Perancangan Deteksi Objek Kendaraan Bermotor Berbasis OpenCV Python menggunakan Metode HOG-SVM untuk Analisis Lalu Lintas Cerdas
Keywords:
Deteksi Objek, Kendaraan Bermotor, OpenCV Python, HOG-SVM, Analisis Lalu Lintas, Sistem Manajemen Lalu LintasAbstract
Pada saat ini jumlah pengguna kendaraan bermotor semakin banyak sehingga sangat membutuhkan sistem Lalu Lintas Cerdas untuk dapat mengontrol pengguna jalan. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem deteksi objek kendaraan bermotor menggunakan OpenCV Python dengan metode HOG-SVM untuk analisis lalu lintas cerdas. Deteksi objek kendaraan bermotor adalah komponen penting dalam sistem manajemen lalu lintas modern yang memungkinkan pemantauan dan analisis real-time dari arus lalu lintas. Metodologi yang digunakan dalam penelitian ini melibatkan penggunaan Histogram of Oriented Gradients (HOG) dan Support Vector Machine (SVM) untuk mendeteksi kendaraan dalam citra dan video. Studi kasus ini menyoroti kelebihan dan kekurangan metode tersebut serta memberikan wawasan tentang aplikasi praktis dari teknologi ini dalam manajemen lalu lintas. Dengan penelitian menunjukkan bahwa implementasi deteksi kendaraan dengan metode HOG-SVM dapat memberikan akurasi yang baik dalam berbagai kondisi pencahayaan dan lalu lintas.
References
Ayuni Finda Rika, & Nuzul Hikmah. (2021). Rancang Bangun Alat Pendeteksi Kendaraan Dari Arah Berlawanan Pada Tikungan Tajam Berbasis Arduino UNO. Jurnal JEETech, 2(1), 34-38. https://doi.org/10.48056/jeetech.v2i1.158
Damarcha, A. N. (2021). Contrast Stretching To Enhance Parking Lot Detection At Night Based on Convolutional Neural Network (Cnn) and Support …. 2021. https://etd.repository.ugm.ac.id/penelitian/detail/202514
Ghaffari, S., Soleimani, P., Li, K. F., & Capson, D. W. (2020). Analysis and Comparison of FPGA Based Histogram of Oriented Gradients Implementations. IEEE Access, 8, 79920–79934. https://doi.org/10.1109/ACCESS.2020.2989267
Han, K. X., Chien, W., Chiu, C. C., & Cheng, Y. T. (2020). Application of support vector machine (SVM) in the sentiment analysis of twitter dataset. Applied Sciences (Switzerland), 10(3). https://doi.org/10.3390/app10031125
Irmanda, H. N., & Ria Astriratma. (2020). Klasifikasi Jenis Pantun Dengan Metode Support Vector Machines (SVM). Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(5), 915–922. https://doi.org/10.29207/resti.v4i5.2313
Iskandar Mulyana, D., & Rofik, M. A. (2022). Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5. Jurnal Pendidikan Tambusai, 6(3), 13971–13982. https://doi.org/10.31004/jptam.v6i3.4825
Laia, F. H., Rosnelly, R., Naswar, A., Buulolo, K., & Christin Lase, M. (2023). Deteksi Pengenalan Wajah Orang Berbasis AI Computer Vision. Teknologi Informasi Mura, 15(1), 61–71.
Nafis Alfarizi, D., Agung Pangestu, R., Aditya, D., Adi Setiawan, M., & Rosyani, P. (2023). Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis. Jurnal Artificial Inteligent Dan Sistem Penunjang Keputusan, 1(1), 54–63. https://jurnalmahasiswa.com/index.php/aidanspk
NURYASIN, M. F., MACHBUB, C., & YULIANTI, L. (2023). Kombinasi Deteksi Objek, Pengenalan Wajah dan Perilaku Anomali menggunakan State Machine untuk Kamera Pengawas. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 11(1), 86. https://doi.org/10.26760/elkomika.v11i1.86
SHARMA, Ayushi, et al. (2021). Object detection using OpenCV and python. https://ieeexplore. ieee.org/abstract/document/9725638
XU, Panfeng; HUANG, Lidong; SONG, Y. (2022). An optimal method based on HOG-SVM for fault detection. https://link.springer.com/article/10.1007/s11042-022-12020-0
