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