DETEKSI DAN REKOGNISI RAMBU-RAMBU LALU LINTAS DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Abstract

[Id]

Kota-kota besar pasti tidak lepas dengan penggunaan rambu lalu lintas untuk meningkatkan keselamatan pengguna jalan. Rambu lalu lintas dirancang untuk pembantu pengemudi untuk mencapai tujuan mereka dengan aman, dengan menyediakan informasi rambu yang berguna. Meskipun demikian, hal yang tidak diinginkan dapat terjadi ketika informasi yang tersimpan pada rambu lalu lintas tidak diterima dengan baik pada pengguna jalan. Hal ini dapat menjadi masalah baru dalam keamanan berkendara. Dalam meminimalisasi masalah tersebut, dapat dibuat suatu teknologi yang mengembangkan sistem yang mengidentifikasi objek rambu lalu lintas secara otomatis yang dapat menjadi salah satu alternatif meningkatkan keselamatan berkendara, yaitu Traffic Sign Detection and Recognition (Sistem Deteksi dan Rekognisi Rambu Lalu Lintas). Sistem ini menggunakan menggunakan deteksi ciri warna dan bentuk. metode Histogram of Oriented Gradient (HOG) untuk ektraksi ciri citra bentuk, colour moment untuk ekstraksi warna dan Support Vector Machines (SVM) untuk mengklasifikasikan citra rambu lalu lintas. Sehingga dapat dianalisa bagaimana Sistem dapat mendeteksi dan mengenali citra yang merupakan objek rambu lalu lintas Diharapkan dengan adanya paduan metode-metode tersebut dapat membangun sistem deteksi dan rekognisi rambu lalu lintas, dan meningkat performansi sistem dalam mendeteksi dan mengenali rambu lalu lintas. Performansi yang dihasilkan dari sistem adalah 94.5946% menggunakan micro average f1-score.

Kata kunci : ekstraksi ciri fitur, ekstraksi ciri warna, klasifikasi, HOG, colour moment, SVM, micro average f1-score.

[En]

The big cities must not be separated by the use of traffic signs to improve road safety. Traffic signs are designed to aide drivers to reach their destination safely, by providing useful information signs. Nonetheless, undesirable things can happen when information stored in the traffic signs are not received well on the road. It can be a new problem in road safety. In minimizing the problem, can be made of a technology that is developing a system that identifies an object traffic signs automatically which can be one alternative to improve driving safety, the Traffic Sign Detection and Recognition (Detection System and Traffic Sign Recognition). The system uses using the detection characteristics of colors and shapes. methods Histogram of Oriented Gradient (HOG) to extract image characteristic shape, color moment for the extraction of color and Support Vector Machines (SVM) to classify traffic signs image. So it can be analyzed how the system can detect and recognize the image which is the object of traffic signs Expected by the blend of these methods can build a system of detection and recognition of traffic signs, and increased system performance to detect and recognize traffic signs. Performasi generated in the system is 94.5946% using micro average f1-score.