Klasifikasi Kendaraan pada Jalan Raya menggunakan Algoritma Convolutional Neural Network ( CNN )

Authors

  • Radikto Radikto STIKOM CKI Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika , Indonesia
  • Dadang Iskandar Mulyana STIKOM CKI Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika , Indonesia
  • M Ainur Rofik STIKOM CKI Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika , Indonesia
  • M Ohan Zoharuddin Zakaria STIKOM CKI Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika , Indonesia

DOI:

https://doi.org/10.31004/jptam.v6i1.3179

Keywords:

Image Classification, Kendaraan, Keras, Convolutional Neural Network (CNN), VGG16

Abstract

Kendaraan adalah alat angkut di jalan, termasuk kendaraan bermotor dan kendaraan tidak bermotor, sebagaimana dimaksud dalam angka 7 Pasal 1 Undang-Undang Nomor 22 Tahun 2009 tentang Lalu Lintas dan Angkutan Jalan. Melihat perkembangan kendaraan dimana masyarakat Indonesia mengandalkan kendaraan, tidak menutup kemungkinan jika kendaraan yang ada mulai memenuhi jalan di Indonesia, kebiasaan hidup masyarakat modern yang serba mengandalkan kendaraan untuk aktivitas sehari-hari. Oleh karena itu, peneliti membuat program pengenalan citra kendaraan menggunakan algoritma Convolutional Neural Network, yang merupakan kegiatan konvolusi dengan menggabungkan beberapa lapisan-lapisan persiapan, memanfaatkan beberapa komponen yang bergerak sama dan dimotivasi oleh sistem sensorik biologis. Gambar kendaraan yang digunakan adalah Sepedah, Sepeda Motor, Becak, Bajaj Mobil, Mobil Pikup, Mobil Molen, Bus, dan Truk. Implementasi pengenalan citra kendaraan dilakukan dengan menggunakan 2 model uji, model Sequential dan model VGG16 tingkat atas yang dijalankan dengan aplikasi Google Collaboratory, dan Keras. Data uji dalam penelitian ini adalah 1406 citra data latih dan 274 citra data uji, menghasilkan nilai evaluasi 98,18%, nilai loss 0,103 pada model Sequential, dan tingkat akurasi 99,64%.Implementasi pengenalan citra kendaraan dilakukan dengan menggunakan 2 model uji, model Sequential dan model VGG16 tingkat atas yang dijalankan dengan aplikasi Google Collaboratory, dan Keras. Data uji dalam penelitian ini adalah 1406 citra data latih dan 274 citra data uji, menghasilkan nilai evaluasi akurasi 98,18%, nilai loss 0,103 pada model Sequential, dan tingkat akurasi 99,64%,tingkat loss 0,014 pada model on top VGG16.

References

D. Sulaksono and K. Saddhono, “Ecological Concept of Wayang Stories and the Relation with Natural Conservation in Javanese Society,” KnE Soc. Sci., vol. 3, no. 9, p. 58, 2018, doi: 10.18502/kss.v3i9.2611.

M. Boy Sandy, Johannes K Siahaan2, Prayogi Permana, “Klasifikasi Citra Wayang Dengan Menggunakan Metode k- NN & GLCM,” vol. 2, no. November, pp. 71–77, 2019.

A. Susanto and I. U. W. Mulyono, “Rekognisi Wayang Kulit Menggunakan Jaringan Syaraf Tiruan,” Pros. SENDI_U, no. October, pp. 978–979, 2019.

M. Resa, A. Yudianto, and H. Al Fatta, “Wayang Dengan Algoritma Convolutional Neural Network,” J. Teknol. Inf., no. 2, pp. 182–190, 2020.

G. O. F. Parikesit, “3D Wayang Kulit: Traditional shadow puppetry meets modern display technology,” Int. J. Arts Technol., vol. 9, no. 2, pp. 162–172, 2016, doi: 10.1504/IJART.2016.077238.

K. Wisnudhanti and F. Candra, “Metode Convolutional Neural Network Dalam Klasifikasi Citra Tiga Tokoh Wayang Pandawa,” vol. 7, no. 2018, pp. 1–5, 2020.

F. I. Kurniadi, V. K. Putri, and Y. E. Wibawa, “Klasifikasi Topeng Cirebon Menggunakan Metode Convolutional Neural Network,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 1, pp. 163–169, 2021.

H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.

R. Mawan, “Klasifikasi motif batik menggunakan Convolutional Neural Network,” Jnanaloka, pp. 45–50,

Downloads

Published

23-02-2022

How to Cite

Radikto, R., Mulyana, D. I. ., Rofik, M. A. ., & Zoharuddin Zakaria, M. O. . (2022). Klasifikasi Kendaraan pada Jalan Raya menggunakan Algoritma Convolutional Neural Network ( CNN ). Jurnal Pendidikan Tambusai, 6(1), 1668–1679. https://doi.org/10.31004/jptam.v6i1.3179

Issue

Vol. 6 No. 1 (2022): April 2022

Section

Articles of Research

Citation Check

License

Copyright (c) 2022 Radikto Radikto, Dadang Iskandar Mulyana, M Ainur Rofik, M Ohan Zoharuddin Zakaria

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).