Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Wijaya, David Trie Septian"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    PEMBUATAN SISTEM PENDETEKSI PELANGGARAN LALU LINTAS PADA KENDARAAN BERMOTOR RODA DUA YANG BERHENTI MELEWATI GARIS HENTI MENGGUNAKAN METODE IMAGE CLASSIFICATION BERBASIS DEEP LEARNING
    (Program Studi S1 Informatika, 2024) Wijaya, David Trie Septian; Eka Angga Laksana (Pembimbing)
    Masalah lalu lintas merupakan salah satu masalah yang paling sulit dan kompleks dalam manajemen perkotaan. Salah satunya adalah pelanggaran lalu lintas yang dapat menyebabkan gangguan hingga kecelakaan dalam berlalu lintas. Penelitian ini dilakukan untuk membuat sebuah sistem yang dapat mendeteksi pelanggaran lalu lintas dengan menggunakan machine learning. Dalam beberapa tahun terakhir, penelitian kecerdasan buatan seperti deteksi objek telah membantu para peneliti untuk mengenali apa yang terlihat pada gambar dengan menggunakan metode klasifikasi citra untuk mengklasifikasikan objek yang terdeteksi. Desain penelitian yang digunakan adalah pengembangan dengan pendekatan eksperimental yang bertujuan untuk membuat model machine learning yang dapat melakukan klasifikasi citra menggunakan deep learning dengan arsitektur Convolutional Neural Network/CNN mulai dari pengumpulan data, pengolahan data, pelatihan model, hingga pengujian model. Model pembelajaran yang dibuat dengan menggunakan arsitektur CNN untuk mendeteksi pelanggaran lalu lintas yang terjadi. Model pendeteksi pelanggaran lalu lintas bekerja dengan menggunakan data masukan berupa hasil screen capture rekaman CCTV yang telah diolah terlebih dahulu sebanyak 800 data latih dan 100 data uji. Model pembelajaran menunjukkan hasil yang baik dengan tingkat akurasi deteksi sebesar 75%, yaitu mendeteksi 75 prediksi yang benar dari total 100 data yang diujikan.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback