Rancang Bangun Sistem Deteksi Rambu-Rambu Lalu Lintas Menggunakan Jaringan Syaraf Tiruan Berbasis Raspberry Pi

Tarmidzi Hakim, Moh. Fiqih (2018) Rancang Bangun Sistem Deteksi Rambu-Rambu Lalu Lintas Menggunakan Jaringan Syaraf Tiruan Berbasis Raspberry Pi. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
02311440000113-Undergraduate_Theses.pdf - Accepted Version

Download (3MB) | Preview

Abstract

Sistem Pengenalan rambu lalu lintas sedang menjadi topik yang menarik untuk dikembangkan. Penelitian ini bertujuan untuk membuat aplikasi untuk mendeteksi rambu-rambu lalu lintas berdasarkan database yang telah dibuat. Sistem pengenalan rambu lalu lintas merupakan bagian kecil dari sistem Autonomous Driver Assistant, yang merupakan sistem asisten kendali otomatis pada kendaraan mobil. Jaringan Syaraf Tiruan (JST) merupakan salah satu dari sekian metode pengenalan rambu lalu lintas yang mampu mengatasi permasalahan pada sistem pengenalan. Prinsip kerja dari JST yaitu melalui training yang akan diberikan kepada objek gambar rambu lalu lintas yang menghasilkan training berupa database. Keunggulan dari metode yang dilakukan pada tugas akhir ini yakni bersifat fleksibel, artinya dapat menambahkan berapapun jumlah objek deteksi yang ingin ditambahkan, dan jika terdapat sebuah aturan baru pada rambu lalu lintas, maka metode ini sangat baik untuk diterapkan karena metode ini bersifat cepat, simple, dan efisien. Sistem ini dibagi menjadi dua tahapan, yakni tahap data preprocessing dan pattern recognition. Training yang dilakukan pada metode ini yakni dengan menggunakan Jaringan Syaraf Tiruan Back Propagation. Metode ini mempunyai konsep dengan mencocokkan data yang dideteksi dengan database yang telah dibuat, untuk ditampilkan objek deteksi dari pengenalannya. Dengan hasil pengujian yang telah dilakukan pada sistem, dapat mendeteksi dan mengenali rambu-rambu lalu lintas dengan akurasi rata-rata deteksi mencapai 86%. ======================================================================================================= The Traffic Sign recognition system is an interesting topic to develop. This study aims to create an application to detect traffic signs based on a database that has been created. The traffic sign recognition system is a small part of the Autonomous Driver Assistant system, which is an automated control assistant system on automobile vehicles. Artificial Neural Network (JST) is one of the many methods of introducing traffic signs that can overcome problems in the recognition system. The working principle of ANN is through training that will be given to the traffic image object that generates training in the form of database. The advantage of this method is flexible, meaning it can add any number of detection objects to be added, and if there is a new rule in traffic sign, this method is very good to be applied because this method is fast, simple, and efficient. The system is divided into two stages, namely the data preprocessing stage and pattern recognition. Training done on this method that is by using Back Propagation Neural Network. This method has a concept by matching the detected data with the database that has been created, to be displayed object detection from the introduction. With the results of tests that have been done on the system, can detect and recognize traffic signs with an average detection accuracy of 86%.

Item Type: Thesis (Undergraduate)
Additional Information: RSF 006.3 Hak r-1 3100018076665
Uncontrolled Keywords: pengenalan, rambu lalu lintas, database, JST, detections, traffic Signs, Artificial neural network
Subjects: Q Science > Q Science (General) > Q325.78 Back propagation
Q Science > Q Science (General) > Q337.5 Pattern recognition systems
Q Science > QA Mathematics > QA336 Artificial Intelligence
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
T Technology > TL Motor vehicles. Aeronautics. Astronautics
T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL152.8 Vehicles, Remotely piloted. Autonomous vehicles.
T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL521.3 Automatic Control
T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL725.3 Traffic Control
Divisions: Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User: Moh. Fiqih Tarmidzi Hakim
Date Deposited: 19 Oct 2020 02:10
Last Modified: 20 Oct 2020 02:02
URI: https://repository.its.ac.id/id/eprint/55709

Actions (login required)

View Item View Item