Klasifikasi Ragam Kendaraan Menggunakan Metode Convolutional Neural Network (Cnn)
DOI:
https://doi.org/10.30872/atasi.v2i2.1156Keywords:
Convolutional Neural Network, Kendaraan, Klasifikasi, Otsu, Deep LearningAbstract
Proses klasifikasi citra ragam kendaraan menjadi suatu tantangan yang menarik untuk dilakukan penelitian. Proses klasifikasi ragam kendaraan banyak digunakan diberbagai banyak hal seperti pada proses e-tilang, e-parkir, maupun pada bidang yang lainnya. Salah satu metode yang biasa digunakan untuk proses klasifikasi adalah menggunakan metode Convolutional Neural Network (CNN). Metode CNN banyak digunakan untuk melakukan proses klasifikasi karena teruji dan telah terbukti efektif dalam pengolahan citra dan pengenalan pola. Dalam klasifikasi ragam kendaraan, CNN mampu mengekstrak fitur secara otomatis dan mengenali pola kompleks dalam data citra. Metode CNN memberikan efisiensi dan akurasi yang tinggi dalam klasifikasi ragam kendaraan, dengan berbagai aplikasi praktis seperti pengawasan lalu lintas dan sistem pengenalan plat nomor. Penelitian yang dilakukan yaitu melakukan pengenalan citra kendaraan bermotor untuk mengetahui jenis kendaraan roda dua (motor) dan kendaraan roda 4 (mobil) dengan menggunakan kombinasi metode otsu thresholding dan CNN. Hasil dari penelitian yang telah dilakukan dapat melakukan pengenalan kedua jenis kendaraan tersebut dengan baik dengan menampilkan tingkat keyakinan pada proses klasifikasi.
References
Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56.
Anggraeni, D. T. (2021). Perbaikan Citra Dokumen Hasil Pindai Menggunakan Metode Simple, Adaptive-Gaussian, dan Otsu Binarization Thresholding. EXPERT: Jurnal Manajemen Sistem Informasi Dan Teknologi, 11(2), 71–77.
Antara, A. M. E., Sari, S. A., Riswanti, N., Amin, D. A., Verdila, V., & Masa, A. P. A. (2023). Deteksi Nominal Rupiah Uang Kertas Berdasarkan Citra Warna Menggunakan Segmentasi K-Means Clustering dan Klasifikasi Random Forest. Kreatif Teknologi Dan Sistem Informasi (KRETISI), 1(1), 34–39.
Hafifah, F., Rahman, S., & Asih, M. S. (2021). Klasifikasi Jenis Kendaraan Pada Jalan Raya Menggunakan Metode Convolutional Neural Networks (CNN). TIN: Terapan Informatika Nusantara, 2(5), 292–301.
Harahap, M., Laia, E. M., Sitanggang, L. S., Sinaga, M., Sihombing, D. F., & Husein, A. M. (2022). Deteksi penyakit covid-19 pada citra x-ray dengan pendekatan convolutional neural network (cnn). Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(1), 70–77.
Kawulur, D. O. M., Naukoko, A. T., & Maramis, M. T. B. (2020). Analisis Dampak Kemacetan Terhadap Ekonomi Pengguna Jalan, Depan Tugu Taman Kota Manado. Jurnal Berkala Ilmiah Efisiensi, 20(01).
Marpaung, F., Aulia, F., & Nabila, R. C. (2022). COMPUTER VISION DAN PENGOLAHAN CITRA DIGITAL. PUSTAKA AKSARA.
Maryono, A. (2020). Menangani banjir, kekeringan dan lingkungan. Ugm Press.
Mulyana, D. I., & Rofik, M. A. (2022). Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5. Jurnal Pendidikan Tambusai, 6(3), 13971–13982.
Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network (Cnn) Pada Ekspresi Manusia. Algor, 2(1), 12–20.
Parung, J., Larissa, S., Santoso, A., & Prayogo, D. N. (2021). Penggunaan Teknologi Blokchain, Internet Of Things Dan Artifial Intelligence Untuk Mendukung Kota Cerdas. Studi Kasus: Supply Chain Industri Perikanan. Universitas Surabaya.
Rahayu, M. (2007). Bahasa Indonesia di perguruan tinggi. Grasindo.
Rozaqi, A. J., Sunyoto, A., & rudyanto Arief, M. (2021). Deteksi Penyakit Pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network. Creative Information Technology Journal, 8(1), 22–31.
Sakinah, N., Badriyah, T., & Syarif, I. (2020). Analisis Kinerja Algoritma Mesin Pembelajaran untuk Klarifikasi Penyakit Stroke Menggunakan Citra CT Scan. J. Teknol. Inf. Dan Ilmu Komput, 7(4), 833.
Sembiring, Z. (2017). Fuzzy Linier Programming untuk Pemilihan Jenis Kendaraan dalam Mengantisipasi Kemacetan Lalu Lintas di Kota Medan. Jurnal Teknovasi: Jurnal Teknik Dan Inovasi Mesin Otomotif, Komputer, Industri Dan Elektronika, 4(1), 59–69.
Silaban, R., & Pase, I. M. (2021). Tinjauan yuridis sanksi pidana terhadap pelaku pelanggaran lalu lintas menurut undang-undang nomor 22 tahun 2009 tentang lalu lintas dan angkutan jalan. Jurnal Rectum: Tinjauan Yuridis Penanganan Tindak Pidana, 3(1), 107–119.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Adopsi Teknologi dan Sistem Informasi (ATASI)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
