DETEKSI DAN KLASIFIKASI KENDARAAN BERGERAK BERDASARKAN GOLONGAN DENGAN METODE EXTREME LEARNING MACHINE (ELM)

Abstract

Kendaraan atau mesin transportasi merupakan alat kebutuhan sehari – hari manusia yang dapat mengangkut manusia, dan hewan. Dan lalu lintas telah meningkat pesat dengan perkembangan ekonomi, karena meningkatnya populasi perkotaan, serta untuk membantu manusia mengurangi kemacetan pada gerbang tol dalam melakukan transaksi pembayaran tol. Penelitian ini bertujuan untuk mengklasifikasikan kendaraan menggunakan pengolahan citra digital berupa video rekaman kendaraan yang melintas. Maka dari itu diperlukan sistem yang dapat mengklasifikasikan kendaraan bergerak berdasarkan kategori tertentu, kendaraan di klasifikasikan menjadi tiga katagori yaitu mobil, truk dan bus. Metode yang digunakan ialah Extreme Learning Machine (ELM) merupakan Jaringan Syaraf Tiruan/feedforward dengan satu hidden layer lebih dikenal dengan single hidden layer feedforward neural networks (SLFNs). Dari hasil penelitian ini terdiri dari 2185 node pada input layer, 1897 node pada hidden layer, dan 3 node pada output layer. Dan dikelompokkan berdasarkan luasan area kendaraan yang terdeteksi dengan luasan masing – masing kelas kendaraan pada database. Proses yang dilakukan mengenali jenis kendaraan bergerak berdasarkan area pada sistem yang dibuat hasil yang diperoleh merupakan jenis kendaraan dan golongannya. Menarik kesimpulan bahwa Implementasi metode Extreme Learning Machine untuk mengklasifikasi kendaraan bergerak dan dapat mampu membedaan kelas tersebut dengan jarak jauh dan warna yang telah ditetapkan. Hasil uji coba dengan data testing menghasilkan akurasi sebesar 89.7638%. dan untuk akurasi klasifikasi menggunakan bobot dan bias inisialisasi secara random dengan hasil data training didapat akurasi sebesar 86.8192%.