Text
Sistem Penghitungan Dan Pengklasifikasian Jenis Kendaraan Berbasis Metode Kernel Density Estimation Dan K-Means Clustering
ABSTRAK
Kinerja sistem pelayanan yang ada pada gerbang tol saat ini dinilai kurang efektif, hal ini disebabkan karena tidak adanya sistem otomatisasi untuk penggolongan jenis kendaraan dan hanya sebatas pada proses pembayaran biaya transportasi. Salah satu teknologi yang mampu mengembangkan sistem otomatisasi penggolongan jenis kendaraan adalah Computer Vision, melalui tahap deteksi dan klasifikasi. Penelitian ini mengusulkan sistem otomatisasi dengan metode deteksi non-parametric berupa Kernel Density Estimation dan metode klasifikasi berupa K-Means Clustering. Beberapa proses yang dilakukan pada penelitian ini meliputi pengumpulan data berupa video digital, perancangan dan pengimplementasian sistem, analisa sistem, dan pengujian sistem. Sistem bekerja dengan cara melakukan pendeteksian objek yang direpresentasikan dalam hasil penghitungan, untuk kemudian dilakukan proses pengklasifikasian. Proses klasifikasi objek dilakukan dengan cara mempartisi data yang memiliki kemiripan ke dalam suatu kelas, yaitu kelas mobil, truk, atau bus, berdasarkan parameter ciri luasan. Hasil akurasi sistem penghitungan kendaraan pada pengujian video pagi, siang, sore, dan malam hari, secara berturut-turut adalah sebesar 83%, 83%, 73%, dan 59%. Sedangkan tingkat akurasi dari hasil klasifikasi jenis kendaraan menggunakan metode K-Means Clustering pada pengujian video pagi, siang, sore, dan malam hari, secara berturut-turut adalah sebesar 100%, 89%, 91%, dan 70%. Secara keseluruhan tingkat akurasi sistem pada pengujian pagi, siang, sore, dan malam hari adalah sebesar 83%, 74%, 66%, dan 41%.
Kata Kunci: Kendaraan, sistem, deteksi, penghitungan, klasifikasi, kernel density estimation, k-means clustering
ABSTRACT
The performance of the existing service system at the automatic toll gate is currently considered ineffective, this is due to the absence of an automation system for classifying vehicle types and is limited to the transaction payment process. One of the technologies capable of developing a vehicle type classification automation system is computer vision, through the detection and classification process. In this paper, the automation system based on non-parametric Kernel Density Estimation and K-Means Clustering method is proposed. Some of steps carried out in this study include data collection in the form of digital video, system design and implementation, system analysis, and system testing. The system works by detecting objects that are represented in the counting result, for the next step is classification process. Object classification process works by partitioning data that has similarities to a particular class, nalemy the car, truck, or bus class, based on feature parameters in the form of object area. The accuracy result of counting system based on Kernel Density Estimation method for the morning, afternoon, evening, and night video testing, is 83%, 83%, 73%, and 59% respectively. While the accuracy result of classification system based on K-Means Clustering method for the morning, afternoon, evening, and night video testing, is 100%, 89%, 91%, and 70% respectively. Overall, the accuracy result of the system for the morning, afternoon, evening, and night video testing, is 83%, 74%, 66%, and 41% respectively.
Keyword: Vehicle, System, detection, counting, classification kernel density estimation, k-means clustering
1337D19I | 1337 D 19-i | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain