average accuracy results obtained for the process of recognition/ recognition of speed limiting signs using the HOG method based on the best detection distance of 97.91%. In addition, testing the system using the K-Nearest Neighbor (K-NN) method consisting of 650 training data and 48 test data obtained accuracy values in each k value include k = 1 and k = 2 of 97.91%, then the level accuracy at k = 3, k = 4, and k = 5 at 95.83%. In testing the average time of computing the system to recognize the speed limit sign object is 897 ms
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0520150282 |
| Uncontrolled Keywords: | Rambu pembatas kecepatan, Histogram Of Oriented Gradients, K- Nearest Neighbor, Raspberry Pi.,Speed limiting sign, Histogram Of Oriented Gradients, K-Nearest Neighbor, Raspberry Pi |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Unnamed user with username nova |
| Date Deposited: | 06 Sep 2022 08:00 |
| Last Modified: | 11 Oct 2024 06:31 |
| URI: | http://repository.ub.ac.id/id/eprint/193989 |
![[thumbnail of Nugraheny Wahyu Try.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Nugraheny Wahyu Try.pdf Download (4MB) |
Actions (login required)
 |
View Item |