REKOGNISI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN METODE HOG DAN KNN
Posted by JMII e-Journal on 06.24
REKOGNISI
RAMBU-RAMBU LALU LINTAS MENGGUNAKAN METODE HOG DAN KNN
Agnes
Dirgahayu Palit
Fakultas
Teknik, Jurusan Teknik Informatika
Universitas
Telkom
Jalan
Telekomunikasi No. 01, Terusan Buah Batu, Bandung, Indonesia 40257
adirgapalit@gmail.com
Abstrak
Kota-kota besar pasti tidak
lepas dengan penggunaan rambu lalu lintas untuk meningkatkan keselamatan
pengguna jalan. Rambu lalu lintas dirancang untuk membantu pengemudi untuk
mencapai tujuan mereka dengan aman, dengan menyediakan informasi rambu yang
berguna. Meskipun demikian, hal yang tidak
diinginkan dapat terjadi ketika informasi yang tersimpan pada rambu lalu lintas
tidak diterima dengan baik pada pengguna jalan. Hal ini dapat menjadi masalah
baru dalam keamanan berkendara. Dalam meminimalisasi masalah tersebut, dapat
dibuat suatu teknologi yang mengembangkan sistem yang mengidentifikasi
objek rambu lalu lintas secara otomatis yang dapat menjadi salah satu
alternatif meningkatkan keselamatan berkendara, yaitu Traffic Sign Recognition (Sistem Rekognisi Rambu Lalu Lintas).
Sistem ini menggunakan metode Histogram of Oriented
Gradient (HOG), untuk
ektraksi ciri citra, dan K-Nearest
Neighbour (KNN) untuk mengklasifikasikan citra rambu lalu
lintas. Sehingga dapat dianalisa bagaimana Sistem
dapat mengenali citra yang merupakan objek rambu lalu lintas? Serta bagaimana
performansi akurasi sistem.
Diharapkan dengan adanya paduan metode-metode tersebut dapat dilihat
bagaimana sistem merekognisi rambu lalu lintas. Dari hasil
pengujian performansi sistem dengan nilai k=3, diperoleh akurasi sistem 79.4444 %.
Kata kunci : ekstraksi
ciri, klasifikasi, HOG, KNN.
Abstract
The
big cities must not be separated by the use of traffic signs to improve road
safety. Traffic signs were designed to help drivers to reach their destination safely, by
providing useful information signs. Nonetheless, undesirable things can happen
when information stored in the traffic signs are not received well to the
people on the road as specially for driver.. It can be a new safety problem in road. To minimize the problem, we can build a system which is developed from a technology that identifies an object traffic signs
automatically which can be one alternative to improve driving safety, the
Traffic Sign Recognition. The system uses a method Histogram of Oriented Gradient (HOG), for the feature extraction of image characteristics, and
K-Nearest Neighbor (KNN) to classify traffic signs image. So, it can be analyzed how the system can detect and
recognize the image which is the object of traffic signs? And how the accuracy
of the system performance is. Hopefully, with blend of these methods we can see
how the system recognize traffic signs. From the results of performance testing
system with a value of k = 3, acquired 79.4444% system accuracy.
Keyword : feature extraction, classification,
HOG, KNN
- Download: Paper 2 JMII Vol 2 No 1 Tahun 2017