Repositori

ABSTRAK Kemacetan lalu lintas merupakan masalah utama yang terjadi di kota-kota besar di Indonesia. Hal ini dapat menimbulkan berbagai dampak negatif seperti pemborosan bahan bakar, pemborosan waktu dan polusi udara. Oleh karena itu, pemerintah membagi jenis jalan raya dan hanya membolehkan truk muatan besar melintas pada jalan arteri. Sehingga perlu adanya smart city untuk mengimplementasikan kebijakan pemerintah agar mengatasi dampak yang ditimbulkan oleh kemacetan lalu lintas. Klasifikasi jenis kendaraan yang melintas pada jalan raya perlu dilakukan agar tidak terjadi pelanggaran kendaraan diluar spesifikasi yang diperbolehkan untuk memasuki jalan raya tertentu. Klasifikasi jenis kendaraan menggunakan metode Convolution Neural Network (CNN). Arsitektur yang digunakan berupa arsitektur existing CNN atau arsitektur CNN yang sudah ada yaitu googlenet dan shufflenet. Kami melakukan fine tuning terhadap Googlenet dan Shufflenet untuk menghasilkan akurasi yang maksimal. Dataset yang digunakan adalah data yang diambil dari beberapa titik kamera CCTV beberapa kota di Indonesia pada bulan Juli 2021. Metode yang diajukan memiliki kemampuan dalam mengklasifikasikan jenis kendaraan dengan akurasi Googlenet sebesar 95,88% dan Shufflenet 96,48%. Dengan demikian, diharapkan dapat memberi kontribusi pada peneliti untuk mengembangkan CNN yang lebih baik agar dapat diimplementasikan untuk kepentingan lalu lintas jalan raya di Indonesia dimasa yang akan datang. Kata Kunci : Klasifikasi jenis kendaraan, convolution neural network (CNN), Googlenet, Shufflenet, fine tuning

URI :
https://ejurnal.seminar-id.com/index.php/tin

Collections :
Skripsi [1393]