KLASIFIKASI JENIS KENDARAAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Nur Fadlia
Fakultas Teknologi Industri Universitas Gunadarma
Indonesia
Rifki Kosasih
Fakultas Teknologi Industri Universitas Gunadarma
Indonesia

Abstract

Kemacetan merupakan suatu keadaan padatnya lalu lintas yang dapat disebabkan oleh banyak faktor. Salah satu faktor yang menyebabkan kemacetan adalah banyaknya kendaraan yang melintas di jalan. Salah satu usaha yang dapat dilakukan untuk mengurangi masalah kemacetan yaitu dengan membuat jalur khusus yang hanya boleh dilalui kendaraan roda dua, empat atau lebih. Akan tetapi, terdapat pengendara yang masih menggunakan jalur yang tidak sesuai seperti di jalan Margonda Raya, Depok. Kendaraan roda dua (motor) yang telah disiapkan jalur khusus, sering kali mengambil jalur untuk kendaraan roda empat sehingga diperlukan suatu kegiatan pengawasan penggunaan jalur lalu lintas. Oleh karena itu, pada penelitian ini dibuat pengenalan jenis-jenis kendaraan menggunakan metode Convolutional Neural Network (CNN). Data yang digunakan dalam penelitian ini sebanyak 120 citra yang terdiri dari citra mobil, motor dan sepeda. Hasil uji coba dan evaluasi model terhadap tiga jenis kendaraan menggunakan package Keras menunjukkan akurasi sebesar 94,4% pada tahap pelatihan dan 73,3% pada tahap pengujian.

Keywords
Convolutional Neural Network, Deep Learning, Kendaraan, Klasifikasi
References

R. Azis dan Asrul, Pengantar sistem dan perencanaan transportasi. Yogyakarta: CV. Budi Utama, 2018.

R. Primartha, Belajar machine learning teori dan praktek. Bandung: Informatika, 2018.

Rismiyati, “Implementasi convolutional neural network untuk sortasi mutu salak ekspor berbasis citra digital,” Tesis, Universitas Gajah Mada, Yogyakarta, 2016.

E. N. Arrofiqoh dan Harintaka, “Implementasi metode convolutional neural network untuk klasifikasi tanaman pada citra resolusi tinggi,” Jurnal Geomatika, vol. 24, no. 2, hal. 61 – 68, 2018.

A. Santoso dan G. Ariyanto, “Implementasi deep learning berbasis keras untuk pengenalan wajah,” Jurnal Emitor, vol. 18, no. 1, hal. 15 – 21, 2018.

R. Rokhana, J. Priambodo, T. Karlita, I. M. G. Sunarya, E. M. Yuniarno, I. K. E. Purnama, dan M. H. Purnomo, “Convolutional neural network untuk pendeteksian patah tulang femur pada citra ultrasonik b–mode,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), vol. 8, no. 1, hal 59. – 67, 2019.

A. Rohim, Y. A. Sari, dan Tibyani, “Convolution Neural Network (CNN) untuk pengklasifikasian citra makanan tradisional,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 7, hal. 7037 – 7042, 2019.

Information
PDF
11013 times PDF : 8365 times