Teknik Informatika

JudulPENINGKATAN VISIBILITAS PADA RAMBU BATAS KECEPATAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN DARK CHANNEL PRIOR
Nama HibahHibah Internal Penelitian
Nama ProgramPenelitian Mandiri Fakultas
Nama SkemaTeknik Informatika
AbstrakKabut memiliki dampak yang sangat serius bagi para pengemudi karena berkurangnya jarak pandang saat berkendara. Salah satu kecerdasan buatan yang diimplementasikan pada kendaraan autonom adalah sistem deteksi rambu lalu lintas. Pada Penelitian sebelumnya tingkat akurasi deteksi tanda batas kecepatan belum maksimal. Penelitian ini bertujuan untuk meningkatkan tingkat pengenalan rambu batas kecepatan lalu lintas pada citra berkabut. Data yang digunakan diambil dari sumber terbuka yaitu German Traffic Sign Recognition System (GTSRB) sebanyak 18430 citra. Data tersebut diekstraksi untuk mendapatkan fitur dengan teknik konvolusi yaitu Convolutional Neural Networks (CNN). Dalam penghapusan kabut, penelitian ini menggunakan metode Dark Channel Prior (DCP). Hasil dari perbaikan dan penghapusan kabut, citra ini akan diuji dan diklasifikasikan dengan model hasil dari CNN. Hasil eksperimentasi menunjukkan bahwa metode penghapusan kabut dengan DCP dan klasifikasi menggunakan CNN memiliki kinerja yang baik dengan tingkat akurasi rambu batas kecepatan sebesar 99%. Sehingga, klasifikasi ini dapat mengenali citra tanda batas kecepatan dengan lebih jelas.
Pengusul Oddy Virgantara Putra, S.Kom., M.T.
Anggota 1 Dihin Muriyatmoko, S.ST., M.T.
Anggota 2
Tahun Penelitian2021
Sumber DanaUNIDA GONTOR
Dana Non DiktiIDR 13.000.000,00