OPTIMASI PERFORMA DETEKSI KENDARAAN DENGAN MENGGABUNGKAN ALGORITMA HAAR CASCADE CLASSIFIER DAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Irawanto, Indra (2024) OPTIMASI PERFORMA DETEKSI KENDARAAN DENGAN MENGGABUNGKAN ALGORITMA HAAR CASCADE CLASSIFIER DAN CONVOLUTIONAL NEURAL NETWORK (CNN). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.2160 Indra Irawanto.pdf Download (5MB)

Abstract

Kemacetan lalu lintas menjadi masalah yang semakin meningkat seiring dengan meningkatnya jumlah pengguna kendaraan pribadi dibandingkan dengan transportasi umum untuk mobilitas sehari-hari. Berbagai solusi telah diusulkan untuk mengatasi masalah ini, salah satunya adalah implementasi Lampu Lalu Lintas Pintar untuk mengoptimalkan pengaturan lalu lintas. Beberapa metode dan algoritma deteksi objek telah diuji untuk menemukan pendekatan yang lebih efektif dalam pengenalan kendaraan di lalu lintas. Penelitian ini bertujuan untuk meningkatkan performa deteksi dan klasifikasi kendaraan dengan menggabungkan kelebihan dari algoritma Haar Cascade Classifier dan Convolutional Neural Network (CNN). Fokus penelitian ini adalah pada integrasi Haar Cascade Classifier dan CNN untuk pengenalan objek kendaraan, dengan penekanan pada evaluasi kinerja arsitektur CNN, khususnya Xception dan VGG16. Dataset yang digunakan adalah BIT-Vehicle, dan penelitian ini melibatkan preprocessing data, pelatihan model, serta pengujian. Pendekatan yang diusulkan terbukti efektif dalam mengoptimalkan performa deteksi dan klasifikasi kendaraan, dibuktikan dengan rata-rata akurasi sebesar 92.6% yang dicapai dengan model Xception. Selain itu, dengan mengimplementasikan Bayesian Optimization dalam proses pelatihan, akurasi model Xception meningkat lebih lanjut menjadi 95.3%. Peningkatan signifikan ini menunjukkan dampak Bayesian Optimization terhadap keberhasilan kombinasi Haar Cascade Classifier dan CNN dalam meningkatkan performa deteksi dan klasifikasi kendaraan.

Actions (login required)

View Item