Simulasi Detection Counter Pada Objek Kendaraan Motor Dan Mobil Menggunakan Metode Convolutional Neural Network Berbasis Python
Abstract
Dengan mengawasi dan mengumpulkan data volume kendaraan di jalan raya, kita dapat mengontrol padatan lalu lintas. Sebagian besar, proses pendataan volume kendaraan yang melewati jalan raya masih dilakukan secara manual. Ini berarti bahwa beberapa orang ditugaskan untuk berada di lapangan dan mencatat atau menghitung semua mobil dan kendaraan motor yang lewat. Penghitungan manual memiliki banyak kelemahan, seperti pengumpulan data yang lama dan membutuhkan banyak sumber daya manusia. Untuk memudahkan pengendalian lalu lintas, diperlukan sistem penghitung dan deteksi kendaraan otomatis yang tepat, baik mobil maupun motor, berdasarkan masalah kondisi tersebut. Sebuah sistem deteksi kendaraan motor dan mobil yang menggunakan metode Convolutional Neural Network berbasis Python sedang dibangun.
References
T. A. Dompeipen, M. E. I. Najoan, J. T. Elektro, U. Sam, and R. Manado, “SSD, Mobile-net,” vol. 16, no. 1, pp. 65–76, 2021.
F. Felix, J. Wijaya, S. P. Sutra, P. W. Kosasih, and P. Sirait, “Implementasi Convolutional Neural 11Network Untuk Identifikasi Jenis Tanaman Melalui Daun,” J. SIFO Mikroskil, vol. 21, no. 1, pp. 1–10, 2020, doi: 10.55601/jsm.v21i1.672.
N. Hanum Harani, C. Prianto, and M. Hasanah, “Deteksi Objek Dan Pengenalan Karakter Plat Nomor Kendaraan Indonesia Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Python,” J. Tek. Inform., vol. 11, no. 3, pp. 47–53, 2019.
A. Kurniadi, “Implementasi Convolutional Neural Network Untuk Klasifikasi Varietas Pada Citra Daun Sawi Menggunakan Keras,” DoubleClick J. Comput. Inf. Technol., vol. 4, no. 1, p. 25, 2020, doi: 10.25273/doubleclick.v4i1.5812.
A. Y. Prathama, “Pendekatan Ann (Artificial Neural Network) Untuk Penentuan Prosentase Bobot Pekerjaan Dan Estimasi Nilai Pekerjaan Struktur Pada Rumah Sakit Pratama,” J. Teknosains, vol. 7, no. 1, p. 14, 2018, doi: 10.22146/teknosains.30139.
A. Rahim, E. T. Luthfi, M. T. Informatika, and D. Learning, “Convolutional Neural Network Untuk Kalasifikasi,” pp. 109–115, 2019.
A. Rohim, Y. A. Sari, and Tibyani, “Convolution neural network (cnn) untuk pengklasifikasian citra makanan tradisional,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 7, pp. 7038–7042, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5851/2789
V. M. P. Salawazo, D. P. J. Gea, R. F. Gea, and F. Azmi, “Implementasi Metode Convolutional Neural Network ( CNN ) Pada Peneganalan Objek Video CCTV,” J. Mantik Penusa, vol. 3, no. 1, pp. 74–79, 2019.
D. Y. Setiawan, H. Fitriyah, and I. Arwani, “Sistem Penghitung Jumlah Orang Melewati Pintu Menggunakan Metode Background Subtraction Berbasis Raspberry Pi,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 2, pp. 2105–2113, 2019.
H. Vazirani, A. Kautsar, K. Adi, and J. Fisika, “Implementasi Object Tracking Untuk Mendeteksi Dan Menghitung Jumlah Kendaraan Secara Otomatis Menggunakan Metode Kalman Filter Dan Gaussian Mixture Model,” Youngster Phys. J., vol. 5, no. 1, pp. 13–20, 2016.
