IDENTIFIKASI KENDARAAN LALU LINTAS MELALUI VIDEO CCTV PUBLIC DI RUAS JALAN MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

Ainul, La Ode Muhammad (2023) IDENTIFIKASI KENDARAAN LALU LINTAS MELALUI VIDEO CCTV PUBLIC DI RUAS JALAN MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (194kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (826kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (223kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (363kB)
	Text (BAB V) BAB V.pdf Download (75kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (114kB)
	Archive (SOURCE CODE) Source Code - LA ODE MUHAMMAD AINUL.zip Restricted to Repository staff only Download (23MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (704kB)

Abstract

Peningkatan volume kendaraan di jalan raya mengakibatkan meningkatnya risiko kecelakaan lalu lintas dan kemacetan. Untuk mengurangi risiko tersebut, perlu dilakukan pengawasan lalu lintas yang efisien dan efektif. Oleh karena itu, diperlukan penelitian yang dapat mengembangkan teknologi untuk menganalisis kendaraan lalu lintas secara otomatis dalam mengidentifikasi jenis kendaraan dan menghitung jumlah kendaraan di ruas jalan. Penelitian ini bertujuan untuk mengidentifikasi kendaraan lalu lintas melalui video CCTV publik di simpang Gramedia Yogyakarta menggunakan metode Long Short-Term Memory (LSTM). Dalam penelitian ini, langkah-langkah berikut dilakukan: pertama, video CCTV publik diambil dan diproses untuk memperoleh rangkaian gambar. Kemudian, gambar-gambar tersebut diubah menjadi representasi vektor fitur menggunakan teknik ekstraksi fitur yang sesuai. Selanjutnya, LSTM digunakan untuk memodelkan hubungan temporal antara vektor fitur secara efektif. Hasil penelitian menunjukkan bahwa metode LSTM mampu mengidentifikasi jenis kendaraan lalu lintas di simpang Gramedia Yogyakarta dengan akurasi yang baik. Sedangkan tingkat akurasi menghitung jumlah kendaraan lalu lintas di simpang Gramedia Yogyakarta menghasilkan akurasi yang kurang baik. ini disebabkakn kualitas video CCTV di simpang Gramedia Yogyakarta sangat rendah dan penempatan video CCTV tidak sejajar dengan traffic line yang menyebabkan beberapa jumlah kendaraan tidak terdeteksi. Penelitian ini dapat memberikan kontribusi pada pengembangan sistem pemantauan lalu lintas yang efektif dan otomatis menggunakan teknologi video CCTV dan metode LSTM.

Actions (login required)

View Item